az ml job

참고 항목

이 참조는 Azure CLI(버전 2.15.0 이상)에 대한 ml 확장의 일부입니다. az ml job 명령을 처음 실행할 때 확장이 자동으로 설치됩니다. 확장 프로그램에 대해 자세히 알아보세요.

Azure ML 작업을 관리합니다.

Azure ML 작업은 지정된 컴퓨팅 대상에 대해 작업을 실행합니다. Azure에서 모델 학습을 스케일 아웃하도록 작업을 구성할 수 있습니다. Azure ML은 다양한 기능을 사용하여 다양한 작업 유형을 지원합니다. 예를 들어 가장 기본적인 작업인 명령 작업은 Docker 컨테이너에서 명령을 실행하고 단일 노드 및 분산 학습에 활용할 수 있습니다. 스윕 작업은 모델의 하이퍼 매개 변수를 튜닝하기 위해 지정된 검색 공간에 대한 하이퍼 매개 변수 스윕을 실행합니다.

또한 작업을 통해 ML 실험 및 워크플로를 체계적으로 추적할 수 있습니다. 작업이 만들어지면 Azure ML은 메타데이터, 작업 중에 생성된 메트릭, 로그 및 아티팩트, 실행된 코드 및 사용된 Azure ML 환경을 포함하는 작업에 대한 실행 레코드를 기본. 모든 작업의 실행 기록은 Azure ML 스튜디오에서 볼 수 있습니다.

명령

Name	Description	형식	상태
az ml job archive	작업을 보관합니다.	내선 번호	GA
az ml job cancel	작업을 취소합니다.	내선 번호	GA
az ml job connect-ssh	ssh 연결을 설정하고 Tundra를 통해 사용자의 컨테이너 내에서 실행되는 SSH 서비스로 요청을 보냅니다.	내선 번호	GA
az ml job create	작업을 만듭니다.	내선 번호	GA
az ml job download	모든 작업 관련 파일을 다운로드합니다.	내선 번호	GA
az ml job list	작업 영역의 작업을 나열합니다.	내선 번호	GA
az ml job restore	보관된 작업을 복원합니다.	내선 번호	GA
az ml job show	작업에 대한 세부 정보를 표시합니다.	내선 번호	GA
az ml job show-services	노드당 작업의 서비스를 표시합니다.	내선 번호	GA
az ml job stream	작업 로그를 콘솔로 스트리밍합니다.	내선 번호	GA
az ml job update	작업을 업데이트합니다.	내선 번호	GA
az ml job validate	작업의 유효성을 검사합니다. 이 명령은 현재 파이프라인 작업에 대해서만 작동합니다.	내선 번호	GA

az ml job archive

작업을 보관합니다.

작업을 보관하면 기본적으로 목록 쿼리(az ml job list)에서 작업이 숨겨집니다. 워크플로에서 보관된 작업을 계속 참조하고 사용할 수 있습니다. 완료된 작업만 보관할 수 있습니다.

az ml job archive --name
                  --resource-group
                  --workspace-name

필수 매개 변수

--name -n

작업의 이름입니다.

--resource-group -g

리소스 그룹의 이름입니다. az configure --defaults group=<name>을 사용하여 기본 그룹을 구성할 수 있습니다.

--workspace-name -w

Azure ML 작업 영역의 이름입니다. 를 사용하여 az configure --defaults workspace=<name>기본 작업 영역을 구성할 수 있습니다.

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 job cancel

작업을 취소합니다.

az ml job cancel --name
                 --resource-group
                 --workspace-name

예제

이름으로 작업 취소

az ml job cancel --name my-job-id --resource-group my-resource-group --workspace-name my-workspace

필수 매개 변수

--name -n

작업의 이름입니다.

--resource-group -g

리소스 그룹의 이름입니다. az configure --defaults group=<name>을 사용하여 기본 그룹을 구성할 수 있습니다.

--workspace-name -w

Azure ML 작업 영역의 이름입니다. 를 사용하여 az configure --defaults workspace=<name>기본 작업 영역을 구성할 수 있습니다.

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 job connect-ssh

ssh 연결을 설정하고 Tundra를 통해 사용자의 컨테이너 내에서 실행되는 SSH 서비스로 요청을 보냅니다.

az ml job connect-ssh --name
                      --resource-group
                      --workspace-name
                      [--node-index]
                      [--private-key-file-path]

예제

ssh 연결을 설정하고 SSH 서비스에 요청을 보냅니다.

az ml job connect-ssh --name my-job-id --node-index 0 --private-key-file-path "C:/Temp/.ssh/id_rsa" --resource-group my-resource-group --workspace-name my-workspace

필수 매개 변수

--name -n

작업의 이름입니다.

--resource-group -g

리소스 그룹의 이름입니다. az configure --defaults group=<name>을 사용하여 기본 그룹을 구성할 수 있습니다.

--workspace-name -w

Azure ML 작업 영역의 이름입니다. 를 사용하여 az configure --defaults workspace=<name>기본 작업 영역을 구성할 수 있습니다.

선택적 매개 변수

--node-index -i

ssh를 통해 연결할 노드의 인덱스입니다.

기본값: 0

--private-key-file-path -f

프라이빗 키 파일의 경로입니다.

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 job create

작업을 만듭니다.

작업을 만들려면 일반적으로 실행할 코드, 종속성을 캡슐화하는 환경, 작업을 실행할 컴퓨팅 대상 및 추가 작업별 설정을 구성해야 합니다. 작업이 만들어지면 지정된 컴퓨팅 리소스에 대해 실행을 위해 제출됩니다.

az ml job create --file
                 --resource-group
                 --workspace-name
                 [--name]
                 [--save-as]
                 [--set]
                 [--skip-validation]
                 [--stream]
                 [--web]

예제

YAML 사양 파일에서 작업 만들기

az ml job create --file job.yml --resource-group my-resource-group --workspace-name my-workspace

YAML 사양 파일에서 작업을 만들고 Azure ML 스튜디오 포털에서 작업의 실행 세부 정보를 엽니다.

az ml job create --file job.yml --web --resource-group my-resource-group --workspace-name my-workspace

필수 매개 변수

--file -f

Azure ML 작업 사양을 포함하는 YAML 파일의 로컬 경로입니다. 작업에 대한 YAML 참조 문서는 다음에서 https://aka.ms/ml-cli-v2-job-command-yaml-referencehttps://aka.ms/ml-cli-v2-job-sweep-yaml-referencehttps://aka.ms/ml-cli-v2-job-pipeline-yaml-reference찾을 수 있습니다.

--resource-group -g

리소스 그룹의 이름입니다. az configure --defaults group=<name>을 사용하여 기본 그룹을 구성할 수 있습니다.

--workspace-name -w

Azure ML 작업 영역의 이름입니다. 를 사용하여 az configure --defaults workspace=<name>기본 작업 영역을 구성할 수 있습니다.

선택적 매개 변수

--name -n

작업의 이름입니다.

--save-as -a

만든 작업의 상태를 YAML 형식으로 쓸 파일입니다.

--set

설정할 속성 경로와 값을 지정하여 개체를 업데이트합니다. 예: --set property1.property2=.

--skip-validation

리소스를 만들 때 유효성 검사를 건너뜁니다. 종속 리소스는 만들기에서 유효성 검사를 건너뛰지 않습니다.

기본값: False

--stream -s

작업의 로그를 콘솔로 스트리밍할지 여부를 나타냅니다.

기본값: False

--web -e

웹 브라우저의 Azure ML Studio에서 작업의 실행 세부 정보를 표시합니다.

기본값: False

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 job download

모든 작업 관련 파일을 다운로드합니다.

파일은 작업 이름 이름을 따서 명명된 폴더에 다운로드됩니다.

az ml job download --name
                   --resource-group
                   --workspace-name
                   [--all]
                   [--download-path]
                   [--output-name]

예제

작업의 로그 및 출력을 현재 작업 디렉터리에 다운로드

az ml job download --name my-job --resource-group my-resource-group --workspace-name my-workspace

필수 매개 변수

--name -n

작업의 이름입니다.

--resource-group -g

리소스 그룹의 이름입니다. az configure --defaults group=<name>을 사용하여 기본 그룹을 구성할 수 있습니다.

--workspace-name -w

Azure ML 작업 영역의 이름입니다. 를 사용하여 az configure --defaults workspace=<name>기본 작업 영역을 구성할 수 있습니다.

선택적 매개 변수

--all

작업의 모든 출력을 다운로드합니다.

기본값: False

--download-path -p

작업 파일을 다운로드할 경로입니다. 생략하면 작업 파일이 현재 디렉터리에 다운로드됩니다.

--output-name

다운로드할 사용자 정의 출력의 이름입니다. 이는 작업의 출력 사전에서 키에 해당해야 합니다. 생략하면 작업의 기본 아티팩트 출력 파일이 다운로드됩니다.

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 job list

작업 영역의 작업을 나열합니다.

az ml job list --resource-group
               --workspace-name
               [--all-results {false, true}]
               [--archived-only]
               [--include-archived]
               [--max-results]
               [--parent-job-name]

예제

--query 인수를 사용하여 명령 결과에 대한 JMESPath 쿼리를 실행하여 작업 영역에 상태 모든 작업을 나열합니다.

az ml job list --query "[].{Name:name,Jobstatus:status}"  --output table --resource-group my-resource-group --workspace-name my-workspace

필수 매개 변수

--resource-group -g

리소스 그룹의 이름입니다. az configure --defaults group=<name>을 사용하여 기본 그룹을 구성할 수 있습니다.

--workspace-name -w

Azure ML 작업 영역의 이름입니다. 를 사용하여 az configure --defaults workspace=<name>기본 작업 영역을 구성할 수 있습니다.

선택적 매개 변수

--all-results

모든 결과를 반환합니다.

허용되는 값: false, true

기본값: False

--archived-only

보관된 작업만 나열합니다.

기본값: False

--include-archived

보관된 작업 및 활성 작업을 나열합니다.

기본값: False

--max-results -r

반환할 최대 결과 수입니다. 기본값은 50입니다.

기본값: 50

--parent-job-name -p

부모 작업의 이름입니다. 해당 parent_job_name 지정된 이름과 일치하는 모든 작업을 나열합니다.

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 job restore

보관된 작업을 복원합니다.

보관된 작업이 복원되면 목록 쿼리(az ml job list)에서 더 이상 숨겨지지 않습니다.

az ml job restore --name
                  --resource-group
                  --workspace-name

필수 매개 변수

--name -n

작업의 이름입니다.

--resource-group -g

리소스 그룹의 이름입니다. az configure --defaults group=<name>을 사용하여 기본 그룹을 구성할 수 있습니다.

--workspace-name -w

Azure ML 작업 영역의 이름입니다. 를 사용하여 az configure --defaults workspace=<name>기본 작업 영역을 구성할 수 있습니다.

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 job show

작업에 대한 세부 정보를 표시합니다.

az ml job show --name
               --resource-group
               --workspace-name
               [--web]

예제

--query 인수를 사용하여 명령 결과에 대한 JMESPath 쿼리를 실행하는 작업의 상태 표시합니다.

az ml job show --name my-job-id --query "{Name:name,Jobstatus:status}"  --output table --resource-group my-resource-group --workspace-name my-workspace

필수 매개 변수

--name -n

작업의 이름입니다.

--resource-group -g

리소스 그룹의 이름입니다. az configure --defaults group=<name>을 사용하여 기본 그룹을 구성할 수 있습니다.

--workspace-name -w

Azure ML 작업 영역의 이름입니다. 를 사용하여 az configure --defaults workspace=<name>기본 작업 영역을 구성할 수 있습니다.

선택적 매개 변수

--web -e

웹 브라우저의 Azure ML Studio에서 작업의 실행 세부 정보를 표시합니다.

기본값: False

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 job show-services

노드당 작업의 서비스를 표시합니다.

az ml job show-services --name
                        --resource-group
                        --workspace-name
                        [--node-index]

예제

--query 인수를 사용하여 명령 결과에 대한 JMESPath 쿼리를 실행하는 노드당 작업의 서비스를 표시합니다.

az ml job show-services --name my-job-id --node-index 0 --query "{Name:name,Jobstatus:status}"  --output table --resource-group my-resource-group --workspace-name my-workspace

필수 매개 변수

--name -n

작업의 이름입니다.

--resource-group -g

리소스 그룹의 이름입니다. az configure --defaults group=<name>을 사용하여 기본 그룹을 구성할 수 있습니다.

--workspace-name -w

Azure ML 작업 영역의 이름입니다. 를 사용하여 az configure --defaults workspace=<name>기본 작업 영역을 구성할 수 있습니다.

선택적 매개 변수

--node-index -i

서비스를 표시해야 하는 노드의 인덱스입니다.

기본값: 0

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 job stream

작업 로그를 콘솔로 스트리밍합니다.

az ml job stream --name
                 --resource-group
                 --workspace-name

필수 매개 변수

--name -n

작업의 이름입니다.

--resource-group -g

리소스 그룹의 이름입니다. az configure --defaults group=<name>을 사용하여 기본 그룹을 구성할 수 있습니다.

--workspace-name -w

Azure ML 작업 영역의 이름입니다. 를 사용하여 az configure --defaults workspace=<name>기본 작업 영역을 구성할 수 있습니다.

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 job update

작업을 업데이트합니다.

'tags' 및 'properties' 속성만 업데이트할 수 있습니다.

az ml job update --name
                 --resource-group
                 --workspace-name
                 [--add]
                 [--force-string]
                 [--remove]
                 [--set]
                 [--web]

필수 매개 변수

--name -n

작업의 이름입니다.

--resource-group -g

리소스 그룹의 이름입니다. az configure --defaults group=<name>을 사용하여 기본 그룹을 구성할 수 있습니다.

--workspace-name -w

Azure ML 작업 영역의 이름입니다. 를 사용하여 az configure --defaults workspace=<name>기본 작업 영역을 구성할 수 있습니다.

선택적 매개 변수

--add

경로 및 키 값 쌍을 지정하여 개체 목록에 개체를 추가합니다. 예: --add property.listProperty <key=value, string or JSON string>

기본값: []

--force-string

'set' 또는 'add'를 사용하는 경우 JSON으로 변환하는 대신 문자열 리터럴을 유지합니다.

기본값: False

--remove

목록에서 속성 또는 요소를 제거합니다. 예: --remove property.list <indexToRemove> OR --remove propertyToRemove.

기본값: []

--set

설정할 속성 경로와 값을 지정하여 개체를 업데이트합니다. 예: --set property1.property2=<value>

기본값: []

--web -e

웹 브라우저의 Azure ML Studio에서 작업의 실행 세부 정보를 표시합니다.

기본값: False

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 job validate

작업의 유효성을 검사합니다. 이 명령은 현재 파이프라인 작업에 대해서만 작동합니다.

이 명령은 YAML 사양 파일의 유효성을 검사하여 작업 생성에 유효한지 검사 발견된 모든 문제를 반환합니다. 유효성 검사에는 누락된 필드, 버전이 지정되지 않은 환경, 존재하지 않는 로컬 경로라고 하는 코드와 같은 스키마에 대한 로컬 검사 기본 포함되며, 대상 작업 영역에 참조된 컴퓨팅 대상이 있는지도 검사. 유효성 검사 결과는 오류와 경고를 포함하여 콘솔에 출력됩니다. 오류만 있으면 유효성 검사가 실패합니다. 유효성 검사를 통과한 작업을 제출할 수 있습니다. 이 명령은 현재 파이프라인 작업에 대해서만 작동합니다.

az ml job validate --file
                   --resource-group
                   --workspace-name
                   [--set]

예제

YAML 사양 파일의 유효성을 검사하여 작업 생성에 유효한지 검사.

az ml job validate --file job.yml --resource-group my-resource-group --workspace-name my-workspace

필수 매개 변수

--file -f

Azure ML 작업 사양을 포함하는 YAML 파일의 로컬 경로입니다. 작업에 대한 YAML 참조 문서는 다음 위치에서 https://aka.ms/ml-cli-v2-job-pipeline-yaml-reference찾을 수 있습니다.

--resource-group -g

리소스 그룹의 이름입니다. az configure --defaults group=<name>을 사용하여 기본 그룹을 구성할 수 있습니다.

--workspace-name -w

Azure ML 작업 영역의 이름입니다. 를 사용하여 az configure --defaults workspace=<name>기본 작업 영역을 구성할 수 있습니다.

선택적 매개 변수

--set

설정할 속성 경로와 값을 지정하여 개체를 업데이트합니다. 예: --set property1.property2=.

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.