BatchDeploymentOperations Classe
BatchDeploymentOperations.
Você não deve instanciar essa classe diretamente. Em vez disso, você deve criar uma instância do MLClient que a instancie para você e a anexa como um atributo.
- Herança
-
azure.ai.ml._scope_dependent_operations._ScopeDependentOperationsBatchDeploymentOperations
Construtor
BatchDeploymentOperations(operation_scope: OperationScope, operation_config: OperationConfig, service_client_05_2022: AzureMachineLearningWorkspaces, all_operations: OperationsContainer, credentials: TokenCredential | None = None, **kwargs: Dict)Parâmetros
- operation_scope
- <xref:azure.ai.ml._scope_dependent_operations.OperationScope>
Variáveis de escopo para as classes de operações de um objeto MLClient.
- operation_config
- <xref:azure.ai.ml._scope_dependent_operations.OperationConfig>
Configuração comum para classes de operações de um objeto MLClient.
- service_client_05_2022
- <xref:<xref:azure.ai.ml._restclient.v2022_05_01._azure_machine_learning_workspaces. AzureMachineLearningWorkspaces>>
Cliente de serviço para permitir que os usuários finais operem nos recursos do Workspace do Azure Machine Learning.
- all_operations
- <xref:azure.ai.ml._scope_dependent_operations.OperationsContainer>
Todas as classes de operações de um objeto MLClient.
Métodos
| begin_create_or_update |
Criar ou atualizar uma implantação em lote. |
| begin_delete |
Excluir uma implantação em lote. |
| get |
Obter um recurso de implantação. |
| list |
Listar um recurso de implantação. |
| list_jobs |
Listar trabalhos na implantação de ponto de extremidade em lote fornecida. Isso só é válido para o ponto de extremidade em lote. |
begin_create_or_update
Criar ou atualizar uma implantação em lote.
begin_create_or_update(deployment: DeploymentType, *, skip_script_validation: bool = False, **kwargs) -> LROPoller[DeploymentType]Parâmetros
Retornos
Um sondador para acompanhar a operação status.
Tipo de retorno
Exceções
Gerado se BatchDeployment não puder ser validado com êxito. Os detalhes serão fornecidos na mensagem de erro.
Gerado se os ativos BatchDeployment (por exemplo, Dados, Código, Modelo, Ambiente) não puderem ser validados com êxito. Os detalhes serão fornecidos na mensagem de erro.
Gerado se o modelo BatchDeployment não puder ser validado com êxito. Os detalhes serão fornecidos na mensagem de erro.
Exemplos
Criar exemplo.
from azure.ai.ml import load_batch_deployment
from azure.ai.ml.entities import BatchDeployment
deployment_example = load_batch_deployment(
source="./sdk/ml/azure-ai-ml/tests/test_configs/deployments/batch/batch_deployment_anon_env_with_image.yaml",
params_override=[{"name": f"deployment-{randint(0, 1000)}", "endpoint_name": endpoint_example.name}],
)
ml_client.batch_deployments.begin_create_or_update(deployment=deployment_example, skip_script_validation=True)
begin_delete
Excluir uma implantação em lote.
begin_delete(name: str, endpoint_name: str) -> LROPoller[None]Parâmetros
Retornos
Um sondador para acompanhar a operação status.
Tipo de retorno
Exceções
Gerado se BatchDeployment não puder ser validado com êxito. Os detalhes serão fornecidos na mensagem de erro.
Gerado se os ativos BatchDeployment (por exemplo, Dados, Código, Modelo, Ambiente) não puderem ser validados com êxito. Os detalhes serão fornecidos na mensagem de erro.
Gerado se o modelo BatchDeployment não puder ser validado com êxito. Os detalhes serão fornecidos na mensagem de erro.
Exemplos
Exemplo de exclusão.
ml_client.batch_deployments.begin_delete(deployment_name, endpoint_name)
get
Obter um recurso de implantação.
get(name: str, endpoint_name: str) -> BatchDeploymentParâmetros
Retornos
Uma entidade de implantação
Tipo de retorno
Exceções
Gerado se BatchDeployment não puder ser validado com êxito. Os detalhes serão fornecidos na mensagem de erro.
Gerado se os ativos BatchDeployment (por exemplo, Dados, Código, Modelo, Ambiente) não puderem ser validados com êxito. Os detalhes serão fornecidos na mensagem de erro.
Gerado se o modelo BatchDeployment não puder ser validado com êxito. Os detalhes serão fornecidos na mensagem de erro.
Exemplos
Obter exemplo.
ml_client.batch_deployments.get(deployment_name, endpoint_name)
list
Listar um recurso de implantação.
list(endpoint_name: str) -> ItemPaged[BatchDeployment]Parâmetros
Retornos
Um iterador de entidades de implantação
Tipo de retorno
Exceções
Gerado se BatchDeployment não puder ser validado com êxito. Os detalhes serão fornecidos na mensagem de erro.
Gerado se os ativos BatchDeployment (por exemplo, Dados, Código, Modelo, Ambiente) não puderem ser validados com êxito. Os detalhes serão fornecidos na mensagem de erro.
Gerado se o modelo BatchDeployment não puder ser validado com êxito. Os detalhes serão fornecidos na mensagem de erro.
Exemplos
Exemplo de recurso de implantação de lista.
ml_client.batch_deployments.list(endpoint_name)
list_jobs
Listar trabalhos na implantação de ponto de extremidade em lote fornecida. Isso só é válido para o ponto de extremidade em lote.
list_jobs(endpoint_name: str, *, name: str | None = None) -> ItemPaged[BatchJob]Parâmetros
- name
- str
(Opcional) Nome da implantação.
Retornos
Lista de trabalhos
Tipo de retorno
Exceções
Gerado se BatchDeployment não puder ser validado com êxito. Os detalhes serão fornecidos na mensagem de erro.
Gerado se os ativos BatchDeployment (por exemplo, Dados, Código, Modelo, Ambiente) não puderem ser validados com êxito. Os detalhes serão fornecidos na mensagem de erro.
Gerado se o modelo BatchDeployment não puder ser validado com êxito. Os detalhes serão fornecidos na mensagem de erro.
Exemplos
Exemplo de trabalhos de lista.
ml_client.batch_deployments.list_jobs(deployment_name, endpoint_name)
Azure SDK for Python
Comentários
Em breve: Ao longo de 2024, eliminaremos os problemas do GitHub como o mecanismo de comentários para conteúdo e o substituiremos por um novo sistema de comentários. Para obter mais informações, consulte https://aka.ms/ContentUserFeedback.
Enviar e exibir comentários de