az ml job

Nota

Essa referência faz parte da extensão ml para a CLI do Azure (versão 2.15.0 ou superior). A extensão será instalada automaticamente na primeira vez que você executar um comando az ml job . Saiba mais sobre extensões.

Gerencie trabalhos do Azure ML.

Um trabalho do Azure ML executa uma tarefa em relação a um destino de computação especificado. Você pode configurar trabalhos para dimensionar o treinamento de modelo no Azure. O Azure ML dá suporte a diferentes tipos de trabalho com diferentes recursos. Por exemplo, o trabalho mais básico, um trabalho de comando, executa um comando em um contêiner do Docker e pode ser aproveitado para treinamento distribuído e de nó único. Um trabalho de varredura executa uma varredura de hiperparâmetros em um espaço de pesquisa especificado para ajustar os hiperparâmetros de um modelo.

Os trabalhos também permitem o acompanhamento sistemático para sua experimentação e fluxos de trabalho de ML. Depois que um trabalho é criado, o Azure ML mantém um registro de execução para o trabalho que inclui os metadados, quaisquer métricas, logs e artefatos gerados durante o trabalho, o código que foi executado e o ambiente do Azure ML usado. Todos os registros de execução dos seus trabalhos podem ser exibidos no estúdio do Azure ML.

Comandos

Name	Description	Tipo	Estado
az ml job archive	Arquivar um trabalho.	Extensão	GA
az ml job cancel	Cancelar um trabalho.	Extensão	GA
az ml job connect-ssh	Configure a conexão ssh e envie a solicitação para o serviço SSH em execução dentro do contêiner do usuário através da Tundra.	Extensão	GA
az ml job create	Crie um trabalho.	Extensão	GA
az ml job download	Transfira todos os ficheiros relacionados com o trabalho.	Extensão	GA
az ml job list	Listar trabalhos em um espaço de trabalho.	Extensão	GA
az ml job restore	Restaure um trabalho arquivado.	Extensão	GA
az ml job show	Mostrar detalhes de um trabalho.	Extensão	GA
az ml job show-services	Mostrar serviços de um trabalho por nó.	Extensão	GA
az ml job stream	Transmita logs de tarefas para o console.	Extensão	GA
az ml job update	Atualizar um trabalho.	Extensão	GA
az ml job validate	Valide um trabalho. Este comando funciona para trabalhos de pipeline apenas por enquanto.	Extensão	GA

az ml job archive

Arquivar um trabalho.

Arquivar um trabalho irá ocultá-lo por padrão das consultas de lista (az ml job list). Você ainda pode continuar a referenciar e usar um trabalho arquivado em seus fluxos de trabalho. Apenas os trabalhos concluídos podem ser arquivados.

az ml job archive --name
                  --resource-group
                  --workspace-name

Parâmetros Obrigatórios

--name -n

Nome do trabalho.

--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros de Globais

--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc

valor predefinido: json

--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.

az ml job cancel

Cancelar um trabalho.

az ml job cancel --name
                 --resource-group
                 --workspace-name

Exemplos

Cancelar um trabalho por nome

az ml job cancel --name my-job-id --resource-group my-resource-group --workspace-name my-workspace

Parâmetros Obrigatórios

--name -n

Nome do trabalho.

--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros de Globais

--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc

valor predefinido: json

--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.

az ml job connect-ssh

Configure a conexão ssh e envie a solicitação para o serviço SSH em execução dentro do contêiner do usuário através da Tundra.

az ml job connect-ssh --name
                      --resource-group
                      --workspace-name
                      [--node-index]
                      [--private-key-file-path]

Exemplos

Configure a conexão ssh e envie a solicitação para o serviço SSH.

az ml job connect-ssh --name my-job-id --node-index 0 --private-key-file-path "C:/Temp/.ssh/id_rsa" --resource-group my-resource-group --workspace-name my-workspace

Parâmetros Obrigatórios

--name -n

Nome do trabalho.

--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Opcionais

--node-index -i

O índice do nó para se conectar através do ssh.

valor predefinido: 0

--private-key-file-path -f

O caminho para o arquivo de arquivo de chave privada.

Parâmetros de Globais

--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc

valor predefinido: json

--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.

az ml job create

Crie um trabalho.

Para criar um trabalho, você normalmente precisará configurar qualquer código a ser executado, um ambiente encapsulando as dependências, um destino de computação para executar o trabalho e quaisquer configurações adicionais específicas do trabalho. Quando um trabalho é criado, ele é enviado para execução em relação ao recurso de computação especificado.

az ml job create --file
                 --resource-group
                 --workspace-name
                 [--name]
                 [--save-as]
                 [--set]
                 [--skip-validation]
                 [--stream]
                 [--web]

Exemplos

Criar um trabalho a partir de um arquivo de especificação YAML

az ml job create --file job.yml --resource-group my-resource-group --workspace-name my-workspace

Criar um trabalho a partir de um arquivo de especificação YAML e abrir os detalhes de execução do trabalho no portal do estúdio do Azure ML

az ml job create --file job.yml --web --resource-group my-resource-group --workspace-name my-workspace

Parâmetros Obrigatórios

--file -f

Caminho local para o arquivo YAML que contém a especificação de trabalho do Azure ML. Os documentos de referência do YAML para o trabalho podem ser encontrados em: https://aka.ms/ml-cli-v2-job-command-yaml-reference, https://aka.ms/ml-cli-v2-job-sweep-yaml-reference, https://aka.ms/ml-cli-v2-job-pipeline-yaml-reference.

--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Opcionais

--name -n

Nome do trabalho.

--save-as -a

Arquivo no qual o estado do trabalho criado no formato YAML será gravado.

--set

Atualize um objeto especificando um caminho de propriedade e um valor a ser definido. Exemplo: --set property1.property2=.

--skip-validation

Ignore a validação na criação do recurso. Observe que os recursos dependentes não ignorarão sua validação na criação.

valor predefinido: False

--stream -s

Indica se os logs do trabalho devem ser transmitidos para o console.

valor predefinido: False

--web -e

Mostrar os detalhes de execução do trabalho no estúdio do Azure ML em um navegador da Web.

valor predefinido: False

Parâmetros de Globais

--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc

valor predefinido: json

--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.

az ml job download

Transfira todos os ficheiros relacionados com o trabalho.

Os arquivos serão baixados em uma pasta com o nome do trabalho.

az ml job download --name
                   --resource-group
                   --workspace-name
                   [--all]
                   [--download-path]
                   [--output-name]

Exemplos

Baixar logs e saídas de um trabalho para o diretório de trabalho atual

az ml job download --name my-job --resource-group my-resource-group --workspace-name my-workspace

Parâmetros Obrigatórios

--name -n

Nome do trabalho.

--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Opcionais

--all

Faça o download de todas as saídas do trabalho.

valor predefinido: False

--download-path -p

Caminho para baixar os arquivos de trabalho. Se omitidos, os arquivos de trabalho serão baixados para o diretório atual.

--output-name

O nome da saída definida pelo usuário para download. Isso deve corresponder a uma chave no dicionário de saídas de um trabalho. Se omitidos, os arquivos de saída de artefato padrão do trabalho serão baixados.

Parâmetros de Globais

--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc

valor predefinido: json

--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.

az ml job list

Listar trabalhos em um espaço de trabalho.

az ml job list --resource-group
               --workspace-name
               [--all-results {false, true}]
               [--archived-only]
               [--include-archived]
               [--max-results]
               [--parent-job-name]

Exemplos

Liste todos os status de trabalhos em um espaço de trabalho usando o argumento --query para executar uma consulta JMESPath nos resultados dos comandos.

az ml job list --query "[].{Name:name,Jobstatus:status}"  --output table --resource-group my-resource-group --workspace-name my-workspace

Parâmetros Obrigatórios

--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Opcionais

--all-results

Devolve todos os resultados.

valores aceites: false, true

valor predefinido: False

--archived-only

Listar apenas trabalhos arquivados.

valor predefinido: False

--include-archived

Listar trabalhos arquivados e trabalhos ativos.

valor predefinido: False

--max-results -r

Número máximo de resultados a retornar. O padrão é 50.

valor predefinido: 50

--parent-job-name -p

Nome do trabalho pai. Irá listar todos os trabalhos cuja parent_job_name corresponde ao nome fornecido.

Parâmetros de Globais

--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc

valor predefinido: json

--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.

az ml job restore

Restaure um trabalho arquivado.

Quando um trabalho arquivado é restaurado, ele não ficará mais oculto das consultas de lista (az ml job list).

az ml job restore --name
                  --resource-group
                  --workspace-name

Parâmetros Obrigatórios

--name -n

Nome do trabalho.

--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros de Globais

--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc

valor predefinido: json

--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.

az ml job show

Mostrar detalhes de um trabalho.

az ml job show --name
               --resource-group
               --workspace-name
               [--web]

Exemplos

Mostrar o status de um trabalho usando o argumento --query para executar uma consulta JMESPath nos resultados dos comandos.

az ml job show --name my-job-id --query "{Name:name,Jobstatus:status}"  --output table --resource-group my-resource-group --workspace-name my-workspace

Parâmetros Obrigatórios

--name -n

Nome do trabalho.

--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Opcionais

--web -e

Mostrar os detalhes de execução do trabalho no estúdio do Azure ML em um navegador da Web.

valor predefinido: False

Parâmetros de Globais

--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc

valor predefinido: json

--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.

az ml job show-services

Mostrar serviços de um trabalho por nó.

az ml job show-services --name
                        --resource-group
                        --workspace-name
                        [--node-index]

Exemplos

Mostrar os serviços de um trabalho por nó usando o argumento --query para executar uma consulta JMESPath nos resultados dos comandos.

az ml job show-services --name my-job-id --node-index 0 --query "{Name:name,Jobstatus:status}"  --output table --resource-group my-resource-group --workspace-name my-workspace

Parâmetros Obrigatórios

--name -n

Nome do trabalho.

--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Opcionais

--node-index -i

O índice do nó para o qual os serviços devem ser mostrados.

valor predefinido: 0

Parâmetros de Globais

--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc

valor predefinido: json

--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.

az ml job stream

Transmita logs de tarefas para o console.

az ml job stream --name
                 --resource-group
                 --workspace-name

Parâmetros Obrigatórios

--name -n

Nome do trabalho.

--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros de Globais

--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc

valor predefinido: json

--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.

az ml job update

Atualizar um trabalho.

Apenas as propriedades 'tags' e 'properties' podem ser atualizadas.

az ml job update --name
                 --resource-group
                 --workspace-name
                 [--add]
                 [--force-string]
                 [--remove]
                 [--set]
                 [--web]

Parâmetros Obrigatórios

--name -n

Nome do trabalho.

--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Opcionais

--add

Adicione um objeto a uma lista de objetos especificando um caminho e pares de valor de chave. Exemplo: --add property.listProperty <key=value, string or JSON string>.

valor predefinido: []

--force-string

Ao usar 'set' ou 'add', preserve literais de string em vez de tentar converter para JSON.

valor predefinido: False

--remove

Remova uma propriedade ou um elemento de uma lista. Exemplo: --remove property.list <indexToRemove> OR --remove propertyToRemove.

valor predefinido: []

--set

Atualize um objeto especificando um caminho de propriedade e um valor a ser definido. Exemplo: --set property1.property2=<value>.

valor predefinido: []

--web -e

Mostrar os detalhes de execução do trabalho no estúdio do Azure ML em um navegador da Web.

valor predefinido: False

Parâmetros de Globais

--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc

valor predefinido: json

--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.

az ml job validate

Valide um trabalho. Este comando funciona para trabalhos de pipeline apenas por enquanto.

Este comando validará um arquivo de especificação YAML para verificar se ele é válido para a criação de trabalho e retornará todos os problemas encontrados. A validação inclui principalmente a verificação local do esquema, como campos ausentes, ambiente sem versão especificada, código referido a um caminho local inexistente; Ele também verificará a existência de destinos de computação referenciados no espaço de trabalho de destino. O resultado da validação será impresso no console, incluindo erros e avisos. Apenas erros farão com que a validação falhe. Uma validação de trabalho aprovado poderá ser enviada. Este comando funciona para trabalhos de pipeline apenas por enquanto.

az ml job validate --file
                   --resource-group
                   --workspace-name
                   [--set]

Exemplos

Valide um arquivo de especificação YAML para verificar se ele é válido para a criação de trabalho.

az ml job validate --file job.yml --resource-group my-resource-group --workspace-name my-workspace

Parâmetros Obrigatórios

--file -f

Caminho local para o arquivo YAML que contém a especificação de trabalho do Azure ML. Os documentos de referência do YAML para o trabalho podem ser encontrados em: https://aka.ms/ml-cli-v2-job-pipeline-yaml-reference.

--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Opcionais

--set

Atualize um objeto especificando um caminho de propriedade e um valor a ser definido. Exemplo: --set property1.property2=.

Parâmetros de Globais

--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc

valor predefinido: json

--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.