Delen via


BatchDeploymentOperations Klas

BatchDeploymentOperations.

U moet deze klasse niet rechtstreeks instantiëren. In plaats daarvan moet u een MLClient-exemplaar maken dat het voor u instanteert en als een kenmerk koppelt.

Overname
azure.ai.ml._scope_dependent_operations._ScopeDependentOperations
BatchDeploymentOperations

Constructor

BatchDeploymentOperations(operation_scope: OperationScope, operation_config: OperationConfig, service_client_05_2022: AzureMachineLearningWorkspaces, all_operations: OperationsContainer, credentials: TokenCredential | None = None, **kwargs: Dict)

Parameters

operation_scope
<xref:azure.ai.ml._scope_dependent_operations.OperationScope>
Vereist

Bereikvariabelen voor de bewerkingsklassen van een MLClient-object.

operation_config
<xref:azure.ai.ml._scope_dependent_operations.OperationConfig>
Vereist

Algemene configuratie voor bewerkingsklassen van een MLClient-object.

service_client_05_2022
<xref:<xref:azure.ai.ml._restclient.v2022_05_01._azure_machine_learning_workspaces. AzureMachineLearningWorkspaces>>
Vereist

Serviceclient zodat eindgebruikers kunnen werken met Azure Machine Learning-werkruimteresources.

all_operations
<xref:azure.ai.ml._scope_dependent_operations.OperationsContainer>
Vereist

Alle bewerkingsklassen van een MLClient-object.

credentials
TokenCredential
standaardwaarde: None

Referenties die moeten worden gebruikt voor verificatie.

Methoden

begin_create_or_update

Een batchimplementatie maken of bijwerken.

begin_delete

Een batchimplementatie verwijderen.

get

Haal een implementatieresource op.

list

Een implementatieresource weergeven.

list_jobs

Lijst met taken onder de opgegeven batch-eindpuntimplementatie. Dit is alleen geldig voor batch-eindpunten.

begin_create_or_update

Een batchimplementatie maken of bijwerken.

begin_create_or_update(deployment: DeploymentType, *, skip_script_validation: bool = False, **kwargs) -> LROPoller[DeploymentType]

Parameters

deployment
BatchDeployment
Vereist

De implementatie-entiteit.

Retouren

Een poller om de bewerkingsstatus bij te houden.

Retourtype

Uitzonderingen

Gegenereerd als BatchDeployment niet kan worden gevalideerd. Meer informatie vindt u in het foutbericht.

Gegenereerd als BatchDeployment-assets (bijvoorbeeld gegevens, code, model, omgeving) niet kunnen worden gevalideerd. Meer informatie vindt u in het foutbericht.

Verhoogd als het BatchDeployment-model niet kan worden gevalideerd. Meer informatie vindt u in het foutbericht.

Voorbeelden

Voorbeeld maken.


   from azure.ai.ml import load_batch_deployment
   from azure.ai.ml.entities import BatchDeployment

   deployment_example = load_batch_deployment(
       source="./sdk/ml/azure-ai-ml/tests/test_configs/deployments/batch/batch_deployment_anon_env_with_image.yaml",
       params_override=[{"name": f"deployment-{randint(0, 1000)}", "endpoint_name": endpoint_example.name}],
   )

   ml_client.batch_deployments.begin_create_or_update(deployment=deployment_example, skip_script_validation=True)

begin_delete

Een batchimplementatie verwijderen.

begin_delete(name: str, endpoint_name: str) -> LROPoller[None]

Parameters

name
str
Vereist

Naam van de batchimplementatie.

endpoint_name
str
Vereist

Naam van het batch-eindpunt

Retouren

Een poller om de bewerkingsstatus bij te houden.

Retourtype

Uitzonderingen

Gegenereerd als BatchDeployment niet kan worden gevalideerd. Meer informatie vindt u in het foutbericht.

Gegenereerd als BatchDeployment-assets (bijvoorbeeld gegevens, code, model, omgeving) niet kunnen worden gevalideerd. Meer informatie vindt u in het foutbericht.

Verhoogd als het BatchDeployment-model niet kan worden gevalideerd. Meer informatie vindt u in het foutbericht.

Voorbeelden

Voorbeeld verwijderen.


   ml_client.batch_deployments.begin_delete(deployment_name, endpoint_name)

get

Haal een implementatieresource op.

get(name: str, endpoint_name: str) -> BatchDeployment

Parameters

name
str
Vereist

De naam van de implementatie

endpoint_name
str
Vereist

De naam van het eindpunt

Retouren

Een implementatie-entiteit

Retourtype

Uitzonderingen

Gegenereerd als BatchDeployment niet kan worden gevalideerd. Meer informatie vindt u in het foutbericht.

Gegenereerd als BatchDeployment-assets (bijvoorbeeld gegevens, code, model, omgeving) niet kunnen worden gevalideerd. Meer informatie vindt u in het foutbericht.

Verhoogd als het BatchDeployment-model niet kan worden gevalideerd. Meer informatie vindt u in het foutbericht.

Voorbeelden

Voorbeeld ophalen.


   ml_client.batch_deployments.get(deployment_name, endpoint_name)

list

Een implementatieresource weergeven.

list(endpoint_name: str) -> ItemPaged[BatchDeployment]

Parameters

endpoint_name
str
Vereist

De naam van het eindpunt

Retouren

Een iterator van implementatie-entiteiten

Retourtype

Uitzonderingen

Gegenereerd als BatchDeployment niet kan worden gevalideerd. Meer informatie vindt u in het foutbericht.

Gegenereerd als BatchDeployment-assets (bijvoorbeeld gegevens, code, model, omgeving) niet kunnen worden gevalideerd. Meer informatie vindt u in het foutbericht.

Verhoogd als het BatchDeployment-model niet kan worden gevalideerd. Meer informatie vindt u in het foutbericht.

Voorbeelden

Voorbeeld van implementatieresource weergeven.


   ml_client.batch_deployments.list(endpoint_name)

list_jobs

Lijst met taken onder de opgegeven batch-eindpuntimplementatie. Dit is alleen geldig voor batch-eindpunten.

list_jobs(endpoint_name: str, *, name: str | None = None) -> ItemPaged[BatchJob]

Parameters

endpoint_name
str
Vereist

Naam van eindpunt.

name
str

(Optioneel) Naam van implementatie.

Retouren

Lijst met taken

Retourtype

Uitzonderingen

Gegenereerd als BatchDeployment niet kan worden gevalideerd. Meer informatie vindt u in het foutbericht.

Gegenereerd als BatchDeployment-assets (bijvoorbeeld gegevens, code, model, omgeving) niet kunnen worden gevalideerd. Meer informatie vindt u in het foutbericht.

Verhoogd als het BatchDeployment-model niet kan worden gevalideerd. Meer informatie vindt u in het foutbericht.

Voorbeelden

Voorbeeld van een lijst met taken.


   ml_client.batch_deployments.list_jobs(deployment_name, endpoint_name)