다음을 통해 공유

az ml model

  • 참조

참고 항목

이 참조는 Azure CLI(버전 2.0.28 이상)에 대한 azure-cli-ml 확장의 일부입니다. az ml model 명령을 처음 실행할 때 확장이 자동으로 설치됩니다. 확장 프로그램에 대해 자세히 알아보세요.

기계 학습 모델을 관리합니다.

명령

Name Description 형식 상태
az ml model delete

작업 영역에서 모델을 삭제합니다.

 내선 번호 GA
az ml model deploy

작업 영역에서 모델을 배포합니다.

 내선 번호 GA
az ml model download

작업 영역에서 모델을 다운로드합니다.

 내선 번호 GA
az ml model list

작업 영역의 모델을 나열합니다.

 내선 번호 GA
az ml model package

작업 영역에서 모델을 패키지합니다.

 내선 번호 GA
az ml model profile

작업 영역의 프로필 모델입니다.

 내선 번호 GA
az ml model register

작업 영역에 모델을 등록합니다.

 내선 번호 GA
az ml model show

작업 영역에 모델을 표시합니다.

 내선 번호 GA
az ml model update

작업 영역에서 모델을 업데이트합니다.

 내선 번호 GA

az ml model delete

작업 영역에서 모델을 삭제합니다.

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

필수 매개 변수

--model-id -i

삭제할 모델의 ID입니다.

선택적 매개 변수

--path

프로젝트 폴더의 경로입니다. 기본값: 현재 디렉터리입니다.

--resource-group -g

제공된 작업 영역에 해당하는 리소스 그룹입니다.

--subscription-id

구독 ID를 지정합니다.

--workspace-name -w

작업 영역의 이름입니다.

-v

자세한 정보 표시 플래그입니다.

전역 매개 변수
--debug

로깅의 자세한 정도를 늘려 모든 디버그 로그를 표시합니다.

--help -h

이 도움말 메시지를 표시하고 종료합니다.

--only-show-errors

오류만 표시하고, 경고를 표시하지 않습니다.

--output -o

출력 형식입니다.

허용되는 값: json, jsonc, none, table, tsv, yaml, yamlc
기본값: json
--query

JMESPath 쿼리 문자열입니다. 자세한 내용과 예제는 http://jmespath.org/를 참조하세요.

--subscription

구독의 이름 또는 ID입니다. az account set -s NAME_OR_ID를 사용하여 기본 위치를 구성할 수 있습니다.

--verbose

로깅의 자세한 정도를 늘립니다. 전체 디버그 로그를 표시하려면 --debug를 사용합니다.

az ml model deploy

작업 영역에서 모델을 배포합니다.

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]

필수 매개 변수

--name -n

배포된 서비스의 이름입니다.

선택적 매개 변수

--ae --auth-enabled

이 Webservice에 키 인증을 사용할지 여부를 나타냅니다. 기본값은 False입니다.

--ai --enable-app-insights

이 Webservice에 AppInsights를 사용할지 여부를 나타냅니다. 기본값은 False입니다.

--ar --autoscale-refresh-seconds

자동 스케일러가 이 Webservice를 스케일링하려고 시도하는 빈도입니다. 기본값은 1입니다.

--as --autoscale-enabled

이 Webservice에 자동 스케일링을 사용할지 여부를 나타냅니다. num_replicas가 None이면 기본값은 True입니다.

--at --autoscale-target-utilization

자동 크기 조정기가 이 Webservice에 대해 유지해야 하는 목표 사용률(백분율)입니다. 기본값은 70입니다.

--autoscale-max-replicas --ma

이 Webservice를 자동 크기 조정할 때 사용할 최대 컨테이너 수입니다. 기본값은 10입니다.

--autoscale-min-replicas --mi

이 Webservice를 자동 스케일링할 때 사용할 최소 컨테이너 수입니다. 기본값은 1입니다.

--base-image --bi

기본 이미지로 사용할 사용자 지정 이미지입니다. 기본 이미지가 제공되지 않으면 기본 이미지는 지정된 런타임 매개 변수를 기반으로 사용됩니다.

--base-image-registry --ir

기본 이미지가 포함된 이미지 레지스트리입니다.

--cc --cpu-cores

이 Webservice에 할당할 CPU 코어 수입니다. 10진수일 수 있습니다. 기본값은 0.1입니다.

--ccl --cpu-cores-limit

이 Webservice에서 사용할 수 있는 최대 CPU 코어 수입니다. 10진수일 수 있습니다.

--cf --conda-file

이미지에 사용할 conda 환경 정의를 포함하는 로컬 파일의 경로입니다.

--collect-model-data --md

이 Webservice에 모델 데이터 컬렉션을 사용할지 여부를 나타냅니다. 기본값은 False입니다.

--compute-target --ct

컴퓨팅 대상의 이름입니다. AKS에 배포하는 경우에만 적용됩니다.

--compute-type --cp

배포할 서비스의 컴퓨팅 유형입니다.

--cuda-version --cv

GPU 지원이 필요한 이미지용으로 설치할 CUDA 버전입니다. GPU 이미지는 Azure Container Instances, Azure Machine Learning 컴퓨팅, Azure Virtual Machines 및 Azure Kubernetes Service와 같은 Microsoft Azure Services에서 사용해야 합니다. 지원되는 버전은 9.0, 9.1 및 10.0입니다. ‘enable_gpu’가 설정된 경우 기본값은 ‘9.1’입니다.

--dc --deploy-config-file

배포 메타데이터를 포함하는 JSON 또는 YAML 파일의 경로입니다.

--description

배포된 서비스에 대한 설명입니다.

--dn --dns-name-label

이 웹 서비스의 dns 이름입니다.

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

이미지를 설정할 때 실행할 추가 Docker 단계가 포함된 로컬 파일의 경로입니다.

--ed --environment-directory

배포를 위한 Azure Machine Learning Environment용 디렉터리입니다. 'az ml environment scaffold' 명령에 제공된 것과 동일한 디렉터리 경로입니다.

--eg --enable-gpu

이미지에서 GPU 지원을 사용하도록 설정할지 여부를 나타냅니다. GPU 이미지는 Azure Container Instances, Azure Machine Learning 컴퓨팅, Azure Virtual Machines 및 Azure Kubernetes Service와 같은 Microsoft Azure Services에서 사용해야 합니다. 기본값은 False입니다.

--entry-script --es

서비스에 대해 실행할 코드가 포함된 로컬 파일의 경로입니다(제공된 경우 source_directory 상대 경로).

--environment-name -e

배포를 위한 Azure Machine Learning 환경의 이름입니다.

--environment-version --ev

배포를 위한 기존 Azure Machine Learning 환경의 버전입니다.

--failure-threshold --ft

Pod가 시작되고 활동성 프로브가 실패하면 Kubernetes는 포기하기 전에 --failure-threshold times를 시도합니다. 기본값은 3입니다. 최솟값은 1입니다.

--gb --memory-gb

이 Webservice에 할당할 메모리 양(GB)입니다. 10진수일 수 있습니다.

--gbl --memory-gb-limit

이 Webservice에서 사용할 수 있는 최대 메모리 양(GB)입니다. 10진수일 수 있습니다.

--gc --gpu-cores

이 웹 서비스에 할당할 gpu 코어 수입니다. 기본값은 1입니다.

--ic --inference-config-file

유추 구성을 포함하는 JSON 또는 YAML 파일의 경로입니다.

--id --initial-delay-seconds

컨테이너가 시작된 후 활동성 프로브가 시작되기 전까지의 시간(초)입니다. 기본값은 310입니다.

--key-name

ACI용 CMK(고객 관리형 키)의 암호화 속성에 대한 키 이름입니다.

--key-version

ACI용 CMK(고객 관리형 키)의 암호화 속성에 대한 키 버전입니다.

--kp --primary-key

이 Webservice에 사용할 기본 인증 키입니다.

--ks --secondary-key

이 Webservice에 사용할 보조 인증 키입니다.

--lo --location

이 웹 서비스를 배포할 Azure 지역입니다. 지정하지 않으면 작업 영역 위치가 사용됩니다. 사용 가능한 지역에 대한 자세한 내용은 다음을 참조하세요https://azure.microsoft.com/en-us/global-infrastructure/services/?regions=all&. products=container-instances.

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

요청이 큐에 유지되는 최대 시간(밀리초)입니다. 이 시간이 경과하면 503 오류가 반환됩니다. 기본값은 500입니다.

--model -m

배포할 모델의 ID입니다. 추가 -m 인수를 사용하여 여러 모델을 지정할 수 있습니다. 모델을 먼저 등록해야 합니다.

기본값: []
--model-metadata-file -f

모델 등록 메타데이터를 포함하는 JSON 파일의 경로입니다. 여러 -f 매개 변수를 사용하여 여러 모델을 제공할 수 있습니다.

기본값: []
--namespace

서비스를 배포할 Kubernetes 네임스페이스: 최대 63개의 소문자 영숫자('a'-'z', '0'-'9') 및 하이픈('-') 문자. 첫 번째 문자와 마지막 문자는 하이픈일 수 없습니다. AKS에 배포하는 경우에만 적용됩니다.

--no-wait

비동기 호출을 기다리지 않도록 플래그를 지정합니다.

--nr --num-replicas

이 Webservice에 할당할 컨테이너 수입니다. 기본값은 없습니다. 이 매개 변수를 설정하지 않으면 기본적으로 자동 스케일러가 사용됩니다.

--overwrite

이름이 충돌하는 경우 기존 서비스를 덮어씁니다.

--path

프로젝트 폴더의 경로입니다. 기본값: 현재 디렉터리입니다.

--period-seconds --ps

활동성 프로브를 수행하는 빈도(초)입니다. 기본값은 10초입니다. 최솟값은 1입니다.

--pi --profile-input

프로파일링 결과를 포함하는 JSON 파일의 경로입니다.

--po --port

서비스의 HTTP 엔드포인트를 노출할 로컬 포트입니다.

--property

추가할 키/값 속성(e.g. key=value)입니다. 여러 --property 옵션을 사용하여 여러 속성을 지정할 수 있습니다.

기본값: []
--replica-max-concurrent-requests --rm

이 웹 서비스에 대해 허용할 노드당 최대 동시 요청 수입니다. 기본값은 1입니다.

--resource-group -g

제공된 작업 영역에 해당하는 리소스 그룹입니다.

--rt --runtime

이미지에 사용할 런타임입니다. 현재 지원되는 런타임은 'spark-py' 및 'python'spark-py|python|python-slim입니다.

--sc --ssl-cname

SSL이 사용하도록 설정된 경우에 대한 cname입니다.

--scoring-timeout-ms --tm

이 Webservice에 대한 채점 호출을 적용하는 시간 제한입니다. 기본값은 60000입니다.

--sd --source-directory

이미지를 만들 모든 파일이 포함된 폴더의 경로입니다.

--se --ssl-enabled

이 Webservice에 SSL을 사용할지 여부를 나타냅니다. 기본값은 False입니다.

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

SSL을 사용하는 경우 필요한 키 파일입니다.

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

SSL을 사용하는 경우 필요한 인증서 파일입니다.

--st --success-threshold

활동성 프로브가 실패한 후 성공한 것으로 간주되는 최소 연속 성공 횟수입니다. 기본값은 1입니다. 최솟값은 1입니다.

--subnet-name

VNet 내부 서브넷의 이름입니다.

--subscription-id

구독 ID를 지정합니다.

--tag

추가할 키/값 태그(e.g. key=value)입니다. 여러 --tag 옵션을 사용하여 여러 태그를 지정할 수 있습니다.

기본값: []
--timeout-seconds --ts

활동성 프로브의 시간이 초과된 후 경과된 시간(초)입니다. 기본값은 2초입니다. 최솟값은 1입니다.

--token-auth-enabled

이 웹 서비스에 대한 토큰 인증을 사용하도록 설정할지 여부입니다. AKS에 배포하지 않으면 무시됩니다. 기본값은 False입니다.

--tp --traffic-percentile

버전이 엔드포인트에서 차지하는 트래픽 양입니다. 10진수일 수 있습니다. 기본값은 0입니다.

--vault-base-url

ACI용 CMK(고객 관리형 키)의 암호화 속성에 대한 자격 증명 모음 기본 URL입니다.

--version-name --vn

엔드포인트의 버전 이름입니다. 기본값은 첫 번째 버전의 엔드포인트 이름입니다.

--vnet-name

가상 네트워크의 이름입니다.

--workspace-name -w

작업 영역의 이름입니다.

-v

자세한 정보 표시 플래그입니다.

전역 매개 변수
--debug

로깅의 자세한 정도를 늘려 모든 디버그 로그를 표시합니다.

--help -h

이 도움말 메시지를 표시하고 종료합니다.

--only-show-errors

오류만 표시하고, 경고를 표시하지 않습니다.

--output -o

출력 형식입니다.

허용되는 값: json, jsonc, none, table, tsv, yaml, yamlc
기본값: json
--query

JMESPath 쿼리 문자열입니다. 자세한 내용과 예제는 http://jmespath.org/를 참조하세요.

--subscription

구독의 이름 또는 ID입니다. az account set -s NAME_OR_ID를 사용하여 기본 위치를 구성할 수 있습니다.

--verbose

로깅의 자세한 정도를 늘립니다. 전체 디버그 로그를 표시하려면 --debug를 사용합니다.

az ml model download

작업 영역에서 모델을 다운로드합니다.

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

필수 매개 변수

--model-id -i

모델의 ID입니다.

--target-dir -t

모델 파일을 다운로드할 대상 디렉터리입니다.

선택적 매개 변수

--overwrite

대상 디렉터리에 동일한 이름 파일이 있는 경우 덮어씁니다.

--path

프로젝트 폴더의 경로입니다. 기본값: 현재 디렉터리입니다.

--resource-group -g

제공된 작업 영역에 해당하는 리소스 그룹입니다.

--subscription-id

구독 ID를 지정합니다.

--workspace-name -w

표시할 모델을 포함하는 작업 영역의 이름입니다.

-v

자세한 정보 표시 플래그입니다.

전역 매개 변수
--debug

로깅의 자세한 정도를 늘려 모든 디버그 로그를 표시합니다.

--help -h

이 도움말 메시지를 표시하고 종료합니다.

--only-show-errors

오류만 표시하고, 경고를 표시하지 않습니다.

--output -o

출력 형식입니다.

허용되는 값: json, jsonc, none, table, tsv, yaml, yamlc
기본값: json
--query

JMESPath 쿼리 문자열입니다. 자세한 내용과 예제는 http://jmespath.org/를 참조하세요.

--subscription

구독의 이름 또는 ID입니다. az account set -s NAME_OR_ID를 사용하여 기본 위치를 구성할 수 있습니다.

--verbose

로깅의 자세한 정도를 늘립니다. 전체 디버그 로그를 표시하려면 --debug를 사용합니다.

az ml model list

작업 영역의 모델을 나열합니다.

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

선택적 매개 변수

--dataset-id

제공된 경우 지정된 데이터 세트 ID를 가진 모델만 표시됩니다.

--latest -l

제공된 경우 최신 버전의 모델만 반환합니다.

--model-name -n

목록을 필터링할 선택적 모델 이름입니다.

--path

프로젝트 폴더의 경로입니다. 기본값: 현재 디렉터리입니다.

--property

추가할 키/값 속성(e.g. key=value)입니다. 여러 --property 옵션을 사용하여 여러 속성을 지정할 수 있습니다.

기본값: []
--resource-group -g

제공된 작업 영역에 해당하는 리소스 그룹입니다.

--run-id

제공된 경우 지정된 실행 ID를 가진 모델만 표시됩니다.

--subscription-id

구독 ID를 지정합니다.

--tag

추가할 키/값 태그(e.g. key=value)입니다. 여러 --tag 옵션을 사용하여 여러 태그를 지정할 수 있습니다.

기본값: []
--workspace-name -w

나열할 모델을 포함하는 작업 영역의 이름입니다.

-v

자세한 정보 표시 플래그입니다.

전역 매개 변수
--debug

로깅의 자세한 정도를 늘려 모든 디버그 로그를 표시합니다.

--help -h

이 도움말 메시지를 표시하고 종료합니다.

--only-show-errors

오류만 표시하고, 경고를 표시하지 않습니다.

--output -o

출력 형식입니다.

허용되는 값: json, jsonc, none, table, tsv, yaml, yamlc
기본값: json
--query

JMESPath 쿼리 문자열입니다. 자세한 내용과 예제는 http://jmespath.org/를 참조하세요.

--subscription

구독의 이름 또는 ID입니다. az account set -s NAME_OR_ID를 사용하여 기본 위치를 구성할 수 있습니다.

--verbose

로깅의 자세한 정도를 늘립니다. 전체 디버그 로그를 표시하려면 --debug를 사용합니다.

az ml model package

작업 영역에서 모델을 패키지합니다.

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]

선택적 매개 변수

--cf --conda-file

패키지에 사용할 conda 환경 정의를 포함하는 로컬 파일의 경로입니다.

--ed --environment-directory

패키징을 위한 Azure Machine Learning Environment용 디렉터리입니다. 'az ml environment scaffold' 명령에 제공된 것과 동일한 디렉터리 경로입니다.

--entry-script --es

서비스에 대해 실행할 코드가 포함된 로컬 파일의 경로입니다(제공된 경우 source_directory 상대 경로).

--environment-name -e

패키징을 위한 Azure Machine Learning 환경의 이름입니다.

--environment-version --ev

패키징을 위한 기존 Azure Machine Learning 환경의 버전입니다.

--ic --inference-config-file

유추 구성을 포함하는 JSON 또는 YAML 파일의 경로입니다.

--il --image-label

빌드된 패키지 이미지를 제공하는 레이블입니다.

--image-name --in

빌드된 패키지 이미지를 제공할 이름입니다.

--model -m

패키지할 모델의 ID입니다. 추가 -m 인수를 사용하여 여러 모델을 지정할 수 있습니다. 모델을 먼저 등록해야 합니다.

기본값: []
--model-metadata-file -f

모델 등록 메타데이터를 포함하는 JSON 파일의 경로입니다. 여러 -f 매개 변수를 사용하여 여러 모델을 제공할 수 있습니다.

기본값: []
--no-wait

비동기 호출을 기다리지 않도록 플래그를 지정합니다.

--output-path

docker 컨텍스트의 출력 경로입니다. 출력 경로가 전달되면 작업 영역 ACR에서 이미지를 빌드하는 대신 dockerfile 및 필요한 빌드 컨텍스트가 해당 경로에 기록됩니다.

--path

프로젝트 폴더의 경로입니다. 기본값: 현재 디렉터리입니다.

--resource-group -g

제공된 작업 영역에 해당하는 리소스 그룹입니다.

--rt --runtime

패키지에 사용할 런타임입니다. 현재 지원되는 런타임은 'spark-py' 및 'python'spark-py|python|python-slim입니다.

--sd --source-directory

이미지를 만들 모든 파일이 포함된 폴더의 경로입니다.

--subscription-id

구독 ID를 지정합니다.

--workspace-name -w

작업 영역의 이름입니다.

-v

자세한 정보 표시 플래그입니다.

전역 매개 변수
--debug

로깅의 자세한 정도를 늘려 모든 디버그 로그를 표시합니다.

--help -h

이 도움말 메시지를 표시하고 종료합니다.

--only-show-errors

오류만 표시하고, 경고를 표시하지 않습니다.

--output -o

출력 형식입니다.

허용되는 값: json, jsonc, none, table, tsv, yaml, yamlc
기본값: json
--query

JMESPath 쿼리 문자열입니다. 자세한 내용과 예제는 http://jmespath.org/를 참조하세요.

--subscription

구독의 이름 또는 ID입니다. az account set -s NAME_OR_ID를 사용하여 기본 위치를 구성할 수 있습니다.

--verbose

로깅의 자세한 정도를 늘립니다. 전체 디버그 로그를 표시하려면 --debug를 사용합니다.

az ml model profile

작업 영역의 프로필 모델입니다.

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]

필수 매개 변수

--name -n

모델 프로필의 이름입니다.

선택적 매개 변수

--base-image --bi

기본 이미지로 사용할 사용자 지정 이미지입니다. 기본 이미지가 제공되지 않으면 기본 이미지는 지정된 런타임 매개 변수를 기반으로 사용됩니다.

--base-image-registry --ir

기본 이미지가 포함된 이미지 레지스트리입니다.

--cc --cpu-cores

프로파일링할 때 사용할 최대 CPU의 두 배 값입니다.

--cf --conda-file

이미지에 사용할 conda 환경 정의를 포함하는 로컬 파일의 경로입니다.

--description

모델 프로필에 대한 설명입니다.

--ed --environment-directory

배포를 위한 Azure Machine Learning Environment용 디렉터리입니다. 'az ml environment scaffold' 명령에 제공된 것과 동일한 디렉터리 경로입니다.

--entry-script --es

서비스에 대해 실행할 코드가 포함된 로컬 파일의 경로입니다(제공된 경우 source_directory 상대 경로).

--environment-name -e

배포를 위한 Azure Machine Learning 환경의 이름입니다.

--environment-version --ev

배포를 위한 기존 Azure Machine Learning 환경의 버전입니다.

--gb --memory-in-gb

프로파일링할 때 사용할 최대 메모리의 두 배 값입니다.

--ic --inference-config-file

유추 구성을 포함하는 JSON 또는 YAML 파일의 경로입니다.

--idi --input-dataset-id

프로필에 대한 입력으로 사용할 테이블 형식 데이터 세트의 ID입니다.

--model -m

배포할 모델의 ID입니다. 추가 -m 인수를 사용하여 여러 모델을 지정할 수 있습니다. 모델을 먼저 등록해야 합니다.

기본값: []
--model-metadata-file -f

모델 등록 메타데이터를 포함하는 JSON 파일의 경로입니다. 여러 -f 매개 변수를 사용하여 여러 모델을 제공할 수 있습니다.

기본값: []
--output-metadata-file -t

프로필 결과 메타데이터가 기록될 JSON 파일의 경로입니다. 모델 배포에 대한 입력으로 사용됩니다.

--resource-group -g

제공된 작업 영역에 해당하는 리소스 그룹입니다.

--sd --source-directory

이미지를 만들 모든 파일이 포함된 폴더의 경로입니다.

--subscription-id

구독 ID를 지정합니다.

--workspace-name -w

작업 영역의 이름입니다.

-v

자세한 정보 표시 플래그입니다.

전역 매개 변수
--debug

로깅의 자세한 정도를 늘려 모든 디버그 로그를 표시합니다.

--help -h

이 도움말 메시지를 표시하고 종료합니다.

--only-show-errors

오류만 표시하고, 경고를 표시하지 않습니다.

--output -o

출력 형식입니다.

허용되는 값: json, jsonc, none, table, tsv, yaml, yamlc
기본값: json
--query

JMESPath 쿼리 문자열입니다. 자세한 내용과 예제는 http://jmespath.org/를 참조하세요.

--subscription

구독의 이름 또는 ID입니다. az account set -s NAME_OR_ID를 사용하여 기본 위치를 구성할 수 있습니다.

--verbose

로깅의 자세한 정도를 늘립니다. 전체 디버그 로그를 표시하려면 --debug를 사용합니다.

az ml model register

작업 영역에 모델을 등록합니다.

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]

필수 매개 변수

--name -n

등록할 모델의 이름입니다.

선택적 매개 변수

--asset-path

experiement가 실행되는 클라우드 경로는 모델 파일을 저장합니다.

--cc --cpu-cores

이 모델에 할당할 기본 CPU 코어 수입니다. 10진수일 수 있습니다.

--description -d

모델에 대한 설명입니다.

--experiment-name

실험의 이름입니다.

--gb --memory-gb

이 모델에 할당할 기본 메모리 양(GB)입니다. 10진수일 수 있습니다.

--gc --gpu-cores

이 모델에 할당할 기본 GPU 수입니다.

--model-framework

등록할 모델의 프레임워크입니다. 현재 지원되는 프레임워크: TensorFlow, ScikitLearn, Onnx, Custom, Multi.

--model-framework-version

등록할 모델의 프레임워크 버전(예: 1.0.0, 2.4.1).

--model-path -p

등록할 모델 파일의 전체 경로입니다.

--output-metadata-file -t

모델 등록 메타데이터가 기록될 JSON 파일의 경로입니다. 모델 배포에 대한 입력으로 사용됩니다.

--path

프로젝트 폴더의 경로입니다. 기본값: 현재 디렉터리입니다.

--property

추가할 키/값 속성(e.g. key=value)입니다. 여러 --property 옵션을 사용하여 여러 속성을 지정할 수 있습니다.

기본값: []
--resource-group -g

제공된 작업 영역에 해당하는 리소스 그룹입니다.

--run-id -r

모델이 등록된 실험 실행의 ID입니다.

--run-metadata-file -f

experiement가 포함된 JSON 파일의 경로는 메타데이터를 실행합니다.

--sample-input-dataset-id

샘플 입력 데이터 세트의 ID입니다.

--sample-output-dataset-id

샘플 출력 데이터 세트의 ID입니다.

--subscription-id

구독 ID를 지정합니다.

--tag

추가할 키/값 태그(e.g. key=value)입니다. 여러 --tag 옵션을 사용하여 여러 태그를 지정할 수 있습니다.

기본값: []
--workspace-name -w

이 모델을 등록할 작업 영역의 이름입니다.

-v

자세한 정보 표시 플래그입니다.

전역 매개 변수
--debug

로깅의 자세한 정도를 늘려 모든 디버그 로그를 표시합니다.

--help -h

이 도움말 메시지를 표시하고 종료합니다.

--only-show-errors

오류만 표시하고, 경고를 표시하지 않습니다.

--output -o

출력 형식입니다.

허용되는 값: json, jsonc, none, table, tsv, yaml, yamlc
기본값: json
--query

JMESPath 쿼리 문자열입니다. 자세한 내용과 예제는 http://jmespath.org/를 참조하세요.

--subscription

구독의 이름 또는 ID입니다. az account set -s NAME_OR_ID를 사용하여 기본 위치를 구성할 수 있습니다.

--verbose

로깅의 자세한 정도를 늘립니다. 전체 디버그 로그를 표시하려면 --debug를 사용합니다.

az ml model show

작업 영역에 모델을 표시합니다.

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

선택적 매개 변수

--model-id -i

표시할 모델의 ID입니다.

--model-name -n

표시할 모델의 이름입니다.

--path

프로젝트 폴더의 경로입니다. 기본값: 현재 디렉터리입니다.

--resource-group -g

제공된 작업 영역에 해당하는 리소스 그룹입니다.

--run-id

제공된 경우 지정된 실행 ID를 가진 모델만 표시됩니다.

--subscription-id

구독 ID를 지정합니다.

--version

제공된 경우 지정된 이름과 버전을 가진 모델만 표시됩니다.

--workspace-name -w

표시할 모델을 포함하는 작업 영역의 이름입니다.

-v

자세한 정보 표시 플래그입니다.

전역 매개 변수
--debug

로깅의 자세한 정도를 늘려 모든 디버그 로그를 표시합니다.

--help -h

이 도움말 메시지를 표시하고 종료합니다.

--only-show-errors

오류만 표시하고, 경고를 표시하지 않습니다.

--output -o

출력 형식입니다.

허용되는 값: json, jsonc, none, table, tsv, yaml, yamlc
기본값: json
--query

JMESPath 쿼리 문자열입니다. 자세한 내용과 예제는 http://jmespath.org/를 참조하세요.

--subscription

구독의 이름 또는 ID입니다. az account set -s NAME_OR_ID를 사용하여 기본 위치를 구성할 수 있습니다.

--verbose

로깅의 자세한 정도를 늘립니다. 전체 디버그 로그를 표시하려면 --debug를 사용합니다.

az ml model update

작업 영역에서 모델을 업데이트합니다.

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]

필수 매개 변수

--model-id -i

모델의 ID입니다.

선택적 매개 변수

--add-property

추가할 키/값 속성(e.g. key=value)입니다. 여러 --add-property 옵션을 사용하여 여러 속성을 지정할 수 있습니다.

기본값: []
--add-tag

추가할 키/값 태그(e.g. key=value)입니다. 여러 --add-tag 옵션을 사용하여 여러 태그를 지정할 수 있습니다.

기본값: []
--cc --cpu-cores

이 모델에 할당할 기본 CPU 코어 수입니다. 10진수일 수 있습니다.

--description

모델을 업데이트할 설명입니다. 현재 설명을 대체합니다.

--gb --memory-gb

이 모델에 할당할 기본 메모리 양(GB)입니다. 10진수일 수 있습니다.

--gc --gpu-cores

이 모델에 할당할 기본 GPU 수입니다.

--path

프로젝트 폴더의 경로입니다. 기본값: 현재 디렉터리입니다.

--remove-tag

제거할 태그의 키입니다. 여러 --remove-tag 옵션을 사용하여 여러 태그를 지정할 수 있습니다.

기본값: []
--resource-group -g

제공된 작업 영역에 해당하는 리소스 그룹입니다.

--sample-input-dataset-id

샘플 입력 데이터 세트의 ID입니다.

--sample-output-dataset-id

샘플 출력 데이터 세트의 ID입니다.

--subscription-id

구독 ID를 지정합니다.

--workspace-name -w

작업 영역의 이름입니다.

-v

자세한 정보 표시 플래그입니다.

전역 매개 변수
--debug

로깅의 자세한 정도를 늘려 모든 디버그 로그를 표시합니다.

--help -h

이 도움말 메시지를 표시하고 종료합니다.

--only-show-errors

오류만 표시하고, 경고를 표시하지 않습니다.

--output -o

출력 형식입니다.

허용되는 값: json, jsonc, none, table, tsv, yaml, yamlc
기본값: json
--query

JMESPath 쿼리 문자열입니다. 자세한 내용과 예제는 http://jmespath.org/를 참조하세요.

--subscription

구독의 이름 또는 ID입니다. az account set -s NAME_OR_ID를 사용하여 기본 위치를 구성할 수 있습니다.

--verbose

로깅의 자세한 정도를 늘립니다. 전체 디버그 로그를 표시하려면 --debug를 사용합니다.