你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

az ml model

注意

此参考是 Azure CLI（版本 2.0.28 或更高版本）的 azure-cli-ml 扩展的一部分。 该扩展将在首次运行 az ml model 命令时自动安装。 详细了解扩展。

管理机器学习模型。

命令

名称	说明	类型	状态
az ml model delete	从工作区中删除模型。	扩展	GA
az ml model deploy	从工作区部署模型（s）。	扩展	GA
az ml model download	从工作区下载模型。	扩展	GA
az ml model list	列出工作区中的模型。	扩展	GA
az ml model package	在工作区中打包模型。	扩展	GA
az ml model profile	工作区中的配置文件模型。	扩展	GA
az ml model register	将模型注册到工作区。	扩展	GA
az ml model show	在工作区中显示模型。	扩展	GA
az ml model update	更新工作区中的模型。	扩展	GA

az ml model delete

从工作区中删除模型。

az ml model delete --model-id
                   [--path]
                   [--resource-group]
                   [--subscription-id]
                   [--workspace-name]
                   [-v]

必需参数

--model-id -i

要删除的模型的 ID。

可选参数

--path

项目文件夹的路径。 默认值：当前目录。

--resource-group -g

与提供的工作区对应的资源组。

--subscription-id

指定订阅 ID。

--workspace-name -w

工作区的名称。

-v

详细标志。

全局参数

--debug

提高日志记录详细程度以显示所有调试日志。

--help -h

显示此帮助消息并退出。

--only-show-errors

只显示错误，取消显示警告。

--output -o

输出格式。

接受的值: json, jsonc, none, table, tsv, yaml, yamlc

默认值: json

--query

JMESPath 查询字符串。 有关更多信息和示例，请参阅 http://jmespath.org/。

--subscription

订阅的名称或 ID。 可以使用 az account set -s NAME_OR_ID 配置默认订阅。

--verbose

提高日志记录详细程度。 使用 --debug 获取完整的调试日志。

az ml model deploy

从工作区部署模型（s）。

az ml model deploy --name
                   [--ae]
                   [--ai]
                   [--ar]
                   [--as]
                   [--at]
                   [--autoscale-max-replicas]
                   [--autoscale-min-replicas]
                   [--base-image]
                   [--base-image-registry]
                   [--cc]
                   [--ccl]
                   [--cf]
                   [--collect-model-data]
                   [--compute-target]
                   [--compute-type]
                   [--cuda-version]
                   [--dc]
                   [--description]
                   [--dn]
                   [--ds]
                   [--ed]
                   [--eg]
                   [--entry-script]
                   [--environment-name]
                   [--environment-version]
                   [--failure-threshold]
                   [--gb]
                   [--gbl]
                   [--gc]
                   [--ic]
                   [--id]
                   [--key-name]
                   [--key-version]
                   [--kp]
                   [--ks]
                   [--lo]
                   [--max-request-wait-time]
                   [--model]
                   [--model-metadata-file]
                   [--namespace]
                   [--no-wait]
                   [--nr]
                   [--overwrite]
                   [--path]
                   [--period-seconds]
                   [--pi]
                   [--po]
                   [--property]
                   [--replica-max-concurrent-requests]
                   [--resource-group]
                   [--rt]
                   [--sc]
                   [--scoring-timeout-ms]
                   [--sd]
                   [--se]
                   [--sk]
                   [--sp]
                   [--st]
                   [--subnet-name]
                   [--subscription-id]
                   [--tag]
                   [--timeout-seconds]
                   [--token-auth-enabled]
                   [--tp]
                   [--vault-base-url]
                   [--version-name]
                   [--vnet-name]
                   [--workspace-name]
                   [-v]

必需参数

--name -n

部署的服务的名称。

可选参数

--ae --auth-enabled

是否为此 Webservice 启用密钥身份验证。 默认为 False。

--ai --enable-app-insights

是否为此 Webservice 启用 AppInsights。 默认为 False。

--ar --autoscale-refresh-seconds

自动缩放程序应尝试缩放此 Webservice 的频率。 默认值为 1。

--as --autoscale-enabled

是否为此 Web 服务启用自动缩放。 如果 num_replicas 为 None，则默认值为 True。

--at --autoscale-target-utilization

自动缩放程序应尝试维持此 Web 服务的目标利用率（低于 100%）。 默认值为 70。

--autoscale-max-replicas --ma

自动缩放此 Webservice 时要使用的容器的最大数目。 默认值为 10。

--autoscale-min-replicas --mi

自动缩放此 Webservice 时要使用的容器的最小数目。 默认值为 1。

--base-image --bi

用作基础映像的自定义映像。 如果未提供基础映像，则基于给定的运行时参数使用基础映像。

--base-image-registry --ir

包含基础映像的映像注册表。

--cc --cpu-cores

要分配给此 Webservice 的 CPU 核心数。 可以是小数。 默认值为 0.1。

--ccl --cpu-cores-limit

允许此 Web 服务使用的最大 CPU 核心数。 可以是小数。

--cf --conda-file

包含要用于映像的 conda 环境定义的本地文件的路径。

--collect-model-data --md

是否为此 Web 服务启用模型数据收集。 默认为 False。

--compute-target --ct

计算目标的名称。 仅适用于部署到 AKS 时。

--compute-type --cp

要部署的服务的计算类型。

--cuda-version --cv

要为需要 GPU 支持的映像安装 CUDA 版本。 GPU 映像必须用于 Azure 容器实例、Azure 机器学习计算、Azure 虚拟机和 Azure Kubernetes 服务等 Microsoft Azure 服务。 支持的版本为 9.0、9.1 和 10.0。 如果设置了“enable_gpu”，则默认值为“9.1”。

--dc --deploy-config-file

包含部署元数据的 JSON 或 YAML 文件的路径。

--description

已部署的服务的说明。

--dn --dns-name-label

此 Web 服务的 dns 名称。

--ds --extra-docker-file-steps

本地文件的路径，其中包含设置映像时要运行的其他 Docker 步骤。

--ed --environment-directory

用于部署Azure 机器学习环境的目录。 它与“az ml environment scaffold”命令中提供的目录路径相同。

--eg --enable-gpu

是否在映像中启用 GPU 支持。 GPU 映像必须用于 Azure 容器实例、Azure 机器学习计算、Azure 虚拟机和 Azure Kubernetes 服务等 Microsoft Azure 服务。 默认为 False。

--entry-script --es

包含要为服务运行的代码的本地文件的路径（如果提供了source_directory的相对路径）。

--environment-name -e

用于部署Azure 机器学习环境的名称。

--environment-version --ev

用于部署的现有Azure 机器学习环境的版本。

--failure-threshold --ft

当 Pod 启动且运行情况探测失败时，Kubernetes 会在放弃之前尝试 --failure-threshold times。 默认值为 3。 最小值为 1。

--gb --memory-gb

为此 Webservice 分配的内存量 (GB)。 可以是小数。

--gbl --memory-gb-limit

允许此 Web 服务使用的最大内存量 (GB)。 可以是小数。

--gc --gpu-cores

要为此 Web 服务分配的 gpu 核心数。 默认为 1。

--ic --inference-config-file

包含推理配置的 JSON 或 YAML 文件的路径。

--id --initial-delay-seconds

启动容器后，启动运行情况探测前的秒数。 默认值为 310。

--key-name

ACI 的客户管理的密钥（CMK）中加密属性的密钥名称。

--key-version

用于 ACI 的客户管理的密钥（CMK）中加密属性的密钥版本。

--kp --primary-key

要用于此 Webservice 的主要身份验证密钥。

--ks --secondary-key

要用于此 Webservice 的辅助身份验证密钥。

--lo --location

要将此 Webservice 部署到的 Azure 区域。 如果未指定，将使用工作区位置。 有关可用区域的更多详细信息，可在此处找到： https://azure.microsoft.com/en-us/global-infrastructure/services/?regions=all&products=container-instances。

--max-request-wait-time --mr

在返回 503 错误之前，请求将在队列中停留的最长时间（以毫秒为单位）。 默认为 500。

--model -m

要部署的模型的 ID。 可以使用其他 -m 参数指定多个模型。 模型需要首先注册。

默认值: []

--model-metadata-file -f

包含模型注册元数据的 JSON 文件的路径。 可以使用多个 -f 参数提供多个模型。

默认值: []

--namespace

要在其中部署服务的 Kubernetes 命名空间：最多 63 个小写字母数字 （'a'-'z'， '0'-'9'） 和连字符 （'-'） 字符。 第一个和最后一个字符不能为连字符。 仅适用于部署到 AKS 时。

--no-wait

标志不等待异步调用。

--nr --num-replicas

要分配给此 Webservice 的容器数量。 无默认值，如果未设置此参数，则默认启用自动缩放程序。

--overwrite

如果名称冲突，请覆盖现有服务。

--path

项目文件夹的路径。 默认值：当前目录。

--period-seconds --ps

执行运行情况探测的频率（秒）。 默认值为 10 秒。 最小值为 1。

--pi --profile-input

包含分析结果的 JSON 文件的路径。

--po --port

用于公开服务的 HTTP 终结点的本地端口。

--property

要添加的键/值属性（e.g. key=value ）。 可以使用多个 --property 选项指定多个属性。

默认值: []

--replica-max-concurrent-requests --rm

允许此 Web 服务的每个节点的最大并发请求数。 默认值为 1。

--resource-group -g

与提供的工作区对应的资源组。

--rt --runtime

要用于映像的运行时。 当前支持的运行时为“spark-py”和“python”spark-py|python|python-slim。

--sc --ssl-cname

启用 SSL 时的 cname。

--scoring-timeout-ms --tm

对此 Webservice 的评分调用强制执行的超时时间。 默认值为 60000。

--sd --source-directory

包含要创建映像的所有文件的文件夹的路径。

--se --ssl-enabled

是否为此 Webservice 启用 SSL。 默认为 False。

--sk --ssl-key-pem-file

如果启用了 SSL，则需要密钥文件。

--sp --ssl-cert-pem-file

如果启用了 SSL，则需要证书文件。

--st --success-threshold

运行情况探测失败后，将其视为成功所需的最小连续成功次数。 默认值为 1。 最小值为 1。

--subnet-name

VNet 内子网的名称。

--subscription-id

指定订阅 ID。

--tag

要添加的键/值标记（e.g. key=value ）。 可以使用多个 --tag 选项指定多个标记。

默认值: []

--timeout-seconds --ts

运行情况探测超时前等待的秒数。默认值为 2 秒。 最小值为 1。

--token-auth-enabled

是否为此 Web 服务启用令牌身份验证。 如果未部署到 AKS，则忽略。 默认为 False。

--tp --traffic-percentile

版本在终结点中接收的流量。 可以是小数。 默认值为 0。

--vault-base-url

ACI 的客户管理的密钥（CMK）中加密属性的保管库基 URL。

--version-name --vn

终结点中的版本名称。 默认为第一个版本的终结点名称。

--vnet-name

虚拟网络的名称。

--workspace-name -w

工作区的名称。

-v

详细标志。

全局参数

--debug

提高日志记录详细程度以显示所有调试日志。

--help -h

显示此帮助消息并退出。

--only-show-errors

只显示错误，取消显示警告。

--output -o

输出格式。

接受的值: json, jsonc, none, table, tsv, yaml, yamlc

默认值: json

--query

JMESPath 查询字符串。 有关更多信息和示例，请参阅 http://jmespath.org/。

--subscription

订阅的名称或 ID。 可以使用 az account set -s NAME_OR_ID 配置默认订阅。

--verbose

提高日志记录详细程度。 使用 --debug 获取完整的调试日志。

az ml model download

从工作区下载模型。

az ml model download --model-id
                     --target-dir
                     [--overwrite]
                     [--path]
                     [--resource-group]
                     [--subscription-id]
                     [--workspace-name]
                     [-v]

必需参数

--model-id -i

模型的 ID。

--target-dir -t

要下载模型文件的目标目录。

可选参数

--overwrite

如果目标目录中存在同一名称文件，则覆盖。

--path

项目文件夹的路径。 默认值：当前目录。

--resource-group -g

与提供的工作区对应的资源组。

--subscription-id

指定订阅 ID。

--workspace-name -w

包含要显示的模型的工作区的名称。

-v

详细标志。

全局参数

--debug

提高日志记录详细程度以显示所有调试日志。

--help -h

显示此帮助消息并退出。

--only-show-errors

只显示错误，取消显示警告。

--output -o

输出格式。

接受的值: json, jsonc, none, table, tsv, yaml, yamlc

默认值: json

--query

JMESPath 查询字符串。 有关更多信息和示例，请参阅 http://jmespath.org/。

--subscription

订阅的名称或 ID。 可以使用 az account set -s NAME_OR_ID 配置默认订阅。

--verbose

提高日志记录详细程度。 使用 --debug 获取完整的调试日志。

az ml model list

列出工作区中的模型。

az ml model list [--dataset-id]
                 [--latest]
                 [--model-name]
                 [--path]
                 [--property]
                 [--resource-group]
                 [--run-id]
                 [--subscription-id]
                 [--tag]
                 [--workspace-name]
                 [-v]

可选参数

--dataset-id

如果提供，将仅显示具有指定数据集 ID 的模型。

--latest -l

如果提供，则仅返回具有最新版本的模型。

--model-name -n

用于筛选列表的可选模型名称。

--path

项目文件夹的路径。 默认值：当前目录。

--property

要添加的键/值属性（e.g. key=value ）。 可以使用多个 --property 选项指定多个属性。

默认值: []

--resource-group -g

与提供的工作区对应的资源组。

--run-id

如果提供，将仅显示具有指定运行 ID 的模型。

--subscription-id

指定订阅 ID。

--tag

要添加的键/值标记（e.g. key=value ）。 可以使用多个 --tag 选项指定多个标记。

默认值: []

--workspace-name -w

包含要列出的模型的工作区的名称。

-v

详细标志。

全局参数

--debug

提高日志记录详细程度以显示所有调试日志。

--help -h

显示此帮助消息并退出。

--only-show-errors

只显示错误，取消显示警告。

--output -o

输出格式。

接受的值: json, jsonc, none, table, tsv, yaml, yamlc

默认值: json

--query

JMESPath 查询字符串。 有关更多信息和示例，请参阅 http://jmespath.org/。

--subscription

订阅的名称或 ID。 可以使用 az account set -s NAME_OR_ID 配置默认订阅。

--verbose

提高日志记录详细程度。 使用 --debug 获取完整的调试日志。

az ml model package

在工作区中打包模型。

az ml model package [--cf]
                    [--ed]
                    [--entry-script]
                    [--environment-name]
                    [--environment-version]
                    [--ic]
                    [--il]
                    [--image-name]
                    [--model]
                    [--model-metadata-file]
                    [--no-wait]
                    [--output-path]
                    [--path]
                    [--resource-group]
                    [--rt]
                    [--sd]
                    [--subscription-id]
                    [--workspace-name]
                    [-v]

可选参数

--cf --conda-file

包含要用于包的 conda 环境定义的本地文件的路径。

--ed --environment-directory

用于打包Azure 机器学习环境的目录。 它与“az ml environment scaffold”命令中提供的目录路径相同。

--entry-script --es

包含要为服务运行的代码的本地文件的路径（如果提供了source_directory的相对路径）。

--environment-name -e

用于打包Azure 机器学习环境的名称。

--environment-version --ev

用于打包的现有Azure 机器学习环境的版本。

--ic --inference-config-file

包含推理配置的 JSON 或 YAML 文件的路径。

--il --image-label

用于提供生成的包映像的标签。

--image-name --in

用于提供生成的包映像的名称。

--model -m

要打包的模型的 ID。 可以使用其他 -m 参数指定多个模型。 模型需要首先注册。

默认值: []

--model-metadata-file -f

包含模型注册元数据的 JSON 文件的路径。 可以使用多个 -f 参数提供多个模型。

默认值: []

--no-wait

标志不等待异步调用。

--output-path

Docker 上下文的输出路径。 如果传递输出路径，而不是在工作区 ACR 中生成映像，dockerfile 和必要的生成上下文将写入该路径。

--path

项目文件夹的路径。 默认值：当前目录。

--resource-group -g

与提供的工作区对应的资源组。

--rt --runtime

要用于包的运行时。 当前支持的运行时为“spark-py”和“python”spark-py|python|python-slim。

--sd --source-directory

包含要创建映像的所有文件的文件夹的路径。

--subscription-id

指定订阅 ID。

--workspace-name -w

工作区的名称。

-v

详细标志。

全局参数

--debug

提高日志记录详细程度以显示所有调试日志。

--help -h

显示此帮助消息并退出。

--only-show-errors

只显示错误，取消显示警告。

--output -o

输出格式。

接受的值: json, jsonc, none, table, tsv, yaml, yamlc

默认值: json

--query

JMESPath 查询字符串。 有关更多信息和示例，请参阅 http://jmespath.org/。

--subscription

订阅的名称或 ID。 可以使用 az account set -s NAME_OR_ID 配置默认订阅。

--verbose

提高日志记录详细程度。 使用 --debug 获取完整的调试日志。

az ml model profile

工作区中的配置文件模型。

az ml model profile --name
                    [--base-image]
                    [--base-image-registry]
                    [--cc]
                    [--cf]
                    [--description]
                    [--ed]
                    [--entry-script]
                    [--environment-name]
                    [--environment-version]
                    [--gb]
                    [--ic]
                    [--idi]
                    [--model]
                    [--model-metadata-file]
                    [--output-metadata-file]
                    [--resource-group]
                    [--sd]
                    [--subscription-id]
                    [--workspace-name]
                    [-v]

必需参数

--name -n

模型配置文件的名称。

可选参数

--base-image --bi

用作基础映像的自定义映像。 如果未提供基础映像，则基于给定的运行时参数使用基础映像。

--base-image-registry --ir

包含基础映像的映像注册表。

--cc --cpu-cores

分析时要使用的最大 CPU 的双精度值。

--cf --conda-file

包含要用于映像的 conda 环境定义的本地文件的路径。

--description

模型配置文件的说明。

--ed --environment-directory

用于部署Azure 机器学习环境的目录。 它与“az ml environment scaffold”命令中提供的目录路径相同。

--entry-script --es

包含要为服务运行的代码的本地文件的路径（如果提供了source_directory的相对路径）。

--environment-name -e

用于部署Azure 机器学习环境的名称。

--environment-version --ev

用于部署的现有Azure 机器学习环境的版本。

--gb --memory-in-gb

分析时要使用的最大内存的双精度值。

--ic --inference-config-file

包含推理配置的 JSON 或 YAML 文件的路径。

--idi --input-dataset-id

要用作配置文件输入的表格数据集的 ID。

--model -m

要部署的模型的 ID。 可以使用其他 -m 参数指定多个模型。 模型需要首先注册。

默认值: []

--model-metadata-file -f

包含模型注册元数据的 JSON 文件的路径。 可以使用多个 -f 参数提供多个模型。

默认值: []

--output-metadata-file -t

将写入配置文件结果元数据的 JSON 文件的路径。 用作模型部署的输入。

--resource-group -g

与提供的工作区对应的资源组。

--sd --source-directory

包含要创建映像的所有文件的文件夹的路径。

--subscription-id

指定订阅 ID。

--workspace-name -w

工作区的名称。

-v

详细标志。

全局参数

--debug

提高日志记录详细程度以显示所有调试日志。

--help -h

显示此帮助消息并退出。

--only-show-errors

只显示错误，取消显示警告。

--output -o

输出格式。

接受的值: json, jsonc, none, table, tsv, yaml, yamlc

默认值: json

--query

JMESPath 查询字符串。 有关更多信息和示例，请参阅 http://jmespath.org/。

--subscription

订阅的名称或 ID。 可以使用 az account set -s NAME_OR_ID 配置默认订阅。

--verbose

提高日志记录详细程度。 使用 --debug 获取完整的调试日志。

az ml model register

将模型注册到工作区。

az ml model register --name
                     [--asset-path]
                     [--cc]
                     [--description]
                     [--experiment-name]
                     [--gb]
                     [--gc]
                     [--model-framework]
                     [--model-framework-version]
                     [--model-path]
                     [--output-metadata-file]
                     [--path]
                     [--property]
                     [--resource-group]
                     [--run-id]
                     [--run-metadata-file]
                     [--sample-input-dataset-id]
                     [--sample-output-dataset-id]
                     [--subscription-id]
                     [--tag]
                     [--workspace-name]
                     [-v]

必需参数

--name -n

要注册的模型的名称。

可选参数

--asset-path

体验运行存储模型文件的云路径。

--cc --cpu-cores

要为此模型分配的默认 CPU 核心数。 可以是小数。

--description -d

模型的说明。

--experiment-name

试验的名称。

--gb --memory-gb

要为此模型分配的默认内存量（以 GB 为单位）。 可以是小数。

--gc --gpu-cores

要为此模型分配的默认 GPU 数。

--model-framework

要注册的模型的框架。 当前支持的框架：TensorFlow、ScikitLearn、Onnx、Custom、Multi。

--model-framework-version

要注册的模型的框架版本（例如 1.0.0、2.4.1）。

--model-path -p

要注册的模型文件的完整路径。

--output-metadata-file -t

要在其中写入模型注册元数据的 JSON 文件的路径。 用作模型部署的输入。

--path

项目文件夹的路径。 默认值：当前目录。

--property

要添加的键/值属性（e.g. key=value ）。 可以使用多个 --property 选项指定多个属性。

默认值: []

--resource-group -g

与提供的工作区对应的资源组。

--run-id -r

从中注册模型的试验运行的 ID。

--run-metadata-file -f

包含体验运行元数据的 JSON 文件的路径。

--sample-input-dataset-id

示例输入数据集的 ID。

--sample-output-dataset-id

示例输出数据集的 ID。

--subscription-id

指定订阅 ID。

--tag

要添加的键/值标记（e.g. key=value ）。 可以使用多个 --tag 选项指定多个标记。

默认值: []

--workspace-name -w

要在其中注册此模型的工作区的名称。

-v

详细标志。

全局参数

--debug

提高日志记录详细程度以显示所有调试日志。

--help -h

显示此帮助消息并退出。

--only-show-errors

只显示错误，取消显示警告。

--output -o

输出格式。

接受的值: json, jsonc, none, table, tsv, yaml, yamlc

默认值: json

--query

JMESPath 查询字符串。 有关更多信息和示例，请参阅 http://jmespath.org/。

--subscription

订阅的名称或 ID。 可以使用 az account set -s NAME_OR_ID 配置默认订阅。

--verbose

提高日志记录详细程度。 使用 --debug 获取完整的调试日志。

az ml model show

在工作区中显示模型。

az ml model show [--model-id]
                 [--model-name]
                 [--path]
                 [--resource-group]
                 [--run-id]
                 [--subscription-id]
                 [--version]
                 [--workspace-name]
                 [-v]

可选参数

--model-id -i

要显示的模型的 ID。

--model-name -n

要显示的模型的名称。

--path

项目文件夹的路径。 默认值：当前目录。

--resource-group -g

与提供的工作区对应的资源组。

--run-id

如果提供，将仅显示具有指定运行 ID 的模型。

--subscription-id

指定订阅 ID。

--version

如果提供，将仅显示具有指定名称和版本的模型。

--workspace-name -w

包含要显示的模型的工作区的名称。

-v

详细标志。

全局参数

--debug

提高日志记录详细程度以显示所有调试日志。

--help -h

显示此帮助消息并退出。

--only-show-errors

只显示错误，取消显示警告。

--output -o

输出格式。

接受的值: json, jsonc, none, table, tsv, yaml, yamlc

默认值: json

--query

JMESPath 查询字符串。 有关更多信息和示例，请参阅 http://jmespath.org/。

--subscription

订阅的名称或 ID。 可以使用 az account set -s NAME_OR_ID 配置默认订阅。

--verbose

提高日志记录详细程度。 使用 --debug 获取完整的调试日志。

az ml model update

更新工作区中的模型。

az ml model update --model-id
                   [--add-property]
                   [--add-tag]
                   [--cc]
                   [--description]
                   [--gb]
                   [--gc]
                   [--path]
                   [--remove-tag]
                   [--resource-group]
                   [--sample-input-dataset-id]
                   [--sample-output-dataset-id]
                   [--subscription-id]
                   [--workspace-name]
                   [-v]

必需参数

--model-id -i

模型的 ID。

可选参数

--add-property

要添加的键/值属性（e.g. key=value ）。 可以使用多个 --add-property 选项指定多个属性。

默认值: []

--add-tag

要添加的键/值标记（e.g. key=value ）。 可以使用多个 --add-tag 选项指定多个标记。

默认值: []

--cc --cpu-cores

要为此模型分配的默认 CPU 核心数。 可以是小数。

--description

更新模型的说明。 将替换当前说明。

--gb --memory-gb

要为此模型分配的默认内存量（以 GB 为单位）。 可以是小数。

--gc --gpu-cores

要为此模型分配的默认 GPU 数。

--path

项目文件夹的路径。 默认值：当前目录。

--remove-tag

要删除的标记键。 可以使用多个 --remove-tag 选项指定多个标记。

默认值: []

--resource-group -g

与提供的工作区对应的资源组。

--sample-input-dataset-id

示例输入数据集的 ID。

--sample-output-dataset-id

示例输出数据集的 ID。

--subscription-id

指定订阅 ID。

--workspace-name -w

工作区的名称。

-v

详细标志。

全局参数

--debug

提高日志记录详细程度以显示所有调试日志。

--help -h

显示此帮助消息并退出。

--only-show-errors

只显示错误，取消显示警告。

--output -o

输出格式。

接受的值: json, jsonc, none, table, tsv, yaml, yamlc

默认值: json

--query

JMESPath 查询字符串。 有关更多信息和示例，请参阅 http://jmespath.org/。

--subscription

订阅的名称或 ID。 可以使用 az account set -s NAME_OR_ID 配置默认订阅。

--verbose

提高日志记录详细程度。 使用 --debug 获取完整的调试日志。