Model 클래스

기계 학습 학습의 결과를 나타냅니다.

모델은 Azure Machine Learning 학습Run 또는 Azure 외부의 일부 다른 모델 학습 프로세스의 결과입니다. 모델이 어떻게 생성되든 상관없이 이름과 버전으로 표시되는 작업 영역에 등록할 수 있습니다. Model 클래스를 사용하면 Docker와 함께 사용할 모델을 패키지하고 유추 요청에 사용할 수 있는 실시간 엔드포인트로 배포할 수 있습니다.

모델이 만들기, 관리 및 사용되는 방법을 보여 주는 엔드투엔드 자습서는 Azure Machine Learning을 사용하여 MNIST 데이터 및 scikit-learn으로 이미지 분류 모델 학습을 참조하세요.

상속
builtins.object
Model

생성자

Model(workspace, name=None, id=None, tags=None, properties=None, version=None, run_id=None, model_framework=None, expand=True, **kwargs)

매개 변수

workspace
Workspace
필수

검색할 모델이 포함된 작업 영역 개체입니다.

name
str
기본값: None

검색할 모델의 이름입니다. 지정된 이름의 최신 모델이 있는 경우 반환됩니다.

id
str
기본값: None

검색할 모델의 ID입니다. 지정된 ID를 가진 모델이 있는 경우 반환됩니다.

tags
list
기본값: None

반환된 결과를 필터링하는 데 사용되는 선택적 태그 목록입니다. 결과는 'key' 또는 '[key, value]'로 검색하여 제공된 목록을 기반으로 필터링됩니다. 예: ['key', ['key2', 'key2 value']]

properties
list
기본값: None

반환된 결과를 필터링하는 데 사용되는 속성의 선택적 목록입니다. 결과는 'key' 또는 '[key, value]'로 검색하여 제공된 목록을 기반으로 필터링됩니다. 예: ['key', ['key2', 'key2 value']]

version
int
기본값: None

반환할 모델 버전입니다. name 매개 변수와 함께 제공되면 지정된 명명된 모델의 특정 버전이 반환됩니다(있는 경우). version을 생략하면 모델의 최신 버전이 반환됩니다.

run_id
str
기본값: None

반환된 결과를 필터링하는 데 사용되는 선택적 ID입니다.

model_framework
str
기본값: None

반환된 결과를 필터링하는 데 사용되는 선택적 프레임워크 이름입니다. 지정된 경우 지정된 프레임워크와 일치하는 모델에 대한 결과가 반환됩니다. 허용되는 값은 Framework를 참조하세요.

expand
기본값: True

설명

Model 생성자는 지정된 작업 영역과 연결된 Model 개체의 클라우드 표현을 검색하는 데 사용됩니다. 모델을 검색하려면 최소한 이름이나 ID를 제공해야 하지만 태그, 속성, 버전, 실행 ID 및 프레임워크를 포함하여 필터링을 위한 다른 옵션도 있습니다.


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

다음 샘플은 모델의 특정 버전을 가져오는 방법을 보여 줍니다.


   from azureml.core.model import Model
   model = Model(ws, 'my_model_name', version=1)

모델을 등록하면 모델을 구성하는 하나 이상의 파일에 대한 논리적 컨테이너가 만들어집니다. 모델 파일 자체의 내용 외에도 등록된 모델은 모델 설명, 태그 및 프레임워크 정보를 포함한 모델 메타데이터도 저장하므로 작업 영역에서 모델을 관리하고 배포할 때 유용합니다. 예를 들어, 태그를 사용하여 모델을 분류하고 작업 영역에 모델을 나열할 때 필터를 적용할 수 있습니다. 등록 후 등록된 모델을 다운로드하거나 배포하고 등록된 모든 파일과 메타데이터를 받을 수 있습니다.

다음 샘플은 태그와 설명을 지정하여 모델을 등록하는 방법을 보여 줍니다.


   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)

전체 샘플은 https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb에서 사용할 수 있습니다.

다음 샘플은 프레임워크, 입력 및 출력 데이터 세트, 리소스 구성을 지정하는 모델을 등록하는 방법을 보여 줍니다.


   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)

전체 샘플은 https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-cloud/model-register-and-deploy.ipynb에서 사용할 수 있습니다.

변수 섹션에는 클라우드 모델 개체의 로컬 표현 특성이 나열됩니다. 이러한 변수는 읽기 전용으로 간주되어야 합니다. 이러한 값을 변경해도 해당 클라우드 개체에 반영되지 않습니다.

변수

created_by
dict

모델을 만든 사용자입니다.

created_time
datetime

모델이 만들어진 경우.

azureml.core.Model.description

Model 개체에 대한 설명입니다.

azureml.core.Model.id

모델 ID입니다. 이는 <모델 이름>:<모델 버전> 형식을 사용합니다.

mime_type
str

모델 MIME 형식입니다.

azureml.core.Model.name

모델의 이름입니다.

model_framework
str

모델의 프레임워크입니다.

model_framework_version
str

모델의 프레임워크 버전입니다.

azureml.core.Model.tags

Model 개체에 대한 태그 사전입니다.

azureml.core.Model.properties

모델에 대한 키 값 속성의 사전입니다. 이러한 속성은 등록 후에 변경할 수 없지만 새 키 값 쌍을 추가할 수 있습니다.

unpack
bool

모델을 로컬 컨텍스트로 가져올 때 압축을 풀어야 하는지 여부를 나타냅니다.

url
str

모델의 URL 위치입니다.

azureml.core.Model.version

모델의 버전입니다.

azureml.core.Model.workspace

모델을 포함하는 작업 영역입니다.

azureml.core.Model.experiment_name

모델을 만든 실험의 이름입니다.

azureml.core.Model.run_id

모델을 만든 실행의 ID입니다.

parent_id
str

모델의 부모 모델 ID입니다.

derived_model_ids
list[str]

이 모델에서 파생된 모델 ID 목록입니다.

resource_configuration
ResourceConfiguration

이 모델의 ResourceConfiguration입니다. 프로파일링에 사용됩니다.

메서드

add_dataset_references

제공된 데이터 세트를 이 모델과 연결합니다.

add_properties

이 모델의 속성 사전에 키 값 쌍을 추가합니다.

add_tags

이 모델의 태그 사전에 키 값 쌍을 추가합니다.

delete

연결된 작업 영역에서 이 모델을 삭제합니다.

deploy

0개 이상의 Model 개체에서 Webservice를 배포합니다.

결과 Webservice는 유추 요청에 사용할 수 있는 실시간 엔드포인트입니다. 모델 deploy 함수는 Webservice 클래스의 deploy 함수와 유사하지만 모델을 등록하지 않습니다. 이미 등록된 모델 개체가 있는 경우 모델 deploy 함수를 사용합니다.

deserialize

JSON 개체를 모델 개체로 변환합니다.

지정된 작업 영역이 모델이 등록된 작업 영역이 아닌 경우 변환에 실패합니다.

download

로컬 파일 시스템의 대상 디렉터리에 모델을 다운로드합니다.

get_model_path

모델에 대한 경로를 반환합니다.

이 함수는 다음 위치에서 모델을 검색합니다.

version이 None인 경우:

  1. 원격에서 캐시로 다운로드(작업 영역이 제공되는 경우)
  2. 캐시 azureml-models/$MODEL_NAME/$LATEST_VERSION/에서 로드
  3. ./$MODEL_NAME

version이 None이 아닌 경우:

  1. 캐시 azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/에서 로드
  2. 원격에서 캐시로 다운로드(작업 영역이 제공되는 경우)
get_sas_urls

파일 이름과 해당 SAS URL을 포함하는 키-값 쌍의 사전을 반환합니다.

list

선택적 필터를 사용하여 제공된 작업 영역과 연결된 모든 모델의 목록을 검색합니다.

package

Docker 이미지 또는 Dockerfile 빌드 컨텍스트의 형태로 모델 패키지를 만듭니다.

print_configuration

사용자 구성을 인쇄합니다.

profile

리소스 요구 사항 권장 사항을 가져오기 위해 모델을 프로파일링합니다.

이는 데이터 세트의 크기에 따라 최대 25분이 소요될 수 있는 장기 실행 작업입니다.

register

제공된 작업 영역에 모델을 등록합니다.

remove_tags

이 모델의 태그 사전에서 지정된 키를 제거합니다.

serialize

이 모델을 json 직렬화된 사전으로 변환합니다.

update

모델의 내부 업데이트를 수행합니다.

지정된 매개 변수의 기존 값이 대체됩니다.

update_tags_properties

모델의 태그 및 속성 업데이트를 수행합니다.

add_dataset_references

제공된 데이터 세트를 이 모델과 연결합니다.

add_dataset_references(datasets)

매개 변수

datasets
list[tuple(<xref:str : >(Dataset 또는 DatasetSnapshot))]
필수

데이터 세트 목적과 데이터 세트 개체의 쌍을 나타내는 튜플 목록입니다.

예외

add_properties

이 모델의 속성 사전에 키 값 쌍을 추가합니다.

add_properties(properties)

매개 변수

properties
dict(<xref:str : str>)
필수

추가할 속성의 사전입니다.

예외

add_tags

이 모델의 태그 사전에 키 값 쌍을 추가합니다.

add_tags(tags)

매개 변수

tags
dict(<xref:{str : str}>)
필수

추가할 태그의 사전입니다.

예외

delete

연결된 작업 영역에서 이 모델을 삭제합니다.

delete()

예외

deploy

0개 이상의 Model 개체에서 Webservice를 배포합니다.

결과 Webservice는 유추 요청에 사용할 수 있는 실시간 엔드포인트입니다. 모델 deploy 함수는 Webservice 클래스의 deploy 함수와 유사하지만 모델을 등록하지 않습니다. 이미 등록된 모델 개체가 있는 경우 모델 deploy 함수를 사용합니다.

static deploy(workspace, name, models, inference_config=None, deployment_config=None, deployment_target=None, overwrite=False, show_output=False)

매개 변수

workspace
Workspace
필수

Webservice를 연결할 작업 영역 개체입니다.

name
str
필수

배포된 서비스에 제공할 이름입니다. 작업 영역에서 고유해야 하며 소문자, 숫자 또는 대시로만 구성되고 문자로 시작하며 길이는 3~32자 사이여야 합니다.

models
list[Model]
필수

모델 개체 목록입니다. 빈 목록일 수 있습니다.

inference_config
InferenceConfig
기본값: None

필수 모델 속성을 결정하는 데 사용되는 InferenceConfig 개체입니다.

deployment_config
WebserviceDeploymentConfiguration
기본값: None

Webservice를 구성하는 데 사용되는 WebserviceDeploymentConfiguration입니다. 이 개체가 제공되지 않으면 원하는 대상에 따라 빈 구성 개체가 사용됩니다.

deployment_target
ComputeTarget
기본값: None

Webservice를 배포할 ComputeTarget입니다. Azure Container Instances에 연결된 ComputeTarget이 없으므로 이 매개 변수를 None으로 유지하여 Azure Container Instances에 배포합니다.

overwrite
bool
기본값: False

지정된 이름의 서비스가 이미 있는 경우 기존 서비스를 덮어쓸지 여부를 나타냅니다.

show_output
bool
기본값: False

서비스 배포 진행 상황을 표시할지 여부를 나타냅니다.

반환

배포된 Webservice에 해당하는 Webservice 개체입니다.

반환 형식

예외

deserialize

JSON 개체를 모델 개체로 변환합니다.

지정된 작업 영역이 모델이 등록된 작업 영역이 아닌 경우 변환에 실패합니다.

static deserialize(workspace, model_payload)

매개 변수

workspace
Workspace
필수

모델이 등록된 작업 영역 개체입니다.

model_payload
dict
필수

Model 개체로 변환할 JSON 개체입니다.

반환

제공된 JSON 개체의 모델 표현입니다.

반환 형식

예외

download

로컬 파일 시스템의 대상 디렉터리에 모델을 다운로드합니다.

download(target_dir='.', exist_ok=False, exists_ok=None)

매개 변수

target_dir
str
기본값: .

모델을 다운로드할 디렉터리의 경로입니다. 기본값은 "."입니다.

exist_ok
bool
기본값: False

다운로드한 디렉터리/파일이 있는 경우 이를 대체할지 여부를 나타냅니다. 기본값은 False입니다.

exists_ok
bool
기본값: None

사용되지 않습니다. exist_ok을 사용합니다.

반환

모델의 파일 또는 폴더에 대한 경로입니다.

반환 형식

str

예외

get_model_path

모델에 대한 경로를 반환합니다.

이 함수는 다음 위치에서 모델을 검색합니다.

version이 None인 경우:

  1. 원격에서 캐시로 다운로드(작업 영역이 제공되는 경우)
  2. 캐시 azureml-models/$MODEL_NAME/$LATEST_VERSION/에서 로드
  3. ./$MODEL_NAME

version이 None이 아닌 경우:

  1. 캐시 azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/에서 로드
  2. 원격에서 캐시로 다운로드(작업 영역이 제공되는 경우)
static get_model_path(model_name, version=None, _workspace=None)

매개 변수

model_name
str
필수

검색할 모델의 이름입니다.

version
int
기본값: None

검색할 모델의 버전입니다. 기본값은 최신 버전입니다.

_workspace
Workspace
기본값: None

모델을 검색할 작업 영역입니다. 원격으로 사용할 수 없습니다. 지정하지 않으면 로컬 캐시만 검색됩니다.

반환

모델에 대한 디스크의 경로입니다.

반환 형식

str

예외

get_sas_urls

파일 이름과 해당 SAS URL을 포함하는 키-값 쌍의 사전을 반환합니다.

get_sas_urls()

반환

파일 이름 및 해당 SAS URL을 포함하는 키-값 쌍 사전

반환 형식

예외

list

선택적 필터를 사용하여 제공된 작업 영역과 연결된 모든 모델의 목록을 검색합니다.

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)

매개 변수

workspace
Workspace
필수

모델을 검색할 작업 영역 개체입니다.

name
str
기본값: None

제공된 경우 지정된 이름이 있는 모델만 반환합니다.

tags
list
기본값: None

제공된 목록을 기준으로 'key' 또는 '[key, value]'로 필터링합니다. 예: ['key', ['key2', 'key2 value']]

properties
list
기본값: None

제공된 목록을 기준으로 'key' 또는 '[key, value]'로 필터링합니다. 예: ['key', ['key2', 'key2 value']]

run_id
str
기본값: None

제공된 실행 ID를 기반으로 필터링합니다.

latest
bool
기본값: False

true인 경우 최신 버전의 모델만 반환합니다.

dataset_id
str
기본값: None

제공된 데이터 세트 ID를 기반으로 필터링합니다.

expand
bool
기본값: True

true인 경우 모든 하위 속성이 채워진 모델을 반환합니다(예: 실행, 데이터 세트 및 실험). 이를 false로 설정하면 많은 모델의 경우 list() 메서드 완료 속도가 빨라집니다.

page_count
int
기본값: 255

한 페이지에서 검색할 항목의 수입니다. 현재 최대 255 값을 지원합니다. 기본값은 255입니다.

model_framework
str
기본값: None

제공된 경우 지정된 프레임워크가 있는 모델만 반환합니다(있는 경우).

반환

선택적으로 필터링된 모델 목록입니다.

반환 형식

예외

package

Docker 이미지 또는 Dockerfile 빌드 컨텍스트의 형태로 모델 패키지를 만듭니다.

static package(workspace, models, inference_config=None, generate_dockerfile=False, image_name=None, image_label=None)

매개 변수

workspace
Workspace
필수

패키지를 만들 작업 영역입니다.

models
list[Model]
필수

패키지에 포함할 모델 개체 목록입니다. 빈 목록일 수 있습니다.

inference_config
InferenceConfig
기본값: None

모델의 작업을 구성할 InferenceConfig 개체입니다. 여기에는 환경 개체가 포함되어야 합니다.

generate_dockerfile
bool
기본값: False

이미지를 빌드하는 대신 로컬에서 실행할 수 있는 Dockerfile을 만들지 여부를 나타냅니다.

image_name
str
기본값: None

이미지를 빌드할 때 결과 이미지의 이름입니다.

image_label
str
기본값: None

이미지를 빌드할 때 결과 이미지의 레이블입니다.

반환

ModelPackage 개체입니다.

반환 형식

예외

print_configuration

사용자 구성을 인쇄합니다.

static print_configuration(models, inference_config, deployment_config, deployment_target)

매개 변수

models
list[Model]
필수

모델 개체 목록입니다. 빈 목록일 수 있습니다.

inference_config
InferenceConfig
필수

필수 모델 속성을 결정하는 데 사용되는 InferenceConfig 개체입니다.

deployment_config
WebserviceDeploymentConfiguration
필수

Webservice를 구성하는 데 사용되는 WebserviceDeploymentConfiguration입니다.

deployment_target
ComputeTarget
필수

Webservice를 배포할 ComputeTarget입니다.

예외

profile

리소스 요구 사항 권장 사항을 가져오기 위해 모델을 프로파일링합니다.

이는 데이터 세트의 크기에 따라 최대 25분이 소요될 수 있는 장기 실행 작업입니다.

static profile(workspace, profile_name, models, inference_config, input_dataset, cpu=None, memory_in_gb=None, description=None)

매개 변수

workspace
Workspace
필수

모델을 프로파일링할 작업 영역 개체입니다.

profile_name
str
필수

프로파일링 실행의 이름입니다.

models
list[Model]
필수

모델 개체 목록입니다. 빈 목록일 수 있습니다.

inference_config
InferenceConfig
필수

필수 모델 속성을 결정하는 데 사용되는 InferenceConfig 개체입니다.

input_dataset
Dataset
필수

프로파일링을 위한 입력 데이터 세트입니다. 입력 데이터 세트에는 단일 열이 있어야 하고 샘플 입력은 문자열 형식이어야 합니다.

cpu
float
기본값: None

가장 큰 테스트 인스턴스에서 사용할 CPU 코어 수입니다. 현재 최대 3.5 값을 지원합니다.

memory_in_gb
float
기본값: None

가장 큰 테스트 인스턴스에서 사용할 메모리 양(GB)입니다. 10진수일 수 있습니다. 현재 최대 15.0 값을 지원합니다.

description
str
기본값: None

프로파일링 실행과 연결할 설명입니다.

반환 형식

예외

<xref:azureml.exceptions.WebserviceException>, <xref:azureml.exceptions.UserErrorException>

register

제공된 작업 영역에 모델을 등록합니다.

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)

매개 변수

workspace
Workspace
필수

모델을 등록할 작업 영역입니다.

model_path
str
필수

모델 자산이 있는 로컬 파일 시스템의 경로입니다. 이는 단일 파일 또는 폴더에 대한 직접 포인터일 수 있습니다. 폴더를 가리키는 경우 child_paths 매개 변수를 사용하여 폴더의 전체 내용을 사용하는 것과 달리 개별 파일을 모델 개체로 함께 묶을 수 있습니다.

model_name
str
필수

모델을 등록할 이름입니다.

tags
dict(<xref:{str : str}>)
기본값: None

모델에 할당할 키 값 태그의 선택적 사전입니다.

properties
dict(<xref:{str : str}>)
기본값: None

모델에 할당할 키 값 속성의 선택적 사전입니다. 이러한 속성은 모델 만든 후에 변경할 수 없지만 새 키 값 쌍을 추가할 수 있습니다.

description
str
기본값: None

이 모델에 대한 텍스트 설명입니다.

datasets
list[(str, AbstractDataset)]
기본값: None

첫 번째 요소가 데이터 세트 모델 관계를 설명하고 두 번째 요소가 데이터 세트인 튜플 목록입니다.

model_framework
str
기본값: None

등록된 모델의 프레임워크입니다. Framework 클래스의 시스템 지원 상수를 사용하면 일부 자주 사용되는 프레임워크에 대한 배포를 단순화할 수 있습니다.

model_framework_version
str
기본값: None

등록된 모델의 프레임워크 버전입니다.

child_paths
list[str]
기본값: None

폴더에 model_path와 함께 제공되는 경우 지정된 파일만 Model 개체에 번들로 제공됩니다.

sample_input_dataset
AbstractDataset
기본값: None

등록된 모델에 대한 샘플 입력 데이터 세트입니다.

sample_output_dataset
AbstractDataset
기본값: None

등록된 모델에 대한 샘플 출력 데이터 세트입니다.

resource_configuration
ResourceConfiguration
기본값: None

등록된 모델을 실행하기 위한 리소스 구성입니다.

반환

등록된 모델 개체입니다.

반환 형식

예외

설명

모델 파일 자체의 내용 외에도 등록된 모델은 모델 설명, 태그 및 프레임워크 정보를 포함한 모델 메타데이터도 저장하므로 작업 영역에서 모델을 관리하고 배포할 때 유용합니다. 예를 들어, 태그를 사용하여 모델을 분류하고 작업 영역에 모델을 나열할 때 필터를 적용할 수 있습니다.

다음 샘플은 태그와 설명을 지정하여 모델을 등록하는 방법을 보여 줍니다.


   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)

전체 샘플은 https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb에서 사용할 수 있습니다.

실험 실행의 결과로 생성된 모델이 있는 경우 먼저 로컬 파일에 다운로드하지 않고 실행 개체에서 직접 등록할 수 있습니다. 그렇게 하려면 Run 클래스에 설명된 대로 register_model 메서드를 사용합니다.

remove_tags

이 모델의 태그 사전에서 지정된 키를 제거합니다.

remove_tags(tags)

매개 변수

tags
list[str]
필수

제거할 키 목록입니다.

예외

serialize

이 모델을 json 직렬화된 사전으로 변환합니다.

serialize()

반환

이 모델의 json 표현입니다.

반환 형식

예외

update

모델의 내부 업데이트를 수행합니다.

지정된 매개 변수의 기존 값이 대체됩니다.

update(tags=None, description=None, sample_input_dataset=None, sample_output_dataset=None, resource_configuration=None)

매개 변수

tags
dict(<xref:{str : str}>)
기본값: None

모델을 업데이트하는 데 사용할 태그 사전입니다. 이러한 태그는 모델의 기존 태그를 대체합니다.

description
str
기본값: None

모델에 사용할 새 설명입니다. 이 이름은 기존 이름을 대체합니다.

sample_input_dataset
AbstractDataset
기본값: None

등록된 모델에 사용할 샘플 입력 데이터 세트입니다. 이 샘플 입력 데이터 세트는 기존 데이터 세트를 대체합니다.

sample_output_dataset
AbstractDataset
기본값: None

등록된 모델에 사용할 샘플 출력 데이터 세트입니다. 이 샘플 출력 데이터 세트는 기존 데이터 세트를 대체합니다.

resource_configuration
ResourceConfiguration
기본값: None

등록된 모델을 실행하는 데 사용할 리소스 구성입니다.

예외

update_tags_properties

모델의 태그 및 속성 업데이트를 수행합니다.

update_tags_properties(add_tags=None, remove_tags=None, add_properties=None)

매개 변수

add_tags
dict(<xref:{str : str}>)
기본값: None

추가할 태그 사전입니다.

remove_tags
list[str]
기본값: None

제거할 태그 이름 목록입니다.

add_properties
dict(<xref:{str : str}>)
기본값: None

추가할 속성의 사전입니다.

예외