Condividi tramite


az ml model

Nota

Questo riferimento fa parte dell'estensione ml per l'interfaccia della riga di comando di Azure (versione 2.15.0 o successiva). L'estensione installerà automaticamente la prima volta che si esegue un comando az ml model . Altre informazioni sulle estensioni.

Gestire i modelli di Azure ML.

I modelli di Azure ML sono costituiti dai file binari che rappresentano un modello di Machine Learning e i metadati corrispondenti. Questi modelli possono essere usati nelle distribuzioni di endpoint per l'inferenza batch e in tempo reale.

Comandi

Nome Descrizione Tipo Stato
az ml model archive

Archiviare un modello.

Estensione Disponibilità generale
az ml model create

Creare un modello.

Estensione Disponibilità generale
az ml model download

Scaricare tutti i file correlati al modello.

Estensione Disponibilità generale
az ml model list

Elencare i modelli in un'area di lavoro o in un registro. Se si usa un Registro di sistema, sostituire --workspace-name my-workspace con l'opzione --registry-name <registry-name> .

Estensione Disponibilità generale
az ml model package

Creare un pacchetto di un modello in un ambiente.

Estensione Anteprima
az ml model restore

Ripristinare un modello archiviato.

Estensione Disponibilità generale
az ml model share

Condividere un modello specifico dall'area di lavoro al Registro di sistema.

Estensione Disponibilità generale
az ml model show

Visualizzare i dettagli per un modello in un'area di lavoro o in un registro. Se si usa un Registro di sistema, sostituire --workspace-name my-workspace con l'opzione --registry-name <registry-name> .

Estensione Disponibilità generale
az ml model update

Aggiornare un modello in un'area di lavoro o in un registro.

Estensione Disponibilità generale

az ml model archive

Archiviare un modello.

L'archiviazione di un modello lo nasconde per impostazione predefinita dalle query di elenco (az ml model list). È comunque possibile continuare a fare riferimento e usare un modello archiviato nei flussi di lavoro. È possibile archiviare un contenitore di modelli o una versione specifica del modello. L'archiviazione di un contenitore di modelli archivierà tutte le versioni del modello con il nome specificato. È possibile ripristinare un modello archiviato usando az ml model restore. Se l'intero contenitore del modello è archiviato, non è possibile ripristinare singole versioni del modello. Sarà necessario ripristinare il contenitore del modello.

az ml model archive --name
                    [--label]
                    [--registry-name]
                    [--resource-group]
                    [--version]
                    [--workspace-name]

Esempio

Archiviare un contenitore di modelli (archivia tutte le versioni del modello)

az ml model archive --name my-model --resource-group my-resource-group --workspace-name my-workspace

Archiviare una versione specifica del modello

az ml model archive --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace

Parametri necessari

--name -n

Nome del modello.

Parametri facoltativi

--label -l

Etichetta del modello.

--registry-name

Se specificato, il comando avrà come destinazione il Registro di sistema anziché un'area di lavoro. Di conseguenza, il gruppo di risorse e l'area di lavoro non saranno necessari.

--resource-group -g

Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.

--version -v

Versione del modello.

--workspace-name -w

Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.

Parametri globali
--debug

Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.

--help -h

Visualizza questo messaggio della guida ed esce.

--only-show-errors

Mostra solo gli errori, eliminando gli avvisi.

--output -o

Formato di output.

valori accettati: json, jsonc, none, table, tsv, yaml, yamlc
valore predefinito: json
--query

Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.

--subscription

Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.

--verbose

Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.

az ml model create

Creare un modello.

I modelli possono essere creati da un file locale, da una directory locale, da un archivio dati o da output del processo. Il modello creato verrà monitorato nell'area di lavoro o nel Registro di sistema con il nome e la versione specificati. Se si usa un Registro di sistema, sostituire --workspace-name my-workspace con l'opzione --registry-name <registry-name> .

az ml model create [--datastore]
                   [--description]
                   [--file]
                   [--name]
                   [--no-wait]
                   [--path]
                   [--registry-name]
                   [--resource-group]
                   [--set]
                   [--stage]
                   [--tags]
                   [--type]
                   [--version]
                   [--workspace-name]

Esempio

Creare un modello da un file di specifica YAML

az ml model create --file model.yml --resource-group my-resource-group --workspace-name my-workspace

Creare un modello da una cartella locale usando le opzioni di comando

az ml model create --name my-model --version 1 --path ./my-model --resource-group my-resource-group --workspace-name my-workspace

Creare un modello usando mlflow run URI format 'runs:/<run-id><path-to-model-relative-to-the-root-of-the-artifact-location>/' e opzioni di comando

az ml model create --name my-model --version 1 --path runs:/c42d2507-4953-4a7c-a4c1-2b5bfe0ac64e/model/ --type mlflow_model --resource-group my-resource-group --workspace-name my-workspace

Creare un modello da un output del processo denominato usando il formato URI del processo azureml 'azureml://jobs/<job-name>/outputs//<named-output>paths/<path-to-model-relative-to-the-named-output-location>' e le opzioni di comando. L'output denominato predefinito è artefatti

az ml model create --name my-model --version 1 --path azureml://jobs/c42d2507-4953-4a7c-a4c1-2b5bfe0ac64e/outputs/artifacts/paths/model/ --resource-group my-resource-group --workspace-name my-workspace

Creare un modello da un archivio dati 'azureml://datastores/<datastore-name>/paths/<path-to-model-relative-to-the-root-of-the-datastore-location>' usando le opzioni di comando

az ml model create --name my-model --version 1 --path azureml://datastores/myblobstore/paths/models/cifar10/cifar.pt --resource-group my-resource-group --workspace-name my-workspace

Parametri facoltativi

--datastore

Archivio dati in cui caricare l'artefatto locale.

--description

Descrizione del modello.

--file -f

Percorso locale del file YAML contenente la specifica del modello di Azure ML. La documentazione di riferimento YAML per il modello è disponibile in: https://aka.ms/ml-cli-v2-model-yaml-reference.

--name -n

Nome del modello.

--no-wait

Indica che non è necessario attendere il termine dell'operazione a esecuzione prolungata.

valore predefinito: False
--path -p

Percorso dei file del modello. Può trattarsi di una posizione locale o remota. Se specificato, è necessario specificare anche --name/-n e --version/-v.

--registry-name

Se specificato, il comando avrà come destinazione il Registro di sistema anziché un'area di lavoro. Di conseguenza, il gruppo di risorse e l'area di lavoro non saranno necessari.

--resource-group -g

Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.

--set

Aggiornare un oggetto specificando un percorso di proprietà e un valore da impostare. Esempio: --set property1.property2=.

--stage -s

Fase del modello.

--tags

Coppie chiave-valore separate da spazi per i tag dell'oggetto.

--type -t

Il tipo di modello, i valori consentiti sono custom_model, mlflow_model e triton_model. Il tipo predefinito è custom_model.

--version -v

Versione del modello.

--workspace-name -w

Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.

Parametri globali
--debug

Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.

--help -h

Visualizza questo messaggio della guida ed esce.

--only-show-errors

Mostra solo gli errori, eliminando gli avvisi.

--output -o

Formato di output.

valori accettati: json, jsonc, none, table, tsv, yaml, yamlc
valore predefinito: json
--query

Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.

--subscription

Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.

--verbose

Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.

az ml model download

Scaricare tutti i file correlati al modello.

I file verranno scaricati in una cartella denominata in base al nome del modello. Se si usa un Registro di sistema, sostituire --workspace-name my-workspace con l'opzione --registry-name <registry-name> .

az ml model download --name
                     --version
                     [--download-path]
                     [--registry-name]
                     [--resource-group]
                     [--workspace-name]

Esempio

Scaricare un modello con il nome e la versione specificati

az ml model download --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace

Scaricare un modello con il nome e la versione specificati in un percorso locale specificato

az ml model download --name my-model --version 1  --download-path local_path --resource-group my-resource-group --workspace-name my-workspace

Parametri necessari

--name -n

Nome del modello.

--version -v

Versione del modello.

Parametri facoltativi

--download-path -p

Percorso per scaricare i file del modello, per impostazione predefinita nella directory di lavoro corrente.

--registry-name

Se specificato, il comando avrà come destinazione il Registro di sistema anziché un'area di lavoro. Di conseguenza, il gruppo di risorse e l'area di lavoro non saranno necessari.

--resource-group -g

Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.

--workspace-name -w

Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.

Parametri globali
--debug

Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.

--help -h

Visualizza questo messaggio della guida ed esce.

--only-show-errors

Mostra solo gli errori, eliminando gli avvisi.

--output -o

Formato di output.

valori accettati: json, jsonc, none, table, tsv, yaml, yamlc
valore predefinito: json
--query

Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.

--subscription

Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.

--verbose

Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.

az ml model list

Elencare i modelli in un'area di lavoro o in un registro. Se si usa un Registro di sistema, sostituire --workspace-name my-workspace con l'opzione --registry-name <registry-name> .

az ml model list [--archived-only]
                 [--include-archived]
                 [--max-results]
                 [--name]
                 [--registry-name]
                 [--resource-group]
                 [--stage]
                 [--workspace-name]

Esempio

Elencare tutti i modelli in un'area di lavoro

az ml model list --resource-group my-resource-group --workspace-name my-workspace

Elencare tutte le versioni del modello per il nome specificato in un'area di lavoro

az ml model list --name my-model --resource-group my-resource-group --workspace-name my-workspace

Elencare tutti i modelli in un'area di lavoro usando l'argomento --query per eseguire una query JMESPath sui risultati dei comandi.

az ml model list --query "[].{Name:name}"  --output table --resource-group my-resource-group --workspace-name my-workspace

Parametri facoltativi

--archived-only

Elencare solo i modelli archiviati.

valore predefinito: False
--include-archived

Elencare i modelli archiviati e i modelli attivi.

valore predefinito: False
--max-results -r

Numero massimo di risultati da restituire.

--name -n

Nome del modello. Se specificato, verranno restituite tutte le versioni del modello con questo nome.

--registry-name

Se specificato, il comando avrà come destinazione il Registro di sistema anziché un'area di lavoro. Di conseguenza, il gruppo di risorse e l'area di lavoro non saranno necessari.

--resource-group -g

Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.

--stage -s

Fase del modello.

--workspace-name -w

Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.

Parametri globali
--debug

Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.

--help -h

Visualizza questo messaggio della guida ed esce.

--only-show-errors

Mostra solo gli errori, eliminando gli avvisi.

--output -o

Formato di output.

valori accettati: json, jsonc, none, table, tsv, yaml, yamlc
valore predefinito: json
--query

Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.

--subscription

Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.

--verbose

Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.

az ml model package

Anteprima

Questo comando è in anteprima e in fase di sviluppo. Livelli di riferimento e supporto: https://aka.ms/CLI_refstatus

Creare un pacchetto di un modello in un ambiente.

Quando viene creato un modello in pacchetto, viene creato un ambiente con tutte le dipendenze.

az ml model package --file
                    --name
                    --version
                    [--registry-name]
                    [--resource-group]
                    [--workspace-name]

Esempio

Creare un pacchetto di un modello con il nome e la versione specificati

az ml model package --name my-model --version my-version --resource-group my-resource-group --workspace-name my-workspace --file my-package.yml

Parametri necessari

--file -f

Percorso locale del file YAML contenente la definizione del pacchetto del modello.

--name -n

Nome del modello.

--version -v

Versione del modello.

Parametri facoltativi

--registry-name

Se specificato, il comando avrà come destinazione il Registro di sistema anziché un'area di lavoro. Di conseguenza, il gruppo di risorse e l'area di lavoro non saranno necessari.

--resource-group -g

Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.

--workspace-name -w

Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.

Parametri globali
--debug

Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.

--help -h

Visualizza questo messaggio della guida ed esce.

--only-show-errors

Mostra solo gli errori, eliminando gli avvisi.

--output -o

Formato di output.

valori accettati: json, jsonc, none, table, tsv, yaml, yamlc
valore predefinito: json
--query

Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.

--subscription

Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.

--verbose

Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.

az ml model restore

Ripristinare un modello archiviato.

Quando viene ripristinato un modello archiviato, non verrà più nascosto dalle query di elenco (az ml model list). Se viene archiviato un intero contenitore di modelli, è possibile ripristinare il contenitore archiviato. In questo modo verranno ripristinate tutte le versioni del modello con il nome specificato. Non è possibile ripristinare solo una versione specifica del modello se l'intero contenitore del modello è archiviato. Sarà necessario ripristinare l'intero contenitore. Se è stata archiviata solo una singola versione del modello, è possibile ripristinare tale versione specifica.

az ml model restore --name
                    [--label]
                    [--registry-name]
                    [--resource-group]
                    [--version]
                    [--workspace-name]

Esempio

Ripristinare un contenitore modello archiviato (ripristina tutte le versioni del modello)

az ml model restore --name my-model --resource-group my-resource-group --workspace-name my-workspace

Ripristinare una versione del modello archiviata specifica

az ml model restore --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace

Parametri necessari

--name -n

Nome del modello.

Parametri facoltativi

--label -l

Etichetta del modello.

--registry-name

Se specificato, il comando avrà come destinazione il Registro di sistema anziché un'area di lavoro. Di conseguenza, il gruppo di risorse e l'area di lavoro non saranno necessari.

--resource-group -g

Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.

--version -v

Versione del modello.

--workspace-name -w

Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.

Parametri globali
--debug

Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.

--help -h

Visualizza questo messaggio della guida ed esce.

--only-show-errors

Mostra solo gli errori, eliminando gli avvisi.

--output -o

Formato di output.

valori accettati: json, jsonc, none, table, tsv, yaml, yamlc
valore predefinito: json
--query

Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.

--subscription

Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.

--verbose

Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.

az ml model share

Condividere un modello specifico dall'area di lavoro al Registro di sistema.

Copiare un modello esistente da un'area di lavoro in un registro per il riutilizzo tra aree di lavoro.

az ml model share --name
                  --registry-name
                  --share-with-name
                  --share-with-version
                  --version
                  [--resource-group]
                  [--workspace-name]

Esempio

Condividere un ambiente esistente dall'area di lavoro al Registro di sistema

az ml model share --name my-model --version my-version --resource-group my-resource-group --workspace-name my-workspace --share-with-name new-name-in-registry --share-with-version new-version-in-registry --registry-name my-registry

Parametri necessari

--name -n

Nome del modello.

--registry-name

Registro di sistema di destinazione.

--share-with-name

Nome del modello da creare.

--share-with-version

Versione del modello con cui creare.

--version -v

Versione del modello.

Parametri facoltativi

--resource-group -g

Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.

--workspace-name -w

Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.

Parametri globali
--debug

Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.

--help -h

Visualizza questo messaggio della guida ed esce.

--only-show-errors

Mostra solo gli errori, eliminando gli avvisi.

--output -o

Formato di output.

valori accettati: json, jsonc, none, table, tsv, yaml, yamlc
valore predefinito: json
--query

Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.

--subscription

Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.

--verbose

Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.

az ml model show

Visualizzare i dettagli per un modello in un'area di lavoro o in un registro. Se si usa un Registro di sistema, sostituire --workspace-name my-workspace con l'opzione --registry-name <registry-name> .

az ml model show --name
                 [--label]
                 [--registry-name]
                 [--resource-group]
                 [--version]
                 [--workspace-name]

Esempio

Visualizzare i dettagli per un modello con il nome e la versione specificati

az ml model show --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace

Parametri necessari

--name -n

Nome del modello.

Parametri facoltativi

--label -l

Etichetta del modello.

--registry-name

Se specificato, il comando avrà come destinazione il Registro di sistema anziché un'area di lavoro. Di conseguenza, il gruppo di risorse e l'area di lavoro non saranno necessari.

--resource-group -g

Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.

--version -v

Versione del modello.

--workspace-name -w

Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.

Parametri globali
--debug

Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.

--help -h

Visualizza questo messaggio della guida ed esce.

--only-show-errors

Mostra solo gli errori, eliminando gli avvisi.

--output -o

Formato di output.

valori accettati: json, jsonc, none, table, tsv, yaml, yamlc
valore predefinito: json
--query

Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.

--subscription

Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.

--verbose

Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.

az ml model update

Aggiornare un modello in un'area di lavoro o in un registro.

È possibile aggiornare le proprietà 'description' e 'tags'. Se si usa un Registro di sistema, sostituire --workspace-name my-workspace con l'opzione --registry-name <registry-name> .

az ml model update --name
                   --resource-group
                   [--add]
                   [--force-string]
                   [--label]
                   [--registry-name]
                   [--remove]
                   [--set]
                   [--stage]
                   [--version]
                   [--workspace-name]

Esempio

Aggiornare le versioni di un modello

az ml model update --name my-model --version 1 --set flavors.python_function.python_version=3.8 --resource-group my-resource-group --workspace-name my-workspace

Parametri necessari

--name -n

Nome del modello.

--resource-group -g

Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.

Parametri facoltativi

--add

Aggiungere un oggetto a un elenco di oggetti specificando un percorso e coppie chiave-valore. Esempio: --add property.listProperty <key=value, string or JSON string>.

valore predefinito: []
--force-string

Quando si usa 'set' o 'add', mantenere i valori letterali stringa anziché tentare di eseguire la conversione in JSON.

valore predefinito: False
--label -l

Etichetta del modello.

--registry-name

Se specificato, il comando avrà come destinazione il Registro di sistema anziché un'area di lavoro. Di conseguenza, il gruppo di risorse e l'area di lavoro non saranno necessari.

--remove

Rimuovere una proprietà o un elemento da un elenco. Esempio: --remove property.list <indexToRemove> OR --remove propertyToRemove.

valore predefinito: []
--set

Aggiornare un oggetto specificando un percorso di proprietà e un valore da impostare. Esempio: --set property1.property2=<value>.

valore predefinito: []
--stage -s

Fase del modello.

--version -v

Versione del modello.

--workspace-name -w

Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.

Parametri globali
--debug

Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.

--help -h

Visualizza questo messaggio della guida ed esce.

--only-show-errors

Mostra solo gli errori, eliminando gli avvisi.

--output -o

Formato di output.

valori accettati: json, jsonc, none, table, tsv, yaml, yamlc
valore predefinito: json
--query

Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.

--subscription

Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.

--verbose

Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.