Aracılığıyla paylaş


Model Sınıf

Makine öğrenmesi eğitiminin sonucunu temsil eder.

Model, Azure machine learning eğitimi Run veya Azure dışındaki başka bir model eğitim sürecinin sonucudur. Modelin nasıl üretildiğine bakılmaksızın, bir ad ve sürümle temsil edildiği bir çalışma alanına kaydedilebilir. Model sınıfıyla, Modelleri Docker ile kullanmak üzere paketleyebilir ve bunları çıkarım istekleri için kullanılabilecek gerçek zamanlı bir uç nokta olarak dağıtabilirsiniz.

Modellerin nasıl oluşturulduğunu, yönetildiğini ve tüketildiğini gösteren uçtan uca öğretici için bkz. Azure Machine Learning kullanarak MNIST verileri ve scikit-learn ile görüntü sınıflandırma modelini eğitin.

Model oluşturucu.

Model oluşturucu, sağlanan çalışma alanıyla ilişkili bir Model nesnesinin bulut gösterimini almak için kullanılır. Ad veya kimlik belirtilmelidir.

Devralma
builtins.object
Model

Oluşturucu

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

Parametreler

Name Description
workspace
Gerekli

Alınacak modeli içeren çalışma alanı nesnesi.

name
str

Alınacak modelin adı. Belirtilen ada sahip en son model varsa döndürülür.

Default value: None
id
str

Alınacak modelin kimliği. Belirtilen kimliği içeren model varsa döndürülür.

Default value: None
tags

Döndürülen sonuçları filtrelemek için kullanılan isteğe bağlı bir etiket listesi. Sonuçlar, sağlanan listeye göre filtrelenir ve 'key' veya '[key, value]' tarafından aranılır. Örn. ['key', ['key2', 'key2 value']]

Default value: None
properties

Döndürülen sonuçları filtrelemek için kullanılan isteğe bağlı bir özellik listesi. Sonuçlar, sağlanan listeye göre filtrelenir ve 'key' veya '[key, value]' tarafından aranılır. Örn. ['key', ['key2', 'key2 value']]

Default value: None
version
int

Döndürülecek model sürümü. parametresiyle name birlikte sağlandığında, belirtilen adlandırılmış modelin belirli sürümü (varsa) döndürülür. Atlanırsa version , modelin en son sürümü döndürülür.

Default value: None
run_id
str

Döndürülen sonuçları filtrelemek için kullanılan isteğe bağlı kimlik.

Default value: None
model_framework
str

Döndürülen sonuçları filtrelemek için kullanılan isteğe bağlı çerçeve adı. Belirtilirse, belirtilen çerçeveyle eşleşen modeller için sonuçlar döndürülür. İzin verilen değerler için bkz Framework .

Default value: None
workspace
Gerekli

Alınacak modeli içeren çalışma alanı nesnesi.

name
Gerekli
str

Alınacak modelin adı. Belirtilen ada sahip en son model varsa döndürülür.

id
Gerekli
str

Alınacak modelin kimliği. Belirtilen kimliği içeren model varsa döndürülür.

tags
Gerekli

Döndürülen sonuçları filtrelemek için kullanılan isteğe bağlı bir etiket listesi. Sonuçlar, sağlanan listeye göre filtrelenir ve 'key' veya '[key, value]' tarafından aranılır. Örn. ['key', ['key2', 'key2 value']]

properties
Gerekli

Döndürülen sonuçları filtrelemek için kullanılan isteğe bağlı bir özellik listesi. Sonuçlar, sağlanan listeye göre filtrelenir ve 'key' veya '[key, value]' tarafından aranılır. Örn. ['key', ['key2', 'key2 value']]

version
Gerekli
int

Döndürülecek model sürümü. parametresiyle name birlikte sağlandığında, belirtilen adlandırılmış modelin belirli sürümü (varsa) döndürülür. Atlanırsa version , modelin en son sürümü döndürülür.

run_id
Gerekli
str

Döndürülen sonuçları filtrelemek için kullanılan isteğe bağlı kimlik.

model_framework
Gerekli
str

Döndürülen sonuçları filtrelemek için kullanılan isteğe bağlı çerçeve adı. Belirtilirse, belirtilen çerçeveyle eşleşen modeller için sonuçlar döndürülür. İzin verilen değerler için bkz Framework .

expand

True ise çalıştırma, veri kümesi ve deneme gibi tüm alt özelliklerin doldurulacağı modelleri döndürür.

Default value: True

Açıklamalar

Model oluşturucu, belirtilen çalışma alanıyla ilişkili bir Model nesnesinin bulut gösterimini almak için kullanılır. Modelleri almak için en azından ad veya kimlik sağlanmalıdır, ancak etiketlere, özelliklere, sürüme, çalıştırma kimliğine ve çerçeveye göre filtreleme için başka seçenekler de vardır.


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

Aşağıdaki örnekte modelin belirli bir sürümünün nasıl getirilmeye devam olduğu gösterilmektedir.


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

Modeli kaydetmek, modelinizi oluşturan bir veya daha fazla dosya için mantıksal bir kapsayıcı oluşturur. Kayıtlı model, model dosyasının içeriğine ek olarak, modeli çalışma alanınızda yönetirken ve dağıtırken yararlı olan model açıklaması, etiketler ve çerçeve bilgileri de dahil olmak üzere model meta verilerini de depolar. Örneğin, etiketlerle çalışma alanınızdaki modelleri listelerken modellerinizi kategorilere ayırabilir ve filtreler uygulayabilirsiniz. Kayıt sonrasında kayıtlı modeli indirebilir veya dağıtabilir ve kayıtlı olan tüm dosyaları ve meta verileri alabilirsiniz.

Aşağıdaki örnek, etiketleri ve açıklamayı belirten bir modelin nasıl kaydedileceğini gösterir.


   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)

Tam örnek şu kaynaktan edinilebilir: https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

Aşağıdaki örnekte çerçeveyi, giriş ve çıkış veri kümelerini ve kaynak yapılandırmasını belirten bir modelin nasıl kaydedileceğini gösterilmektedir.


   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)

Değişkenler bölümünde bulut Modeli nesnesinin yerel gösteriminin öznitelikleri listelenir. Bu değişkenler salt okunur olarak kabul edilmelidir. Değerlerinin değiştirilmesi ilgili bulut nesnesine yansıtılmaz.

Değişkenler

Name Description
created_by

Modeli oluşturan kullanıcı.

created_time

Model oluşturulduğunda.

azureml.core.Model.description

Model nesnesinin açıklaması.

azureml.core.Model.id

Model Kimliği. Bu, model adı>:<model sürümü> biçimini <alır.

mime_type
str

Model mime türü.

azureml.core.Model.name

Modelin adı.

model_framework
str

Modelin çerçevesi.

model_framework_version
str

Modelin çerçeve sürümü.

azureml.core.Model.tags

Model nesnesi için etiket sözlüğü.

azureml.core.Model.properties

Model için anahtar değeri özellikleri sözlüğü. Bu özellikler kayıt sonrasında değiştirilemez, ancak yeni anahtar değer çiftleri eklenebilir.

unpack

Modelin yerel bir bağlama çekildiğinde paketten çıkarılıp çıkarılmaması (imzasız) gerekip gerekmediği.

url
str

Modelin url konumu.

azureml.core.Model.version

Modelin sürümü.

azureml.core.Model.workspace

Modeli içeren Çalışma Alanı.

azureml.core.Model.experiment_name

Modeli oluşturan Denemenin adı.

azureml.core.Model.run_id

Modeli oluşturan Çalıştırma kimliği.

parent_id
str

Modelin üst Modelinin kimliği.

derived_model_ids

Bu Modelden türetilmiş Model Kimliklerinin listesi.

resource_configuration

Bu Model için ResourceConfiguration. Profil oluşturma için kullanılır.

Yöntemler

add_dataset_references

Sağlanan veri kümelerini bu Modelle ilişkilendirin.

add_properties

Bu modelin özellikler sözlüğüne anahtar değer çiftleri ekleyin.

add_tags

Bu modelin etiketler sözlüğüne anahtar değer çiftleri ekleyin.

delete

Bu modeli ilişkili çalışma alanından silin.

deploy

Sıfır veya daha fazla Model nesneden Web hizmeti dağıtın.

Sonuçta elde edilen Web hizmeti, çıkarım istekleri için kullanılabilecek gerçek zamanlı bir uç noktadır. Model deploy işlevi sınıfın işlevine deployWebservice benzer, ancak modelleri kaydetmez. Zaten kayıtlı model nesneleriniz varsa Model deploy işlevini kullanın.

deserialize

JSON nesnesini model nesnesine dönüştürme.

Belirtilen çalışma alanı modelin kayıtlı olduğu çalışma alanı değilse dönüştürme başarısız olur.

download

Modeli yerel dosya sisteminin hedef dizinine indirin.

get_model_path

Modelin yolunu döndürür.

işlevi modeli aşağıdaki konumlarda arar.

Hiçbiri ise version :

  1. Uzaktan önbelleğe indirme (çalışma alanı sağlanmışsa)
  2. önbellekten yükleme azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Hiçbiri version değilse:

  1. azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/ önbelleğinden yükleme
  2. Uzaktan önbelleğe indirme (çalışma alanı sağlanmışsa)
get_sas_urls

Dosya adlarını ve buna karşılık gelen SAS URL'lerini içeren anahtar-değer çiftlerinden oluşan bir sözlük döndürür.

list

Sağlanan çalışma alanıyla ilişkili tüm modellerin listesini isteğe bağlı filtrelerle alın.

package

Docker görüntüsü veya Dockerfile derleme bağlamı biçiminde bir model paketi oluşturun.

print_configuration

Kullanıcı yapılandırmasını yazdırın.

profile

Kaynak gereksinimi önerilerini almak için modelin profilini oluşturur.

Bu, veri kümesinin boyutuna bağlı olarak 25 dakika kadar sürebilen uzun süre çalışan bir işlemdir.

register

Sağlanan çalışma alanına bir model kaydedin.

remove_tags

Belirtilen anahtarları bu modelin etiket sözlüğünden kaldırın.

serialize

Bu Modeli json serileştirilmiş sözlüğe dönüştürün.

update

Modelin yerinde güncelleştirmesini gerçekleştirin.

Belirtilen parametrelerin mevcut değerleri değiştirilir.

update_tags_properties

Modelin etiketlerini ve özelliklerini güncelleştirin.

add_dataset_references

Sağlanan veri kümelerini bu Modelle ilişkilendirin.

add_dataset_references(datasets)

Parametreler

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

Veri kümesi amacını Dataset nesnesiyle eşleştirmeyi temsil eden tanımlama kümeleri listesi.

Özel durumlar

Tür Description

add_properties

Bu modelin özellikler sözlüğüne anahtar değer çiftleri ekleyin.

add_properties(properties)

Parametreler

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

Eklenecek özelliklerin sözlüğü.

Özel durumlar

Tür Description

add_tags

Bu modelin etiketler sözlüğüne anahtar değer çiftleri ekleyin.

add_tags(tags)

Parametreler

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

Eklenecek etiketlerin sözlüğü.

Özel durumlar

Tür Description

delete

Bu modeli ilişkili çalışma alanından silin.

delete()

Özel durumlar

Tür Description

deploy

Sıfır veya daha fazla Model nesneden Web hizmeti dağıtın.

Sonuçta elde edilen Web hizmeti, çıkarım istekleri için kullanılabilecek gerçek zamanlı bir uç noktadır. Model deploy işlevi sınıfın işlevine deployWebservice benzer, ancak modelleri kaydetmez. Zaten kayıtlı model nesneleriniz varsa Model deploy işlevini kullanın.

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

Parametreler

Name Description
workspace
Gerekli

Web hizmetini ilişkilendirmek için bir Çalışma Alanı nesnesi.

name
Gerekli
str

Dağıtılan hizmeti vermek için gereken ad. Çalışma alanına özgü olmalıdır, yalnızca küçük harflerden, sayılardan veya kısa çizgilerden oluşmalıdır, bir harfle başlamalıdır ve 3 ile 32 karakter uzunluğunda olmalıdır.

models
Gerekli

Model nesnelerinin listesi. Boş bir liste olabilir.

inference_config

Gerekli model özelliklerini belirlemek için kullanılan bir InferenceConfig nesnesi.

Default value: None
deployment_config

Web hizmetini yapılandırmak için kullanılan bir WebserviceDeploymentConfiguration. Sağlanmazsa, istenen hedefe göre boş bir yapılandırma nesnesi kullanılır.

Default value: None
deployment_target

Web hizmetini dağıtmak için A ComputeTarget . Azure Container Instances ilişkili ComputeTargetolmadığından, Azure Container Instances dağıtmak için bu parametreyi Yok olarak bırakın.

Default value: None
overwrite

Belirtilen ada sahip bir hizmet zaten varsa mevcut hizmetin üzerine yazıp yazılmayacağını gösterir.

Default value: False
show_output

Hizmet dağıtımının ilerleme durumunun görüntülenip görüntülenmeyeceğini gösterir.

Default value: False

Döndürülenler

Tür Description

Dağıtılan web hizmetiyle ilgili bir Web hizmeti nesnesi.

Özel durumlar

Tür Description

deserialize

JSON nesnesini model nesnesine dönüştürme.

Belirtilen çalışma alanı modelin kayıtlı olduğu çalışma alanı değilse dönüştürme başarısız olur.

static deserialize(workspace, model_payload)

Parametreler

Name Description
workspace
Gerekli

Modelin kayıtlı olduğu çalışma alanı nesnesi.

model_payload
Gerekli

Model nesnesine dönüştürülecek JSON nesnesi.

Döndürülenler

Tür Description

Sağlanan JSON nesnesinin Model gösterimi.

Özel durumlar

Tür Description

download

Modeli yerel dosya sisteminin hedef dizinine indirin.

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

Parametreler

Name Description
target_dir
str

Modelin indirildiği dizinin yolu. Varsayılan olarak "."

Default value: .
exist_ok

İndirilen dir/dosyaların varsa değiştirilip değiştirilmeyeceğini gösterir. Varsayılan değer False'tur.

Default value: False
exists_ok

KALDIRIL -MIŞ. exist_ok komutunu kullanın.

Default value: None

Döndürülenler

Tür Description
str

Modelin dosya veya klasörünün yolu.

Özel durumlar

Tür Description

get_model_path

Modelin yolunu döndürür.

işlevi modeli aşağıdaki konumlarda arar.

Hiçbiri ise version :

  1. Uzaktan önbelleğe indirme (çalışma alanı sağlanmışsa)
  2. önbellekten yükleme azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Hiçbiri version değilse:

  1. azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/ önbelleğinden yükleme
  2. Uzaktan önbelleğe indirme (çalışma alanı sağlanmışsa)
static get_model_path(model_name, version=None, _workspace=None)

Parametreler

Name Description
model_name
Gerekli
str

Alınacak modelin adı.

version
int

Alınacak modelin sürümü. Varsayılan olarak en son sürümü kullanır.

Default value: None
_workspace

Modelin alın olduğu çalışma alanı. Uzaktan kullanılamaz. Belirtilmezse yalnızca yerel önbellek aranır.

Default value: None

Döndürülenler

Tür Description
str

Diskte modelin yolu.

Özel durumlar

Tür Description

get_sas_urls

Dosya adlarını ve buna karşılık gelen SAS URL'lerini içeren anahtar-değer çiftlerinden oluşan bir sözlük döndürür.

get_sas_urls()

Döndürülenler

Tür Description

Dosya adlarını ve ilgili SAS URL'lerini içeren anahtar-değer çiftlerinin sözlüğü

Özel durumlar

Tür Description

list

Sağlanan çalışma alanıyla ilişkili tüm modellerin listesini isteğe bağlı filtrelerle alın.

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)

Parametreler

Name Description
workspace
Gerekli

Modellerin alın olduğu çalışma alanı nesnesi.

name
str

Sağlanırsa, yalnızca belirtilen ada sahip modelleri (varsa) döndürür.

Default value: None
tags

Sağlanan listeye göre ,'key' veya '[key, value]' ile filtrelenir. Örn. ['key', ['key2', 'key2 value']]

Default value: None
properties

Sağlanan listeye göre ,'key' veya '[key, value]' ile filtrelenir. Örn. ['key', ['key2', 'key2 value']]

Default value: None
run_id
str

Sağlanan çalıştırma kimliğine göre filtrelenir.

Default value: None
latest

True ise yalnızca en son sürüme sahip modelleri döndürür.

Default value: False
dataset_id
str

Sağlanan veri kümesi kimliğine göre filtrelenir.

Default value: None
expand

True ise çalıştırma, veri kümesi ve deneme gibi tüm alt özelliklerin doldurulacağı modelleri döndürür. Bunu false olarak ayarlamak, birçok model olması durumunda list() yönteminin tamamlanmasını hızlandırmalıdır.

Default value: True
page_count
int

Bir sayfada alınacak öğe sayısı. Şu anda 255'e kadar olan değerleri desteklemektedir. Varsayılan değer 255'tir.

Default value: 255
model_framework
str

Sağlanırsa, yalnızca varsa belirtilen çerçeveye sahip modelleri döndürür.

Default value: None

Döndürülenler

Tür Description

İsteğe bağlı olarak filtrelenmiş modellerin listesi.

Özel durumlar

Tür Description

package

Docker görüntüsü veya Dockerfile derleme bağlamı biçiminde bir model paketi oluşturun.

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

Parametreler

Name Description
workspace
Gerekli

Paketin oluşturulacağı çalışma alanı.

models
Gerekli

Pakete eklenecek Model nesnelerinin listesi. Boş bir liste olabilir.

inference_config

Modellerin işlemini yapılandırmak için bir InferenceConfig nesnesi. Bu bir Ortam nesnesi içermelidir.

Default value: None
generate_dockerfile

Görüntü oluşturmak yerine yerel olarak çalıştırılacak bir Dockerfile oluşturulup oluşturulmayacağı.

Default value: False
image_name
str

Görüntü oluştururken, sonuçta elde edilen görüntünün adı.

Default value: None
image_label
str

Görüntü oluştururken, sonuçta elde edilen görüntünün etiketi.

Default value: None

Döndürülenler

Tür Description

ModelPackage nesnesi.

Özel durumlar

Tür Description

print_configuration

Kullanıcı yapılandırmasını yazdırın.

static print_configuration(models, inference_config, deployment_config, deployment_target)

Parametreler

Name Description
models
Gerekli

Model nesnelerinin listesi. Boş bir liste olabilir.

inference_config
Gerekli

Gerekli model özelliklerini belirlemek için kullanılan bir InferenceConfig nesnesi.

deployment_config
Gerekli

Web hizmetini yapılandırmak için kullanılan bir WebserviceDeploymentConfiguration.

deployment_target
Gerekli

Web hizmetini dağıtmak için A ComputeTarget .

Özel durumlar

Tür Description

profile

Kaynak gereksinimi önerilerini almak için modelin profilini oluşturur.

Bu, veri kümesinin boyutuna bağlı olarak 25 dakika kadar sürebilen uzun süre çalışan bir işlemdir.

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

Parametreler

Name Description
workspace
Gerekli

Modelin profilinin oluşturulduğu çalışma alanı nesnesi.

profile_name
Gerekli
str

Profil oluşturma çalıştırmasının adı.

models
Gerekli

Model nesnelerinin listesi. Boş bir liste olabilir.

inference_config
Gerekli

Gerekli model özelliklerini belirlemek için kullanılan bir InferenceConfig nesnesi.

input_dataset
Gerekli

Profil oluşturma için giriş veri kümesi. Giriş veri kümesinin tek bir sütunu olmalı ve örnek girişler dize biçiminde olmalıdır.

cpu

En büyük test örneğinde kullanılacak cpu çekirdeği sayısı. Şu anda 3,5'e kadar olan değerleri desteklemektedir.

Default value: None
memory_in_gb

En büyük test örneğinde kullanılacak bellek miktarı (GB cinsinden). Ondalık olabilir. Şu anda 15.0'a kadar olan değerleri desteklemektedir.

Default value: None
description
str

Profil oluşturma çalıştırmasıyla ilişkilendirilecek açıklama.

Default value: None

Döndürülenler

Tür Description

Özel durumlar

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

register

Sağlanan çalışma alanına bir model kaydedin.

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)

Parametreler

Name Description
workspace
Gerekli

Modelin kaydedilecek çalışma alanı.

model_path
Gerekli
str

Model varlıklarının bulunduğu yerel dosya sistemindeki yol. Bu, tek bir dosya veya klasörün doğrudan işaretçisi olabilir. Bir klasöre işaret ediyorsanız parametresi, child_paths klasörün tüm içeriğinin kullanılması yerine Model nesnesi olarak birlikte paketlenecek tek tek dosyaları belirtmek için kullanılabilir.

model_name
Gerekli
str

Modelin kaydedilecek adı.

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

Modele atanacak anahtar değer etiketlerinin isteğe bağlı sözlüğü.

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

Modele atanacak anahtar değeri özelliklerinin isteğe bağlı sözlüğü. Model oluşturulduktan sonra bu özellikler değiştirilemez, ancak yeni anahtar değer çiftleri eklenebilir.

Default value: None
description
str

Modelin metin açıklaması.

Default value: None
datasets

İlk öğenin veri kümesi modeli ilişkisini, ikinci öğenin ise veri kümesi olduğu tanımlama grubu listesi.

Default value: None
model_framework
str

Kayıtlı modelin çerçevesi. sınıfından sistem tarafından desteklenen sabitlerin kullanılması, bazı popüler çerçeveler Framework için basitleştirilmiş dağıtıma olanak tanır.

Default value: None
model_framework_version
str

Kayıtlı modelin çerçeve sürümü.

Default value: None
child_paths

Bir klasöre ile model_path birlikte sağlanırsa, yalnızca belirtilen dosyalar Model nesnesine paketlenir.

Default value: None
sample_input_dataset

Kayıtlı model için örnek giriş veri kümesi.

Default value: None
sample_output_dataset

Kayıtlı model için örnek çıkış veri kümesi.

Default value: None
resource_configuration

Kayıtlı modeli çalıştırmak için bir kaynak yapılandırması.

Default value: None

Döndürülenler

Tür Description

Kayıtlı model nesnesi.

Özel durumlar

Tür Description

Açıklamalar

Kayıtlı model, model dosyasının içeriğine ek olarak, modeli çalışma alanınızda yönetirken ve dağıtırken yararlı olan model açıklaması, etiketler ve çerçeve bilgileri de dahil olmak üzere model meta verilerini de depolar. Örneğin, etiketlerle çalışma alanınızdaki modelleri listelerken modellerinizi kategorilere ayırabilir ve filtreler uygulayabilirsiniz.

Aşağıdaki örnek, etiketleri ve açıklamayı belirten bir modelin nasıl kaydedileceğini gösterir.


   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)

Tam örnek şu kaynaktan edinilebilir: https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

Deneme çalıştırması sonucunda oluşturulmuş bir modeliniz varsa, önce yerel bir dosyaya indirmeden doğrudan bir çalıştırma nesnesinden kaydedebilirsiniz. Bunu yapmak için sınıfında belgelendiği Run gibi yöntemini kullanınregister_model.

remove_tags

Belirtilen anahtarları bu modelin etiket sözlüğünden kaldırın.

remove_tags(tags)

Parametreler

Name Description
tags
Gerekli

Kaldırılacak anahtarların listesi

Özel durumlar

Tür Description

serialize

Bu Modeli json serileştirilmiş sözlüğe dönüştürün.

serialize()

Döndürülenler

Tür Description

Bu Modelin json gösterimi

Özel durumlar

Tür Description

update

Modelin yerinde güncelleştirmesini gerçekleştirin.

Belirtilen parametrelerin mevcut değerleri değiştirilir.

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

Parametreler

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

Modelin güncelleştirilecek etiket sözlüğü. Bu etiketler model için mevcut etiketlerin yerini alır.

Default value: None
description
str

Model için kullanılacak yeni açıklama. Bu ad varolan adın yerini alır.

Default value: None
sample_input_dataset

Kayıtlı model için kullanılacak örnek giriş veri kümesi. Bu örnek giriş veri kümesi, mevcut veri kümesinin yerini alır.

Default value: None
sample_output_dataset

Kayıtlı model için kullanılacak örnek çıktı veri kümesi. Bu örnek çıktı veri kümesi, mevcut veri kümesinin yerini alır.

Default value: None
resource_configuration

Kayıtlı modeli çalıştırmak için kullanılacak kaynak yapılandırması.

Default value: None

Özel durumlar

Tür Description

update_tags_properties

Modelin etiketlerini ve özelliklerini güncelleştirin.

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

Parametreler

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

Eklenecek etiket sözlüğü.

Default value: None
remove_tags

Kaldırılacak etiket adlarının listesi.

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

Eklenecek özellikler sözlüğü.

Default value: None

Özel durumlar

Tür Description