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。

Update-AzMlCommitmentPlan

参考

模块:: Az.MachineLearning

更新现有承诺计划资源的属性。

语法

Update-AzMlCommitmentPlan
      -ResourceGroupName <String>
      -Name <String>
      -SkuName <String>
      -SkuTier <String>
      [-SkuCapacity <Int32>]
      [-Tag <Hashtable>]
      [-Force]
      [-DefaultProfile <IAzureContextContainer>]
      [-WhatIf]
      [-Confirm]
      [<CommonParameters>]

说明

更新现有承诺计划资源。请注意，承诺计划的大多数属性是不可变的，无法修改。可以修改的属性包括 SKU（允许将承诺计划从一个 SKU 迁移到另一个 SKU）和标记。

示例

示例 1：更新承诺计划

Update-AzMlCommitmentPlan -ResourceGroupName "MyResourceGroup" -Name "MyCommitmentPlanName" -Tag @{'MyTagKey'='MyTagValue'}

参数

-Confirm

提示你在运行 cmdlet 之前进行确认。

类型:	SwitchParameter
别名:	cf
Position:	Named
默认值:	None
必需:	False
接受管道输入:	False
接受通配符:	False

-DefaultProfile

用于与 azure 通信的凭据、帐户、租户和订阅

类型:	IAzureContextContainer
别名:	AzContext, AzureRmContext, AzureCredential
Position:	Named
默认值:	None
必需:	False
接受管道输入:	False
接受通配符:	False

-Force

不要要求确认。

类型:	SwitchParameter
Position:	Named
默认值:	None
必需:	False
接受管道输入:	False
接受通配符:	False

-Name

Azure ML 承诺计划的名称。

类型:	String
Position:	Named
默认值:	None
必需:	True
接受管道输入:	False
接受通配符:	False

-ResourceGroupName

Azure ML 承诺计划的资源组的名称。

类型:	String
Position:	Named
默认值:	None
必需:	True
接受管道输入:	False
接受通配符:	False

-SkuCapacity

更新 Azure ML 承诺计划时要使用的 SKU 容量。

类型:	Int32
Position:	Named
默认值:	None
必需:	False
接受管道输入:	False
接受通配符:	False

-SkuName

更新 Azure ML 承诺计划时要使用的 SKU 的名称。

类型:	String
Position:	Named
默认值:	None
必需:	True
接受管道输入:	False
接受通配符:	False

-SkuTier

更新 Azure ML 承诺计划时要使用的 SKU 层。

类型:	String
Position:	Named
默认值:	None
必需:	True
接受管道输入:	False
接受通配符:	False

-Tag

承诺计划资源的标记。

类型:	Hashtable
Position:	Named
默认值:	None
必需:	False
接受管道输入:	False
接受通配符:	False

-WhatIf

显示运行该 cmdlet 时会发生什么情况。 cmdlet 未运行。

类型:	SwitchParameter
别名:	wi
Position:	Named
默认值:	None
必需:	False
接受管道输入:	False
接受通配符:	False

输入

None

输出

Microsoft.Azure.Management.MachineLearning.CommitmentPlans.Models.CommitmentPlan

备注

关键字：azure， azurerm， arm，资源，管理，经理，机器学习， azureml

通过