Partilhar via

Model Classe

  • Referência

Representa o resultado da preparação de machine learning.

Um modelo é o resultado de uma preparação Run do Azure Machine Learning ou de outro processo de preparação de modelos fora do Azure. Independentemente da forma como o modelo é produzido, pode ser registado numa área de trabalho, onde é representado por um nome e uma versão. Com a classe Modelo, pode empacotar modelos para utilização com o Docker e implementá-los como um ponto final em tempo real que pode ser utilizado para pedidos de inferência.

Para um tutorial completo que mostra como os modelos são criados, geridos e consumidos, veja Preparar um modelo de classificação de imagens com dados MNIST e scikit-learn com o Azure Machine Learning.

Construtor de modelos.

O construtor Modelo é utilizado para obter uma representação na cloud de um objeto Modelo associado à área de trabalho fornecida. Tem de fornecer um nome ou um ID.

Herança
builtins.object
Model

Construtor

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

Parâmetros

Name Description
workspace
Necessário
Workspace

O objeto da área de trabalho que contém o modelo a obter.
name
str

O nome do modelo a obter. O modelo mais recente com o nome especificado é devolvido, se existir.

Default value: None
id
str

O ID do modelo a obter. O modelo com o ID especificado é devolvido, se existir.

Default value: None
tags
list

Uma lista opcional de etiquetas utilizadas para filtrar os resultados devolvidos. Os resultados são filtrados com base na lista fornecida, ao procurar por "chave" ou "[chave, valor]". Por exemplo: ['key', ['key2', 'key2 value']]

Default value: None
properties
list

Uma lista opcional de propriedades utilizadas para filtrar os resultados devolvidos. Os resultados são filtrados com base na lista fornecida, ao procurar por "chave" ou "[chave, valor]". Por exemplo: ['key', ['key2', 'key2 value']]

Default value: None
version
int

A versão do modelo a devolver. Quando fornecido juntamente com o name parâmetro , a versão específica do modelo nomeado especificado é devolvida, se existir. Se version for omitido, é devolvida a última versão do modelo.

Default value: None
run_id
str

ID opcional utilizado para filtrar os resultados devolvidos.

Default value: None
model_framework
str

Nome de arquitetura opcional utilizado para filtrar os resultados devolvidos. Se especificado, os resultados são devolvidos para os modelos que correspondem à arquitetura especificada. Veja Framework os valores permitidos.

Default value: None
workspace
Necessário
Workspace

O objeto da área de trabalho que contém o modelo a obter.
name
Necessário
str

O nome do modelo a obter. O modelo mais recente com o nome especificado é devolvido, se existir.
id
Necessário
str

O ID do modelo a obter. O modelo com o ID especificado é devolvido, se existir.
tags
Necessário
list

Uma lista opcional de etiquetas utilizadas para filtrar os resultados devolvidos. Os resultados são filtrados com base na lista fornecida, ao procurar por "chave" ou "[chave, valor]". Por exemplo: ['key', ['key2', 'key2 value']]
properties
Necessário
list

Uma lista opcional de propriedades utilizadas para filtrar os resultados devolvidos. Os resultados são filtrados com base na lista fornecida, ao procurar por "chave" ou "[chave, valor]". Por exemplo: ['key', ['key2', 'key2 value']]
version
Necessário
int

A versão do modelo a devolver. Quando fornecido juntamente com o name parâmetro , a versão específica do modelo nomeado especificado é devolvida, se existir. Se version for omitido, é devolvida a última versão do modelo.
run_id
Necessário
str

ID opcional utilizado para filtrar os resultados devolvidos.
model_framework
Necessário
str

Nome de arquitetura opcional utilizado para filtrar os resultados devolvidos. Se especificado, os resultados são devolvidos para os modelos que correspondem à arquitetura especificada. Veja Framework os valores permitidos.
expand
bool

Se for verdadeiro, devolverá modelos com todos os subpropriedades preenchidos, por exemplo, execução, conjunto de dados e experimentação.

Default value: True

Observações

O construtor Modelo é utilizado para obter uma representação na cloud de um objeto Modelo associado à área de trabalho especificada. Pelo menos, o nome ou ID tem de ser fornecido para obter modelos, mas também existem outras opções para filtragem, incluindo por etiquetas, propriedades, versão, ID de execução e arquitetura.


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

O exemplo seguinte mostra como obter uma versão específica de um modelo.


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

Registar um modelo cria um contentor lógico para um ou mais ficheiros que compõem o seu modelo. Além do conteúdo do próprio ficheiro de modelo, um modelo registado também armazena metadados de modelo, incluindo a descrição do modelo, etiquetas e informações de arquitetura, que são úteis ao gerir e implementar o modelo na sua área de trabalho. Por exemplo, com etiquetas, pode categorizar os seus modelos e aplicar filtros ao listar modelos na sua área de trabalho. Após o registo, pode transferir ou implementar o modelo registado e receber todos os ficheiros e metadados registados.

O exemplo seguinte mostra como registar um modelo que especifica etiquetas e uma descrição.


   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)

O exemplo completo está disponível a partir de https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

O exemplo seguinte mostra como registar um modelo que especifica a arquitetura, os conjuntos de dados de entrada e saída e a configuração de recursos.


   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)

A secção Variables (Variáveis ) lista os atributos de uma representação local do objeto de Modelo de cloud. Estas variáveis devem ser consideradas só de leitura. A alteração dos respetivos valores não será refletida no objeto de cloud correspondente.

Variáveis

Name Description
created_by
dict

O utilizador que criou o Modelo.
created_time
datetime

Quando o Modelo foi criado.
azureml.core.Model.description

Uma descrição do objeto Modelo.
azureml.core.Model.id

O ID do Modelo. Esta ação assume a forma de nome> do <modelo:<versão> do modelo.
mime_type
str

O tipo de mime Modelo.
azureml.core.Model.name

O nome do Modelo.
model_framework
str

A arquitetura do Modelo.
model_framework_version
str

A versão de arquitetura do Modelo.
azureml.core.Model.tags

Um dicionário de etiquetas para o objeto Modelo.
azureml.core.Model.properties

Dicionário de propriedades de valor de chave para o Modelo. Estas propriedades não podem ser alteradas após o registo. No entanto, podem ser adicionados novos pares de valores chave.
unpack
bool

Se o Modelo precisa ou não de ser desempacotado (não compactado) quando solicitado para um contexto local.
url
str

A localização do URL do Modelo.
azureml.core.Model.version

A versão do Modelo.
azureml.core.Model.workspace

A Área de Trabalho que contém o Modelo.
azureml.core.Model.experiment_name

O nome da Experimentação que criou o Modelo.
azureml.core.Model.run_id

O ID da Execução que criou o Modelo.
parent_id
str

O ID do Modelo principal do Modelo.
derived_model_ids
list[str]

Uma lista de IDs de Modelo derivados deste Modelo.
resource_configuration
ResourceConfiguration

ResourceConfiguration para este Modelo. Utilizado para criação de perfis.

Métodos

add_dataset_references

Associe os conjuntos de dados fornecidos a este Modelo.
add_properties

Adicione pares chave-valor ao dicionário de propriedades deste modelo.
add_tags

Adicione pares de valores chave ao dicionário de etiquetas deste modelo.
delete

Elimine este modelo da área de trabalho associada.
deploy

Implementar um webservice a partir de zero ou mais Model objetos.

O Webservice resultante é um ponto final em tempo real que pode ser utilizado para pedidos de inferência. A função Model deploy é semelhante à deploy função da Webservice classe, mas não regista os modelos. Utilize a função Modelo deploy se tiver objetos de modelo que já estejam registados.
deserialize

Converter um objeto JSON num objeto de modelo.

A conversão falhará se a área de trabalho especificada não for a área de trabalho na qual o modelo está registado.
download

Transfira o modelo para o diretório de destino do sistema de ficheiros local.
get_model_path

Devolva o caminho para o modelo.

A função irá procurar o modelo nas seguintes localizações.

Se version for Nenhum:

  1. Transferir da área de trabalho remota para a cache (se for fornecida)
  2. Carregar a partir de cache azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Se version não for Nenhum:

  1. Carregar a partir de cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Transferir da área de trabalho remota para a cache (se for fornecida)
get_sas_urls

Devolver um dicionário de pares chave-valor que contenham nomes de ficheiro e URLs de SAS correspondentes.
list

Obtenha uma lista de todos os modelos associados à área de trabalho fornecida, com filtros opcionais.
package

Crie um pacote de modelo na forma de uma imagem do Docker ou do contexto de compilação do Dockerfile.
print_configuration

Imprima a configuração do utilizador.
profile

Cria perfis no modelo para obter recomendações de requisitos de recursos.

Esta é uma operação de execução prolongada que pode demorar até 25 minutos, dependendo do tamanho do conjunto de dados.
register

Registe um modelo com a área de trabalho fornecida.
remove_tags

Remova as chaves especificadas do dicionário de etiquetas deste modelo.
serialize

Converta este Modelo num dicionário json serializado.
update

Efetue uma atualização no local do modelo.

Os valores existentes dos parâmetros especificados são substituídos.
update_tags_properties

Efetue uma atualização das etiquetas e propriedades do modelo.

add_dataset_references

Associe os conjuntos de dados fornecidos a este Modelo.

add_dataset_references(datasets)

Parâmetros

Name Description
datasets
Necessário
list[tuple(<xref:str :> (Dataset ou DatasetSnapshot))]

Uma lista de cadeias de identificação que representam um emparelhamento da finalidade do conjunto de dados com o objeto Conjunto de dados.

Exceções

Tipo Description
WebserviceException

add_properties

Adicione pares chave-valor ao dicionário de propriedades deste modelo.

add_properties(properties)

Parâmetros

Name Description
properties
Necessário
dict(<xref:str : str>)

O dicionário de propriedades a adicionar.

Exceções

Tipo Description
WebserviceException

add_tags

Adicione pares de valores chave ao dicionário de etiquetas deste modelo.

add_tags(tags)

Parâmetros

Name Description
tags
Necessário
dict(<xref:{str : str}>)

O dicionário de etiquetas a adicionar.

Exceções

Tipo Description
WebserviceException

delete

Elimine este modelo da área de trabalho associada.

delete()

Exceções

Tipo Description
WebserviceException

deploy

Implementar um webservice a partir de zero ou mais Model objetos.

O Webservice resultante é um ponto final em tempo real que pode ser utilizado para pedidos de inferência. A função Model deploy é semelhante à deploy função da Webservice classe, mas não regista os modelos. Utilize a função Modelo deploy se tiver objetos de modelo que já estejam registados.

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

Parâmetros

Name Description
workspace
Necessário
Workspace

Um objeto de Área de Trabalho ao qual associar o Webservice.
name
Necessário
str

O nome a atribuir ao serviço implementado. Tem de ser exclusivo da área de trabalho, consistir apenas em letras minúsculas, números ou travessões, começar com uma letra e ter entre 3 e 32 carateres.
models
Necessário
list[Model]

Uma lista de objetos de modelo. Pode ser uma lista vazia.
inference_config
InferenceConfig

Um objeto InferenceConfig utilizado para determinar as propriedades de modelo necessárias.

Default value: None
deployment_config
WebserviceDeploymentConfiguration

Um WebserviceDeploymentConfiguration utilizado para configurar o webservice. Se não for fornecido um, será utilizado um objeto de configuração vazio com base no destino pretendido.

Default value: None
deployment_target
ComputeTarget

A ComputeTarget para implementar o Webservice em. Como Azure Container Instances não ComputeTargettem nenhum , deixe este parâmetro como Nenhum para implementar no Azure Container Instances.

Default value: None
overwrite
bool

Indica se deve substituir o serviço existente se já existir um serviço com o nome especificado.

Default value: False
show_output
bool

Indica se pretende apresentar o progresso da implementação do serviço.

Default value: False

Devoluções

Tipo Description
Webservice

Um objeto webservice correspondente ao webservice implementado.

Exceções

Tipo Description
WebserviceException

deserialize

Converter um objeto JSON num objeto de modelo.

A conversão falhará se a área de trabalho especificada não for a área de trabalho na qual o modelo está registado.

static deserialize(workspace, model_payload)

Parâmetros

Name Description
workspace
Necessário
Workspace

O objeto da área de trabalho com o qual o modelo está registado.
model_payload
Necessário
dict

Um objeto JSON para converter num objeto Modelo.

Devoluções

Tipo Description
Model

A representação do Modelo do objeto JSON fornecido.

Exceções

Tipo Description
WebserviceException

download

Transfira o modelo para o diretório de destino do sistema de ficheiros local.

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

Parâmetros

Name Description
target_dir
str

O caminho para um diretório no qual transferir o modelo. A predefinição é "".

Default value: .
exist_ok
bool

Indica se deve substituir dir/ficheiros transferidos se existirem. Predefinições para Falso.

Default value: False
exists_ok
bool

PRETERIDO. Utilize exist_ok.

Default value: None

Devoluções

Tipo Description
str

O caminho para o ficheiro ou pasta do modelo.

Exceções

Tipo Description
WebserviceException

get_model_path

Devolva o caminho para o modelo.

A função irá procurar o modelo nas seguintes localizações.

Se version for Nenhum:

  1. Transferir da área de trabalho remota para a cache (se for fornecida)
  2. Carregar a partir de cache azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Se version não for Nenhum:

  1. Carregar a partir de cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Transferir da área de trabalho remota para a cache (se for fornecida)
static get_model_path(model_name, version=None, _workspace=None)

Parâmetros

Name Description
model_name
Necessário
str

O nome do modelo a obter.
version
int

A versão do modelo a obter. Predefinição para a versão mais recente.

Default value: None
_workspace
Workspace

A área de trabalho a partir da qual obter um modelo. Não é possível utilizar remotamente. Se não for especificado apenas a cache local é pesquisada.

Default value: None

Devoluções

Tipo Description
str

O caminho no disco para o modelo.

Exceções

Tipo Description
ModelNotFoundException

get_sas_urls

Devolver um dicionário de pares chave-valor que contenham nomes de ficheiro e URLs de SAS correspondentes.

get_sas_urls()

Devoluções

Tipo Description
dict

Dicionário de pares chave-valor que contêm nomes de ficheiro e URLs de SAS correspondentes

Exceções

Tipo Description
WebserviceException

list

Obtenha uma lista de todos os modelos associados à área de trabalho fornecida, com filtros opcionais.

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)

Parâmetros

Name Description
workspace
Necessário
Workspace

O objeto da área de trabalho a partir do qual obter modelos.
name
str

Se for fornecido, só devolverá modelos com o nome especificado, se existirem.

Default value: None
tags
list

Será filtrado com base na lista fornecida, por "chave" ou "[chave, valor]". Por exemplo: ['key', ['key2', 'key2 value']]

Default value: None
properties
list

Será filtrado com base na lista fornecida, por "chave" ou "[chave, valor]". Por exemplo: ['key', ['key2', 'key2 value']]

Default value: None
run_id
str

Irá filtrar com base no ID de execução fornecido.

Default value: None
latest
bool

Se for verdade, só devolverá modelos com a versão mais recente.

Default value: False
dataset_id
str

Irá filtrar com base no ID do conjunto de dados fornecido.

Default value: None
expand
bool

Se for verdade, devolverá modelos com todos os subpropriedades preenchidos, por exemplo, execução, conjunto de dados e experimentação. Definir isto como falso deve acelerar a conclusão do método list() no caso de muitos modelos.

Default value: True
page_count
int

O número de itens a obter numa página. Atualmente, suporta valores até 255. A predefinição é 255.

Default value: 255
model_framework
str

Se for fornecido, só devolverá modelos com a arquitetura especificada, se existirem.

Default value: None

Devoluções

Tipo Description
list[Model]

Uma lista de modelos, opcionalmente filtrada.

Exceções

Tipo Description
WebserviceException

package

Crie um pacote de modelo na forma de uma imagem do Docker ou do contexto de compilação do Dockerfile.

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

Parâmetros

Name Description
workspace
Necessário
Workspace

A área de trabalho na qual pretende criar o pacote.
models
Necessário
list[Model]

Uma lista de objetos de Modelo a incluir no pacote. Pode ser uma lista vazia.
inference_config
InferenceConfig

Um objeto InferenceConfig para configurar a operação dos modelos. Isto tem de incluir um objeto Ambiente.

Default value: None
generate_dockerfile
bool

Se pretende criar um Dockerfile que pode ser executado localmente em vez de criar uma imagem.

Default value: False
image_name
str

Ao criar uma imagem, o nome da imagem resultante.

Default value: None
image_label
str

Ao criar uma imagem, a etiqueta da imagem resultante.

Default value: None

Devoluções

Tipo Description
ModelPackage

Um objeto ModelPackage.

Exceções

Tipo Description
WebserviceException

print_configuration

Imprima a configuração do utilizador.

static print_configuration(models, inference_config, deployment_config, deployment_target)

Parâmetros

Name Description
models
Necessário
list[Model]

Uma lista de objetos de modelo. Pode ser uma lista vazia.
inference_config
Necessário
InferenceConfig

Um objeto InferenceConfig utilizado para determinar as propriedades de modelo necessárias.
deployment_config
Necessário
WebserviceDeploymentConfiguration

Um WebserviceDeploymentConfiguration utilizado para configurar o serviço Web.
deployment_target
Necessário
ComputeTarget

A ComputeTarget para implementar o serviço Web.

Exceções

Tipo Description
WebserviceException

profile

Cria perfis no modelo para obter recomendações de requisitos de recursos.

Esta é uma operação de execução prolongada que pode demorar até 25 minutos, dependendo do tamanho do conjunto de dados.

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

Parâmetros

Name Description
workspace
Necessário
Workspace

Um objeto área de trabalho no qual criar o perfil do modelo.
profile_name
Necessário
str

O nome da execução da criação de perfis.
models
Necessário
list[Model]

Uma lista de objetos de modelo. Pode ser uma lista vazia.
inference_config
Necessário
InferenceConfig

Um objeto InferenceConfig utilizado para determinar as propriedades de modelo necessárias.
input_dataset
Necessário
Dataset

O conjunto de dados de entrada para criação de perfis. O conjunto de dados de entrada deve ter uma única coluna e as entradas de exemplo devem estar no formato de cadeia.
cpu
float

O número de núcleos de cpu a utilizar na maior instância de teste. Atualmente, suporta valores até 3,5.

Default value: None
memory_in_gb
float

A quantidade de memória (em GB) a utilizar na maior instância de teste. Pode ser um decimal. Atualmente, suporta valores até 15,0.

Default value: None
description
str

Descrição a associar à execução da criação de perfis.

Default value: None

Devoluções

Tipo Description
ModelProfile

Exceções

Tipo Description
<xref:azureml.exceptions.WebserviceException>, <xref:azureml.exceptions.UserErrorException>

register

Registe um modelo com a área de trabalho fornecida.

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)

Parâmetros

Name Description
workspace
Necessário
Workspace

A área de trabalho com a qual registar o modelo.
model_path
Necessário
str

O caminho no sistema de ficheiros local onde estão localizados os recursos do modelo. Pode ser um ponteiro direto para um único ficheiro ou pasta. Se apontar para uma pasta, o child_paths parâmetro pode ser utilizado para especificar ficheiros individuais para agrupar como o objeto Modelo, em vez de utilizar todo o conteúdo da pasta.
model_name
Necessário
str

O nome para registar o modelo.
tags
dict(<xref:{str : str}>)

Um dicionário opcional de etiquetas de valor chave a atribuir ao modelo.

Default value: None
properties
dict(<xref:{str : str}>)

Um dicionário opcional de propriedades de valor chave a atribuir ao modelo. Estas propriedades não podem ser alteradas após a criação do modelo, no entanto, podem ser adicionados novos pares de valores chave.

Default value: None
description
str

Uma descrição de texto do modelo.

Default value: None
datasets
list[(str, AbstractDataset)]

Uma lista de cadeias de identificação onde o primeiro elemento descreve a relação dataset-model e o segundo elemento é o conjunto de dados.

Default value: None
model_framework
str

A arquitetura do modelo registado. A utilização das constantes suportadas pelo sistema da classe permite uma Framework implementação simplificada para algumas arquiteturas populares.

Default value: None
model_framework_version
str

A versão framework do modelo registado.

Default value: None
child_paths
list[str]

Se for fornecido em conjunto com uma model_path pasta para uma pasta, apenas os ficheiros especificados serão agrupados no objeto Modelo.

Default value: None
sample_input_dataset
AbstractDataset

Conjunto de dados de entrada de exemplo para o modelo registado.

Default value: None
sample_output_dataset
AbstractDataset

Conjunto de dados de saída de exemplo para o modelo registado.

Default value: None
resource_configuration
ResourceConfiguration

Uma configuração de recurso para executar o modelo registado.

Default value: None

Devoluções

Tipo Description
Model

O objeto de modelo registado.

Exceções

Tipo Description
WebserviceException

Observações

Além do conteúdo do próprio ficheiro de modelo, um modelo registado também armazena metadados de modelo, incluindo descrição do modelo, etiquetas e informações de arquitetura, que são úteis ao gerir e implementar o modelo na sua área de trabalho. Por exemplo, com etiquetas, pode categorizar os seus modelos e aplicar filtros ao listar modelos na sua área de trabalho.

O exemplo seguinte mostra como registar um modelo que especifica etiquetas e uma descrição.


   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)

O exemplo completo está disponível a partir de https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

Se tiver um modelo produzido como resultado de uma execução de experimentação, pode registá-lo diretamente a partir de um objeto de execução sem o transferir primeiro para um ficheiro local. Para tal, utilize o register_model método conforme documentado na Run classe.

remove_tags

Remova as chaves especificadas do dicionário de etiquetas deste modelo.

remove_tags(tags)

Parâmetros

Name Description
tags
Necessário
list[str]

A lista de chaves a remover

Exceções

Tipo Description
WebserviceException

serialize

Converta este Modelo num dicionário json serializado.

serialize()

Devoluções

Tipo Description
dict

A representação json deste Modelo

Exceções

Tipo Description
WebserviceException

update

Efetue uma atualização no local do modelo.

Os valores existentes dos parâmetros especificados são substituídos.

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

Parâmetros

Name Description
tags
dict(<xref:{str : str}>)

Um dicionário de etiquetas para atualizar o modelo com. Estas etiquetas substituem as etiquetas existentes para o modelo.

Default value: None
description
str

A nova descrição a utilizar para o modelo. Este nome substitui o nome existente.

Default value: None
sample_input_dataset
AbstractDataset

O conjunto de dados de entrada de exemplo a utilizar para o modelo registado. Este conjunto de dados de entrada de exemplo substitui o conjunto de dados existente.

Default value: None
sample_output_dataset
AbstractDataset

O conjunto de dados de saída de exemplo a utilizar para o modelo registado. Este conjunto de dados de saída de exemplo substitui o conjunto de dados existente.

Default value: None
resource_configuration
ResourceConfiguration

A configuração de recursos a utilizar para executar o modelo registado.

Default value: None

Exceções

Tipo Description
WebserviceException

update_tags_properties

Efetue uma atualização das etiquetas e propriedades do modelo.

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

Parâmetros

Name Description
add_tags
dict(<xref:{str : str}>)

Um dicionário de etiquetas a adicionar.

Default value: None
remove_tags
list[str]

Uma lista de nomes de etiquetas a remover.

Default value: None
add_properties
dict(<xref:{str : str}>)

Um dicionário de propriedades a adicionar.

Default value: None

Exceções

Tipo Description
WebserviceException