Model Klasa
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.objectModel
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
|
Obiekt obszaru roboczego zawierający model do pobrania. |
name
|
Nazwa modelu do pobrania. Zwracany jest najnowszy model o określonej nazwie, jeśli istnieje. Domyślna wartość: None
|
id
|
Identyfikator modelu do pobrania. Model z określonym identyfikatorem jest zwracany, jeśli istnieje. Domyślna wartość: None
|
tags
|
Opcjonalna lista tagów używanych do filtrowania zwróconych wyników. Wyniki są filtrowane na podstawie podanej listy, wyszukując frazę "key" lub "[key, value]". Np. ['key', ['key2', 'key2 value']] Domyślna wartość: None
|
properties
|
Opcjonalna lista właściwości używanych do filtrowania zwróconych wyników. Wyniki są filtrowane na podstawie podanej listy, wyszukując frazę "key" lub "[key, value]". Np. ['key', ['key2', 'key2 value']] Domyślna wartość: None
|
version
|
Wersja modelu do zwrócenia. Po podaniu wraz z parametrem Domyślna wartość: None
|
run_id
|
Opcjonalny identyfikator używany do filtrowania zwróconych wyników. Domyślna wartość: None
|
model_framework
|
Opcjonalna nazwa struktury używana do filtrowania zwróconych wyników. Jeśli zostanie określony, wyniki są zwracane dla modeli pasujących do określonej platformy. Zobacz Framework , aby uzyskać dozwolone wartości. Domyślna wartość: None
|
workspace
Wymagane
|
Obiekt obszaru roboczego zawierający model do pobrania. |
name
Wymagane
|
Nazwa modelu do pobrania. Zwracany jest najnowszy model o określonej nazwie, jeśli istnieje. |
id
Wymagane
|
Identyfikator modelu do pobrania. Model z określonym identyfikatorem jest zwracany, jeśli istnieje. |
tags
Wymagane
|
Opcjonalna lista tagów używanych do filtrowania zwróconych wyników. Wyniki są filtrowane na podstawie podanej listy, wyszukując frazę "key" lub "[key, value]". Np. ['key', ['key2', 'key2 value']] |
properties
Wymagane
|
Opcjonalna lista właściwości używanych do filtrowania zwróconych wyników. Wyniki są filtrowane na podstawie podanej listy, wyszukując frazę "key" lub "[key, value]". Np. ['key', ['key2', 'key2 value']] |
version
Wymagane
|
Wersja modelu do zwrócenia. Po podaniu wraz z parametrem |
run_id
Wymagane
|
Opcjonalny identyfikator używany do filtrowania zwróconych wyników. |
model_framework
Wymagane
|
Opcjonalna nazwa struktury używana do filtrowania zwróconych wyników. Jeśli zostanie określony, wyniki są zwracane dla modeli pasujących do określonej platformy. Zobacz Framework , aby uzyskać dozwolone wartości. |
expand
|
Jeśli wartość true, zwraca modele ze wszystkimi podwłaściwościami wypełnionymi, np. przebiegiem, zestawem danych i eksperymentem. Domyślna wartość: 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
|
Użytkownik, który utworzył model. |
created_time
|
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
|
Typ mime modelu. |
azureml.core.Model.name
|
Nazwa modelu. |
model_framework
|
Struktura modelu. |
model_framework_version
|
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
|
Niezależnie od tego, czy model musi być rozpakowany (nieskonsekrowany) po ściągnięciu do kontekstu lokalnego. |
url
|
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
|
Identyfikator nadrzędnego modelu. |
derived_model_ids
|
Lista identyfikatorów modeli, które zostały uzyskane z tego modelu. |
resource_configuration
|
Konfiguracja zasobu dla tego modelu. Służy do profilowania. |
Metody
add_dataset_references |
Skojarz dostarczone zestawy danych z tym modelem. |
add_properties |
Dodaj pary klucz-wartość do słownika właściwości tego modelu. |
add_tags |
Dodaj pary klucz-wartość do słownika tagów tego modelu. |
delete |
Usuń ten model ze skojarzonego obszaru roboczego. |
deploy |
Wdróż usługę internetową na podstawie zera lub większej liczby Model obiektów. Wynikowa usługa internetowa to punkt końcowy w czasie rzeczywistym, który może służyć do wnioskowania żądań. Funkcja Model |
deserialize |
Konwertowanie obiektu JSON na obiekt modelu. Konwersja nie powiedzie się, 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
Jeśli
|
get_sas_urls |
Zwróć słownik par klucz-wartość zawierający nazwy plików i odpowiednie adresy URL sygnatury 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 dockerfile. |
print_configuration |
Drukuj konfigurację użytkownika. |
profile |
Profiluje model, aby uzyskać zalecenia dotyczące wymagań dotyczących zasobów. Jest to długotrwała operacja, która może potrwać do 25 minut w zależności od rozmiaru zestawu danych. |
register |
Zarejestruj model w podanym 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 dostarczone zestawy danych z tym modelem.
add_dataset_references(datasets)
Parametry
Nazwa | Opis |
---|---|
datasets
Wymagane
|
Lista krotki reprezentująca parowanie celu zestawu danych do obiektu Dataset. |
Wyjątki
Typ | Opis |
---|---|
add_properties
Dodaj pary klucz-wartość do słownika właściwości tego modelu.
add_properties(properties)
Parametry
Nazwa | Opis |
---|---|
properties
Wymagane
|
dict(<xref:str : str>)
Słownik właściwości do dodania. |
Wyjątki
Typ | Opis |
---|---|
add_tags
Dodaj pary klucz-wartość do słownika tagów tego modelu.
add_tags(tags)
Parametry
Nazwa | Opis |
---|---|
tags
Wymagane
|
dict(<xref:{str : str}>)
Słownik tagów do dodania. |
Wyjątki
Typ | Opis |
---|---|
delete
deploy
Wdróż usługę internetową na podstawie zera lub większej liczby Model obiektów.
Wynikowa usługa internetowa to punkt końcowy w czasie rzeczywistym, 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
|
Obiekt Obszaru roboczego do skojarzenia usługi sieci Web z. |
name
Wymagane
|
Nazwa, która ma nadać wdrożonej usłudze. Musi być unikatowy dla obszaru roboczego, składać się tylko z małych liter, cyfr lub kresek, zaczynać się literą i mieć długość od 3 do 32 znaków. |
models
Wymagane
|
Lista obiektów modelu. Może być pustą listą. |
inference_config
|
Obiekt InferenceConfig używany do określania wymaganych właściwości modelu. Domyślna wartość: None
|
deployment_config
|
WebserviceDeploymentConfiguration używana do konfigurowania usługi internetowej. Jeśli go nie podano, pusty obiekt konfiguracji zostanie użyty na podstawie żądanego obiektu docelowego. Domyślna wartość: None
|
deployment_target
|
A ComputeTarget , aby wdrożyć usługę internetową. Ponieważ Azure Container Instances nie ma skojarzonego ComputeTargetparametru , pozostaw ten parametr jako Brak, aby wdrożyć go w Azure Container Instances. Domyślna wartość: None
|
overwrite
|
Wskazuje, czy zastąpić istniejącą usługę, jeśli usługa o określonej nazwie już istnieje. Domyślna wartość: False
|
show_output
|
Wskazuje, czy ma być wyświetlany postęp wdrażania usługi. Domyślna wartość: False
|
Zwraca
Typ | Opis |
---|---|
Obiekt usługi sieci Web odpowiadający wdrożonej usłudze internetowej. |
Wyjątki
Typ | Opis |
---|---|
deserialize
Konwertowanie obiektu JSON na obiekt modelu.
Konwersja nie powiedzie się, jeśli określony obszar roboczy nie jest obszarem roboczym, w ramach których model jest zarejestrowany.
static deserialize(workspace, model_payload)
Parametry
Nazwa | Opis |
---|---|
workspace
Wymagane
|
Obiekt obszaru roboczego, za pomocą który model jest zarejestrowany. |
model_payload
Wymagane
|
Obiekt JSON, który ma być konwertowany na obiekt modelu. |
Zwraca
Typ | Opis |
---|---|
Reprezentacja modelu dostarczonego obiektu JSON. |
Wyjątki
Typ | Opis |
---|---|
download
Pobierz model do katalogu docelowego lokalnego systemu plików.
download(target_dir='.', exist_ok=False, exists_ok=None)
Parametry
Nazwa | Opis |
---|---|
target_dir
|
Ścieżka do katalogu, w którym ma być pobierany model. Wartość domyślna to "." Domyślna wartość: .
|
exist_ok
|
Wskazuje, czy zastąpić pobrany dir/pliki, jeśli istnieją. Wartość domyślna to False. Domyślna wartość: False
|
exists_ok
|
PRZESTARZAŁE. Użyj polecenia Domyślna wartość: None
|
Zwraca
Typ | Opis |
---|---|
Ścieżka do pliku lub folderu modelu. |
Wyjątki
Typ | Opis |
---|---|
get_model_path
Zwróć ścieżkę do modelu.
Funkcja wyszuka model w następujących lokalizacjach.
Jeśli version
to Brak:
- Pobieranie ze zdalnego do pamięci podręcznej (jeśli jest dostępny obszar roboczy)
- Ładowanie z pamięci podręcznej azureml-models/$MODEL_NAME/$LATEST_VERSION/
- ./$MODEL_NAME
Jeśli version
nie ma parametru None:
- Ładowanie z pamięci podręcznej azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
- Pobieranie ze zdalnego do pamięci podręcznej (jeśli jest dostępny obszar roboczy)
static get_model_path(model_name, version=None, _workspace=None)
Parametry
Nazwa | Opis |
---|---|
model_name
Wymagane
|
Nazwa modelu do pobrania. |
version
|
Wersja modelu do pobrania. Domyślnie jest to najnowsza wersja. Domyślna wartość: None
|
_workspace
|
Obszar roboczy do pobrania modelu z. Nie można używać zdalnie. Jeśli nie określono tylko lokalnej pamięci podręcznej, zostanie przeszukana. Domyślna wartość: None
|
Zwraca
Typ | Opis |
---|---|
Ścieżka na dysku do modelu. |
Wyjątki
Typ | Opis |
---|---|
get_sas_urls
Zwróć słownik par klucz-wartość zawierający nazwy plików i odpowiednie adresy URL sygnatury dostępu współdzielonego.
get_sas_urls()
Zwraca
Typ | Opis |
---|---|
Słownik par klucz-wartość zawierający nazwy plików i odpowiednie adresy URL sygnatury dostępu współdzielonego |
Wyjątki
Typ | Opis |
---|---|
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
|
Obiekt obszaru roboczego do pobierania modeli. |
name
|
Jeśli zostanie podana, zwróci tylko modele o określonej nazwie, jeśli istnieje. Domyślna wartość: None
|
tags
|
Filtruje na podstawie podanej listy według wartości "key" lub "[key, value]". Np. ['key', ['key2', 'key2 value']] Domyślna wartość: None
|
properties
|
Filtruje na podstawie podanej listy według wartości "key" lub "[key, value]". Np. ['key', ['key2', 'key2 value']] Domyślna wartość: None
|
run_id
|
Filtruje na podstawie podanego identyfikatora przebiegu. Domyślna wartość: None
|
latest
|
Jeśli ma wartość true, zwraca tylko modele z najnowszą wersją. Domyślna wartość: False
|
dataset_id
|
Filtruje na podstawie podanego identyfikatora zestawu danych. Domyślna wartość: None
|
expand
|
Jeśli ma wartość true, zwróci modele ze wszystkimi podwłaściwościami wypełnionymi, np. przebiegiem, zestawem danych i eksperymentem. Ustawienie wartości false powinno przyspieszyć uzupełnianie metody list() w przypadku wielu modeli. Domyślna wartość: True
|
page_count
|
Liczba elementów do pobrania na stronie. Obecnie obsługują wartości do 255. Wartość domyślna to 255. Domyślna wartość: 255
|
model_framework
|
Jeśli zostanie podana, zwróci tylko modele z określoną strukturą, jeśli istnieje. Domyślna wartość: None
|
Zwraca
Typ | Opis |
---|---|
Lista modeli, opcjonalnie filtrowana. |
Wyjątki
Typ | Opis |
---|---|
package
Utwórz pakiet modelu w postaci obrazu platformy Docker lub kontekstu kompilacji dockerfile.
static package(workspace, models, inference_config=None, generate_dockerfile=False, image_name=None, image_label=None)
Parametry
Nazwa | Opis |
---|---|
workspace
Wymagane
|
Obszar roboczy, w którym ma zostać utworzony pakiet. |
models
Wymagane
|
Lista obiektów modelu do uwzględnienia w pakiecie. Może być pustą listą. |
inference_config
|
Obiekt InferenceConfig, aby skonfigurować operację modeli. Musi to obejmować obiekt Środowisko. Domyślna wartość: None
|
generate_dockerfile
|
Czy utworzyć plik Dockerfile, który można uruchomić lokalnie, zamiast tworzyć obraz. Domyślna wartość: False
|
image_name
|
Podczas tworzenia obrazu nazwa wynikowego obrazu. Domyślna wartość: None
|
image_label
|
Podczas tworzenia obrazu etykieta obrazu wynikowego. Domyślna wartość: None
|
Zwraca
Typ | Opis |
---|---|
Obiekt ModelPackage. |
Wyjątki
Typ | Opis |
---|---|
print_configuration
Drukuj konfigurację użytkownika.
static print_configuration(models, inference_config, deployment_config, deployment_target)
Parametry
Nazwa | Opis |
---|---|
models
Wymagane
|
Lista obiektów modelu. Może być pustą listą. |
inference_config
Wymagane
|
Obiekt InferenceConfig używany do określania wymaganych właściwości modelu. |
deployment_config
Wymagane
|
WebserviceDeploymentConfiguration używana do konfigurowania usługi internetowej. |
deployment_target
Wymagane
|
Element A ComputeTarget do wdrożenia usługi sieci Web. |
Wyjątki
Typ | Opis |
---|---|
profile
Profiluje model, aby uzyskać zalecenia dotyczące 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
|
Obiekt obszaru roboczego, w którym ma być profilowy model. |
profile_name
Wymagane
|
Nazwa przebiegu profilowania. |
models
Wymagane
|
Lista obiektów modelu. Może być pustą listą. |
inference_config
Wymagane
|
Obiekt InferenceConfig używany do określania wymaganych właściwości modelu. |
input_dataset
Wymagane
|
Wejściowy zestaw danych do profilowania. Wejściowy zestaw danych powinien mieć pojedynczą kolumnę, a przykładowe dane wejściowe powinny być w formacie ciągu. |
cpu
|
Liczba rdzeni procesora cpu do użycia w największym wystąpieniu testowym. Obecnie obsługują wartości do 3,5. Domyślna wartość: None
|
memory_in_gb
|
Ilość pamięci (w GB) do użycia w największym wystąpieniu testowym. Może to być liczba dziesiętna. Obecnie obsługują wartości do 15.0. Domyślna wartość: None
|
description
|
Opis, który ma być skojarzony z przebiegiem profilowania. Domyślna wartość: None
|
Zwraca
Typ | Opis |
---|---|
Wyjątki
Typ | Opis |
---|---|
<xref:azureml.exceptions.WebserviceException>, <xref:azureml.exceptions.UserErrorException>
|
register
Zarejestruj model w podanym 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
|
Obszar roboczy do zarejestrowania modelu za pomocą polecenia . |
model_path
Wymagane
|
Ścieżka w lokalnym systemie plików, w którym znajdują się zasoby modelu. Może to być bezpośredni wskaźnik do pojedynczego pliku lub folderu. Jeśli wskazuje folder, |
model_name
Wymagane
|
Nazwa rejestrowania modelu za pomocą polecenia . |
tags
|
dict(<xref:{str : str}>)
Opcjonalny słownik tagów wartości klucza do przypisania do modelu. Domyślna wartość: None
|
properties
|
dict(<xref:{str : str}>)
Opcjonalny słownik właściwości wartości klucza do przypisania do modelu. Nie można zmienić tych właściwości po utworzeniu modelu, jednak można dodać nowe pary wartości klucza. Domyślna wartość: None
|
description
|
Opis tekstu modelu. Domyślna wartość: None
|
datasets
|
Lista krotki, w których pierwszy element opisuje relację modelu zestawu danych, a drugi element to zestaw danych. Domyślna wartość: None
|
model_framework
|
Struktura zarejestrowanego modelu. Użycie stałych obsługiwanych przez system z Framework klasy umożliwia uproszczone wdrażanie niektórych popularnych struktur. Domyślna wartość: None
|
model_framework_version
|
Wersja platformy zarejestrowanego modelu. Domyślna wartość: None
|
child_paths
|
Jeśli zostanie podany w połączeniu z folderem do Domyślna wartość: None
|
sample_input_dataset
|
Przykładowy zestaw danych wejściowych dla zarejestrowanego modelu. Domyślna wartość: None
|
sample_output_dataset
|
Przykładowy wyjściowy zestaw danych dla zarejestrowanego modelu. Domyślna wartość: None
|
resource_configuration
|
Konfiguracja zasobu do uruchamiania zarejestrowanego modelu. Domyślna wartość: None
|
Zwraca
Typ | Opis |
---|---|
Zarejestrowany obiekt modelu. |
Wyjątki
Typ | Opis |
---|---|
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 przy użyciu 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 z witryny 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 uruchom bez wcześniejszego 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
|
Lista kluczy do usunięcia |
Wyjątki
Typ | Opis |
---|---|
serialize
Przekonwertuj ten model na słownik serializowany w formacie json.
serialize()
Zwraca
Typ | Opis |
---|---|
Reprezentacja json tego modelu |
Wyjątki
Typ | Opis |
---|---|
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. Te tagi zastępują istniejące tagi dla modelu. Domyślna wartość: None
|
description
|
Nowy opis do użycia dla modelu. Ta nazwa zastępuje istniejącą nazwę. Domyślna wartość: None
|
sample_input_dataset
|
Przykładowy zestaw danych wejściowych do użycia dla zarejestrowanego modelu. Ten przykładowy wejściowy zestaw danych zastępuje istniejący zestaw danych. Domyślna wartość: None
|
sample_output_dataset
|
Przykładowy wyjściowy zestaw danych do użycia dla zarejestrowanego modelu. Ten przykładowy wyjściowy zestaw danych zastępuje istniejący zestaw danych. Domyślna wartość: None
|
resource_configuration
|
Konfiguracja zasobu używana do uruchamiania zarejestrowanego modelu. Domyślna wartość: None
|
Wyjątki
Typ | Opis |
---|---|
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. Domyślna wartość: None
|
remove_tags
|
Lista nazw tagów do usunięcia. Domyślna wartość: None
|
add_properties
|
dict(<xref:{str : str}>)
Słownik właściwości do dodania. Domyślna wartość: None
|
Wyjątki
Typ | Opis |
---|---|