다음을 통해 공유

CLI(v2) 일괄 처리 배포 YAML 스키마

  • 아티클

적용 대상: Azure CLI ml 확장 v2(현재)

원본 JSON 스키마는 .에서 https://azuremlschemas.azureedge.net/latest/batchDeployment.schema.json찾을 수 있습니다.

참고 항목

이 문서에 자세히 설명된 YAML 구문은 최신 버전의 ML CLI v2 확장에 대한 JSON 스키마를 기반으로 합니다. 이 구문은 최신 버전의 ML CLI v2 확장에서만 작동하도록 보장됩니다. https://azuremlschemasprod.azureedge.net/에서 이전 확장 버전에 대한 스키마를 찾을 수 있습니다.

YAML 구문

키 형식 설명 허용된 값 기본값
$schema string YAML 스키마입니다. Azure Machine Learning VS Code 확장을 사용하여 YAML 파일을 제작하는 경우 파일 맨 위에 $schema를 포함하여 스키마 및 리소스 완성을 호출할 수 있습니다.
name string 필수입니다. 배포의 이름입니다.
description string 배포에 대한 설명입니다.
tags 개체 배포에 대한 태그 사전입니다.
endpoint_name string 필수입니다. 배포를 만들 엔드포인트의 이름입니다.
type string 필수입니다. 배치 배포 형식. 모델 배포에는 model을 사용하고, 파이프라인 구성 요소 배포에는 pipeline을 사용합니다.

버전 1.7의 새로운 기능		 model, pipeline model
settings 개체 배포 구성. 허용되는 값은 모델 및 파이프라인 구성 요소에 대한 특정 YAML 참조를 참조하세요.

버전 1.7의 새로운 기능

팁

type 키는 CLI 확장 버전 1.7 이상에서 도입되었습니다. 이전 버전과의 호환성을 완벽하게 지원하기 위해 이 속성의 기본값은 model입니다. 그러나 명시적으로 지정하지 않으면 settings 키가 적용되지 않으며 모델 배포 설정의 모든 속성이 YAML 사양의 루트에 표시되어야 합니다.

모델 배포를 위한 YAML 구문

type: model인 경우 다음 구문이 적용됩니다.

키 형식 설명 허용된 값 Default value
model 문자열 또는 개체 필수입니다. 배포에 사용할 모델입니다. 이 값은 작업 영역에서 기존 버전의 모델에 대한 참조 또는 인라인 모델 사양일 수 있습니다.

기존 모델을 참조하려면 azureml:<model-name>:<version> 구문을 사용합니다.

모델 인라인을 정의하려면 모델 스키마를 따릅니다.

프로덕션 시나리오에 대한 모범 사례로 모델을 별도로 만들고 여기에서 참조해야 합니다.
code_configuration 개체 채점 코드 논리에 대한 구성입니다.

모델이 MLflow 형식이면 이 속성은 필요하지 않습니다.
code_configuration.code string 모델을 채점하는 데 필요한 모든 Python 소스 코드가 포함된 로컬 디렉터리입니다.
code_configuration.scoring_script string 위의 디렉터리에 있는 Python 파일입니다. 이 파일에는 init() 함수와 run() 함수가 있어야 합니다. 비용이 많이 들거나 일반적인 준비에는 init() 함수를 사용합니다(예: 메모리에 모델 로드). init()는 프로세스 시작 시 한 번만 호출됩니다. run(mini_batch)를 사용하여 각 항목의 점수를 매길 수 있습니다. mini_batch의 값은 파일 경로 목록입니다. run() 함수는 pandas DataFrame 또는 배열을 반환해야 합니다. 반환되는 각 요소는 mini_batch의 입력 요소의 성공적인 실행 1건을 나타냅니다. 채점 스크립트를 작성하는 방법에 대한 자세한 내용은 채점 스크립트 이해를 참조하세요.
environment 문자열 또는 개체 배포에 사용할 환경입니다. 이 값은 작업 영역에서 기존 버전의 환경에 대한 참조 또는 인라인 환경 사양일 수 있습니다.

모델이 MLflow 형식이면 이 속성은 필요하지 않습니다.

기존 환경을 참조하려면 azureml:<environment-name>:<environment-version> 구문을 사용합니다.

환경을 인라인으로 정의하려면 환경 스키마를 따릅니다.

프로덕션 시나리오에 대한 모범 사례로 환경을 별도로 만들고 여기에서 참조해야 합니다.
compute string 필수입니다. 일괄 처리 채점 작업을 실행할 컴퓨팅 대상의 이름입니다. 이 값은 azureml:<compute-name> 구문을 사용하여 작업 영역의 기존 컴퓨팅에 대한 참조여야 합니다.
resources.instance_count 정수 각 일괄 처리 채점 작업에 사용할 노드 수입니다. 1
settings 개체 모델 배포의 특정 구성입니다.

버전 1.7에서 변경되었습니다.
settings.max_concurrency_per_instance 정수 인스턴스당 최대 병렬 scoring_script 실행 수입니다. 1
settings.error_threshold 정수 무시해야 할 파일 실패 횟수입니다. 전체 입력의 오류 수가 이 값을 초과하면 일괄 처리 채점 작업이 종료됩니다. error_threshold는 개별 미니 일괄 처리에 대해서가 아니라 전체 입력을 위한 것입니다. 생략하면 작업을 종료하지 않고도 파일 오류가 여러 번 허용됩니다. -1
settings.logging_level string 로그 세부 정보 표시 수준입니다. warning, , infodebug info
settings.mini_batch_size 정수 code_configuration.scoring_script에서 한 번의 run() 호출로 처리할 수 있는 파일 수입니다. 10
settings.retry_settings 개체 각 미니 일괄 처리의 채점 설정을 다시 시도합니다.
settings.retry_settings.max_retries 정수 실패 또는 시간이 제한된 미니 일괄 처리에 대한 최대 다시 시도 횟수입니다. 3
settings.retry_settings.timeout 정수 단일 미니 일괄 처리 점수를 매기기 위한 제한 시간(초)입니다. 미니 일괄 처리 크기가 더 크거나 모델 실행 비용이 더 많이 드는 경우 더 큰 값을 사용합니다. 30
settings.output_action string 출력 파일에서 출력을 구성하는 방법을 나타냅니다. 모델 배포에서 출력 사용자 지정에 표시된 대로 출력 파일을 생성하는 경우 summary_only를 사용합니다. run() 함수 return 문의 일부로 예측을 반환하는 경우 append_row를 사용합니다. append_row, summary_only append_row
settings.output_file_name string 일괄 처리 채점 출력 파일의 이름입니다. predictions.csv
settings.environment_variables 개체 각 일괄 처리 채점 작업에 대해 설정할 환경 변수 키-값 쌍의 사전입니다.

파이프라인 구성 요소 배포를 위한 YAML 구문

type: pipeline인 경우 다음 구문이 적용됩니다.

키 형식 설명 허용된 값 Default value
component 문자열 또는 개체 필수입니다. 배포에 사용되는 파이프라인 구성 요소입니다. 이 값은 작업 영역이나 레지스트리에 있는 버전이 지정된 기존 파이프라인 구성 요소에 대한 참조이거나 인라인 파이프라인 사양일 수 있습니다.

기존 구성 요소를 참조하려면 azureml:<component-name>:<version> 구문을 사용합니다.

파이프라인 구성 요소를 인라인으로 정의하려면 파이프라인 구성 요소 스키마를 따릅니다.

프로덕션 시나리오의 모범 사례로 구성 요소를 별도로 만들고 여기에서 참조하는 것이 좋습니다.

버전 1.7의 새로운 기능
settings 개체 파이프라인 작업에 대한 기본 설정입니다. 구성 가능한 속성 집합에 대해서는 설정 키 특성을 참조하세요.

버전 1.7의 새로운 기능

설명

az ml batch-deployment 명령은 Azure Machine Learning 일괄 처리 배포를 관리하는 데 사용할 수 있습니다.

예제

예제는 예제 GitHub 리포지토리에서 사용할 수 있습니다. 그 중 일부는 아래에 참조되어 있습니다.

YAML: MLflow 모델 배포

code_configuration 또는 environment를 표시할 필요가 없는 MLflow 모델을 포함하는 모델 배포:

$schema: https://azuremlschemas.azureedge.net/latest/modelBatchDeployment.schema.json
endpoint_name: heart-classifier-batch
name: classifier-xgboost-mlflow
description: A heart condition classifier based on XGBoost
type: model
model: azureml:heart-classifier-mlflow@latest
compute: azureml:batch-cluster
resources:
  instance_count: 2
settings:
  max_concurrency_per_instance: 2
  mini_batch_size: 2
  output_action: append_row
  output_file_name: predictions.csv
  retry_settings:
    max_retries: 3
    timeout: 300
  error_threshold: -1
  logging_level: info

YAML: 채점 스크립트를 사용한 사용자 지정 모델 배포

사용할 채점 스크립트와 환경을 나타내는 모델 배포:

$schema: https://azuremlschemas.azureedge.net/latest/modelBatchDeployment.schema.json
name: mnist-torch-dpl
description: A deployment using Torch to solve the MNIST classification dataset.
endpoint_name: mnist-batch
type: model
model:
  name: mnist-classifier-torch
  path: model
code_configuration:
  code: code
  scoring_script: batch_driver.py
environment:
  name: batch-torch-py38
  image: mcr.microsoft.com/azureml/openmpi4.1.0-ubuntu20.04:latest
  conda_file: environment/conda.yaml
compute: azureml:batch-cluster
resources:
  instance_count: 1
settings:
  max_concurrency_per_instance: 2
  mini_batch_size: 10
  output_action: append_row
  output_file_name: predictions.csv
  retry_settings:
    max_retries: 3
    timeout: 30
  error_threshold: -1
  logging_level: info

YAML: 레거시 모델 배포

YAML에 type 특성이 표시되지 않으면 모델 배포가 유추됩니다. 그러나 settings 키는 사용할 수 없으며 속성은 이 예에 표시된 대로 YAML의 루트에 배치되어야 합니다. 항상 속성 type을 지정하는 것이 좋습니다.

$schema: https://azuremlschemas.azureedge.net/latest/batchDeployment.schema.json
endpoint_name: heart-classifier-batch
name: classifier-xgboost-mlflow
description: A heart condition classifier based on XGBoost
model: azureml:heart-classifier-mlflow@latest
compute: azureml:batch-cluster
resources:
  instance_count: 2
max_concurrency_per_instance: 2
mini_batch_size: 2
output_action: append_row
output_file_name: predictions.csv
retry_settings:
  max_retries: 3
  timeout: 300
error_threshold: -1
logging_level: info

YAML: 파이프라인 구성 요소 배포

간단한 파이프라인 구성 요소 배포:

$schema: https://azuremlschemas.azureedge.net/latest/pipelineComponentBatchDeployment.schema.json
name: hello-batch-dpl
endpoint_name: hello-pipeline-batch
type: pipeline
component: azureml:hello_batch@latest
settings:
    default_compute: batch-cluster

다음 단계