Udostępnij za pośrednictwem

Model Klasa

  • Odwołanie

Reprezentuje wynik trenowania uczenia maszynowego.

Model jest wynikiem trenowania Run usługi Azure Machine Learning lub innego procesu trenowania modelu poza platformą Azure. Niezależnie od sposobu tworzenia modelu, można go zarejestrować w obszarze roboczym, gdzie jest reprezentowany przez nazwę i wersję. Klasa Model umożliwia pakowanie modeli do użycia z platformą Docker i wdrażanie ich jako punktu końcowego w czasie rzeczywistym, który może służyć do wnioskowania żądań.

Aby zapoznać się z kompleksowego samouczka przedstawiającego sposób tworzenia, zarządzania i używania modeli, zobacz Trenowanie modelu klasyfikacji obrazów przy użyciu danych MNIST i biblioteki scikit-learn przy użyciu usługi Azure Machine Learning.

Konstruktor modelu.

Konstruktor modelu służy do pobierania reprezentacji chmury obiektu Model skojarzonego z podanym obszarem roboczym. Musi podać nazwę lub identyfikator.

Dziedziczenie
builtins.object
Model

Konstruktor

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

Parametry

Nazwa Opis
workspace
Wymagane
Workspace

Obiekt obszaru roboczego zawierający model do pobrania.
name
str

Nazwa modelu do pobrania. Zwracany jest najnowszy model o określonej nazwie, jeśli istnieje.

wartość domyślna: None
id
str

Identyfikator modelu do pobrania. Model o określonym identyfikatorze jest zwracany, jeśli istnieje.

wartość domyślna: None
tags
list

Opcjonalna lista tagów używanych do filtrowania zwróconych wyników. Wyniki są filtrowane na podstawie podanej listy, wyszukując ciąg "klucz" lub "[klucz, wartość]". Np. ['key', ['key2', 'key2 value']]

wartość domyślna: None
properties
list

Opcjonalna lista właściwości używanych do filtrowania zwróconych wyników. Wyniki są filtrowane na podstawie podanej listy, wyszukując ciąg "klucz" lub "[klucz, wartość]". Np. ['key', ['key2', 'key2 value']]

wartość domyślna: None
version
int

Wersja modelu do zwrócenia. Po podaniu parametru wraz z parametrem name zwracana jest określona wersja określonego nazwanego modelu, jeśli istnieje. Jeśli version zostanie pominięta, zostanie zwrócona ostatnia wersja modelu.

wartość domyślna: None
run_id
str

Opcjonalny identyfikator używany do filtrowania zwróconych wyników.

wartość domyślna: None
model_framework
str

Opcjonalna nazwa struktury używana do filtrowania zwróconych wyników. W przypadku określenia wyniki są zwracane dla modeli pasujących do określonej struktury. Zobacz Framework , aby uzyskać dozwolone wartości.

wartość domyślna: None
workspace
Wymagane
Workspace

Obiekt obszaru roboczego zawierający model do pobrania.
name
Wymagane
str

Nazwa modelu do pobrania. Zwracany jest najnowszy model o określonej nazwie, jeśli istnieje.
id
Wymagane
str

Identyfikator modelu do pobrania. Model o określonym identyfikatorze jest zwracany, jeśli istnieje.
tags
Wymagane
list

Opcjonalna lista tagów używanych do filtrowania zwróconych wyników. Wyniki są filtrowane na podstawie podanej listy, wyszukując ciąg "klucz" lub "[klucz, wartość]". Np. ['key', ['key2', 'key2 value']]
properties
Wymagane
list

Opcjonalna lista właściwości używanych do filtrowania zwróconych wyników. Wyniki są filtrowane na podstawie podanej listy, wyszukując ciąg "klucz" lub "[klucz, wartość]". Np. ['key', ['key2', 'key2 value']]
version
Wymagane
int

Wersja modelu do zwrócenia. Po podaniu parametru wraz z parametrem name zwracana jest określona wersja określonego nazwanego modelu, jeśli istnieje. Jeśli version zostanie pominięta, zostanie zwrócona ostatnia wersja modelu.
run_id
Wymagane
str

Opcjonalny identyfikator używany do filtrowania zwróconych wyników.
model_framework
Wymagane
str

Opcjonalna nazwa struktury używana do filtrowania zwróconych wyników. W przypadku określenia wyniki są zwracane dla modeli pasujących do określonej struktury. Zobacz Framework , aby uzyskać dozwolone wartości.
expand
bool

Jeśli ma wartość true, zwróci modele ze wszystkimi podwłaściwościami wypełnionymi, np. przebiegiem, zestawem danych i eksperymentem.

wartość domyślna: True

Uwagi

Konstruktor modelu służy do pobierania reprezentacji chmury obiektu Model skojarzonego z określonym obszarem roboczym. Aby pobrać modele, należy podać co najmniej nazwę lub identyfikator, ale istnieją również inne opcje filtrowania, w tym według tagów, właściwości, wersji, identyfikatora uruchomienia i struktury.


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

W poniższym przykładzie pokazano, jak pobrać określoną wersję modelu.


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

Zarejestrowanie modelu powoduje utworzenie kontenera logicznego dla co najmniej jednego pliku tworzącego model. Oprócz zawartości samego pliku modelu zarejestrowany model przechowuje również metadane modelu, w tym opis modelu, tagi i informacje o strukturze, które są przydatne podczas zarządzania i wdrażania modelu w obszarze roboczym. Na przykład przy użyciu tagów można kategoryzować modele i stosować filtry podczas wyświetlania listy modeli w obszarze roboczym. Po rejestracji możesz pobrać lub wdrożyć zarejestrowany model i otrzymać wszystkie zarejestrowane pliki i metadane.

W poniższym przykładzie pokazano, jak zarejestrować model określający tagi i opis.


   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)

Pełna próbka jest dostępna z witryny https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

W poniższym przykładzie pokazano, jak zarejestrować model określający platformę, zestawy danych wejściowych i wyjściowych oraz konfigurację zasobów.


   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)

Sekcja Zmienne zawiera listę atrybutów lokalnej reprezentacji obiektu modelu w chmurze. Te zmienne powinny być traktowane jako tylko do odczytu. Zmiana ich wartości nie zostanie odzwierciedlona w odpowiednim obiekcie chmury.

Zmienne

Nazwa Opis
created_by
dict

Użytkownik, który utworzył model.
created_time
datetime

Po utworzeniu modelu.
azureml.core.Model.description

Opis obiektu Model.
azureml.core.Model.id

Identyfikator modelu. Ma to postać <nazwy> modelu:<wersja> modelu.
mime_type
str

Typ mime modelu.
azureml.core.Model.name

Nazwa modelu.
model_framework
str

Struktura modelu.
model_framework_version
str

Wersja struktury modelu.
azureml.core.Model.tags

Słownik tagów dla obiektu Model.
azureml.core.Model.properties

Słownik właściwości wartości klucza dla modelu. Nie można zmienić tych właściwości po rejestracji, jednak można dodać nowe pary wartości klucza.
unpack
bool

Niezależnie od tego, czy model musi być rozpakowany (nieskonsekrowany) po ściągnięciu do kontekstu lokalnego.
url
str

Lokalizacja adresu URL modelu.
azureml.core.Model.version

Wersja modelu.
azureml.core.Model.workspace

Obszar roboczy zawierający model.
azureml.core.Model.experiment_name

Nazwa eksperymentu, który utworzył model.
azureml.core.Model.run_id

Identyfikator przebiegu, który utworzył model.
parent_id
str

Identyfikator nadrzędnego modelu.
derived_model_ids
list[str]

Lista identyfikatorów modeli, które zostały uzyskane z tego modelu.
resource_configuration
ResourceConfiguration

Konfiguracja zasobu dla tego modelu. Służy do profilowania.

Metody

add_dataset_references

Skojarz podane zestawy danych z tym modelem.
add_properties

Dodaj pary wartości klucza do słownika właściwości tego modelu.
add_tags

Dodaj pary wartości klucza do słownika tagów tego modelu.
delete

Usuń ten model ze skojarzonego obszaru roboczego.
deploy

Wdróż usługę internetową z zera lub większej liczby Model obiektów.

Wynikowa usługa internetowa to punkt końcowy czasu rzeczywistego, który może służyć do wnioskowania żądań. Funkcja Model deploy jest podobna do deploy funkcji Webservice klasy, ale nie rejestruje modeli. Użyj funkcji Model deploy , jeśli masz już zarejestrowane obiekty modelu.
deserialize

Przekonwertuj obiekt JSON na obiekt modelu.

Konwersja kończy się niepowodzeniem, jeśli określony obszar roboczy nie jest obszarem roboczym, w ramach których model jest zarejestrowany.
download

Pobierz model do katalogu docelowego lokalnego systemu plików.
get_model_path

Zwróć ścieżkę do modelu.

Funkcja wyszuka model w następujących lokalizacjach.

Jeśli version ma wartość Brak:

  1. Pobieranie z lokalizacji zdalnej do pamięci podręcznej (jeśli podano obszar roboczy)
  2. Ładowanie z pamięci podręcznej azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Jeśli version nie ma parametru None:

  1. Ładowanie z pamięci podręcznej azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Pobieranie z lokalizacji zdalnej do pamięci podręcznej (jeśli podano obszar roboczy)
get_sas_urls

Zwróć słownik par klucz-wartość zawierający nazwy plików i odpowiadające im adresy URL sygnatur dostępu współdzielonego.
list

Pobierz listę wszystkich modeli skojarzonych z podanym obszarem roboczym z opcjonalnymi filtrami.
package

Utwórz pakiet modelu w postaci obrazu platformy Docker lub kontekstu kompilacji pliku Dockerfile.
print_configuration

Wyświetl konfigurację użytkownika.
profile

Profiluje model w celu uzyskania zaleceń dotyczących wymagań dotyczących zasobów.

Jest to długotrwała operacja, która może potrwać do 25 minut w zależności od rozmiaru zestawu danych.
register

Zarejestruj model w udostępnionym obszarze roboczym.
remove_tags

Usuń określone klucze ze słownika tagów tego modelu.
serialize

Przekonwertuj ten model na słownik serializowany w formacie JSON.
update

Wykonaj aktualizację w miejscu modelu.

Istniejące wartości określonych parametrów są zastępowane.
update_tags_properties

Wykonaj aktualizację tagów i właściwości modelu.

add_dataset_references

Skojarz podane zestawy danych z tym modelem.

add_dataset_references(datasets)

Parametry

Nazwa Opis
datasets
Wymagane
list[tuple(<xref:str :> (Dataset lub DatasetSnapshot))]

Lista krotk reprezentujących parowanie celu zestawu danych do obiektu Dataset.

Wyjątki

Typ Opis
WebserviceException

add_properties

Dodaj pary wartości klucza do słownika właściwości tego modelu.

add_properties(properties)

Parametry

Nazwa Opis
properties
Wymagane
dict(<xref:str : str>)

Słownik właściwości do dodania.

Wyjątki

Typ Opis
WebserviceException

add_tags

Dodaj pary wartości klucza do słownika tagów tego modelu.

add_tags(tags)

Parametry

Nazwa Opis
tags
Wymagane
dict(<xref:{str : str}>)

Słownik tagów do dodania.

Wyjątki

Typ Opis
WebserviceException

delete

Usuń ten model ze skojarzonego obszaru roboczego.

delete()

Wyjątki

Typ Opis
WebserviceException

deploy

Wdróż usługę internetową z zera lub większej liczby Model obiektów.

Wynikowa usługa internetowa to punkt końcowy czasu rzeczywistego, który może służyć do wnioskowania żądań. Funkcja Model deploy jest podobna do deploy funkcji Webservice klasy, ale nie rejestruje modeli. Użyj funkcji Model deploy , jeśli masz już zarejestrowane obiekty modelu.

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

Parametry

Nazwa Opis
workspace
Wymagane
Workspace

Obiekt Obszaru roboczego do skojarzenia usługi sieci Web z.
name
Wymagane
str

Nazwa, która ma nadać wdrożonej usłudze. Musi być unikatowy dla obszaru roboczego, składać się tylko z małych liter, cyfr lub kreski, zaczynać się literą i mieć długość od 3 do 32 znaków.
models
Wymagane
list[Model]

Lista obiektów modelu. Może być pustą listą.
inference_config
InferenceConfig

Obiekt InferenceConfig używany do określania wymaganych właściwości modelu.

wartość domyślna: None
deployment_config
WebserviceDeploymentConfiguration

WebserviceDeploymentConfiguration używana do konfigurowania usługi internetowej. Jeśli go nie podano, pusty obiekt konfiguracji będzie używany na podstawie żądanego obiektu docelowego.

wartość domyślna: None
deployment_target
ComputeTarget

Element A ComputeTarget do wdrożenia usługi sieci Web. Ponieważ Azure Container Instances nie jest skojarzonyComputeTarget, pozostaw ten parametr jako Brak, aby wdrożyć go w Azure Container Instances.

wartość domyślna: None
overwrite
bool

Wskazuje, czy zastąpić istniejącą usługę, jeśli usługa o określonej nazwie już istnieje.

wartość domyślna: False
show_output
bool

Wskazuje, czy ma być wyświetlany postęp wdrażania usługi.

wartość domyślna: False

Zwraca

Typ Opis
Webservice

Obiekt usługi internetowej odpowiadający wdrożonej usłudze internetowej.

Wyjątki

Typ Opis
WebserviceException

deserialize

Przekonwertuj obiekt JSON na obiekt modelu.

Konwersja kończy się niepowodzeniem, jeśli określony obszar roboczy nie jest obszarem roboczym, w ramach których model jest zarejestrowany.

static deserialize(workspace, model_payload)

Parametry

Nazwa Opis
workspace
Wymagane
Workspace

Obiekt obszaru roboczego, za pomocą który model jest zarejestrowany.
model_payload
Wymagane
dict

Obiekt JSON do konwersji na obiekt Model.

Zwraca

Typ Opis
Model

Reprezentacja modelu dostarczonego obiektu JSON.

Wyjątki

Typ Opis
WebserviceException

download

Pobierz model do katalogu docelowego lokalnego systemu plików.

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

Parametry

Nazwa Opis
target_dir
str

Ścieżka do katalogu, w którym ma być pobierany model. Wartość domyślna to "."

wartość domyślna: .
exist_ok
bool

Wskazuje, czy zastąpić pobrany dir/pliki, jeśli istnieją. Wartość domyślna to False.

wartość domyślna: False
exists_ok
bool

PRZESTARZAŁE. Użyj polecenia exist_ok.

wartość domyślna: None

Zwraca

Typ Opis
str

Ścieżka do pliku lub folderu modelu.

Wyjątki

Typ Opis
WebserviceException

get_model_path

Zwróć ścieżkę do modelu.

Funkcja wyszuka model w następujących lokalizacjach.

Jeśli version ma wartość Brak:

  1. Pobieranie z lokalizacji zdalnej do pamięci podręcznej (jeśli podano obszar roboczy)
  2. Ładowanie z pamięci podręcznej azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Jeśli version nie ma parametru None:

  1. Ładowanie z pamięci podręcznej azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Pobieranie z lokalizacji zdalnej do pamięci podręcznej (jeśli podano obszar roboczy)
static get_model_path(model_name, version=None, _workspace=None)

Parametry

Nazwa Opis
model_name
Wymagane
str

Nazwa modelu do pobrania.
version
int

Wersja modelu do pobrania. Domyślnie jest to najnowsza wersja.

wartość domyślna: None
_workspace
Workspace

Obszar roboczy do pobrania modelu z. Nie można używać zdalnie. Jeśli nie określono tylko lokalnej pamięci podręcznej, zostanie przeszukana.

wartość domyślna: None

Zwraca

Typ Opis
str

Ścieżka na dysku do modelu.

Wyjątki

Typ Opis
ModelNotFoundException

get_sas_urls

Zwróć słownik par klucz-wartość zawierający nazwy plików i odpowiadające im adresy URL sygnatur dostępu współdzielonego.

get_sas_urls()

Zwraca

Typ Opis
dict

Słownik par klucz-wartość zawierający nazwy plików i odpowiadające im adresy URL sygnatur dostępu współdzielonego

Wyjątki

Typ Opis
WebserviceException

list

Pobierz listę wszystkich modeli skojarzonych z podanym obszarem roboczym z opcjonalnymi filtrami.

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)

Parametry

Nazwa Opis
workspace
Wymagane
Workspace

Obiekt obszaru roboczego do pobierania modeli.
name
str

Jeśli zostanie podana, zwraca tylko modele o określonej nazwie, jeśli istnieją.

wartość domyślna: None
tags
list

Filtruje na podstawie podanej listy według wartości "key" lub "[key, value]". Np. ['key', ['key2', 'key2 value']]

wartość domyślna: None
properties
list

Filtruje na podstawie podanej listy według wartości "key" lub "[key, value]". Np. ['key', ['key2', 'key2 value']]

wartość domyślna: None
run_id
str

Filtruje na podstawie podanego identyfikatora przebiegu.

wartość domyślna: None
latest
bool

Jeśli wartość true, zwraca tylko modele z najnowszą wersją.

wartość domyślna: False
dataset_id
str

Filtruje na podstawie podanego identyfikatora zestawu danych.

wartość domyślna: None
expand
bool

Jeśli wartość true, zwraca modele ze wszystkimi podwłaściwościami wypełnionymi, np. przebiegiem, zestawem danych i eksperymentem. Ustawienie wartości false powinno przyspieszyć uzupełnianie metody list() w przypadku wielu modeli.

wartość domyślna: True
page_count
int

Liczba elementów do pobrania na stronie. Obecnie obsługują wartości do 255. Wartość domyślna to 255.

wartość domyślna: 255
model_framework
str

Jeśli zostanie podany, zwraca tylko modele z określoną strukturą, jeśli istnieją.

wartość domyślna: None

Zwraca

Typ Opis
list[Model]

Lista modeli, opcjonalnie filtrowana.

Wyjątki

Typ Opis
WebserviceException

package

Utwórz pakiet modelu w postaci obrazu platformy Docker lub kontekstu kompilacji pliku Dockerfile.

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

Parametry

Nazwa Opis
workspace
Wymagane
Workspace

Obszar roboczy, w którym ma zostać utworzony pakiet.
models
Wymagane
list[Model]

Lista obiektów modelu do uwzględnienia w pakiecie. Może być pustą listą.
inference_config
InferenceConfig

Obiekt InferenceConfig do konfigurowania działania modeli. Musi to obejmować obiekt Environment.

wartość domyślna: None
generate_dockerfile
bool

Czy utworzyć plik Dockerfile, który można uruchomić lokalnie, zamiast tworzyć obraz.

wartość domyślna: False
image_name
str

Podczas tworzenia obrazu nazwa wynikowego obrazu.

wartość domyślna: None
image_label
str

Podczas tworzenia obrazu etykieta obrazu wynikowego.

wartość domyślna: None

Zwraca

Typ Opis
ModelPackage

Obiekt ModelPackage.

Wyjątki

Typ Opis
WebserviceException

print_configuration

Wyświetl konfigurację użytkownika.

static print_configuration(models, inference_config, deployment_config, deployment_target)

Parametry

Nazwa Opis
models
Wymagane
list[Model]

Lista obiektów modelu. Może być pustą listą.
inference_config
Wymagane
InferenceConfig

Obiekt InferenceConfig używany do określania wymaganych właściwości modelu.
deployment_config
Wymagane
WebserviceDeploymentConfiguration

WebserviceDeploymentConfiguration używana do konfigurowania usługi internetowej.
deployment_target
Wymagane
ComputeTarget

A ComputeTarget , aby wdrożyć usługę internetową.

Wyjątki

Typ Opis
WebserviceException

profile

Profiluje model w celu uzyskania zaleceń dotyczących wymagań dotyczących zasobów.

Jest to długotrwała operacja, która może potrwać do 25 minut w zależności od rozmiaru zestawu danych.

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

Parametry

Nazwa Opis
workspace
Wymagane
Workspace

Obiekt obszaru roboczego, w którym ma być profilowy model.
profile_name
Wymagane
str

Nazwa przebiegu profilowania.
models
Wymagane
list[Model]

Lista obiektów modelu. Może być pustą listą.
inference_config
Wymagane
InferenceConfig

Obiekt InferenceConfig używany do określania wymaganych właściwości modelu.
input_dataset
Wymagane
Dataset

Wejściowy zestaw danych do profilowania. Wejściowy zestaw danych powinien mieć jedną kolumnę, a przykładowe dane wejściowe powinny być w formacie ciągu.
cpu
float

Liczba rdzeni procesora cpu do użycia w największym wystąpieniu testowym. Obecnie obsługują wartości do 3,5.

wartość domyślna: None
memory_in_gb
float

Ilość pamięci (w GB) do użycia w największym wystąpieniu testowym. Może to być liczba dziesiętna. Obecnie obsługują wartości do 15.0.

wartość domyślna: None
description
str

Opis, który ma zostać skojarzony z przebiegiem profilowania.

wartość domyślna: None

Zwraca

Typ Opis
ModelProfile

Wyjątki

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

register

Zarejestruj model w udostępnionym obszarze roboczym.

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)

Parametry

Nazwa Opis
workspace
Wymagane
Workspace

Obszar roboczy do zarejestrowania modelu w usłudze .
model_path
Wymagane
str

Ścieżka w lokalnym systemie plików, w którym znajdują się zasoby modelu. Może to być bezpośredni wskaźnik do pojedynczego pliku lub folderu. Jeśli wskazuje folder, child_paths parametr może służyć do określania pojedynczych plików do łączenia jako obiektu Modelu, w przeciwieństwie do używania całej zawartości folderu.
model_name
Wymagane
str

Nazwa do zarejestrowania modelu w usłudze .
tags
dict(<xref:{str : str}>)

Opcjonalny słownik tagów wartości klucza do przypisania do modelu.

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

Opcjonalny słownik właściwości wartości klucza do przypisania do modelu. Tych właściwości nie można zmienić po utworzeniu modelu, jednak można dodać nowe pary klucz-wartość.

wartość domyślna: None
description
str

Opis tekstowy modelu.

wartość domyślna: None
datasets
list[(str, AbstractDataset)]

Lista krotki, w których pierwszy element opisuje relację dataset-model, a drugi element to zestaw danych.

wartość domyślna: None
model_framework
str

Struktura zarejestrowanego modelu. Używanie stałych obsługiwanych przez system z Framework klasy umożliwia uproszczone wdrażanie niektórych popularnych struktur.

wartość domyślna: None
model_framework_version
str

Wersja struktury zarejestrowanego modelu.

wartość domyślna: None
child_paths
list[str]

Jeśli zostanie podany w połączeniu z model_path folderem do folderu, tylko określone pliki zostaną dołączone do obiektu Model.

wartość domyślna: None
sample_input_dataset
AbstractDataset

Przykładowy wejściowy zestaw danych dla zarejestrowanego modelu.

wartość domyślna: None
sample_output_dataset
AbstractDataset

Przykładowy wyjściowy zestaw danych dla zarejestrowanego modelu.

wartość domyślna: None
resource_configuration
ResourceConfiguration

Konfiguracja zasobów do uruchamiania zarejestrowanego modelu.

wartość domyślna: None

Zwraca

Typ Opis
Model

Zarejestrowany obiekt modelu.

Wyjątki

Typ Opis
WebserviceException

Uwagi

Oprócz zawartości samego pliku modelu zarejestrowany model przechowuje również metadane modelu, w tym opis modelu, tagi i informacje o strukturze, które są przydatne podczas zarządzania i wdrażania modelu w obszarze roboczym. Na przykład za pomocą tagów można kategoryzować modele i stosować filtry podczas wyświetlania listy modeli w obszarze roboczym.

W poniższym przykładzie pokazano, jak zarejestrować model określający tagi i opis.


   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)

Pełna próbka jest dostępna w witrynie https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

Jeśli masz model, który został utworzony w wyniku przebiegu eksperymentu, możesz zarejestrować go bezpośrednio z obiektu przebiegu bez uprzedniego pobrania go do pliku lokalnego. Aby to zrobić, należy użyć register_model metody opisanej Run w klasie .

remove_tags

Usuń określone klucze ze słownika tagów tego modelu.

remove_tags(tags)

Parametry

Nazwa Opis
tags
Wymagane
list[str]

Lista kluczy do usunięcia

Wyjątki

Typ Opis
WebserviceException

serialize

Przekonwertuj ten model na słownik serializowany w formacie JSON.

serialize()

Zwraca

Typ Opis
dict

Reprezentacja w formacie JSON tego modelu

Wyjątki

Typ Opis
WebserviceException

update

Wykonaj aktualizację w miejscu modelu.

Istniejące wartości określonych parametrów są zastępowane.

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

Parametry

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

Słownik tagów do aktualizowania modelu za pomocą polecenia . Te tagi zastępują istniejące tagi dla modelu.

wartość domyślna: None
description
str

Nowy opis do użycia dla modelu. Ta nazwa zastępuje istniejącą nazwę.

wartość domyślna: None
sample_input_dataset
AbstractDataset

Przykładowy zestaw danych wejściowych do użycia dla zarejestrowanego modelu. Ten przykładowy wejściowy zestaw danych zastępuje istniejący zestaw danych.

wartość domyślna: None
sample_output_dataset
AbstractDataset

Przykładowy wyjściowy zestaw danych do użycia dla zarejestrowanego modelu. Ten przykładowy wyjściowy zestaw danych zastępuje istniejący zestaw danych.

wartość domyślna: None
resource_configuration
ResourceConfiguration

Konfiguracja zasobu używana do uruchamiania zarejestrowanego modelu.

wartość domyślna: None

Wyjątki

Typ Opis
WebserviceException

update_tags_properties

Wykonaj aktualizację tagów i właściwości modelu.

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

Parametry

Nazwa Opis
add_tags
dict(<xref:{str : str}>)

Słownik tagów do dodania.

wartość domyślna: None
remove_tags
list[str]

Lista nazw tagów do usunięcia.

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

Słownik właściwości do dodania.

wartość domyślna: None

Wyjątki

Typ Opis
WebserviceException