Partilhar via

Atualizar o gerenciamento de modelos para o SDK v2

  • Artigo

Este artigo fornece uma comparação de cenário(s) no SDK v1 e SDK v2.

Criar modelo

  • SDK v1

    import urllib.request
from azureml.core.model import Model

# Register model
model = Model.register(ws, model_name="local-file-example", model_path="mlflow-model/model.pkl")

  • SDK v2

    from azure.ai.ml.entities import Model
from azure.ai.ml.constants import AssetTypes

file_model = Model(
    path="mlflow-model/model.pkl",
    type=AssetTypes.CUSTOM_MODEL,
    name="local-file-example",
    description="Model created from local file."
)
ml_client.models.create_or_update(file_model)

Usar modelo em um experimento/trabalho

  • SDK v1

    model = run.register_model(model_name='run-model-example',
                           model_path='outputs/model/')
print(model.name, model.id, model.version, sep='\t')

  • SDK v2

    from azure.ai.ml.entities import Model
from azure.ai.ml.constants import AssetTypes

run_model = Model(
    path="azureml://jobs/$RUN_ID/outputs/artifacts/paths/model/",
    name="run-model-example",
    description="Model created from run.",
    type=AssetTypes.CUSTOM_MODEL
)

ml_client.models.create_or_update(run_model)

Para obter mais informações sobre modelos, consulte Trabalhar com modelos no Azure Machine Learning.

Mapeamento das principais funcionalidades no SDK v1 e SDK v2

Funcionalidade no SDK v1 Mapeamento aproximado no SDK v2
Modelo.register ml_client.models.create_or_update
run.register_model ml_client.models.create_or_update
Modelo.deploy ml_client.begin_create_or_update(blue_deployment)

Próximos passos

Para obter mais informações, consulte a documentação aqui: