Delen via


Model Klas

Vertegenwoordigt het resultaat van machine learning-training.

Een model is het resultaat van een Azure Machine Learning-training Run of een ander modeltrainingsproces buiten Azure. Ongeacht hoe het model wordt geproduceerd, kan het worden geregistreerd in een werkruimte, waar het wordt vertegenwoordigd door een naam en een versie. Met de klasse Model kunt u modellen verpakken voor gebruik met Docker en deze implementeren als een realtime eindpunt dat kan worden gebruikt voor deductieaanvragen.

Zie Afbeeldingsclassificatiemodel trainen met MNIST-gegevens en scikit-learn met Azure Machine Learning voor een end-to-end-zelfstudie waarin wordt getoond hoe modellen worden gemaakt, beheerd en gebruikt.

Modelconstructor.

De modelconstructor wordt gebruikt om een cloudweergave op te halen van een modelobject dat is gekoppeld aan de opgegeven werkruimte. Moet een naam of id opgeven.

Overname
builtins.object
Model

Constructor

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

Parameters

Name Description
workspace
Vereist

Het werkruimteobject met het model dat moet worden opgehaald.

name
str

De naam van het model dat moet worden opgehaald. Het meest recente model met de opgegeven naam wordt geretourneerd, als dit bestaat.

Default value: None
id
str

De id van het model dat moet worden opgehaald. Het model met de opgegeven id wordt geretourneerd, als dit bestaat.

Default value: None
tags

Een optionele lijst met tags die worden gebruikt om geretourneerde resultaten te filteren. Resultaten worden gefilterd op basis van de opgegeven lijst, door te zoeken op 'sleutel' of '[sleutel, waarde]'. Bijvoorbeeld ['key', ['key2', 'key2 value']]

Default value: None
properties

Een optionele lijst met eigenschappen die worden gebruikt om geretourneerde resultaten te filteren. Resultaten worden gefilterd op basis van de opgegeven lijst, door te zoeken op 'sleutel' of '[sleutel, waarde]'. Bijvoorbeeld ['key', ['key2', 'key2 value']]

Default value: None
version
int

De modelversie die moet worden geretourneerd. Wanneer deze samen met de name parameter wordt opgegeven, wordt de specifieke versie van het opgegeven benoemde model geretourneerd, als deze bestaat. Als version u dit weglaat, wordt de laatste versie van het model geretourneerd.

Default value: None
run_id
str

Optionele id die wordt gebruikt om geretourneerde resultaten te filteren.

Default value: None
model_framework
str

Optionele frameworknaam die wordt gebruikt om geretourneerde resultaten te filteren. Indien opgegeven, worden resultaten geretourneerd voor de modellen die overeenkomen met het opgegeven framework. Zie Framework voor toegestane waarden.

Default value: None
workspace
Vereist

Het werkruimteobject met het model dat moet worden opgehaald.

name
Vereist
str

De naam van het model dat moet worden opgehaald. Het meest recente model met de opgegeven naam wordt geretourneerd, als dit bestaat.

id
Vereist
str

De id van het model dat moet worden opgehaald. Het model met de opgegeven id wordt geretourneerd, als dit bestaat.

tags
Vereist

Een optionele lijst met tags die worden gebruikt om geretourneerde resultaten te filteren. Resultaten worden gefilterd op basis van de opgegeven lijst, door te zoeken op 'sleutel' of '[sleutel, waarde]'. Bijvoorbeeld ['key', ['key2', 'key2 value']]

properties
Vereist

Een optionele lijst met eigenschappen die worden gebruikt om geretourneerde resultaten te filteren. Resultaten worden gefilterd op basis van de opgegeven lijst, door te zoeken op 'sleutel' of '[sleutel, waarde]'. Bijvoorbeeld ['key', ['key2', 'key2 value']]

version
Vereist
int

De modelversie die moet worden geretourneerd. Wanneer deze samen met de name parameter wordt opgegeven, wordt de specifieke versie van het opgegeven benoemde model geretourneerd, als deze bestaat. Als version u dit weglaat, wordt de laatste versie van het model geretourneerd.

run_id
Vereist
str

Optionele id die wordt gebruikt om geretourneerde resultaten te filteren.

model_framework
Vereist
str

Optionele frameworknaam die wordt gebruikt om geretourneerde resultaten te filteren. Indien opgegeven, worden resultaten geretourneerd voor de modellen die overeenkomen met het opgegeven framework. Zie Framework voor toegestane waarden.

expand

Indien waar, retourneert modellen met alle ingevulde subeigenschappen, bijvoorbeeld uitvoeren, gegevensset en experiment.

Default value: True

Opmerkingen

De modelconstructor wordt gebruikt om een cloudweergave op te halen van een modelobject dat is gekoppeld aan de opgegeven werkruimte. Ten minste de naam of id moet worden opgegeven om modellen op te halen, maar er zijn ook andere opties voor filteren, waaronder tags, eigenschappen, versie, uitvoerings-id en framework.


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

In het volgende voorbeeld ziet u hoe u een specifieke versie van een model ophaalt.


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

Als u een model registreert, wordt er een logische container gemaakt voor een of meer bestanden waaruit uw model bestaat. Naast de inhoud van het modelbestand zelf slaat een geregistreerd model ook metagegevens van het model op, waaronder modelbeschrijving, tags en frameworkgegevens, die handig zijn bij het beheren en implementeren van het model in uw werkruimte. Met tags kunt u bijvoorbeeld uw modellen categoriseren en filters toepassen bij het weergeven van modellen in uw werkruimte. Na de registratie kunt u het geregistreerde model downloaden of implementeren en alle geregistreerde bestanden en metagegevens ontvangen.

In het volgende voorbeeld ziet u hoe u een model registreert met tags en een beschrijving.


   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)

Volledig voorbeeld is beschikbaar via https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

In het volgende voorbeeld ziet u hoe u een model registreert dat een framework, invoer- en uitvoergegevenssets en resourceconfiguratie opgeeft.


   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)

De sectie Variabelen bevat kenmerken van een lokale weergave van het cloudmodelobject. Deze variabelen moeten worden beschouwd als alleen-lezen. Het wijzigen van de waarden wordt niet weergegeven in het bijbehorende cloudobject.

Variabelen

Name Description
created_by

De gebruiker die het model heeft gemaakt.

created_time

Toen het model werd gemaakt.

azureml.core.Model.description

Een beschrijving van het object Model.

azureml.core.Model.id

De model-id. Dit heeft de vorm van <modelnaam>:<modelversie>.

mime_type
str

Het mime-type Model.

azureml.core.Model.name

De naam van het model.

model_framework
str

Het framework van het model.

model_framework_version
str

De frameworkversie van het model.

azureml.core.Model.tags

Een woordenlijst met tags voor het object Model.

azureml.core.Model.properties

Woordenlijst met sleutelwaarde-eigenschappen voor het model. Deze eigenschappen kunnen niet worden gewijzigd na registratie, maar er kunnen wel nieuwe sleutelwaardeparen worden toegevoegd.

unpack

Of het model moet worden uitgepakt (ondoeld) wanneer het naar een lokale context wordt getrokken.

url
str

De URL-locatie van het model.

azureml.core.Model.version

De versie van het model.

azureml.core.Model.workspace

De werkruimte met het model.

azureml.core.Model.experiment_name

De naam van het experiment waarmee het model is gemaakt.

azureml.core.Model.run_id

De id van de Run waarmee het model is gemaakt.

parent_id
str

De id van het bovenliggende model van het model.

derived_model_ids

Een lijst met model-id's die zijn afgeleid van dit model.

resource_configuration

De ResourceConfiguration voor dit model. Wordt gebruikt voor profilering.

Methoden

add_dataset_references

Koppel de opgegeven gegevenssets aan dit model.

add_properties

Voeg sleutelwaardeparen toe aan de eigenschappenwoordenlijst van dit model.

add_tags

Voeg sleutelwaardeparen toe aan de woordenlijst met tags van dit model.

delete

Verwijder dit model uit de bijbehorende werkruimte.

deploy

Een webservice implementeren vanuit nul of meer Model objecten.

De resulterende webservice is een realtime-eindpunt dat kan worden gebruikt voor deductieaanvragen. De functie Model deploy is vergelijkbaar met de deploy functie van de Webservice klasse, maar registreert de modellen niet. Gebruik de functie Model deploy als u modelobjecten hebt die al zijn geregistreerd.

deserialize

Converteer een JSON-object naar een modelobject.

De conversie mislukt als de opgegeven werkruimte niet de werkruimte is waarmee het model is geregistreerd.

download

Download het model naar de doelmap van het lokale bestandssysteem.

get_model_path

Retourneer het pad naar het model.

De functie zoekt het model op de volgende locaties.

Als version de optie Geen is:

  1. Downloaden van extern naar cache (als werkruimte is opgegeven)
  2. Laden uit cache azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Als version niet Geen is:

  1. Laden uit cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Downloaden van extern naar cache (als werkruimte is opgegeven)
get_sas_urls

Retourneert een woordenlijst met sleutel-waardeparen die bestandsnamen en bijbehorende SAS-URL's bevatten.

list

Haal een lijst op met alle modellen die zijn gekoppeld aan de opgegeven werkruimte, met optionele filters.

package

Maak een modelpakket in de vorm van een Docker-installatiekopieën of dockerfile-buildcontext.

print_configuration

De gebruikersconfiguratie afdrukken.

profile

Profielen van het model om aanbevelingen voor resourcevereisten op te halen.

Dit is een langdurige bewerking die tot 25 minuten kan duren, afhankelijk van de grootte van de gegevensset.

register

Registreer een model bij de opgegeven werkruimte.

remove_tags

Verwijder de opgegeven sleutels uit de woordenlijst met tags van dit model.

serialize

Converteer dit model naar een met JSON geserialiseerde woordenlijst.

update

Voer een in-place update van het model uit.

Bestaande waarden van opgegeven parameters worden vervangen.

update_tags_properties

Voer een update uit van de tags en eigenschappen van het model.

add_dataset_references

Koppel de opgegeven gegevenssets aan dit model.

add_dataset_references(datasets)

Parameters

Name Description
datasets
Vereist
list[tuple(<xref:str :> (Dataset of DatasetSnapshot))]

Een lijst met tuples die een koppeling van het doel van de gegevensset met het gegevenssetobject vertegenwoordigen.

Uitzonderingen

Type Description

add_properties

Voeg sleutelwaardeparen toe aan de eigenschappenwoordenlijst van dit model.

add_properties(properties)

Parameters

Name Description
properties
Vereist
dict(<xref:str : str>)

De woordenlijst met eigenschappen die u wilt toevoegen.

Uitzonderingen

Type Description

add_tags

Voeg sleutelwaardeparen toe aan de woordenlijst met tags van dit model.

add_tags(tags)

Parameters

Name Description
tags
Vereist
dict(<xref:{str : str}>)

De woordenlijst met tags die u wilt toevoegen.

Uitzonderingen

Type Description

delete

Verwijder dit model uit de bijbehorende werkruimte.

delete()

Uitzonderingen

Type Description

deploy

Een webservice implementeren vanuit nul of meer Model objecten.

De resulterende webservice is een realtime-eindpunt dat kan worden gebruikt voor deductieaanvragen. De functie Model deploy is vergelijkbaar met de deploy functie van de Webservice klasse, maar registreert de modellen niet. Gebruik de functie Model deploy als u modelobjecten hebt die al zijn geregistreerd.

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

Parameters

Name Description
workspace
Vereist

Een werkruimteobject om de webservice aan te koppelen.

name
Vereist
str

De naam voor de geïmplementeerde service. Moet uniek zijn voor de werkruimte, alleen bestaan uit kleine letters, cijfers of streepjes, beginnen met een letter en tussen 3 en 32 tekens lang zijn.

models
Vereist

Een lijst met modelobjecten. Kan een lege lijst zijn.

inference_config

Een InferenceConfig-object dat wordt gebruikt om vereiste modeleigenschappen te bepalen.

Default value: None
deployment_config

Een WebserviceDeploymentConfiguration die wordt gebruikt om de webservice te configureren. Als er geen wordt opgegeven, wordt een leeg configuratieobject gebruikt op basis van het gewenste doel.

Default value: None
deployment_target

Een ComputeTarget om de webservice te implementeren. Aangezien Azure Container Instances geen gekoppeld ComputeTargetheeft, laat u deze parameter op Geen staan om te implementeren in Azure Container Instances.

Default value: None
overwrite

Geeft aan of de bestaande service moet worden overschreven als er al een service met de opgegeven naam bestaat.

Default value: False
show_output

Geeft aan of de voortgang van de service-implementatie moet worden weergegeven.

Default value: False

Retouren

Type Description

Een webserviceobject dat overeenkomt met de geïmplementeerde webservice.

Uitzonderingen

Type Description

deserialize

Converteer een JSON-object naar een modelobject.

De conversie mislukt als de opgegeven werkruimte niet de werkruimte is waarmee het model is geregistreerd.

static deserialize(workspace, model_payload)

Parameters

Name Description
workspace
Vereist

Het werkruimteobject waarmee het model is geregistreerd.

model_payload
Vereist

Een JSON-object dat moet worden geconverteerd naar een modelobject.

Retouren

Type Description

De modelweergave van het opgegeven JSON-object.

Uitzonderingen

Type Description

download

Download het model naar de doelmap van het lokale bestandssysteem.

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

Parameters

Name Description
target_dir
str

Het pad naar een map waarin het model moet worden gedownload. Standaard ingesteld op ''.

Default value: .
exist_ok

Geeft aan of gedownloade dir/bestanden moeten worden vervangen als deze bestaan. Standaard ingesteld op False.

Default value: False
exists_ok

AFGEKEURD. Gebruik exist_ok.

Default value: None

Retouren

Type Description
str

Het pad naar het bestand of de map van het model.

Uitzonderingen

Type Description

get_model_path

Retourneer het pad naar het model.

De functie zoekt het model op de volgende locaties.

Als version de optie Geen is:

  1. Downloaden van extern naar cache (als werkruimte is opgegeven)
  2. Laden uit cache azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Als version niet Geen is:

  1. Laden uit cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Downloaden van extern naar cache (als werkruimte is opgegeven)
static get_model_path(model_name, version=None, _workspace=None)

Parameters

Name Description
model_name
Vereist
str

De naam van het model dat moet worden opgehaald.

version
int

De versie van het model dat moet worden opgehaald. De standaardinstelling is de nieuwste versie.

Default value: None
_workspace

De werkruimte waaruit een model wordt opgehaald. Kan niet extern worden gebruikt. Als dit niet is opgegeven, wordt alleen de lokale cache doorzocht.

Default value: None

Retouren

Type Description
str

Het pad op schijf naar het model.

Uitzonderingen

Type Description

get_sas_urls

Retourneert een woordenlijst met sleutel-waardeparen die bestandsnamen en bijbehorende SAS-URL's bevatten.

get_sas_urls()

Retouren

Type Description

Woordenlijst van sleutel-waardeparen met bestandsnamen en bijbehorende SAS-URL's

Uitzonderingen

Type Description

list

Haal een lijst op met alle modellen die zijn gekoppeld aan de opgegeven werkruimte, met optionele filters.

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)

Parameters

Name Description
workspace
Vereist

Het werkruimteobject waaruit modellen moeten worden opgehaald.

name
str

Indien opgegeven, retourneert alleen modellen met de opgegeven naam, indien aanwezig.

Default value: None
tags

Filtert op basis van de opgegeven lijst, op 'sleutel' of '[sleutel, waarde]'. Bijvoorbeeld ['key', ['key2', 'key2 value']]

Default value: None
properties

Filtert op basis van de opgegeven lijst, op 'sleutel' of '[sleutel, waarde]'. Bijvoorbeeld ['key', ['key2', 'key2 value']]

Default value: None
run_id
str

Filtert op basis van de opgegeven uitvoerings-id.

Default value: None
latest

Indien waar, retourneert alleen modellen met de nieuwste versie.

Default value: False
dataset_id
str

Filtert op basis van de opgegeven gegevensset-id.

Default value: None
expand

Indien waar, retourneert modellen met alle subeigenschappen ingevuld, bijvoorbeeld uitvoeren, gegevensset en experiment. Als u dit instelt op false, wordt de list()-methode sneller voltooid in het geval van veel modellen.

Default value: True
page_count
int

Het aantal items dat op een pagina moet worden opgehaald. Momenteel worden waarden tot 255 ondersteund. De standaardwaarde is 255.

Default value: 255
model_framework
str

Indien opgegeven, retourneert alleen modellen met het opgegeven framework, indien van toepassing.

Default value: None

Retouren

Type Description

Een lijst met modellen, optioneel gefilterd.

Uitzonderingen

Type Description

package

Maak een modelpakket in de vorm van een Docker-installatiekopieën of dockerfile-buildcontext.

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

Parameters

Name Description
workspace
Vereist

De werkruimte waarin het pakket moet worden gemaakt.

models
Vereist

Een lijst met modelobjecten die moeten worden opgenomen in het pakket. Kan een lege lijst zijn.

inference_config

Een InferenceConfig-object om de werking van de modellen te configureren. Dit moet een Environment-object bevatten.

Default value: None
generate_dockerfile

Of u een Dockerfile wilt maken dat lokaal kan worden uitgevoerd in plaats van een installatiekopieën te maken.

Default value: False
image_name
str

Bij het bouwen van een installatiekopieën, de naam voor de resulterende installatiekopieën.

Default value: None
image_label
str

Bij het bouwen van een installatiekopieën, het label voor de resulterende afbeelding.

Default value: None

Retouren

Type Description

Een ModelPackage-object.

Uitzonderingen

Type Description

print_configuration

De gebruikersconfiguratie afdrukken.

static print_configuration(models, inference_config, deployment_config, deployment_target)

Parameters

Name Description
models
Vereist

Een lijst met modelobjecten. Kan een lege lijst zijn.

inference_config
Vereist

Een InferenceConfig-object dat wordt gebruikt om de vereiste modeleigenschappen te bepalen.

deployment_config
Vereist

Een WebserviceDeploymentConfiguration die wordt gebruikt om de webservice te configureren.

deployment_target
Vereist

A ComputeTarget om de webservice in te implementeren.

Uitzonderingen

Type Description

profile

Profielen van het model om aanbevelingen voor resourcevereisten op te halen.

Dit is een langdurige bewerking die tot 25 minuten kan duren, afhankelijk van de grootte van de gegevensset.

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

Parameters

Name Description
workspace
Vereist

Een werkruimteobject waarin het model moet worden geprofilleerd.

profile_name
Vereist
str

De naam van de profileringsuitvoering.

models
Vereist

Een lijst met modelobjecten. Kan een lege lijst zijn.

inference_config
Vereist

Een InferenceConfig-object dat wordt gebruikt om de vereiste modeleigenschappen te bepalen.

input_dataset
Vereist

De invoergegevensset voor profilering. De invoergegevensset moet één kolom hebben en voorbeeldinvoer moet de tekenreeksindeling hebben.

cpu

Het aantal CPU-kernen dat moet worden gebruikt op het grootste testexemplaren. Momenteel worden waarden tot 3,5 ondersteund.

Default value: None
memory_in_gb

De hoeveelheid geheugen (in GB) die op het grootste testexemplaren moet worden gebruikt. Kan een decimaal getal zijn. Momenteel worden waarden tot 15.0 ondersteund.

Default value: None
description
str

Beschrijving die moet worden gekoppeld aan de profileringsuitvoering.

Default value: None

Retouren

Type Description

Uitzonderingen

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

register

Registreer een model bij de opgegeven werkruimte.

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)

Parameters

Name Description
workspace
Vereist

De werkruimte waarmee het model moet worden geregistreerd.

model_path
Vereist
str

Het pad op het lokale bestandssysteem waar de modelassets zich bevinden. Dit kan een directe verwijzing naar één bestand of map zijn. Als u naar een map wijst, kan de child_paths parameter worden gebruikt om afzonderlijke bestanden op te geven die moeten worden gebundeld als het modelobject, in plaats van de hele inhoud van de map te gebruiken.

model_name
Vereist
str

De naam waarmee het model moet worden geregistreerd.

tags
dict(<xref:{str : str}>)

Een optionele woordenlijst met sleutelwaardetags die aan het model moeten worden toegewezen.

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

Een optionele woordenlijst met sleutelwaarde-eigenschappen die aan het model moeten worden toegewezen. Deze eigenschappen kunnen niet worden gewijzigd nadat het model is gemaakt, maar nieuwe sleutelwaardeparen kunnen wel worden toegevoegd.

Default value: None
description
str

Een tekstbeschrijving van het model.

Default value: None
datasets

Een lijst met tuples waarbij het eerste element de relatie gegevensset-model beschrijft en het tweede element de gegevensset is.

Default value: None
model_framework
str

Het framework van het geregistreerde model. Door de door het systeem ondersteunde constanten uit de Framework klasse te gebruiken, is een vereenvoudigde implementatie mogelijk voor een aantal populaire frameworks.

Default value: None
model_framework_version
str

De frameworkversie van het geregistreerde model.

Default value: None
child_paths

Als deze wordt opgegeven in combinatie met een model_path aan een map, worden alleen de opgegeven bestanden gebundeld in het object Model.

Default value: None
sample_input_dataset

Voorbeeld van invoergegevensset voor het geregistreerde model.

Default value: None
sample_output_dataset

Voorbeeld van uitvoergegevensset voor het geregistreerde model.

Default value: None
resource_configuration

Een resourceconfiguratie om het geregistreerde model uit te voeren.

Default value: None

Retouren

Type Description

Het geregistreerde modelobject.

Uitzonderingen

Type Description

Opmerkingen

Naast de inhoud van het modelbestand zelf slaat een geregistreerd model ook metagegevens van het model op, waaronder modelbeschrijving, tags en frameworkgegevens, die handig zijn bij het beheren en implementeren van het model in uw werkruimte. Met tags kunt u bijvoorbeeld uw modellen categoriseren en filters toepassen bij het weergeven van modellen in uw werkruimte.

In het volgende voorbeeld ziet u hoe u een model registreert met tags en een beschrijving.


   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)

Volledig voorbeeld is beschikbaar via https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

Als u een model hebt dat is geproduceerd als gevolg van een experimentuitvoering, kunt u het rechtstreeks vanuit een uitvoeringsobject registreren zonder het eerst naar een lokaal bestand te downloaden. Gebruik hiervoor de register_model methode zoals beschreven in de Run klasse.

remove_tags

Verwijder de opgegeven sleutels uit de woordenlijst met tags van dit model.

remove_tags(tags)

Parameters

Name Description
tags
Vereist

De lijst met sleutels die u wilt verwijderen

Uitzonderingen

Type Description

serialize

Converteer dit model naar een met JSON geserialiseerde woordenlijst.

serialize()

Retouren

Type Description

De json-weergave van dit model

Uitzonderingen

Type Description

update

Voer een in-place update van het model uit.

Bestaande waarden van opgegeven parameters worden vervangen.

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

Parameters

Name Description
tags
dict(<xref:{str : str}>)

Een woordenlijst met tags waarmee u het model kunt bijwerken. Deze tags vervangen bestaande tags voor het model.

Default value: None
description
str

De nieuwe beschrijving die moet worden gebruikt voor het model. Deze naam vervangt de bestaande naam.

Default value: None
sample_input_dataset

De voorbeeldinvoergegevensset die moet worden gebruikt voor het geregistreerde model. Deze voorbeeldinvoergegevensset vervangt de bestaande gegevensset.

Default value: None
sample_output_dataset

De voorbeelduitvoergegevensset die moet worden gebruikt voor het geregistreerde model. Deze voorbeelduitvoergegevensset vervangt de bestaande gegevensset.

Default value: None
resource_configuration

De resourceconfiguratie die moet worden gebruikt om het geregistreerde model uit te voeren.

Default value: None

Uitzonderingen

Type Description

update_tags_properties

Voer een update uit van de tags en eigenschappen van het model.

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

Parameters

Name Description
add_tags
dict(<xref:{str : str}>)

Een woordenlijst met tags die u wilt toevoegen.

Default value: None
remove_tags

Een lijst met tagnamen die u wilt verwijderen.

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

Een woordenlijst met eigenschappen die u wilt toevoegen.

Default value: None

Uitzonderingen

Type Description