Udostępnij za pośrednictwem


az ml online-deployment

Uwaga

Ta dokumentacja jest częścią rozszerzenia ml dla interfejsu wiersza polecenia platformy Azure (wersja 2.15.0 lub nowsza). Rozszerzenie zostanie automatycznie zainstalowane przy pierwszym uruchomieniu polecenia az ml online-deployment . Dowiedz się więcej o rozszerzeniach.

Zarządzanie wdrożeniami online usługi Azure ML.

Wdrożenia usługi Azure ML zapewniają prosty interfejs do tworzenia wdrożeń modeli i zarządzania nimi.

Polecenia

Nazwa Opis Typ Stan
az ml online-deployment create

Utwórz wdrożenie. Jeśli wdrożenie już istnieje, zakończy się niepowodzeniem. Jeśli chcesz zaktualizować istniejące wdrożenie, użyj polecenia az ml online-deployment update.

Numer wewnętrzny Ogólna dostępność
az ml online-deployment delete

Usuwanie wdrożenia.

Numer wewnętrzny Ogólna dostępność
az ml online-deployment get-logs

Pobierz dzienniki kontenera dla wdrożenia online.

Numer wewnętrzny Ogólna dostępność
az ml online-deployment list

Wyświetlanie listy wdrożeń.

Numer wewnętrzny Ogólna dostępność
az ml online-deployment show

Pokaż wdrożenie.

Numer wewnętrzny Ogólna dostępność
az ml online-deployment update

Aktualizowanie wdrożenia.

Numer wewnętrzny Ogólna dostępność

az ml online-deployment create

Utwórz wdrożenie. Jeśli wdrożenie już istnieje, zakończy się niepowodzeniem. Jeśli chcesz zaktualizować istniejące wdrożenie, użyj polecenia az ml online-deployment update.

Minimalna zalecana jednostka SKU obliczeniowa jest Standard_DS3_v2 dla punktów końcowych ogólnego przeznaczenia. Dowiedz się więcej o jednostkach SKU tutaj: https://learn.microsoft.com/en-us/azure/machine-learning/reference-managed-online-endpoints-vm-sku-list.

az ml online-deployment create --file
                               --resource-group
                               --workspace-name
                               [--all-traffic]
                               [--endpoint-name]
                               [--local {false, true}]
                               [--local-enable-gpu {false, true}]
                               [--name]
                               [--no-wait]
                               [--package-model]
                               [--set]
                               [--skip-script-validation]
                               [--vscode-debug {false, true}]
                               [--web]

Przykłady

Tworzenie wdrożenia na podstawie pliku specyfikacji YAML

az ml online-deployment create --file deployment.yaml --resource-group my-resource-group --workspace-name my-workspace

Parametry wymagane

--file -f

Ścieżka lokalna do pliku YAML zawierającego specyfikację wdrażania online usługi Azure ML. Dokumentację referencyjną YAML dotyczącą wdrażania online można znaleźć na stronie: https://aka.ms/ml-cli-v2-deployment-managed-online-yaml-reference, https://aka.ms/ml-cli-v2-deployment-kubernetes-online-yaml-reference.

--resource-group -g

Nazwa grupy zasobów. Grupę domyślną można skonfigurować przy użyciu polecenia az configure --defaults group=<name>.

--workspace-name -w

Nazwa obszaru roboczego usługi Azure ML. Domyślny obszar roboczy można skonfigurować przy użyciu polecenia az configure --defaults workspace=<name>.

Parametry opcjonalne

--all-traffic

Ustawia ruch punktu końcowego 100% do tego wdrożenia po pomyślnym utworzeniu, nie działa z parametrem --no-wait.

wartość domyślna: False
--endpoint-name -e

Nazwa punktu końcowego online.

--local

Utwórz wdrożenie lokalnie przy użyciu platformy Docker. Dozwolone jest tylko jedno wdrożenie na punkt końcowy. Uwaga: Jeśli określony punkt końcowy nie istnieje, zostanie utworzony.

akceptowane wartości: false, true
wartość domyślna: False
--local-enable-gpu

Włącz procesor GPU na potrzeby lokalnego wdrożenia.

akceptowane wartości: false, true
wartość domyślna: False
--name -n

Nazwa wdrożenia.

--no-wait

Nie czekaj na zakończenie długotrwałej operacji.

wartość domyślna: False
--package-model

[TO JEST W WERSJI ZAPOZNAWCZEJ] Utwórz spakowane środowisko na podstawie pliku yaml wdrożenia i użyj spakowanego środowiska na potrzeby wdrożenia.

wartość domyślna: False
--set

Zaktualizuj obiekt, określając ścieżkę właściwości i wartość do ustawienia. Przykład: --set property1.property2=.

--skip-script-validation

Umożliwia użytkownikowi obejście weryfikacji skryptu oceniania wdrożenia.

wartość domyślna: False
--vscode-debug

Utwórz lokalny punkt końcowy i dołącz debuger programu VSCode. Działa tylko z flagą --local.

akceptowane wartości: false, true
wartość domyślna: False
--web

Pokaż szczegóły wdrożenia w usłudze Azure ML Studio w przeglądarce internetowej.

wartość domyślna: False
Parametry globalne
--debug

Zwiększ szczegółowość rejestrowania, aby wyświetlić wszystkie dzienniki debugowania.

--help -h

Pokaż ten komunikat pomocy i zakończ pracę.

--only-show-errors

Pokaż tylko błędy, pomijając ostrzeżenia.

--output -o

Format danych wyjściowych.

akceptowane wartości: json, jsonc, none, table, tsv, yaml, yamlc
wartość domyślna: json
--query

Ciąg zapytania JMESPath. Zobacz http://jmespath.org/ , aby uzyskać więcej informacji i przykładów.

--subscription

Nazwa lub identyfikator subskrypcji. Subskrypcję domyślną można skonfigurować przy użyciu polecenia az account set -s NAME_OR_ID.

--verbose

Zwiększ szczegółowość rejestrowania. Użyj --debuguj, aby uzyskać pełne dzienniki debugowania.

az ml online-deployment delete

Usuwanie wdrożenia.

az ml online-deployment delete --endpoint-name
                               --name
                               --resource-group
                               --workspace-name
                               [--local {false, true}]
                               [--no-wait]
                               [--yes]

Przykłady

Usuwanie wdrożenia z potwierdzeniem

az ml online-deployment delete --name my-deployment --endpoint-name my-endpoint --yes --resource-group my-resource-group --workspace-name my-workspace

Parametry wymagane

--endpoint-name -e

Nazwa punktu końcowego online.

--name -n

Nazwa wdrożenia.

--resource-group -g

Nazwa grupy zasobów. Grupę domyślną można skonfigurować przy użyciu polecenia az configure --defaults group=<name>.

--workspace-name -w

Nazwa obszaru roboczego usługi Azure ML. Domyślny obszar roboczy można skonfigurować przy użyciu polecenia az configure --defaults workspace=<name>.

Parametry opcjonalne

--local

Usuń wdrożenie lokalne ze środowiska platformy Docker.

akceptowane wartości: false, true
wartość domyślna: False
--no-wait

Nie czekaj na zakończenie długotrwałej operacji.

wartość domyślna: False
--yes -y

Nie monituj o potwierdzenie.

wartość domyślna: False
Parametry globalne
--debug

Zwiększ szczegółowość rejestrowania, aby wyświetlić wszystkie dzienniki debugowania.

--help -h

Pokaż ten komunikat pomocy i zakończ pracę.

--only-show-errors

Pokaż tylko błędy, pomijając ostrzeżenia.

--output -o

Format danych wyjściowych.

akceptowane wartości: json, jsonc, none, table, tsv, yaml, yamlc
wartość domyślna: json
--query

Ciąg zapytania JMESPath. Zobacz http://jmespath.org/ , aby uzyskać więcej informacji i przykładów.

--subscription

Nazwa lub identyfikator subskrypcji. Subskrypcję domyślną można skonfigurować przy użyciu polecenia az account set -s NAME_OR_ID.

--verbose

Zwiększ szczegółowość rejestrowania. Użyj --debuguj, aby uzyskać pełne dzienniki debugowania.

az ml online-deployment get-logs

Pobierz dzienniki kontenera dla wdrożenia online.

az ml online-deployment get-logs --endpoint-name
                                 --name
                                 --resource-group
                                 --workspace-name
                                 [--container]
                                 [--lines]
                                 [--local {false, true}]

Przykłady

Pobieranie dzienników kontenera na potrzeby wdrożenia online

az ml online-deployment get-logs --name my-deployment --endpoint-name my-endpoint --lines 100 --resource-group my-resource-group --workspace-name my-workspace

Parametry wymagane

--endpoint-name -e

Nazwa punktu końcowego online.

--name -n

Nazwa wdrożenia.

--resource-group -g

Nazwa grupy zasobów. Grupę domyślną można skonfigurować przy użyciu polecenia az configure --defaults group=<name>.

--workspace-name -w

Nazwa obszaru roboczego usługi Azure ML. Domyślny obszar roboczy można skonfigurować przy użyciu polecenia az configure --defaults workspace=<name>.

Parametry opcjonalne

--container -c

Typ kontenera, z którego mają być pobierane dzienniki. Dozwolone wartości: wnioskowanie-serwer, inicjator magazynu.

--lines -l

Maksymalna liczba linii do końca.

wartość domyślna: 5000
--local

Pobieranie dzienników z wdrożenia lokalnego w środowisku platformy Docker.

akceptowane wartości: false, true
wartość domyślna: False
Parametry globalne
--debug

Zwiększ szczegółowość rejestrowania, aby wyświetlić wszystkie dzienniki debugowania.

--help -h

Pokaż ten komunikat pomocy i zakończ pracę.

--only-show-errors

Pokaż tylko błędy, pomijając ostrzeżenia.

--output -o

Format danych wyjściowych.

akceptowane wartości: json, jsonc, none, table, tsv, yaml, yamlc
wartość domyślna: json
--query

Ciąg zapytania JMESPath. Zobacz http://jmespath.org/ , aby uzyskać więcej informacji i przykładów.

--subscription

Nazwa lub identyfikator subskrypcji. Subskrypcję domyślną można skonfigurować przy użyciu polecenia az account set -s NAME_OR_ID.

--verbose

Zwiększ szczegółowość rejestrowania. Użyj --debuguj, aby uzyskać pełne dzienniki debugowania.

az ml online-deployment list

Wyświetlanie listy wdrożeń.

az ml online-deployment list --endpoint-name
                             --resource-group
                             --workspace-name
                             [--local {false, true}]

Przykłady

Wyświetlanie listy wdrożeń w punkcie końcowym

az ml online-deployment list --endpoint-name my-endpoint --resource-group my-resource-group --workspace-name my-workspace

Parametry wymagane

--endpoint-name -e

Nazwa punktu końcowego.

--resource-group -g

Nazwa grupy zasobów. Grupę domyślną można skonfigurować przy użyciu polecenia az configure --defaults group=<name>.

--workspace-name -w

Nazwa obszaru roboczego usługi Azure ML. Domyślny obszar roboczy można skonfigurować przy użyciu polecenia az configure --defaults workspace=<name>.

Parametry opcjonalne

--local

Wyświetl listę wdrożenia lokalnego w ramach tego lokalnego punktu końcowego.

akceptowane wartości: false, true
wartość domyślna: False
Parametry globalne
--debug

Zwiększ szczegółowość rejestrowania, aby wyświetlić wszystkie dzienniki debugowania.

--help -h

Pokaż ten komunikat pomocy i zakończ pracę.

--only-show-errors

Pokaż tylko błędy, pomijając ostrzeżenia.

--output -o

Format danych wyjściowych.

akceptowane wartości: json, jsonc, none, table, tsv, yaml, yamlc
wartość domyślna: json
--query

Ciąg zapytania JMESPath. Zobacz http://jmespath.org/ , aby uzyskać więcej informacji i przykładów.

--subscription

Nazwa lub identyfikator subskrypcji. Subskrypcję domyślną można skonfigurować przy użyciu polecenia az account set -s NAME_OR_ID.

--verbose

Zwiększ szczegółowość rejestrowania. Użyj --debuguj, aby uzyskać pełne dzienniki debugowania.

az ml online-deployment show

Pokaż wdrożenie.

az ml online-deployment show --endpoint-name
                             --name
                             --resource-group
                             --workspace-name
                             [--local {false, true}]
                             [--web]

Przykłady

Pokaż wdrożenie

az ml online-deployment show --name my-deployment --endpoint-name my-endpoint --resource-group my-resource-group --workspace-name my-workspace

Parametry wymagane

--endpoint-name -e

Nazwa punktu końcowego online.

--name -n

Nazwa wdrożenia.

--resource-group -g

Nazwa grupy zasobów. Grupę domyślną można skonfigurować przy użyciu polecenia az configure --defaults group=<name>.

--workspace-name -w

Nazwa obszaru roboczego usługi Azure ML. Domyślny obszar roboczy można skonfigurować przy użyciu polecenia az configure --defaults workspace=<name>.

Parametry opcjonalne

--local

Pokaż lokalne wdrożenie ze środowiska platformy Docker.

akceptowane wartości: false, true
wartość domyślna: False
--web

Pokaż szczegóły wdrożenia w usłudze Azure ML Studio w przeglądarce internetowej.

wartość domyślna: False
Parametry globalne
--debug

Zwiększ szczegółowość rejestrowania, aby wyświetlić wszystkie dzienniki debugowania.

--help -h

Pokaż ten komunikat pomocy i zakończ pracę.

--only-show-errors

Pokaż tylko błędy, pomijając ostrzeżenia.

--output -o

Format danych wyjściowych.

akceptowane wartości: json, jsonc, none, table, tsv, yaml, yamlc
wartość domyślna: json
--query

Ciąg zapytania JMESPath. Zobacz http://jmespath.org/ , aby uzyskać więcej informacji i przykładów.

--subscription

Nazwa lub identyfikator subskrypcji. Subskrypcję domyślną można skonfigurować przy użyciu polecenia az account set -s NAME_OR_ID.

--verbose

Zwiększ szczegółowość rejestrowania. Użyj --debuguj, aby uzyskać pełne dzienniki debugowania.

az ml online-deployment update

Aktualizowanie wdrożenia.

az ml online-deployment update --resource-group
                               --workspace-name
                               [--add]
                               [--endpoint-name]
                               [--file]
                               [--force-string]
                               [--local {false, true}]
                               [--local-enable-gpu {false, true}]
                               [--name]
                               [--no-wait]
                               [--remove]
                               [--set]
                               [--skip-script-validation]
                               [--vscode-debug {false, true}]
                               [--web]

Przykłady

Aktualizowanie wdrożenia z pliku specyfikacji YAML

az ml online-deployment update --file deployment.yaml --resource-group my-resource-group --workspace-name my-workspace

Parametry wymagane

--resource-group -g

Nazwa grupy zasobów. Grupę domyślną można skonfigurować przy użyciu polecenia az configure --defaults group=<name>.

--workspace-name -w

Nazwa obszaru roboczego usługi Azure ML. Domyślny obszar roboczy można skonfigurować przy użyciu polecenia az configure --defaults workspace=<name>.

Parametry opcjonalne

--add

Dodaj obiekt do listy obiektów, określając pary ścieżki i wartości klucza. Przykład: --add property.listProperty <key=value, string or JSON string>.

wartość domyślna: []
--endpoint-name -e

Nazwa punktu końcowego online.

--file -f

Ścieżka lokalna do pliku YAML zawierającego specyfikację wdrażania online usługi Azure ML. Dokumentację referencyjną YAML dotyczącą wdrażania online można znaleźć na stronie: https://aka.ms/ml-cli-v2-deployment-managed-online-yaml-reference, https://aka.ms/ml-cli-v2-deployment-kubernetes-online-yaml-reference.

--force-string

W przypadku używania polecenia "set" lub "add" zachowaj literały ciągu zamiast próbować konwertować na format JSON.

wartość domyślna: False
--local

Aktualizowanie wdrożenia lokalnego w środowisku platformy Docker.

akceptowane wartości: false, true
wartość domyślna: False
--local-enable-gpu

Włącz procesor GPU na potrzeby lokalnego wdrożenia.

akceptowane wartości: false, true
wartość domyślna: False
--name -n

Nazwa wdrożenia.

--no-wait

Nie czekaj na zakończenie długotrwałej operacji.

wartość domyślna: False
--remove

Usuń właściwość lub element z listy. Przykład: --remove property.list <indexToRemove> OR --remove propertyToRemove.

wartość domyślna: []
--set

Zaktualizuj obiekt, określając ścieżkę właściwości i wartość do ustawienia. Przykład: --set property1.property2=<value>.

wartość domyślna: []
--skip-script-validation

Umożliwia użytkownikowi obejście weryfikacji skryptu oceniania wdrożenia.

wartość domyślna: False
--vscode-debug

Zaktualizuj lokalny punkt końcowy i ponownie dołącz debuger programu VSCode. Działa tylko z flagą --local.

akceptowane wartości: false, true
wartość domyślna: False
--web

Pokaż szczegóły wdrożenia w usłudze Azure ML Studio w przeglądarce internetowej.

wartość domyślna: False
Parametry globalne
--debug

Zwiększ szczegółowość rejestrowania, aby wyświetlić wszystkie dzienniki debugowania.

--help -h

Pokaż ten komunikat pomocy i zakończ pracę.

--only-show-errors

Pokaż tylko błędy, pomijając ostrzeżenia.

--output -o

Format danych wyjściowych.

akceptowane wartości: json, jsonc, none, table, tsv, yaml, yamlc
wartość domyślna: json
--query

Ciąg zapytania JMESPath. Zobacz http://jmespath.org/ , aby uzyskać więcej informacji i przykładów.

--subscription

Nazwa lub identyfikator subskrypcji. Subskrypcję domyślną można skonfigurować przy użyciu polecenia az account set -s NAME_OR_ID.

--verbose

Zwiększ szczegółowość rejestrowania. Użyj --debuguj, aby uzyskać pełne dzienniki debugowania.