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

workspace

Workspace

Gerekli

Alınacak modeli içeren çalışma alanı nesnesi.

name

str

varsayılan değer: None

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

id

str

varsayılan değer: None

Alınacak modelin kimliği. Belirtilen kimliği içeren model varsa döndürülür.

tags

list

varsayılan değer: None

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

list

varsayılan değer: None

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

int

varsayılan değer: None

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

run_id

str

varsayılan değer: None

Döndürülen sonuçları filtrelemek için kullanılan isteğe bağlı kimlik.

model_framework

str

varsayılan değer: None

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

workspace

Workspace

Gerekli

Alınacak modeli içeren çalışma alanı nesnesi.

name

str

Gerekli

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

id

str

Gerekli

Alınacak modelin kimliği. Belirtilen kimliği içeren model varsa döndürülür.

tags

list

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

list

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

int

Gerekli

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

run_id

str

Gerekli

Döndürülen sonuçları filtrelemek için kullanılan isteğe bağlı kimlik.

model_framework

str

Gerekli

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

expand

bool

varsayılan değer: True

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

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

created_by

dict

Modeli oluşturan kullanıcı.

created_time

datetime

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

bool

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

list[str]

Bu Modelden türetilmiş Model Kimliklerinin listesi.

resource_configuration

ResourceConfiguration

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 : Uzaktan önbelleğe indirme (çalışma alanı sağlanmışsa) önbellekten yükleme azureml-models/$MODEL_NAME/$LATEST_VERSION/ ./$MODEL_NAME Hiçbiri version değilse: azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/ önbelleğinden yükleme 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

datasets

list[tuple(<xref:str :> (Dataset veya DatasetSnapshot))]

Gerekli

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

Özel durumlar

WebserviceException

add_properties

Bu modelin özellikler sözlüğüne anahtar değer çiftleri ekleyin.

add_properties(properties)

Parametreler

properties

dict(<xref:str : str>)

Gerekli

Eklenecek özelliklerin sözlüğü.

Özel durumlar

WebserviceException

add_tags

Bu modelin etiketler sözlüğüne anahtar değer çiftleri ekleyin.

add_tags(tags)

Parametreler

tags

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

Gerekli

Eklenecek etiketlerin sözlüğü.

Özel durumlar

WebserviceException

delete

Bu modeli ilişkili çalışma alanından silin.

delete()

Özel durumlar

WebserviceException

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

workspace

Workspace

Gerekli

Web hizmetini ilişkilendirmek için bir Çalışma Alanı nesnesi.

name

str

Gerekli

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

list[Model]

Gerekli

Model nesnelerinin listesi. Boş bir liste olabilir.

inference_config

InferenceConfig

varsayılan değer: None

Gerekli model özelliklerini belirlemek için kullanılan bir InferenceConfig nesnesi.

deployment_config

WebserviceDeploymentConfiguration

varsayılan değer: None

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

deployment_target

ComputeTarget

varsayılan değer: None

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

overwrite

bool

varsayılan değer: False

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

show_output

bool

varsayılan değer: False

Hizmet dağıtımının ilerleme durumunun görüntülenip görüntülenmeyeceğini gösterir.

Döndürülenler

Dağıtılan web hizmetiyle ilgili bir Web hizmeti nesnesi.

Dönüş türü

Webservice

Özel durumlar

WebserviceException

deserialize

JSON nesnesini model nesnesine dönüştürme.

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

static deserialize(workspace, model_payload)

Parametreler

workspace

Workspace

Gerekli

Modelin kayıtlı olduğu çalışma alanı nesnesi.

model_payload

dict

Gerekli

Model nesnesine dönüştürülecek JSON nesnesi.

Döndürülenler

Sağlanan JSON nesnesinin Model gösterimi.

Dönüş türü

Model

Özel durumlar

WebserviceException

download

Modeli yerel dosya sisteminin hedef dizinine indirin.

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

Parametreler

target_dir

str

varsayılan değer: .

Modelin indirildiği dizinin yolu. Varsayılan olarak "."

exist_ok

bool

varsayılan değer: False

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

exists_ok

bool

varsayılan değer: None

KALDIRIL -MIŞ. exist_ok komutunu kullanın.

Döndürülenler

Modelin dosya veya klasörünün yolu.

Dönüş türü

str

Özel durumlar

WebserviceException

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

model_name

str

Gerekli

Alınacak modelin adı.

version

int

varsayılan değer: None

Alınacak modelin sürümü. Varsayılan olarak en son sürümü kullanır.

_workspace

Workspace

varsayılan değer: None

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

Döndürülenler

Diskte modelin yolu.

Dönüş türü

str

Özel durumlar

ModelNotFoundException

get_sas_urls

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

get_sas_urls()

Döndürülenler

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

Dönüş türü

dict

Özel durumlar

WebserviceException

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

workspace

Workspace

Gerekli

Modellerin alın olduğu çalışma alanı nesnesi.

name

str

varsayılan değer: None

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

tags

list

varsayılan değer: None

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

properties

list

varsayılan değer: None

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

run_id

str

varsayılan değer: None

Sağlanan çalıştırma kimliğine göre filtrelenir.

latest

bool

varsayılan değer: False

True ise yalnızca en son sürüme sahip modelleri döndürür.

dataset_id

str

varsayılan değer: None

Sağlanan veri kümesi kimliğine göre filtrelenir.

expand

bool

varsayılan değer: True

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.

page_count

int

varsayılan değer: 255

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

model_framework

str

varsayılan değer: None

Sağlanırsa, yalnızca varsa belirtilen çerçeveye sahip modelleri döndürür.

Döndürülenler

İsteğe bağlı olarak filtrelenmiş modellerin listesi.

Dönüş türü

list[Model]

Özel durumlar

WebserviceException

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

workspace

Workspace

Gerekli

Paketin oluşturulacağı çalışma alanı.

models

list[Model]

Gerekli

Pakete eklenecek Model nesnelerinin listesi. Boş bir liste olabilir.

inference_config

InferenceConfig

varsayılan değer: None

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

generate_dockerfile

bool

varsayılan değer: False

Görüntü oluşturmak yerine yerel olarak çalıştırılacak bir Dockerfile oluşturulup oluşturulmayacağı.

image_name

str

varsayılan değer: None

Görüntü oluştururken, sonuçta elde edilen görüntünün adı.

image_label

str

varsayılan değer: None

Görüntü oluştururken, sonuçta elde edilen görüntünün etiketi.

Döndürülenler

ModelPackage nesnesi.

Dönüş türü

ModelPackage

Özel durumlar

WebserviceException

print_configuration

Kullanıcı yapılandırmasını yazdırın.

static print_configuration(models, inference_config, deployment_config, deployment_target)

Parametreler

models

list[Model]

Gerekli

Model nesnelerinin listesi. Boş bir liste olabilir.

inference_config

InferenceConfig

Gerekli

Gerekli model özelliklerini belirlemek için kullanılan bir InferenceConfig nesnesi.

deployment_config

WebserviceDeploymentConfiguration

Gerekli

Web hizmetini yapılandırmak için kullanılan bir WebserviceDeploymentConfiguration.

deployment_target

ComputeTarget

Gerekli

Web hizmetini dağıtmak için A ComputeTarget .

Özel durumlar

WebserviceException

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

workspace

Workspace

Gerekli

Modelin profilinin oluşturulduğu çalışma alanı nesnesi.

profile_name

str

Gerekli

Profil oluşturma çalıştırmasının adı.

models

list[Model]

Gerekli

Model nesnelerinin listesi. Boş bir liste olabilir.

inference_config

InferenceConfig

Gerekli

Gerekli model özelliklerini belirlemek için kullanılan bir InferenceConfig nesnesi.

input_dataset

Dataset

Gerekli

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

cpu

float

varsayılan değer: None

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

memory_in_gb

float

varsayılan değer: None

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

description

str

varsayılan değer: None

Profil oluşturma çalıştırmasıyla ilişkilendirilecek açıklama.

Dönüş türü

ModelProfile

Özel durumlar

<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

workspace

Workspace

Gerekli

Modelin kaydedilecek çalışma alanı.

model_path

str

Gerekli

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

str

Gerekli

Modelin kaydedilecek adı.

tags

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

varsayılan değer: None

Modele atanacak anahtar değer etiketlerinin isteğe bağlı sözlüğü.

properties

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

varsayılan değer: None

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

description

str

varsayılan değer: None

Modelin metin açıklaması.

datasets

list[(str, AbstractDataset)]

varsayılan değer: None

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

model_framework

str

varsayılan değer: None

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

model_framework_version

str

varsayılan değer: None

Kayıtlı modelin çerçeve sürümü.

child_paths

list[str]

varsayılan değer: None

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

sample_input_dataset

AbstractDataset

varsayılan değer: None

Kayıtlı model için örnek giriş veri kümesi.

sample_output_dataset

AbstractDataset

varsayılan değer: None

Kayıtlı model için örnek çıkış veri kümesi.

resource_configuration

ResourceConfiguration

varsayılan değer: None

Kayıtlı modeli çalıştırmak için bir kaynak yapılandırması.

Döndürülenler

Kayıtlı model nesnesi.

Dönüş türü

Model

Özel durumlar

WebserviceException

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

tags

list[str]

Gerekli

Kaldırılacak anahtarların listesi

Özel durumlar

WebserviceException

serialize

Bu Modeli json serileştirilmiş sözlüğe dönüştürün.

serialize()

Döndürülenler

Bu Modelin json gösterimi

Dönüş türü

dict

Özel durumlar

WebserviceException

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

tags

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

varsayılan değer: None

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

description

str

varsayılan değer: None

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

sample_input_dataset

AbstractDataset

varsayılan değer: None

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

sample_output_dataset

AbstractDataset

varsayılan değer: None

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

resource_configuration

ResourceConfiguration

varsayılan değer: None

Kayıtlı modeli çalıştırmak için kullanılacak kaynak yapılandırması.

Özel durumlar

WebserviceException

update_tags_properties

Modelin etiketlerini ve özelliklerini güncelleştirin.

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

Parametreler

add_tags

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

varsayılan değer: None

Eklenecek etiket sözlüğü.

remove_tags

list[str]

varsayılan değer: None

Kaldırılacak etiket adlarının listesi.

add_properties

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

varsayılan değer: None

Eklenecek özellikler sözlüğü.

Özel durumlar

WebserviceException