Model Classe

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 dalla modalità di produzione del modello, può essere registrata in un'area di lavoro, dove è rappresentata da un nome e da 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 specificata. Specificare il nome o l'ID.

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. Viene restituito il modello più recente con il nome specificato, se esistente. Valore predefinito: None
id	str ID del modello da recuperare. Il modello con l'ID specificato viene restituito, se esistente. Valore predefinito: None
tags	list Elenco facoltativo di tag usati per filtrare i risultati restituiti. I risultati vengono filtrati in base all'elenco specificato, eseguendo una ricerca in base a 'key' o '[key, value]'. Ad esempio: ['key', ['key2', 'key2 value']] Valore predefinito: None
properties	list Elenco facoltativo di proprietà utilizzate per filtrare i risultati restituiti. I risultati vengono filtrati in base all'elenco specificato, eseguendo una ricerca in base a 'key' o '[key, value]'. Ad esempio: ['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. Viene restituito il modello più recente con il nome specificato, se esistente.
id Necessario	str ID del modello da recuperare. Il modello con l'ID specificato viene restituito, se esistente.
tags Necessario	list Elenco facoltativo di tag usati per filtrare i risultati restituiti. I risultati vengono filtrati in base all'elenco specificato, eseguendo una ricerca in base a 'key' o '[key, value]'. Ad esempio: ['key', ['key2', 'key2 value']]
properties Necessario	list Elenco facoltativo di proprietà utilizzate per filtrare i risultati restituiti. I risultati vengono filtrati in base all'elenco specificato, eseguendo una ricerca in base a 'key' o '[key, value]'. Ad esempio: ['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 sottoproprietà popolate, ad esempio l'esecuzione, il set di dati e l'esperimento. Valore predefinito: True

Commenti

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


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

L'esempio seguente illustra 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 del modello stesso, un modello registrato archivia anche i metadati del modello, inclusa la descrizione del modello, i tag e le informazioni sul 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 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 specificando 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 seguente illustra come registrare un modello che specifica il framework, i set di dati di 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 Variables 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 Al momento della creazione del modello.
azureml.core.Model.description	Descrizione dell'oggetto Model.
azureml.core.Model.id	ID modello. Questo assume la forma di <nome> modello:<versione> del modello.
mime_type	str Tipo mime del 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 chiave-valore per Model. Queste proprietà non possono essere modificate dopo la registrazione, ma è possibile aggiungere nuove coppie chiave-valore.
unpack	bool Indica se il modello deve 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'oggetto Run 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. Utilizzato per la profilatura.

Metodi

add_dataset_references	Associare i set di dati forniti a questo modello.
add_properties	Aggiungere coppie chiave-valore al dizionario delle proprietà di questo modello.
add_tags	Aggiungere coppie chiave-valore 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 si dispone di oggetti modello già registrati.
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 in cui è registrato il modello.
download	Scaricare il modello nella directory di destinazione del file system locale.
get_model_path	Restituisce il percorso del modello. La funzione cercherà il modello nelle posizioni seguenti. Se `version` è Nessuno: Download da remoto a cache (se è disponibile l'area di lavoro) Caricare dalla cache azureml-models/$MODEL_NAME/$LATEST_VERSION/ ./$MODEL_NAME Se `version` non è Nessuno: Caricare dalla cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/ Download da remoto a cache (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 di 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 le raccomandazioni sui requisiti delle risorse. 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 specificata.
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 dello scopo del set di dati all'oggetto Dataset.

Eccezioni

Tipo	Descrizione
WebserviceException

add_properties

Aggiungere coppie chiave-valore al dizionario delle proprietà di questo modello.

add_properties(properties)

Parametri

Nome	Descrizione
properties Necessario	dict(<xref:str : str>) Dizionario delle proprietà da aggiungere.

add_tags

Aggiungere coppie chiave-valore 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 si dispone di oggetti modello già registrati.

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 a 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 avere una lunghezza compresa tra 3 e 32 caratteri.
models Necessario	list[Model] Elenco di oggetti modello. Può essere un elenco vuoto.
inference_config	InferenceConfig Oggetto InferenceConfig utilizzato 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 ha associato ComputeTarget, lasciare questo parametro come Nessuno 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 in cui è registrato il modello.

static deserialize(workspace, model_payload)

Parametri

Nome	Descrizione
workspace Necessario	Workspace L'oggetto dell'area di lavoro con cui è registrato il modello.
model_payload Necessario	dict Oggetto JSON da convertire in un oggetto Model.

Restituisce

Tipo	Descrizione
Model	Rappresentazione model dell'oggetto JSON fornito.

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. Il valore predefinito è "." Valore predefinito: .
exist_ok	bool Indica se sostituire i file dir/file scaricati, se esistenti. Il valore predefinito è False. Valore predefinito: False
exists_ok	bool DEPRECATO. Usa `exist_ok`. Valore predefinito: None

Restituisce

Tipo	Descrizione
str	Percorso del file o della cartella del modello.

get_model_path

Restituisce il percorso del modello.

La funzione cercherà il modello nelle posizioni seguenti.

Se version è Nessuno:

Download da remoto a cache (se è disponibile l'area di lavoro)
Caricare dalla cache azureml-models/$MODEL_NAME/$LATEST_VERSION/
./$MODEL_NAME

Se version non è Nessuno:

Caricare dalla cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
Download da remoto a cache (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. Il valore predefinito è la versione più recente. Valore predefinito: None
_workspace	Workspace Area di lavoro da cui recuperare un modello. Non è possibile usare in modalità remota. Se non viene specificata solo la cache locale viene eseguita la ricerca. Valore predefinito: None

Restituisce

Tipo	Descrizione
str	Percorso su 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 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.

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 workspace 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]'. Ad esempio: ['key', ['key2', 'key2 value']] Valore predefinito: None
properties	list Filtra in base all'elenco specificato, in base a 'key' o '[key, value]'. Ad esempio: ['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 sottoproprietà popolate, ad esempio l'esecuzione, il set di dati e l'esperimento. L'impostazione di questo valore su false dovrebbe velocizzare il completamento del metodo list() in 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, facoltativamente filtrato.

Eccezioni

Tipo	Descrizione
WebserviceException

package

Creare un pacchetto di 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 in locale 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.

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 utilizzato 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.

profile

Profila il modello per ottenere le raccomandazioni sui requisiti delle risorse.

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 utilizzato 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 supporta 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 supporta i 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 specificata.

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. Può trattarsi di 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 aggregare 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 di tag chiave valore 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 chiave-valore. Valore predefinito: None
description	str Descrizione testuale 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 delle costanti supportate dal sistema dalla Framework classe consente la distribuzione semplificata per alcuni framework più diffusi. Valore predefinito: None
model_framework_version	str Versione del framework del modello registrato. Valore predefinito: None
child_paths	list[str] Se specificato 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.

Commenti

Oltre al contenuto del file del modello stesso, un modello registrato archivia anche i metadati del modello, inclusa la descrizione del modello, i tag e le informazioni sul 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 specificando 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)

Se si dispone di un modello prodotto come risultato di un'esecuzione dell'esperimento, è possibile registrarlo direttamente da un oggetto run senza scaricarlo prima in un file locale. A tale scopo, 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

serialize

Convertire questo modello in un dizionario serializzato json.

serialize()

Restituisce

Tipo	Descrizione
dict	Rappresentazione json di questo modello

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 utilizzare 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 di proprietà da aggiungere. Valore predefinito: None

Eccezioni

Tipo	Descrizione
WebserviceException

Commenti e suggerimenti

Questa pagina è stata utile?

Condividi tramite

Model Classe

Costruttore

Parametri

Commenti

Variabili

Metodi

add_dataset_references

Parametri

Eccezioni

add_properties

Parametri

add_tags

Parametri

Eccezioni

delete

Eccezioni

deploy

Parametri

Restituisce

Eccezioni

deserialize

Parametri

Restituisce

download

Parametri

Restituisce

get_model_path

Parametri

Restituisce

Eccezioni

get_sas_urls

Restituisce

list

Parametri

Restituisce

Eccezioni

package

Parametri

Restituisce

print_configuration

Parametri

profile

Parametri

Restituisce

Eccezioni

register

Parametri

Restituisce

Commenti

remove_tags

Parametri

serialize

Restituisce

update

Parametri

Eccezioni

update_tags_properties

Parametri

Eccezioni

Commenti e suggerimenti