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 over hoe modellen worden gemaakt, beheerd en gebruikt.
Modelconstructor.
De modelconstructor wordt gebruikt om een cloudweergave op te halen van een Model-object dat is gekoppeld aan de opgegeven werkruimte. U moet een naam of id opgeven.
- Overname
-
builtins.objectModel
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
|
De naam van het model dat moet worden opgehaald. Het meest recente model met de opgegeven naam wordt geretourneerd, als dit bestaat. standaardwaarde: None
|
id
|
De id van het model dat moet worden opgehaald. Het model met de opgegeven id wordt geretourneerd, als dit bestaat. standaardwaarde: 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']] standaardwaarde: 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']] standaardwaarde: None
|
version
|
De modelversie die moet worden geretourneerd. Wanneer deze samen met de standaardwaarde: None
|
run_id
|
Optionele id die wordt gebruikt om geretourneerde resultaten te filteren. standaardwaarde: None
|
model_framework
|
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. standaardwaarde: None
|
workspace
Vereist
|
Het werkruimteobject met het model dat moet worden opgehaald. |
name
Vereist
|
De naam van het model dat moet worden opgehaald. Het meest recente model met de opgegeven naam wordt geretourneerd, als dit bestaat. |
id
Vereist
|
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
|
De modelversie die moet worden geretourneerd. Wanneer deze samen met de |
run_id
Vereist
|
Optionele id die wordt gebruikt om geretourneerde resultaten te filteren. |
model_framework
Vereist
|
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. standaardwaarde: True
|
Opmerkingen
De modelconstructor wordt gebruikt om een cloudweergave op te halen van een Model-object 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, zoals op 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 worden in een geregistreerd model ook modelmetagegevens opgeslagen, inclusief modelbeschrijving, tags en frameworkgegevens. Dit is handig 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)
Het volledige 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 doorgevoerd 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
|
Het mime-type model. |
azureml.core.Model.name
|
De naam van het model. |
model_framework
|
Het framework van het model. |
model_framework_version
|
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 al dan niet moet worden uitgepakt (niet-doel) wanneer het naar een lokale context wordt gehaald. |
url
|
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
|
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 |
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
Als
|
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
|
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
|
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. standaardwaarde: 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. standaardwaarde: 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. standaardwaarde: None
|
overwrite
|
Geeft aan of de bestaande service moet worden overschreven als er al een service met de opgegeven naam bestaat. standaardwaarde: False
|
show_output
|
Geeft aan of de voortgang van de service-implementatie moet worden weergegeven. standaardwaarde: 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
|
Het pad naar een map waarin het model moet worden gedownload. Standaard ingesteld op ''. standaardwaarde: .
|
exist_ok
|
Geeft aan of gedownloade dir/bestanden moeten worden vervangen als deze bestaan. Standaard ingesteld op False. standaardwaarde: False
|
exists_ok
|
AFGEKEURD. Gebruik standaardwaarde: None
|
Retouren
Type | Description |
---|---|
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:
- Downloaden van extern naar cache (als werkruimte is opgegeven)
- Laden uit cache azureml-models/$MODEL_NAME/$LATEST_VERSION/
- ./$MODEL_NAME
Als version
niet Geen is:
- Laden uit cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
- 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
|
De naam van het model dat moet worden opgehaald. |
version
|
De versie van het model dat moet worden opgehaald. De standaardinstelling is de nieuwste versie. standaardwaarde: 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. standaardwaarde: None
|
Retouren
Type | Description |
---|---|
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
|
Indien opgegeven, retourneert alleen modellen met de opgegeven naam, indien aanwezig. standaardwaarde: None
|
tags
|
Filtert op basis van de opgegeven lijst, op 'sleutel' of '[sleutel, waarde]'. Bijvoorbeeld ['key', ['key2', 'key2 value']] standaardwaarde: None
|
properties
|
Filtert op basis van de opgegeven lijst, op 'sleutel' of '[sleutel, waarde]'. Bijvoorbeeld ['key', ['key2', 'key2 value']] standaardwaarde: None
|
run_id
|
Filtert op basis van de opgegeven uitvoerings-id. standaardwaarde: None
|
latest
|
Indien waar, retourneert alleen modellen met de nieuwste versie. standaardwaarde: False
|
dataset_id
|
Filtert op basis van de opgegeven gegevensset-id. standaardwaarde: 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. standaardwaarde: True
|
page_count
|
Het aantal items dat op een pagina moet worden opgehaald. Momenteel worden waarden tot 255 ondersteund. De standaardwaarde is 255. standaardwaarde: 255
|
model_framework
|
Indien opgegeven, retourneert alleen modellen met het opgegeven framework, indien van toepassing. standaardwaarde: 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. standaardwaarde: None
|
generate_dockerfile
|
Of u een Dockerfile wilt maken dat lokaal kan worden uitgevoerd in plaats van een installatiekopieën te maken. standaardwaarde: False
|
image_name
|
Bij het bouwen van een installatiekopieën, de naam voor de resulterende installatiekopieën. standaardwaarde: None
|
image_label
|
Bij het bouwen van een installatiekopieën, het label voor de resulterende afbeelding. standaardwaarde: 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
|
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. standaardwaarde: 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. standaardwaarde: None
|
description
|
Beschrijving die moet worden gekoppeld aan de profileringsuitvoering. standaardwaarde: 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
|
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 |
model_name
Vereist
|
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. standaardwaarde: 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. standaardwaarde: None
|
description
|
Een tekstbeschrijving van het model. standaardwaarde: None
|
datasets
|
Een lijst met tuples waarbij het eerste element de relatie gegevensset-model beschrijft en het tweede element de gegevensset is. standaardwaarde: None
|
model_framework
|
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. standaardwaarde: None
|
model_framework_version
|
De frameworkversie van het geregistreerde model. standaardwaarde: None
|
child_paths
|
Als deze wordt opgegeven in combinatie met een standaardwaarde: None
|
sample_input_dataset
|
Voorbeeld van invoergegevensset voor het geregistreerde model. standaardwaarde: None
|
sample_output_dataset
|
Voorbeeld van uitvoergegevensset voor het geregistreerde model. standaardwaarde: None
|
resource_configuration
|
Een resourceconfiguratie om het geregistreerde model uit te voeren. standaardwaarde: 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. standaardwaarde: None
|
description
|
De nieuwe beschrijving die voor het model moet worden gebruikt. Deze naam vervangt de bestaande naam. standaardwaarde: None
|
sample_input_dataset
|
De voorbeeldinvoergegevensset die moet worden gebruikt voor het geregistreerde model. Deze voorbeeldinvoergegevensset vervangt de bestaande gegevensset. standaardwaarde: None
|
sample_output_dataset
|
De voorbeelduitvoergegevensset die moet worden gebruikt voor het geregistreerde model. Deze voorbeelduitvoergegevensset vervangt de bestaande gegevensset. standaardwaarde: None
|
resource_configuration
|
De resourceconfiguratie die moet worden gebruikt om het geregistreerde model uit te voeren. standaardwaarde: 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. standaardwaarde: None
|
remove_tags
|
Een lijst met tagnamen die moeten worden verwijderd. standaardwaarde: None
|
add_properties
|
dict(<xref:{str : str}>)
Een woordenlijst met eigenschappen die u wilt toevoegen. standaardwaarde: None
|
Uitzonderingen
Type | Description |
---|---|
Feedback
https://aka.ms/ContentUserFeedback.
Binnenkort beschikbaar: In de loop van 2024 zullen we GitHub-problemen geleidelijk uitfaseren als het feedbackmechanisme voor inhoud en deze vervangen door een nieuw feedbacksysteem. Zie voor meer informatie:Feedback verzenden en weergeven voor