Condividi tramite

Model Classe

  • Riferimento

Rappresenta il risultato del training di Machine Learning.

Un modello è il risultato di un training Run di Azure Machine Learning o di un altro processo di training del modello all'esterno di Azure. Indipendentemente dal modo in cui viene prodotto il modello, può essere registrato in un'area di lavoro, in cui è rappresentato da un nome e una versione. Con la classe Model è possibile creare un pacchetto di modelli da usare con Docker e distribuirli come endpoint in tempo reale che può essere usato per le richieste di inferenza.

Per un'esercitazione end-to-end che illustra come vengono creati, gestiti e usati i modelli, vedere Eseguire il training del modello di classificazione delle immagini con i dati MNIST e scikit-learn usando Azure Machine Learning.

Costruttore del modello.

Il costruttore Model viene usato per recuperare una rappresentazione cloud di un oggetto Model associato all'area di lavoro fornita. Deve specificare il nome o l'ID.

Ereditarietà
builtins.object
Model

Costruttore

Model(workspace, name=None, id=None, tags=None, properties=None, version=None, run_id=None, model_framework=None, expand=True, **kwargs)

Parametri

Nome Descrizione
workspace
Necessario
Workspace

Oggetto dell'area di lavoro contenente il modello da recuperare.
name
str

Nome del modello da recuperare. Il modello più recente con il nome specificato viene restituito, se presente.

valore predefinito: None
id
str

ID del modello da recuperare. Il modello con l'ID specificato viene restituito, se presente.

valore predefinito: None
tags
list

Elenco facoltativo di tag usati per filtrare i risultati restituiti. I risultati vengono filtrati in base all'elenco fornito, cercando in base a 'key' o '[key, value]'. Ex. ['key', ['key2', 'key2 value']]

valore predefinito: None
properties
list

Elenco facoltativo delle proprietà usate per filtrare i risultati restituiti. I risultati vengono filtrati in base all'elenco fornito, cercando in base a 'key' o '[key, value]'. Ex. ['key', ['key2', 'key2 value']]

valore predefinito: None
version
int

Versione del modello da restituire. Se specificato insieme al name parametro, viene restituita la versione specifica del modello denominato specificato, se presente. Se version viene omesso, viene restituita l'ultima versione del modello.

valore predefinito: None
run_id
str

ID facoltativo usato per filtrare i risultati restituiti.

valore predefinito: None
model_framework
str

Nome del framework facoltativo usato per filtrare i risultati restituiti. Se specificato, i risultati vengono restituiti per i modelli corrispondenti al framework specificato. Vedere Framework per i valori consentiti.

valore predefinito: None
workspace
Necessario
Workspace

Oggetto dell'area di lavoro contenente il modello da recuperare.
name
Necessario
str

Nome del modello da recuperare. Il modello più recente con il nome specificato viene restituito, se presente.
id
Necessario
str

ID del modello da recuperare. Il modello con l'ID specificato viene restituito, se presente.
tags
Necessario
list

Elenco facoltativo di tag usati per filtrare i risultati restituiti. I risultati vengono filtrati in base all'elenco fornito, cercando in base a 'key' o '[key, value]'. Ex. ['key', ['key2', 'key2 value']]
properties
Necessario
list

Elenco facoltativo delle proprietà usate per filtrare i risultati restituiti. I risultati vengono filtrati in base all'elenco fornito, cercando in base a 'key' o '[key, value]'. Ex. ['key', ['key2', 'key2 value']]
version
Necessario
int

Versione del modello da restituire. Se specificato insieme al name parametro, viene restituita la versione specifica del modello denominato specificato, se presente. Se version viene omesso, viene restituita l'ultima versione del modello.
run_id
Necessario
str

ID facoltativo usato per filtrare i risultati restituiti.
model_framework
Necessario
str

Nome del framework facoltativo usato per filtrare i risultati restituiti. Se specificato, i risultati vengono restituiti per i modelli corrispondenti al framework specificato. Vedere Framework per i valori consentiti.
expand
bool

Se true, restituirà modelli con tutte le sotto proprietà popolate, ad esempio eseguire, set di dati ed esperimenti.

valore predefinito: True

Commenti

Il costruttore Model viene usato per recuperare una rappresentazione cloud di un oggetto Model associato all'area di lavoro specificata. Almeno il nome o l'ID devono essere forniti per recuperare i modelli, ma sono disponibili anche altre opzioni per il filtro, tra cui tag, proprietà, versione, ID esecuzione e framework.


   from azureml.core.model import Model
   model = Model(ws, 'my_model_name')

Nell'esempio seguente viene illustrato come recuperare una versione specifica di un modello.


   from azureml.core.model import Model
   model = Model(ws, 'my_model_name', version=1)

La registrazione di un modello crea un contenitore logico per uno o più file che costituiscono il modello. Oltre al contenuto del file modello stesso, un modello registrato archivia anche i metadati del modello, inclusa la descrizione del modello, i tag e le informazioni del framework, utili per la gestione e la distribuzione del modello nell'area di lavoro. Ad esempio, con i tag è possibile classificare i modelli e applicare filtri quando si elencano i modelli nell'area di lavoro. Dopo la registrazione, è quindi possibile scaricare o distribuire il modello registrato e ricevere tutti i file e i metadati registrati.

Nell'esempio seguente viene illustrato come registrare un modello che specifica i tag e una descrizione.


   from azureml.core.model import Model

   model = Model.register(model_path="sklearn_regression_model.pkl",
                          model_name="sklearn_regression_model",
                          tags={'area': "diabetes", 'type': "regression"},
                          description="Ridge regression model to predict diabetes",
                          workspace=ws)

L'esempio completo è disponibile da https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

Nell'esempio seguente viene illustrato come registrare un modello che specifica i set di dati di framework, input e output e la configurazione delle risorse.


   import sklearn

   from azureml.core import Model
   from azureml.core.resource_configuration import ResourceConfiguration


   model = Model.register(workspace=ws,
                          model_name='my-sklearn-model',                # Name of the registered model in your workspace.
                          model_path='./sklearn_regression_model.pkl',  # Local file to upload and register as a model.
                          model_framework=Model.Framework.SCIKITLEARN,  # Framework used to create the model.
                          model_framework_version=sklearn.__version__,  # Version of scikit-learn used to create the model.
                          sample_input_dataset=input_dataset,
                          sample_output_dataset=output_dataset,
                          resource_configuration=ResourceConfiguration(cpu=1, memory_in_gb=0.5),
                          description='Ridge regression model to predict diabetes progression.',
                          tags={'area': 'diabetes', 'type': 'regression'})

   print('Name:', model.name)
   print('Version:', model.version)

La sezione Variabili elenca gli attributi di una rappresentazione locale dell'oggetto Modello cloud. Queste variabili devono essere considerate di sola lettura. La modifica dei valori non verrà riflessa nell'oggetto cloud corrispondente.

Variabili

Nome Descrizione
created_by
dict

Utente che ha creato il modello.
created_time
datetime

Quando è stato creato il modello.
azureml.core.Model.description

Descrizione dell'oggetto Model.
azureml.core.Model.id

ID modello. In questo modo <viene impiegato il nome> del modello:<versione> del modello.
mime_type
str

Tipo mime modello.
azureml.core.Model.name

Nome del modello.
model_framework
str

Framework del modello.
model_framework_version
str

Versione del framework del modello.
azureml.core.Model.tags

Dizionario di tag per l'oggetto Model.
azureml.core.Model.properties

Dizionario delle proprietà del valore chiave per il modello. Queste proprietà non possono essere modificate dopo la registrazione, ma è possibile aggiungere nuove coppie di valori chiave.
unpack
bool

Indipendentemente dal fatto che il modello debba essere decompresso (non corretto) quando viene eseguito il pull in un contesto locale.
url
str

Percorso url del modello.
azureml.core.Model.version

Versione del modello.
azureml.core.Model.workspace

Area di lavoro contenente il modello.
azureml.core.Model.experiment_name

Nome dell'esperimento che ha creato il modello.
azureml.core.Model.run_id

ID dell'esecuzione che ha creato il modello.
parent_id
str

ID del modello padre del modello.
derived_model_ids
list[str]

Elenco di ID modello derivati da questo modello.
resource_configuration
ResourceConfiguration

ResourceConfiguration per questo modello. Usato per la profilatura.

Metodi

add_dataset_references

Associare i set di dati forniti a questo modello.
add_properties

Aggiungere coppie di valori chiave al dizionario delle proprietà di questo modello.
add_tags

Aggiungere coppie di valori chiave al dizionario tag di questo modello.
delete

Eliminare questo modello dall'area di lavoro associata.
deploy

Distribuire un servizio Web da zero o più Model oggetti.

Il servizio Web risultante è un endpoint in tempo reale che può essere usato per le richieste di inferenza. La funzione Model deploy è simile alla deploy funzione della Webservice classe, ma non registra i modelli. Usare la funzione Model deploy se sono già registrati oggetti modello.
deserialize

Convertire un oggetto JSON in un oggetto modello.

La conversione ha esito negativo se l'area di lavoro specificata non è l'area di lavoro con cui viene registrato il modello.
download

Scaricare il modello nella directory di destinazione del file system locale.
get_model_path

Restituire il percorso del modello.

La funzione cercherà il modello nelle posizioni seguenti.

Se version non è Nessuno:

  1. Scaricare dalla cache remota (se è disponibile l'area di lavoro)
  2. Caricare da cache azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Se version non è Nessuno:

  1. Caricare da cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Scaricare dalla cache remota (se è disponibile l'area di lavoro)
get_sas_urls

Restituisce un dizionario di coppie chiave-valore contenenti nomi file e URL di firma di accesso condiviso corrispondenti.
list

Recuperare un elenco di tutti i modelli associati all'area di lavoro fornita, con filtri facoltativi.
package

Creare un pacchetto modello sotto forma di un'immagine Docker o di un contesto di compilazione Dockerfile.
print_configuration

Stampare la configurazione utente.
profile

Profila il modello per ottenere consigli sui requisiti di risorsa.

Si tratta di un'operazione a esecuzione prolungata che può richiedere fino a 25 minuti a seconda delle dimensioni del set di dati.
register

Registrare un modello con l'area di lavoro fornita.
remove_tags

Rimuovere le chiavi specificate dal dizionario tag di questo modello.
serialize

Convertire questo modello in un dizionario serializzato json.
update

Eseguire un aggiornamento sul posto del modello.

I valori esistenti dei parametri specificati vengono sostituiti.
update_tags_properties

Eseguire un aggiornamento dei tag e delle proprietà del modello.

add_dataset_references

Associare i set di dati forniti a questo modello.

add_dataset_references(datasets)

Parametri

Nome Descrizione
datasets
Necessario
list[tuple(<xref:str :> (Dataset oppure DatasetSnapshot))]

Elenco di tuple che rappresentano un'associazione di set di dati per l'oggetto Dataset.

Eccezioni

Tipo Descrizione
WebserviceException

add_properties

Aggiungere coppie di valori chiave al dizionario delle proprietà di questo modello.

add_properties(properties)

Parametri

Nome Descrizione
properties
Necessario
dict(<xref:str : str>)

Dizionario delle proprietà da aggiungere.

Eccezioni

Tipo Descrizione
WebserviceException

add_tags

Aggiungere coppie di valori chiave al dizionario tag di questo modello.

add_tags(tags)

Parametri

Nome Descrizione
tags
Necessario
dict(<xref:{str : str}>)

Dizionario dei tag da aggiungere.

Eccezioni

Tipo Descrizione
WebserviceException

delete

Eliminare questo modello dall'area di lavoro associata.

delete()

Eccezioni

Tipo Descrizione
WebserviceException

deploy

Distribuire un servizio Web da zero o più Model oggetti.

Il servizio Web risultante è un endpoint in tempo reale che può essere usato per le richieste di inferenza. La funzione Model deploy è simile alla deploy funzione della Webservice classe, ma non registra i modelli. Usare la funzione Model deploy se sono già registrati oggetti modello.

static deploy(workspace, name, models, inference_config=None, deployment_config=None, deployment_target=None, overwrite=False, show_output=False)

Parametri

Nome Descrizione
workspace
Necessario
Workspace

Oggetto Workspace con cui associare il servizio Web.
name
Necessario
str

Nome da assegnare al servizio distribuito. Deve essere univoco per l'area di lavoro, costituito solo da lettere minuscole, numeri o trattini, iniziare con una lettera e essere compreso tra 3 e 32 caratteri lunghi.
models
Necessario
list[Model]

Elenco di oggetti modello. Può essere un elenco vuoto.
inference_config
InferenceConfig

Oggetto InferenceConfig usato per determinare le proprietà del modello necessarie.

valore predefinito: None
deployment_config
WebserviceDeploymentConfiguration

WebserviceDeploymentConfiguration usato per configurare il servizio Web. Se non viene specificato, verrà usato un oggetto di configurazione vuoto in base alla destinazione desiderata.

valore predefinito: None
deployment_target
ComputeTarget

Oggetto ComputeTarget in cui distribuire il servizio Web. Poiché Istanze di Azure Container non è associatoComputeTarget, lasciare questo parametro come None per la distribuzione in Istanze di Azure Container.

valore predefinito: None
overwrite
bool

Indica se sovrascrivere il servizio esistente se esiste già un servizio con il nome specificato.

valore predefinito: False
show_output
bool

Indica se visualizzare lo stato di avanzamento della distribuzione del servizio.

valore predefinito: False

Restituisce

Tipo Descrizione
Webservice

Oggetto Webservice corrispondente al servizio Web distribuito.

Eccezioni

Tipo Descrizione
WebserviceException

deserialize

Convertire un oggetto JSON in un oggetto modello.

La conversione ha esito negativo se l'area di lavoro specificata non è l'area di lavoro con cui viene registrato il modello.

static deserialize(workspace, model_payload)

Parametri

Nome Descrizione
workspace
Necessario
Workspace

L'oggetto dell'area di lavoro con cui viene registrato il modello.
model_payload
Necessario
dict

Oggetto JSON da convertire in un oggetto Model.

Restituisce

Tipo Descrizione
Model

Rappresentazione Model dell'oggetto JSON specificato.

Eccezioni

Tipo Descrizione
WebserviceException

download

Scaricare il modello nella directory di destinazione del file system locale.

download(target_dir='.', exist_ok=False, exists_ok=None)

Parametri

Nome Descrizione
target_dir
str

Percorso di una directory in cui scaricare il modello. Impostazione predefinita su "."

valore predefinito: .
exist_ok
bool

Indica se sostituire i file dir/dir scaricati se sono presenti. Il valore predefinito è False.

valore predefinito: False
exists_ok
bool

DEPRECATO. Usare exist_ok.

valore predefinito: None

Restituisce

Tipo Descrizione
str

Percorso del file o della cartella del modello.

Eccezioni

Tipo Descrizione
WebserviceException

get_model_path

Restituire il percorso del modello.

La funzione cercherà il modello nelle posizioni seguenti.

Se version non è Nessuno:

  1. Scaricare dalla cache remota (se è disponibile l'area di lavoro)
  2. Caricare da cache azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Se version non è Nessuno:

  1. Caricare da cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Scaricare dalla cache remota (se è disponibile l'area di lavoro)
static get_model_path(model_name, version=None, _workspace=None)

Parametri

Nome Descrizione
model_name
Necessario
str

Nome del modello da recuperare.
version
int

Versione del modello da recuperare. Impostazione predefinita alla versione più recente.

valore predefinito: None
_workspace
Workspace

Area di lavoro da cui recuperare un modello. Non è possibile usare in remoto. Se non è specificata solo la cache locale viene eseguita la ricerca.

valore predefinito: None

Restituisce

Tipo Descrizione
str

Percorso sul disco del modello.

Eccezioni

Tipo Descrizione
ModelNotFoundException

get_sas_urls

Restituisce un dizionario di coppie chiave-valore contenenti nomi file e URL di firma di accesso condiviso corrispondenti.

get_sas_urls()

Restituisce

Tipo Descrizione
dict

Dizionario delle coppie chiave-valore contenenti nomi di file e URL di firma di accesso condiviso corrispondenti

Eccezioni

Tipo Descrizione
WebserviceException

list

Recuperare un elenco di tutti i modelli associati all'area di lavoro fornita, con filtri facoltativi.

static list(workspace, name=None, tags=None, properties=None, run_id=None, latest=False, dataset_id=None, expand=True, page_count=255, model_framework=None)

Parametri

Nome Descrizione
workspace
Necessario
Workspace

Oggetto area di lavoro da cui recuperare i modelli.
name
str

Se specificato, restituirà solo i modelli con il nome specificato, se presente.

valore predefinito: None
tags
list

Filtra in base all'elenco specificato, in base a 'key' o '[key, value]'. Ex. ['key', ['key2', 'key2 value']]

valore predefinito: None
properties
list

Filtra in base all'elenco specificato, in base a 'key' o '[key, value]'. Ex. ['key', ['key2', 'key2 value']]

valore predefinito: None
run_id
str

Filtra in base all'ID di esecuzione specificato.

valore predefinito: None
latest
bool

Se true, restituirà solo i modelli con la versione più recente.

valore predefinito: False
dataset_id
str

Filtra in base all'ID set di dati specificato.

valore predefinito: None
expand
bool

Se true, restituirà modelli con tutte le sotto proprietà popolate, ad esempio eseguire, set di dati ed esperimenti. L'impostazione di questa opzione su false deve velocizzare il completamento del metodo list() nel caso di molti modelli.

valore predefinito: True
page_count
int

Numero di elementi da recuperare in una pagina. Attualmente supportano valori fino a 255. Il valore predefinito è 255.

valore predefinito: 255
model_framework
str

Se specificato, restituirà solo i modelli con il framework specificato, se presente.

valore predefinito: None

Restituisce

Tipo Descrizione
list[Model]

Elenco di modelli, filtrati facoltativamente.

Eccezioni

Tipo Descrizione
WebserviceException

package

Creare un pacchetto modello sotto forma di un'immagine Docker o di un contesto di compilazione Dockerfile.

static package(workspace, models, inference_config=None, generate_dockerfile=False, image_name=None, image_label=None)

Parametri

Nome Descrizione
workspace
Necessario
Workspace

Area di lavoro in cui creare il pacchetto.
models
Necessario
list[Model]

Elenco di oggetti Model da includere nel pacchetto. Può essere un elenco vuoto.
inference_config
InferenceConfig

Oggetto InferenceConfig per configurare l'operazione dei modelli. Deve includere un oggetto Environment.

valore predefinito: None
generate_dockerfile
bool

Se creare un Dockerfile che può essere eseguito localmente anziché compilare un'immagine.

valore predefinito: False
image_name
str

Quando si compila un'immagine, il nome dell'immagine risultante.

valore predefinito: None
image_label
str

Quando si compila un'immagine, l'etichetta per l'immagine risultante.

valore predefinito: None

Restituisce

Tipo Descrizione
ModelPackage

Oggetto ModelPackage.

Eccezioni

Tipo Descrizione
WebserviceException

print_configuration

Stampare la configurazione utente.

static print_configuration(models, inference_config, deployment_config, deployment_target)

Parametri

Nome Descrizione
models
Necessario
list[Model]

Elenco di oggetti modello. Può essere un elenco vuoto.
inference_config
Necessario
InferenceConfig

Oggetto InferenceConfig usato per determinare le proprietà del modello necessarie.
deployment_config
Necessario
WebserviceDeploymentConfiguration

WebserviceDeploymentConfiguration usato per configurare il servizio Web.
deployment_target
Necessario
ComputeTarget

Oggetto ComputeTarget in cui distribuire il servizio Web.

Eccezioni

Tipo Descrizione
WebserviceException

profile

Profila il modello per ottenere consigli sui requisiti di risorsa.

Si tratta di un'operazione a esecuzione prolungata che può richiedere fino a 25 minuti a seconda delle dimensioni del set di dati.

static profile(workspace, profile_name, models, inference_config, input_dataset, cpu=None, memory_in_gb=None, description=None)

Parametri

Nome Descrizione
workspace
Necessario
Workspace

Oggetto Workspace in cui profilare il modello.
profile_name
Necessario
str

Nome dell'esecuzione della profilatura.
models
Necessario
list[Model]

Elenco di oggetti modello. Può essere un elenco vuoto.
inference_config
Necessario
InferenceConfig

Oggetto InferenceConfig usato per determinare le proprietà del modello necessarie.
input_dataset
Necessario
Dataset

Set di dati di input per la profilatura. Il set di dati di input deve avere una singola colonna e gli input di esempio devono essere in formato stringa.
cpu
float

Numero di core cpu da usare nell'istanza di test più grande. Attualmente supportano valori fino a 3,5.

valore predefinito: None
memory_in_gb
float

Quantità di memoria (in GB) da usare nell'istanza di test più grande. Può essere un decimale. Attualmente supportano valori fino a 15.0.

valore predefinito: None
description
str

Descrizione da associare all'esecuzione della profilatura.

valore predefinito: None

Restituisce

Tipo Descrizione
ModelProfile

Eccezioni

Tipo Descrizione
<xref:azureml.exceptions.WebserviceException>, <xref:azureml.exceptions.UserErrorException>

register

Registrare un modello con l'area di lavoro fornita.

static register(workspace, model_path, model_name, tags=None, properties=None, description=None, datasets=None, model_framework=None, model_framework_version=None, child_paths=None, sample_input_dataset=None, sample_output_dataset=None, resource_configuration=None)

Parametri

Nome Descrizione
workspace
Necessario
Workspace

Area di lavoro con cui registrare il modello.
model_path
Necessario
str

Percorso nel file system locale in cui si trovano gli asset del modello. Questo può essere un puntatore diretto a un singolo file o cartella. Se punta a una cartella, il child_paths parametro può essere usato per specificare singoli file da raggruppare come oggetto Model, anziché usare l'intero contenuto della cartella.
model_name
Necessario
str

Nome con cui registrare il modello.
tags
dict(<xref:{str : str}>)

Dizionario facoltativo dei tag chiave da assegnare al modello.

valore predefinito: None
properties
dict(<xref:{str : str}>)

Dizionario facoltativo delle proprietà chiave valore da assegnare al modello. Queste proprietà non possono essere modificate dopo la creazione del modello, ma è possibile aggiungere nuove coppie di valori chiave.

valore predefinito: None
description
str

Descrizione del testo del modello.

valore predefinito: None
datasets
list[(str, AbstractDataset)]

Elenco di tuple in cui il primo elemento descrive la relazione del modello di set di dati e il secondo elemento è il set di dati.

valore predefinito: None
model_framework
str

Framework del modello registrato. L'uso Framework delle costanti supportate dal sistema dalla classe consente la distribuzione semplificata per alcuni framework diffusi.

valore predefinito: None
model_framework_version
str

Versione del framework del modello registrato.

valore predefinito: None
child_paths
list[str]

Se fornito insieme a una model_path cartella, solo i file specificati verranno raggruppati nell'oggetto Model.

valore predefinito: None
sample_input_dataset
AbstractDataset

Set di dati di input di esempio per il modello registrato.

valore predefinito: None
sample_output_dataset
AbstractDataset

Set di dati di output di esempio per il modello registrato.

valore predefinito: None
resource_configuration
ResourceConfiguration

Configurazione della risorsa per eseguire il modello registrato.

valore predefinito: None

Restituisce

Tipo Descrizione
Model

Oggetto modello registrato.

Eccezioni

Tipo Descrizione
WebserviceException

Commenti

Oltre al contenuto del file modello stesso, un modello registrato archivia anche i metadati del modello, inclusa la descrizione del modello, i tag e le informazioni del framework, utili per la gestione e la distribuzione del modello nell'area di lavoro. Ad esempio, con i tag è possibile classificare i modelli e applicare filtri quando si elencano i modelli nell'area di lavoro.

Nell'esempio seguente viene illustrato come registrare un modello che specifica i tag e una descrizione.


   from azureml.core.model import Model

   model = Model.register(model_path="sklearn_regression_model.pkl",
                          model_name="sklearn_regression_model",
                          tags={'area': "diabetes", 'type': "regression"},
                          description="Ridge regression model to predict diabetes",
                          workspace=ws)

L'esempio completo è disponibile da https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

Se si dispone di un modello prodotto come risultato di un'esecuzione dell'esperimento, è possibile registrarlo direttamente da un oggetto di esecuzione senza scaricarlo in un file locale. Per farlo, usare il register_model metodo come documentato nella Run classe.

remove_tags

Rimuovere le chiavi specificate dal dizionario tag di questo modello.

remove_tags(tags)

Parametri

Nome Descrizione
tags
Necessario
list[str]

Elenco di chiavi da rimuovere

Eccezioni

Tipo Descrizione
WebserviceException

serialize

Convertire questo modello in un dizionario serializzato json.

serialize()

Restituisce

Tipo Descrizione
dict

Rappresentazione json di questo modello

Eccezioni

Tipo Descrizione
WebserviceException

update

Eseguire un aggiornamento sul posto del modello.

I valori esistenti dei parametri specificati vengono sostituiti.

update(tags=None, description=None, sample_input_dataset=None, sample_output_dataset=None, resource_configuration=None)

Parametri

Nome Descrizione
tags
dict(<xref:{str : str}>)

Dizionario di tag con cui aggiornare il modello. Questi tag sostituiscono i tag esistenti per il modello.

valore predefinito: None
description
str

Nuova descrizione da usare per il modello. Questo nome sostituisce il nome esistente.

valore predefinito: None
sample_input_dataset
AbstractDataset

Set di dati di input di esempio da usare per il modello registrato. Questo set di dati di input di esempio sostituisce il set di dati esistente.

valore predefinito: None
sample_output_dataset
AbstractDataset

Set di dati di output di esempio da usare per il modello registrato. Questo set di dati di output di esempio sostituisce il set di dati esistente.

valore predefinito: None
resource_configuration
ResourceConfiguration

Configurazione della risorsa da usare per eseguire il modello registrato.

valore predefinito: None

Eccezioni

Tipo Descrizione
WebserviceException

update_tags_properties

Eseguire un aggiornamento dei tag e delle proprietà del modello.

update_tags_properties(add_tags=None, remove_tags=None, add_properties=None)

Parametri

Nome Descrizione
add_tags
dict(<xref:{str : str}>)

Dizionario di tag da aggiungere.

valore predefinito: None
remove_tags
list[str]

Elenco di nomi di tag da rimuovere.

valore predefinito: None
add_properties
dict(<xref:{str : str}>)

Dizionario delle proprietà da aggiungere.

valore predefinito: None

Eccezioni

Tipo Descrizione
WebserviceException