az ml model

Note

このリファレンスは、Azure CLI (バージョン 2.0.28 以降) の azure-cli-ml 拡張機能の一部です。 拡張機能は、 az ml model コマンドを初めて実行するときに自動的にインストールされます。 拡張機能の詳細をご覧ください。

機械学習モデルを管理します。

コマンド

名前	説明	型	Status
az ml model delete	ワークスペースからモデルを削除します。	拡張子	GA
az ml model deploy	ワークスペースからモデルをデプロイします。	拡張子	GA
az ml model download	ワークスペースからモデルをダウンロードします。	拡張子	GA
az ml model list	ワークスペース内のモデルを一覧表示します。	拡張子	GA
az ml model package	ワークスペースにモデルをパッケージ化します。	拡張子	GA
az ml model profile	ワークスペース内のプロファイル モデル。	拡張子	GA
az ml model register	モデルをワークスペースに登録します。	拡張子	GA
az ml model show	ワークスペースにモデルを表示します。	拡張子	GA
az ml model update	ワークスペース内のモデルを更新します。	拡張子	GA

az ml model delete

ワークスペースからモデルを削除します。

az ml model delete --model-id
                   [--path]
                   [--resource-group]
                   [--subscription-id]
                   [--workspace-name]
                   [-v]

必須のパラメーター

--model-id -i

削除するモデルの ID。

省略可能のパラメーター

--path

プロジェクト フォルダーへのパス。 既定値: 現在のディレクトリ。

--resource-group -g

指定されたワークスペースに対応するリソース グループ。

--subscription-id

サブスクリプション ID を指定します。

--workspace-name -w

ワークスペースの名前です。

-v

詳細度フラグ。

グローバル パラメーター

--debug

すべてのデバッグ ログを表示するようにログの詳細レベルを上げます。

--help -h

このヘルプ メッセージを表示して終了します。

--only-show-errors

エラーのみを表示し、警告は抑制します。

--output -o

出力形式。

承認された値: json, jsonc, none, table, tsv, yaml, yamlc

既定値: json

--query

JMESPath クエリ文字列。 詳細と例については、http://jmespath.org/ をご覧ください。

--subscription

サブスクリプションの名前または ID。 az account set -s NAME_OR_ID を使用して、既定のサブスクリプションを構成できます。

--verbose

ログの詳細レベルを上げます。 詳細なデバッグ ログを表示するには --debug を使います。

az ml model deploy

ワークスペースからモデルをデプロイします。

az ml model deploy --name
                   [--ae]
                   [--ai]
                   [--ar]
                   [--as]
                   [--at]
                   [--autoscale-max-replicas]
                   [--autoscale-min-replicas]
                   [--base-image]
                   [--base-image-registry]
                   [--cc]
                   [--ccl]
                   [--cf]
                   [--collect-model-data]
                   [--compute-target]
                   [--compute-type]
                   [--cuda-version]
                   [--dc]
                   [--description]
                   [--dn]
                   [--ds]
                   [--ed]
                   [--eg]
                   [--entry-script]
                   [--environment-name]
                   [--environment-version]
                   [--failure-threshold]
                   [--gb]
                   [--gbl]
                   [--gc]
                   [--ic]
                   [--id]
                   [--key-name]
                   [--key-version]
                   [--kp]
                   [--ks]
                   [--lo]
                   [--max-request-wait-time]
                   [--model]
                   [--model-metadata-file]
                   [--namespace]
                   [--no-wait]
                   [--nr]
                   [--overwrite]
                   [--path]
                   [--period-seconds]
                   [--pi]
                   [--po]
                   [--property]
                   [--replica-max-concurrent-requests]
                   [--resource-group]
                   [--rt]
                   [--sc]
                   [--scoring-timeout-ms]
                   [--sd]
                   [--se]
                   [--sk]
                   [--sp]
                   [--st]
                   [--subnet-name]
                   [--subscription-id]
                   [--tag]
                   [--timeout-seconds]
                   [--token-auth-enabled]
                   [--tp]
                   [--vault-base-url]
                   [--version-name]
                   [--vnet-name]
                   [--workspace-name]
                   [-v]

必須のパラメーター

--name -n

デプロイされたサービスの名前。

省略可能のパラメーター

--ae --auth-enabled

この Webservice に対してキー認証を有効にするかどうかを指定します。 既定値は False です。

--ai --enable-app-insights

この Web サービスに対して AppInsights を有効にするかどうか。 既定値は False です。

--ar --autoscale-refresh-seconds

自動スケーラーがこの Webservice のスケーリングを試行する頻度。 デフォルト値は 1 です。

--as --autoscale-enabled

この Web サービスに対して自動スケーリングを有効にするかどうか。 num_replicas が None の場合、既定値は True です。

--at --autoscale-target-utilization

自動スケーラーがこの Webservice に対して維持しようとする目標使用率 (最大 100%)。 既定値は 70 です。

--autoscale-max-replicas --ma

この Webservice を自動スケーリングするときに使用するコンテナーの最大数。 既定値は 10 です。

--autoscale-min-replicas --mi

この Webservice を自動スケーリングするときに使用するコンテナーの最小数。 デフォルト値は 1 です。

--base-image --bi

基本イメージとして使用するカスタム イメージ。 基本イメージが指定されていない場合、指定されたランタイム パラメーターに基づいた基本イメージが使用されます。

--base-image-registry --ir

基本イメージを含むイメージ レジストリ。

--cc --cpu-cores

この Web サービスに割り当てる CPU コアの数。 10 進数を指定できます。 既定値は 0.1 です。

--ccl --cpu-cores-limit

この Webservice で使用できる CPU コアの最大数。 10 進数を指定できます。

--cf --conda-file

イメージに使用する Conda 環境定義を含むローカル ファイルのパス。

--collect-model-data --md

この Web サービスに対してモデル データ収集を有効にするかどうか。 既定値は False です。

--compute-target --ct

コンピューティング 先の名前。 AKS にデプロイする場合にのみ適用されます。

--compute-type --cp

デプロイするサービスのコンピューティングの種類。

--cuda-version --cv

GPU のサポートが必要なイメージにインストールする CUDA のバージョン。 GPU イメージは、Azure Container Instances、Azure Machine Learning コンピューティング、Azure Virtual Machines、Azure Kubernetes Service などの Microsoft Azure サービス上で使用する必要があります。 サポートされているバージョンは 9.0、9.1、10.0 です。 "enable_gpu" が設定されている場合、これの既定値は "9.1" です。

--dc --deploy-config-file

デプロイ メタデータを含む JSON または YAML ファイルへのパス。

--description

デプロイされたサービスの説明。

--dn --dns-name-label

この Web サービスの DNS 名。

--ds --extra-docker-file-steps

イメージを設定するときに実行する追加の Docker 手順を含むローカル ファイルのパス。

--ed --environment-directory

デプロイ用の Azure Machine Learning Environment のディレクトリ。 これは、'az ml environment scaffold' コマンドで指定されたのと同じディレクトリ パスです。

--eg --enable-gpu

イメージで GPU サポートを有効にするかどうか。 GPU イメージは、Azure Container Instances、Azure Machine Learning コンピューティング、Azure Virtual Machines、Azure Kubernetes Service などの Microsoft Azure サービス上で使用する必要があります。 既定値は False です。

--entry-script --es

サービス用に実行するコードを含むローカル ファイルへのパス (指定されている場合はsource_directoryからの相対パス)。

--environment-name -e

デプロイ用の Azure Machine Learning 環境の名前。

--environment-version --ev

デプロイ用の既存の Azure Machine Learning 環境のバージョン。

--failure-threshold --ft

ポッドが起動し、ライブネス プローブが失敗した場合、Kubernetes は --failure-threshold 時間を試してから終了します。 既定値は 3 です。 最大値は 1 です。

--gb --memory-gb

この Web サービスに割り当てるメモリの量 (GB 単位)。 10 進数を指定できます。

--gbl --memory-gb-limit

この Web サービスで使用できるメモリの最大量 (GB 単位)。 10 進数を指定できます。

--gc --gpu-cores

この Web サービスに割り当てる GPU コアの数。 既定値は 1 です。

--ic --inference-config-file

推論構成を含む JSON または YAML ファイルへのパス。

--id --initial-delay-seconds

コンテナーの起動後、liveness probe が開始するまでの秒数。 既定値は 310 です。

--key-name

ACI のカスタマー マネージド キー (CMK) の暗号化プロパティのキー名。

--key-version

ACI のカスタマー マネージド キー (CMK) の暗号化プロパティのキー バージョン。

--kp --primary-key

この Web サービスに使用するプライマリ認証キー。

--ks --secondary-key

この Web サービスに使用するセカンダリ認証キー。

--lo --location

この Web サービスのデプロイ先となる Azure リージョン。 指定されていない場合、ワークスペースの場所が使用されます。 利用可能なリージョンの詳細については、 https://azure.microsoft.com/en-us/global-infrastructure/services/?regions=all&を参照してください。products=container-instances。

--max-request-wait-time --mr

503 エラーを返すまでに、要求がキューに置かれる最大時間 (ミリ秒単位)。 既定値は 500 です。

--model -m

デプロイするモデルの ID。 複数のモデルを追加の -m 引数で指定できます。 最初にモデルを登録する必要があります。

既定値: []

--model-metadata-file -f

モデル登録メタデータを含む JSON ファイルへのパス。 複数の -f パラメーターを使用して、複数のモデルを指定できます。

既定値: []

--namespace

サービスをデプロイする Kubernetes 名前空間: 最大 63 文字の小文字 ('-'z'、'0'-'9')、ハイフン ('-') 文字。 先頭と末尾の文字をハイフンにすることはできません。 AKS にデプロイする場合にのみ適用されます。

--no-wait

非同期呼び出しを待機しないフラグ。

--nr --num-replicas

この Webservice に割り当てるコンテナーの数。 既定値はありません。このパラメーターが設定されない場合、自動スケーラーは既定で有効になります。

--overwrite

名前が競合する場合は、既存のサービスを上書きします。

--path

プロジェクト フォルダーへのパス。 既定値: 現在のディレクトリ。

--period-seconds --ps

liveness probe を実行する頻度 (秒単位)。 既定値は 10 秒です。 最大値は 1 です。

--pi --profile-input

プロファイリング結果を含む JSON ファイルへのパス。

--po --port

サービスの HTTP エンドポイントを公開するローカル ポート。

--property

追加するキー/値プロパティ (e.g. key=value)。 複数のプロパティは、複数の --property オプションで指定できます。

既定値: []

--replica-max-concurrent-requests --rm

この Web サービスに対して許可するノードあたりの最大同時要求数。 デフォルト値は 1 です。

--resource-group -g

指定されたワークスペースに対応するリソース グループ。

--rt --runtime

イメージに使用するランタイム。 現在サポートされているランタイムは、'spark-py' と 'python'spark-py|python|python-slim です。

--sc --ssl-cname

SSL が有効な場合の cname

--scoring-timeout-ms --tm

この Web サービスに対するスコアリング呼び出しに適用するタイムアウト。 既定値は 60000 です。

--sd --source-directory

イメージを作成するためのファイルをすべて含むフォルダーのパス。

--se --ssl-enabled

この Web サービスに対して SSL を有効にするかどうか。 既定値は False です。

--sk --ssl-key-pem-file

SSL が有効な場合、キー ファイルが必要です。

--sp --ssl-cert-pem-file

SSL が有効な場合、証明書ファイルが必要です。

--st --success-threshold

失敗後、liveness probe が成功と見なされるための最小連続成功数。 既定値は 1 です。 最大値は 1 です。

--subnet-name

VNet 内のサブネットの名前。

--subscription-id

サブスクリプション ID を指定します。

--tag

追加するキー/値タグ (e.g. key=value)。 複数のタグを複数の --tag オプションで指定できます。

既定値: []

--timeout-seconds --ts

liveness probe がタイムアウトするまでの秒数。既定値は 2 秒です。 最大値は 1 です。

--token-auth-enabled

この Web サービスのトークン認証を有効にするかどうかを指定します。 AKS にデプロイしない場合は無視されます。 既定値は False です。

--tp --traffic-percentile

バージョンがエンドポイントで受け取るトラフィックの量。 10 進数を指定できます。 既定値は 0 です。

--vault-base-url

ACI のカスタマー マネージド キー (CMK) の暗号化プロパティのコンテナー ベース URL。

--version-name --vn

エンドポイントのバージョン名。 既定では、最初のバージョンのエンドポイント名が使用されます。

--vnet-name

仮想ネットワークの名前。

--workspace-name -w

ワークスペースの名前です。

-v

詳細度フラグ。

グローバル パラメーター

--debug

すべてのデバッグ ログを表示するようにログの詳細レベルを上げます。

--help -h

このヘルプ メッセージを表示して終了します。

--only-show-errors

エラーのみを表示し、警告は抑制します。

--output -o

出力形式。

承認された値: json, jsonc, none, table, tsv, yaml, yamlc

既定値: json

--query

JMESPath クエリ文字列。 詳細と例については、http://jmespath.org/ をご覧ください。

--subscription

サブスクリプションの名前または ID。 az account set -s NAME_OR_ID を使用して、既定のサブスクリプションを構成できます。

--verbose

ログの詳細レベルを上げます。 詳細なデバッグ ログを表示するには --debug を使います。

az ml model download

ワークスペースからモデルをダウンロードします。

az ml model download --model-id
                     --target-dir
                     [--overwrite]
                     [--path]
                     [--resource-group]
                     [--subscription-id]
                     [--workspace-name]
                     [-v]

必須のパラメーター

--model-id -i

モデルの ID。

--target-dir -t

モデル ファイルをダウンロードするターゲット ディレクトリ。

省略可能のパラメーター

--overwrite

ターゲット ディレクトリに同じ名前ファイルが存在する場合は上書きします。

--path

プロジェクト フォルダーへのパス。 既定値: 現在のディレクトリ。

--resource-group -g

指定されたワークスペースに対応するリソース グループ。

--subscription-id

サブスクリプション ID を指定します。

--workspace-name -w

表示するモデルを含むワークスペースの名前。

-v

詳細度フラグ。

グローバル パラメーター

--debug

すべてのデバッグ ログを表示するようにログの詳細レベルを上げます。

--help -h

このヘルプ メッセージを表示して終了します。

--only-show-errors

エラーのみを表示し、警告は抑制します。

--output -o

出力形式。

承認された値: json, jsonc, none, table, tsv, yaml, yamlc

既定値: json

--query

JMESPath クエリ文字列。 詳細と例については、http://jmespath.org/ をご覧ください。

--subscription

サブスクリプションの名前または ID。 az account set -s NAME_OR_ID を使用して、既定のサブスクリプションを構成できます。

--verbose

ログの詳細レベルを上げます。 詳細なデバッグ ログを表示するには --debug を使います。

az ml model list

ワークスペース内のモデルを一覧表示します。

az ml model list [--dataset-id]
                 [--latest]
                 [--model-name]
                 [--path]
                 [--property]
                 [--resource-group]
                 [--run-id]
                 [--subscription-id]
                 [--tag]
                 [--workspace-name]
                 [-v]

省略可能のパラメーター

--dataset-id

指定した場合、指定されたデータセット ID を持つモデルのみが表示されます。

--latest -l

指定した場合、最新バージョンのモデルのみが返されます。

--model-name -n

リストをフィルター処理する省略可能なモデル名。

--path

プロジェクト フォルダーへのパス。 既定値: 現在のディレクトリ。

--property

追加するキー/値プロパティ (e.g. key=value)。 複数のプロパティは、複数の --property オプションで指定できます。

既定値: []

--resource-group -g

指定されたワークスペースに対応するリソース グループ。

--run-id

指定した場合、指定された実行 ID を持つモデルのみが表示されます。

--subscription-id

サブスクリプション ID を指定します。

--tag

追加するキー/値タグ (e.g. key=value)。 複数のタグを複数の --tag オプションで指定できます。

既定値: []

--workspace-name -w

一覧表示するモデルを含むワークスペースの名前。

-v

詳細度フラグ。

グローバル パラメーター

--debug

すべてのデバッグ ログを表示するようにログの詳細レベルを上げます。

--help -h

このヘルプ メッセージを表示して終了します。

--only-show-errors

エラーのみを表示し、警告は抑制します。

--output -o

出力形式。

承認された値: json, jsonc, none, table, tsv, yaml, yamlc

既定値: json

--query

JMESPath クエリ文字列。 詳細と例については、http://jmespath.org/ をご覧ください。

--subscription

サブスクリプションの名前または ID。 az account set -s NAME_OR_ID を使用して、既定のサブスクリプションを構成できます。

--verbose

ログの詳細レベルを上げます。 詳細なデバッグ ログを表示するには --debug を使います。

az ml model package

ワークスペースにモデルをパッケージ化します。

az ml model package [--cf]
                    [--ed]
                    [--entry-script]
                    [--environment-name]
                    [--environment-version]
                    [--ic]
                    [--il]
                    [--image-name]
                    [--model]
                    [--model-metadata-file]
                    [--no-wait]
                    [--output-path]
                    [--path]
                    [--resource-group]
                    [--rt]
                    [--sd]
                    [--subscription-id]
                    [--workspace-name]
                    [-v]

省略可能のパラメーター

--cf --conda-file

パッケージに使用する conda 環境定義を含むローカル ファイルへのパス。

--ed --environment-directory

パッケージ化のための Azure Machine Learning Environment のディレクトリ。 これは、'az ml environment scaffold' コマンドで指定されたのと同じディレクトリ パスです。

--entry-script --es

サービス用に実行するコードを含むローカル ファイルへのパス (指定されている場合はsource_directoryからの相対パス)。

--environment-name -e

パッケージ化のための Azure Machine Learning Environment の名前。

--environment-version --ev

パッケージ化のための既存の Azure Machine Learning 環境のバージョン。

--ic --inference-config-file

推論構成を含む JSON または YAML ファイルへのパス。

--il --image-label

ビルドされたパッケージ イメージを提供するラベル。

--image-name --in

ビルドされたパッケージ イメージを指定する名前。

--model -m

パッケージ化するモデルの ID。 複数のモデルを追加の -m 引数で指定できます。 最初にモデルを登録する必要があります。

既定値: []

--model-metadata-file -f

モデル登録メタデータを含む JSON ファイルへのパス。 複数の -f パラメーターを使用して、複数のモデルを指定できます。

既定値: []

--no-wait

非同期呼び出しを待機しないフラグ。

--output-path

Docker コンテキストの出力パス。 出力パスが渡されると、ワークスペース ACR でイメージをビルドする代わりに、dockerfile と必要なビルド コンテキストがそのパスに書き込まれます。

--path

プロジェクト フォルダーへのパス。 既定値: 現在のディレクトリ。

--resource-group -g

指定されたワークスペースに対応するリソース グループ。

--rt --runtime

パッケージに使用するランタイム。 現在サポートされているランタイムは、'spark-py' と 'python'spark-py|python|python-slim です。

--sd --source-directory

イメージを作成するためのファイルをすべて含むフォルダーのパス。

--subscription-id

サブスクリプション ID を指定します。

--workspace-name -w

ワークスペースの名前です。

-v

詳細度フラグ。

グローバル パラメーター

--debug

すべてのデバッグ ログを表示するようにログの詳細レベルを上げます。

--help -h

このヘルプ メッセージを表示して終了します。

--only-show-errors

エラーのみを表示し、警告は抑制します。

--output -o

出力形式。

承認された値: json, jsonc, none, table, tsv, yaml, yamlc

既定値: json

--query

JMESPath クエリ文字列。 詳細と例については、http://jmespath.org/ をご覧ください。

--subscription

サブスクリプションの名前または ID。 az account set -s NAME_OR_ID を使用して、既定のサブスクリプションを構成できます。

--verbose

ログの詳細レベルを上げます。 詳細なデバッグ ログを表示するには --debug を使います。

az ml model profile

ワークスペース内のプロファイル モデル。

az ml model profile --name
                    [--base-image]
                    [--base-image-registry]
                    [--cc]
                    [--cf]
                    [--description]
                    [--ed]
                    [--entry-script]
                    [--environment-name]
                    [--environment-version]
                    [--gb]
                    [--ic]
                    [--idi]
                    [--model]
                    [--model-metadata-file]
                    [--output-metadata-file]
                    [--resource-group]
                    [--sd]
                    [--subscription-id]
                    [--workspace-name]
                    [-v]

必須のパラメーター

--name -n

モデル プロファイルの名前。

省略可能のパラメーター

--base-image --bi

基本イメージとして使用するカスタム イメージ。 基本イメージが指定されていない場合、指定されたランタイム パラメーターに基づいた基本イメージが使用されます。

--base-image-registry --ir

基本イメージを含むイメージ レジストリ。

--cc --cpu-cores

プロファイリング時に使用する最大 CPU の倍精度浮動小数点値。

--cf --conda-file

イメージに使用する Conda 環境定義を含むローカル ファイルのパス。

--description

モデル プロファイルの説明。

--ed --environment-directory

デプロイ用の Azure Machine Learning Environment のディレクトリ。 これは、'az ml environment scaffold' コマンドで指定されたのと同じディレクトリ パスです。

--entry-script --es

サービス用に実行するコードを含むローカル ファイルへのパス (指定されている場合はsource_directoryからの相対パス)。

--environment-name -e

デプロイ用の Azure Machine Learning 環境の名前。

--environment-version --ev

デプロイ用の既存の Azure Machine Learning 環境のバージョン。

--gb --memory-in-gb

プロファイリング時に使用する最大メモリの 2 倍の値。

--ic --inference-config-file

推論構成を含む JSON または YAML ファイルへのパス。

--idi --input-dataset-id

プロファイルの入力として使用する表形式データセットの ID。

--model -m

デプロイするモデルの ID。 複数のモデルを追加の -m 引数で指定できます。 最初にモデルを登録する必要があります。

既定値: []

--model-metadata-file -f

モデル登録メタデータを含む JSON ファイルへのパス。 複数の -f パラメーターを使用して、複数のモデルを指定できます。

既定値: []

--output-metadata-file -t

プロファイルの結果メタデータが書き込まれる JSON ファイルへのパス。 モデルのデプロイの入力として使用されます。

--resource-group -g

指定されたワークスペースに対応するリソース グループ。

--sd --source-directory

イメージを作成するためのファイルをすべて含むフォルダーのパス。

--subscription-id

サブスクリプション ID を指定します。

--workspace-name -w

ワークスペースの名前です。

-v

詳細度フラグ。

グローバル パラメーター

--debug

すべてのデバッグ ログを表示するようにログの詳細レベルを上げます。

--help -h

このヘルプ メッセージを表示して終了します。

--only-show-errors

エラーのみを表示し、警告は抑制します。

--output -o

出力形式。

承認された値: json, jsonc, none, table, tsv, yaml, yamlc

既定値: json

--query

JMESPath クエリ文字列。 詳細と例については、http://jmespath.org/ をご覧ください。

--subscription

サブスクリプションの名前または ID。 az account set -s NAME_OR_ID を使用して、既定のサブスクリプションを構成できます。

--verbose

ログの詳細レベルを上げます。 詳細なデバッグ ログを表示するには --debug を使います。

az ml model register

モデルをワークスペースに登録します。

az ml model register --name
                     [--asset-path]
                     [--cc]
                     [--description]
                     [--experiment-name]
                     [--gb]
                     [--gc]
                     [--model-framework]
                     [--model-framework-version]
                     [--model-path]
                     [--output-metadata-file]
                     [--path]
                     [--property]
                     [--resource-group]
                     [--run-id]
                     [--run-metadata-file]
                     [--sample-input-dataset-id]
                     [--sample-output-dataset-id]
                     [--subscription-id]
                     [--tag]
                     [--workspace-name]
                     [-v]

必須のパラメーター

--name -n

登録するモデルの名前。

省略可能のパラメーター

--asset-path

experiement が実行されるクラウド パスには、モデル ファイルが格納されます。

--cc --cpu-cores

このモデルに割り当てる CPU コアの既定の数。 10 進数を指定できます。

--description -d

モデルの説明。

--experiment-name

実験の名前。

--gb --memory-gb

このモデルに割り当てるメモリの既定の量 (GB 単位)。 10 進数を指定できます。

--gc --gpu-cores

このモデルに割り当てる GPU の既定の数。

--model-framework

登録するモデルのフレームワーク。 現在サポートされているフレームワーク: TensorFlow、ScikitLearn、Onnx、Custom、Multi。

--model-framework-version

登録するモデルのフレームワーク バージョン (例: 1.0.0、2.4.1)。

--model-path -p

登録するモデル ファイルの完全パス。

--output-metadata-file -t

モデル登録メタデータが書き込まれる JSON ファイルへのパス。 モデルのデプロイの入力として使用されます。

--path

プロジェクト フォルダーへのパス。 既定値: 現在のディレクトリ。

--property

追加するキー/値プロパティ (e.g. key=value)。 複数のプロパティは、複数の --property オプションで指定できます。

既定値: []

--resource-group -g

指定されたワークスペースに対応するリソース グループ。

--run-id -r

モデルが登録される実験実行の ID。

--run-metadata-file -f

experiement 実行メタデータを含む JSON ファイルへのパス。

--sample-input-dataset-id

サンプル入力データセットの ID。

--sample-output-dataset-id

サンプル出力データセットの ID。

--subscription-id

サブスクリプション ID を指定します。

--tag

追加するキー/値タグ (e.g. key=value)。 複数のタグを複数の --tag オプションで指定できます。

既定値: []

--workspace-name -w

このモデルを登録するワークスペースの名前。

-v

詳細度フラグ。

グローバル パラメーター

--debug

すべてのデバッグ ログを表示するようにログの詳細レベルを上げます。

--help -h

このヘルプ メッセージを表示して終了します。

--only-show-errors

エラーのみを表示し、警告は抑制します。

--output -o

出力形式。

承認された値: json, jsonc, none, table, tsv, yaml, yamlc

既定値: json

--query

JMESPath クエリ文字列。 詳細と例については、http://jmespath.org/ をご覧ください。

--subscription

サブスクリプションの名前または ID。 az account set -s NAME_OR_ID を使用して、既定のサブスクリプションを構成できます。

--verbose

ログの詳細レベルを上げます。 詳細なデバッグ ログを表示するには --debug を使います。

az ml model show

ワークスペースにモデルを表示します。

az ml model show [--model-id]
                 [--model-name]
                 [--path]
                 [--resource-group]
                 [--run-id]
                 [--subscription-id]
                 [--version]
                 [--workspace-name]
                 [-v]

省略可能のパラメーター

--model-id -i

表示するモデルの ID。

--model-name -n

表示するモデルの名前。

--path

プロジェクト フォルダーへのパス。 既定値: 現在のディレクトリ。

--resource-group -g

指定されたワークスペースに対応するリソース グループ。

--run-id

指定した場合、指定された実行 ID を持つモデルのみが表示されます。

--subscription-id

サブスクリプション ID を指定します。

--version

指定した場合、指定した名前とバージョンのモデルのみが表示されます。

--workspace-name -w

表示するモデルを含むワークスペースの名前。

-v

詳細度フラグ。

グローバル パラメーター

--debug

すべてのデバッグ ログを表示するようにログの詳細レベルを上げます。

--help -h

このヘルプ メッセージを表示して終了します。

--only-show-errors

エラーのみを表示し、警告は抑制します。

--output -o

出力形式。

承認された値: json, jsonc, none, table, tsv, yaml, yamlc

既定値: json

--query

JMESPath クエリ文字列。 詳細と例については、http://jmespath.org/ をご覧ください。

--subscription

サブスクリプションの名前または ID。 az account set -s NAME_OR_ID を使用して、既定のサブスクリプションを構成できます。

--verbose

ログの詳細レベルを上げます。 詳細なデバッグ ログを表示するには --debug を使います。

az ml model update

ワークスペース内のモデルを更新します。

az ml model update --model-id
                   [--add-property]
                   [--add-tag]
                   [--cc]
                   [--description]
                   [--gb]
                   [--gc]
                   [--path]
                   [--remove-tag]
                   [--resource-group]
                   [--sample-input-dataset-id]
                   [--sample-output-dataset-id]
                   [--subscription-id]
                   [--workspace-name]
                   [-v]

必須のパラメーター

--model-id -i

モデルの ID。

省略可能のパラメーター

--add-property

追加するキー/値プロパティ (e.g. key=value)。 複数の --add-property オプションを使用して、複数のプロパティを指定できます。

既定値: []

--add-tag

追加するキー/値タグ (e.g. key=value)。 複数の --add-tag オプションを使用して、複数のタグを指定できます。

既定値: []

--cc --cpu-cores

このモデルに割り当てる CPU コアの既定の数。 10 進数を指定できます。

--description

モデルの更新に使用する説明。 現在の説明を置き換えます。

--gb --memory-gb

このモデルに割り当てるメモリの既定の量 (GB 単位)。 10 進数を指定できます。

--gc --gpu-cores

このモデルに割り当てる GPU の既定の数。

--path

プロジェクト フォルダーへのパス。 既定値: 現在のディレクトリ。

--remove-tag

削除するタグのキー。 複数のタグを複数の --remove-tag オプションで指定できます。

既定値: []

--resource-group -g

指定されたワークスペースに対応するリソース グループ。

--sample-input-dataset-id

サンプル入力データセットの ID。

--sample-output-dataset-id

サンプル出力データセットの ID。

--subscription-id

サブスクリプション ID を指定します。

--workspace-name -w

ワークスペースの名前です。

-v

詳細度フラグ。

グローバル パラメーター

--debug

すべてのデバッグ ログを表示するようにログの詳細レベルを上げます。

--help -h

このヘルプ メッセージを表示して終了します。

--only-show-errors

エラーのみを表示し、警告は抑制します。

--output -o

出力形式。

承認された値: json, jsonc, none, table, tsv, yaml, yamlc

既定値: json

--query

JMESPath クエリ文字列。 詳細と例については、http://jmespath.org/ をご覧ください。

--subscription

サブスクリプションの名前または ID。 az account set -s NAME_OR_ID を使用して、既定のサブスクリプションを構成できます。

--verbose

ログの詳細レベルを上げます。 詳細なデバッグ ログを表示するには --debug を使います。