az ml model

Not

Bu başvuru, Azure CLI (sürüm 2.15.0 veya üzeri) için ml uzantısının bir parçasıdır. Uzantı, bir az ml model komutunu ilk kez çalıştırdığınızda otomatik olarak yüklenir. Uzantılar hakkında daha fazla bilgi edinin.

Azure ML modellerini yönetme.

Azure ML modelleri, bir makine öğrenmesi modelini ve ilgili meta verileri temsil eden ikili dosyalardan oluşur. Bu modeller gerçek zamanlı ve toplu çıkarım için uç nokta dağıtımlarında kullanılabilir.

Komutlar

Name	Description	Tür	Durum
az ml model archive	Modeli arşivle.	Dahili	GA
az ml model create	Model oluşturma.	Dahili	GA
az ml model download	Modelle ilgili tüm dosyaları indirin.	Dahili	GA
az ml model list	Çalışma alanı/kayıt defterindeki modelleri listeleme. Kayıt defteri kullanıyorsanız öğesini seçeneğiyle --registry-name <registry-name> değiştirin--workspace-name my-workspace.	Dahili	GA
az ml model package	Modeli bir ortama paketleyin.	Dahili	Önizleme
az ml model restore	Arşivlenmiş modeli geri yükleme.	Dahili	GA
az ml model share	Çalışma alanından kayıt defterine belirli bir modeli paylaşın.	Dahili	GA
az ml model show	Çalışma alanında/kayıt defterinde modelin ayrıntılarını gösterme. Kayıt defteri kullanıyorsanız öğesini seçeneğiyle --registry-name <registry-name> değiştirin--workspace-name my-workspace.	Dahili	GA
az ml model update	Çalışma alanında/kayıt defterinde modeli güncelleştirme.	Dahili	GA

az ml model archive

Modeli arşivle.

Modelin arşivlenmesi, modeli varsayılan olarak liste sorgularından (az ml model list ) gizler. İş akışlarınızda arşivlenmiş bir modele başvurmaya ve kullanmaya devam edebilirsiniz. Bir model kapsayıcısı veya belirli bir model sürümünü arşivleyebilirsiniz. Model kapsayıcısını arşivleme, modelin tüm sürümlerini verilen ad altında arşivler. arşivlenmiş modeli kullanarak az ml model restoregeri yükleyebilirsiniz. Model kapsayıcısının tamamı arşivlenmişse, modelin tek tek sürümlerini geri yükleyemezsiniz. Model kapsayıcısını geri yüklemeniz gerekir.

az ml model archive --name
                    [--label]
                    [--registry-name]
                    [--resource-group]
                    [--version]
                    [--workspace-name]

Örnekler

Model kapsayıcısı arşivle (bu modelin tüm sürümlerini arşivler)

az ml model archive --name my-model --resource-group my-resource-group --workspace-name my-workspace

Belirli bir model sürümünü arşivle

az ml model archive --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace

Gerekli Parametreler

--name -n

Modelin adı.

İsteğe Bağlı Parametreler

--label -l

Modelin etiketi.

--registry-name

Sağlanırsa, komut çalışma alanı yerine kayıt defterini hedefler. Bu nedenle kaynak grubu ve çalışma alanı gerekli olmayacaktır.

--resource-group -g

Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>yapılandırabilirsiniz.

--version -v

Modelin sürümü.

--workspace-name -w

Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>yapılandırabilirsiniz.

Global Parametreler

--debug

Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.

--help -h

Bu yardım iletisini göster ve çık.

--only-show-errors

Yalnızca hataları gösterir ve uyarıları gizler.

--output -o

Çıkış biçimi.

kabul edilen değerler: json, jsonc, none, table, tsv, yaml, yamlc

varsayılan değer: json

--query

JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .

--subscription

Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_IDvarsayılan aboneliği yapılandırabilirsiniz.

--verbose

Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.

az ml model create

Model oluşturma.

Modeller yerel bir dosyadan, yerel dizinden, veri deposundan veya iş çıktılarından oluşturulabilir. Oluşturulan model, çalışma alanında/kayıt defterinde belirtilen ad ve sürüm altında izlenir. Kayıt defteri kullanıyorsanız öğesini seçeneğiyle --registry-name <registry-name> değiştirin--workspace-name my-workspace.

az ml model create [--datastore]
                   [--description]
                   [--file]
                   [--name]
                   [--no-wait]
                   [--path]
                   [--registry-name]
                   [--resource-group]
                   [--set]
                   [--stage]
                   [--tags]
                   [--type]
                   [--version]
                   [--workspace-name]

Örnekler

YAML belirtim dosyasından model oluşturma

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

Komut seçeneklerini kullanarak yerel klasörden model oluşturma

az ml model create --name my-model --version 1 --path ./my-model --resource-group my-resource-group --workspace-name my-workspace

Mlflow run URI biçiminde 'runs:/<run-id><path-to-model-relative-to-the-root-of-the-artifact-location>/' ve komut seçeneklerini kullanarak model oluşturma

az ml model create --name my-model --version 1 --path runs:/c42d2507-4953-4a7c-a4c1-2b5bfe0ac64e/model/ --type mlflow_model --resource-group my-resource-group --workspace-name my-workspace

'azureml://jobs/<job-name>/outputs//paths<path-to-model-relative-to-the-named-output-location>/<named-output>' azureml iş URI biçimini ve komut seçeneklerini kullanarak adlandırılmış bir iş çıkışından model oluşturun. Varsayılan adlandırılmış çıkış yapıttır

az ml model create --name my-model --version 1 --path azureml://jobs/c42d2507-4953-4a7c-a4c1-2b5bfe0ac64e/outputs/artifacts/paths/model/ --resource-group my-resource-group --workspace-name my-workspace

Komut seçeneklerini kullanarak 'azureml://datastores/<datastore-name>/paths/<path-to-model-relative-to-the-root-of-the-datastore-location>' veri deposundan model oluşturma

az ml model create --name my-model --version 1 --path azureml://datastores/myblobstore/paths/models/cifar10/cifar.pt --resource-group my-resource-group --workspace-name my-workspace

İsteğe Bağlı Parametreler

--datastore

Yerel yapıtın yüklendiği veri deposu.

--description

Modelin açıklaması.

--file -f

Azure ML model belirtimini içeren YAML dosyasının yerel yolu. Model için YAML başvuru belgeleri şu konumda bulunabilir: https://aka.ms/ml-cli-v2-model-yaml-reference.

--name -n

Modelin adı.

--no-wait

Uzun süre çalışan işlemin bitmesini beklemeyin.

varsayılan değer: False

--path -p

Model dosyalarının yolu. Bu yerel veya uzak bir konum olabilir. Belirtilirse, --name/-n ve --version/-v de sağlanmalıdır.

--registry-name

Sağlanırsa, komut çalışma alanı yerine kayıt defterini hedefler. Bu nedenle kaynak grubu ve çalışma alanı gerekli olmayacaktır.

--resource-group -g

Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>yapılandırabilirsiniz.

--set

Ayarlanacağı özellik yolunu ve değerini belirterek nesneyi güncelleştirin. Örnek: --set property1.property2=.

--stage -s

Modelin aşaması.

--tags

Nesnenin etiketleri için boşlukla ayrılmış anahtar-değer çiftleri.

--type -t

Modelin türü, izin verilen değerler custom_model, mlflow_model ve triton_model. Varsayılan tür custom_model.

--version -v

Modelin sürümü.

--workspace-name -w

Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>yapılandırabilirsiniz.

Global Parametreler

--debug

Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.

--help -h

Bu yardım iletisini göster ve çık.

--only-show-errors

Yalnızca hataları gösterir ve uyarıları gizler.

--output -o

Çıkış biçimi.

kabul edilen değerler: json, jsonc, none, table, tsv, yaml, yamlc

varsayılan değer: json

--query

JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .

--subscription

Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_IDvarsayılan aboneliği yapılandırabilirsiniz.

--verbose

Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.

az ml model download

Modelle ilgili tüm dosyaları indirin.

Dosyalar, modelin adından sonra adlı bir klasöre indirilir. Kayıt defteri kullanıyorsanız öğesini seçeneğiyle --registry-name <registry-name> değiştirin--workspace-name my-workspace.

az ml model download --name
                     --version
                     [--download-path]
                     [--registry-name]
                     [--resource-group]
                     [--workspace-name]

Örnekler

Belirtilen ada ve sürüme sahip bir modeli indirme

az ml model download --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace

Belirtilen ada ve sürüme sahip bir modeli belirtilen yerel yola indirme

az ml model download --name my-model --version 1  --download-path local_path --resource-group my-resource-group --workspace-name my-workspace

Gerekli Parametreler

--name -n

Modelin adı.

--version -v

Modelin sürümü.

İsteğe Bağlı Parametreler

--download-path -p

Model dosyalarını indirme yolu, varsayılan olarak geçerli çalışma dizinidir.

--registry-name

Sağlanırsa, komut çalışma alanı yerine kayıt defterini hedefler. Bu nedenle kaynak grubu ve çalışma alanı gerekli olmayacaktır.

--resource-group -g

Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>yapılandırabilirsiniz.

--workspace-name -w

Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>yapılandırabilirsiniz.

Global Parametreler

--debug

Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.

--help -h

Bu yardım iletisini göster ve çık.

--only-show-errors

Yalnızca hataları gösterir ve uyarıları gizler.

--output -o

Çıkış biçimi.

kabul edilen değerler: json, jsonc, none, table, tsv, yaml, yamlc

varsayılan değer: json

--query

JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .

--subscription

Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_IDvarsayılan aboneliği yapılandırabilirsiniz.

--verbose

Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.

az ml model list

Çalışma alanı/kayıt defterindeki modelleri listeleme. Kayıt defteri kullanıyorsanız öğesini seçeneğiyle --registry-name <registry-name> değiştirin--workspace-name my-workspace.

az ml model list [--archived-only]
                 [--include-archived]
                 [--max-results]
                 [--name]
                 [--registry-name]
                 [--resource-group]
                 [--stage]
                 [--workspace-name]

Örnekler

Çalışma alanında tüm modelleri listeleme

az ml model list --resource-group my-resource-group --workspace-name my-workspace

Çalışma alanında belirtilen ad için tüm model sürümlerini listeleme

az ml model list --name my-model --resource-group my-resource-group --workspace-name my-workspace

Komutların sonuçlarında JMESPath sorgusu yürütmek için --query bağımsız değişkenini kullanarak çalışma alanında tüm modelleri listeleyin.

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

İsteğe Bağlı Parametreler

--archived-only

Yalnızca arşivlenen modelleri listeleyin.

varsayılan değer: False

--include-archived

Arşivlenen modelleri ve etkin modelleri listeleyin.

varsayılan değer: False

--max-results -r

Döndürülecek en fazla sonuç sayısı.

--name -n

Modelin adı. Sağlanırsa, bu adın altındaki tüm model sürümleri döndürülür.

--registry-name

Sağlanırsa, komut çalışma alanı yerine kayıt defterini hedefler. Bu nedenle kaynak grubu ve çalışma alanı gerekli olmayacaktır.

--resource-group -g

Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>yapılandırabilirsiniz.

--stage -s

Modelin aşaması.

--workspace-name -w

Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>yapılandırabilirsiniz.

Global Parametreler

--debug

Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.

--help -h

Bu yardım iletisini göster ve çık.

--only-show-errors

Yalnızca hataları gösterir ve uyarıları gizler.

--output -o

Çıkış biçimi.

kabul edilen değerler: json, jsonc, none, table, tsv, yaml, yamlc

varsayılan değer: json

--query

JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .

--subscription

Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_IDvarsayılan aboneliği yapılandırabilirsiniz.

--verbose

Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.

az ml model package

Önizleme

Bu komut önizleme aşamasında ve geliştirme aşamasındadır. Başvuru ve destek düzeyleri: https://aka.ms/CLI_refstatus

Modeli bir ortama paketleyin.

Bir model paketlendiğinde, tüm bağımlılıkları içeren bir ortam oluşturulur.

az ml model package --file
                    --name
                    --version
                    [--registry-name]
                    [--resource-group]
                    [--workspace-name]

Örnekler

Belirtilen ad ve sürüme sahip bir modeli paketleme

az ml model package --name my-model --version my-version --resource-group my-resource-group --workspace-name my-workspace --file my-package.yml

Gerekli Parametreler

--file -f

Model paketi tanımını içeren YAML dosyasının yerel yolu.

--name -n

Modelin adı.

--version -v

Modelin sürümü.

İsteğe Bağlı Parametreler

--registry-name

Sağlanırsa, komut çalışma alanı yerine kayıt defterini hedefler. Bu nedenle kaynak grubu ve çalışma alanı gerekli olmayacaktır.

--resource-group -g

Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>yapılandırabilirsiniz.

--workspace-name -w

Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>yapılandırabilirsiniz.

Global Parametreler

--debug

Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.

--help -h

Bu yardım iletisini göster ve çık.

--only-show-errors

Yalnızca hataları gösterir ve uyarıları gizler.

--output -o

Çıkış biçimi.

kabul edilen değerler: json, jsonc, none, table, tsv, yaml, yamlc

varsayılan değer: json

--query

JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .

--subscription

Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_IDvarsayılan aboneliği yapılandırabilirsiniz.

--verbose

Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.

az ml model restore

Arşivlenmiş modeli geri yükleme.

Arşivlenmiş bir model geri yüklendiğinde, artık liste sorgularından () gizlenmeyecektiraz ml model list. Model kapsayıcının tamamı arşivlenmişse, arşivlenmiş kapsayıcıyı geri yükleyebilirsiniz. Bu, modelin bu adın altındaki tüm sürümlerini geri yükler. Model kapsayıcısının tamamı arşivlenmişse yalnızca belirli bir model sürümünü geri yükleyemezsiniz. Kapsayıcının tamamını geri yüklemeniz gerekir. Yalnızca tek bir model sürümü arşivlendiyse, bu sürümü geri yükleyebilirsiniz.

az ml model restore --name
                    [--label]
                    [--registry-name]
                    [--resource-group]
                    [--version]
                    [--workspace-name]

Örnekler

Arşivlenmiş model kapsayıcısı geri yükleme (bu modelin tüm sürümlerini geri yükler)

az ml model restore --name my-model --resource-group my-resource-group --workspace-name my-workspace

Belirli bir arşivlenmiş model sürümünü geri yükleme

az ml model restore --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace

Gerekli Parametreler

--name -n

Modelin adı.

İsteğe Bağlı Parametreler

--label -l

Modelin etiketi.

--registry-name

Sağlanırsa, komut çalışma alanı yerine kayıt defterini hedefler. Bu nedenle kaynak grubu ve çalışma alanı gerekli olmayacaktır.

--resource-group -g

Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>yapılandırabilirsiniz.

--version -v

Modelin sürümü.

--workspace-name -w

Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>yapılandırabilirsiniz.

Global Parametreler

--debug

Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.

--help -h

Bu yardım iletisini göster ve çık.

--only-show-errors

Yalnızca hataları gösterir ve uyarıları gizler.

--output -o

Çıkış biçimi.

kabul edilen değerler: json, jsonc, none, table, tsv, yaml, yamlc

varsayılan değer: json

--query

JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .

--subscription

Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_IDvarsayılan aboneliği yapılandırabilirsiniz.

--verbose

Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.

az ml model share

Çalışma alanından kayıt defterine belirli bir modeli paylaşın.

Çalışma alanları arası yeniden kullanmak için var olan bir modeli çalışma alanından kayıt defterine kopyalayın.

az ml model share --name
                  --registry-name
                  --share-with-name
                  --share-with-version
                  --version
                  [--resource-group]
                  [--workspace-name]

Örnekler

Var olan bir ortamı çalışma alanından kayıt defterine paylaşma

az ml model share --name my-model --version my-version --resource-group my-resource-group --workspace-name my-workspace --share-with-name new-name-in-registry --share-with-version new-version-in-registry --registry-name my-registry

Gerekli Parametreler

--name -n

Modelin adı.

--registry-name

Hedef kayıt defteri.

--share-with-name

Oluşturulacak modelin adı.

--share-with-version

Oluşturulacak modelin sürümü.

--version -v

Modelin sürümü.

İsteğe Bağlı Parametreler

--resource-group -g

Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>yapılandırabilirsiniz.

--workspace-name -w

Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>yapılandırabilirsiniz.

Global Parametreler

--debug

Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.

--help -h

Bu yardım iletisini göster ve çık.

--only-show-errors

Yalnızca hataları gösterir ve uyarıları gizler.

--output -o

Çıkış biçimi.

kabul edilen değerler: json, jsonc, none, table, tsv, yaml, yamlc

varsayılan değer: json

--query

JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .

--subscription

Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_IDvarsayılan aboneliği yapılandırabilirsiniz.

--verbose

Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.

az ml model show

Çalışma alanında/kayıt defterinde modelin ayrıntılarını gösterme. Kayıt defteri kullanıyorsanız öğesini seçeneğiyle --registry-name <registry-name> değiştirin--workspace-name my-workspace.

az ml model show --name
                 [--label]
                 [--registry-name]
                 [--resource-group]
                 [--version]
                 [--workspace-name]

Örnekler

Belirtilen ada ve sürüme sahip bir modelin ayrıntılarını gösterme

az ml model show --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace

Gerekli Parametreler

--name -n

Modelin adı.

İsteğe Bağlı Parametreler

--label -l

Modelin etiketi.

--registry-name

Sağlanırsa, komut çalışma alanı yerine kayıt defterini hedefler. Bu nedenle kaynak grubu ve çalışma alanı gerekli olmayacaktır.

--resource-group -g

Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>yapılandırabilirsiniz.

--version -v

Modelin sürümü.

--workspace-name -w

Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>yapılandırabilirsiniz.

Global Parametreler

--debug

Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.

--help -h

Bu yardım iletisini göster ve çık.

--only-show-errors

Yalnızca hataları gösterir ve uyarıları gizler.

--output -o

Çıkış biçimi.

kabul edilen değerler: json, jsonc, none, table, tsv, yaml, yamlc

varsayılan değer: json

--query

JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .

--subscription

Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_IDvarsayılan aboneliği yapılandırabilirsiniz.

--verbose

Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.

az ml model update

Çalışma alanında/kayıt defterinde modeli güncelleştirme.

'description' ve 'tags' özellikleri güncelleştirilebilir. Kayıt defteri kullanıyorsanız öğesini seçeneğiyle --registry-name <registry-name> değiştirin--workspace-name my-workspace.

az ml model update --name
                   --resource-group
                   [--add]
                   [--force-string]
                   [--label]
                   [--registry-name]
                   [--remove]
                   [--set]
                   [--stage]
                   [--version]
                   [--workspace-name]

Örnekler

Modelin çeşitlerini güncelleştirme

az ml model update --name my-model --version 1 --set flavors.python_function.python_version=3.8 --resource-group my-resource-group --workspace-name my-workspace

Gerekli Parametreler

--name -n

Modelin adı.

--resource-group -g

Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>yapılandırabilirsiniz.

İsteğe Bağlı Parametreler

--add

Bir yol ve anahtar değer çiftleri belirterek nesne listesine nesne ekleyin. Örnek: --add property.listProperty <key=value, string or JSON string>.

varsayılan değer: []

--force-string

'set' veya 'add' kullanırken, JSON'a dönüştürmeye çalışmak yerine dize değişmez değerlerini koruyun.

varsayılan değer: False

--label -l

Modelin etiketi.

--registry-name

Sağlanırsa, komut çalışma alanı yerine kayıt defterini hedefler. Bu nedenle kaynak grubu ve çalışma alanı gerekli olmayacaktır.

--remove

Bir özelliği veya öğeyi listeden kaldırın. Örnek: --remove property.list <indexToRemove> OR --remove propertyToRemove.

varsayılan değer: []

--set

Ayarlanacağı özellik yolunu ve değerini belirterek nesneyi güncelleştirin. Örnek: --set property1.property2=<value>.

varsayılan değer: []

--stage -s

Modelin aşaması.

--version -v

Modelin sürümü.

--workspace-name -w

Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>yapılandırabilirsiniz.

Global Parametreler

--debug

Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.

--help -h

Bu yardım iletisini göster ve çık.

--only-show-errors

Yalnızca hataları gösterir ve uyarıları gizler.

--output -o

Çıkış biçimi.

kabul edilen değerler: json, jsonc, none, table, tsv, yaml, yamlc

varsayılan değer: json

--query

JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .

--subscription

Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_IDvarsayılan aboneliği yapılandırabilirsiniz.

--verbose

Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.