az ml batch-endpoint

注意

此參考是 Azure CLI (2.15.0 版或更高版本) ml 延伸模組 的一部分。 當您第一次執行 az ml batch-endpoint 命令時,擴充功能會自動安裝。 深入了解延伸模組。

管理 Azure ML 批次端點。

Azure ML 端點提供簡單的介面,可用來建立和管理模型部署。 每個端點可以有一或多個部署。 批次端點用於離線批次評分。

命令

az ml batch-endpoint create

建立端點。

az ml batch-endpoint delete

刪除端點。

az ml batch-endpoint invoke

叫用端點。

az ml batch-endpoint list

列出工作區中的端點。

az ml batch-endpoint list-jobs

列出批次端點的批次評分作業。

az ml batch-endpoint show

顯示端點的詳細資料。

az ml batch-endpoint update

更新端點。

az ml batch-endpoint create

建立端點。

若要建立端點,請提供具有批次端點組態的 YAML 檔案。 如果端點已經存在,則會以新的設定過度寫入。

az ml batch-endpoint create --resource-group
                            --workspace-name
                            [--file]
                            [--name]
                            [--no-wait]
                            [--set]

範例

從 YAML 規格檔案建立端點

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

建立名稱為的端點

az ml batch-endpoint create --name endpointname --resource-group my-resource-group --workspace-name my-workspace

必要參數

--resource-group -g

資源群組的名稱。 您可以使用 az configure --defaults group=<name> 來設定預設群組。

--workspace-name -w

Azure ML 工作區的名稱。 您可以使用 az configure --defaults workspace=<name> 來設定預設群組。

選擇性參數

--file -f

包含 Azure ML 批次端點規格之 YAML 檔案的本機路徑。 您可以在下列位置找到 batch-endpoint 的 YAML 參考檔: https://aka.ms/ml-cli-v2-endpoint-batch-yaml-reference

--name -n

批次端點的名稱。

--no-wait

請勿等候長時間執行的作業完成。 預設值是 False。

--set

指定要設定的屬性路徑和值來更新 物件。 範例:--set property1.property2=。

az ml batch-endpoint delete

刪除端點。

az ml batch-endpoint delete --name
                            --resource-group
                            --workspace-name
                            [--no-wait]
                            [--yes]

範例

刪除批次端點,包括其所有部署

az ml batch-endpoint delete --name my-batch-endpoint --resource-group my-resource-group --workspace-name my-workspace

必要參數

--name -n

批次端點的名稱。

--resource-group -g

資源群組的名稱。 您可以使用 az configure --defaults group=<name> 來設定預設群組。

--workspace-name -w

Azure ML 工作區的名稱。 您可以使用 az configure --defaults workspace=<name> 來設定預設群組。

選擇性參數

--no-wait

請勿等候長時間執行的作業完成。 預設值是 False。

--yes -y

不提示確認。

az ml batch-endpoint invoke

叫用端點。

您可以使用某些資料叫用端點來啟動批次推斷。 針對批次端點,叫用會觸發非同步批次評分作業。

az ml batch-endpoint invoke --input
                            --name
                            --resource-group
                            --workspace-name
                            [--deployment-name]
                            [--input-type]
                            [--instance-count]
                            [--job-name]
                            [--mini-batch-size]
                            [--output-path]
                            [--set]

範例

從已註冊的 Azure ML 資料資產叫用具有輸入資料的批次端點,並覆寫mini_batch_size的預設部署設定

az ml batch-endpoint invoke --name my-batch-endpoint --input azureml:my-dataset:1 --mini-batch-size 64 --resource-group my-resource-group --workspace-name my-workspace

從公用 URI 使用輸入檔叫用批次端點

az ml batch-endpoint invoke --name my-batch-endpoint --input-type uri_file --input https://pipelinedata.blob.core.windows.net/sampledata/mnist/0.png --resource-group my-resource-group --workspace-name my-workspace

從已註冊的資料存放區叫用具有輸入檔的批次端點

az ml batch-endpoint invoke --name my-batch-endpoint --input-type uri_file --input azureml://datastores/workspaceblobstore/paths/{path_to_data}/mnist/0.png --resource-group my-resource-group --workspace-name my-workspace

從公用 URI 使用輸入資料夾叫用批次端點

az ml batch-endpoint invoke --name my-batch-endpoint --input-type uri_folder --input https://pipelinedata.blob.core.windows.net/sampledata/mnist --resource-group my-resource-group --workspace-name my-workspace

從已註冊的資料存放區叫用具有輸入資料夾的批次端點

az ml batch-endpoint invoke --name my-batch-endpoint --input-type uri_folder --input azureml://datastores/workspaceblobstore/paths/{path_to_data}/mnist --resource-group my-resource-group --workspace-name my-workspace

使用本機資料夾中的檔案叫用批次端點

az ml batch-endpoint invoke --name my-batch-endpoint --input ./mnist_folder --resource-group my-resource-group --workspace-name my-workspace

使用本機資料夾作為輸入和輸出路徑叫用批次端點,並在端點叫用期間覆寫某些批次部署設定

az ml batch-endpoint invoke --name my-batch-endpoint --input ./mnist_folder --instance-count 2 --mini-batch-size 5 --output-path azureml://datastores/workspaceblobstore/paths/tests/output --resource-group my-resource-group --workspace-name my-workspace

必要參數

--input

用於批次推斷的輸入資料參考。 它可以是資料存放區、公用 URI、已註冊的資料資產或本機資料夾路徑的路徑。

--name -n

批次端點的名稱。

--resource-group -g

資源群組的名稱。 您可以使用 az configure --defaults group=<name> 來設定預設群組。

--workspace-name -w

Azure ML 工作區的名稱。 您可以使用 az configure --defaults workspace=<name> 來設定預設群組。

選擇性參數

--deployment-name -d

要設為目標的部署名稱。

--input-type

輸入的類型,指定它是檔案或資料夾。 當您在資料存放區或公用 URI 上使用路徑時,請使用此選項。 支援的值:uri_folder、uri_file。

--instance-count -c

預測將執行的實例數目。

--job-name

批次叫用的作業名稱。

--mini-batch-size -m

要分割輸入資料以進行預測的每個迷你批次大小。

--output-path

將上傳輸出檔案的資料存放區路徑。

--set

指定要設定的屬性路徑和值來更新 物件。 範例:--set property1.property2=。

az ml batch-endpoint list

列出工作區中的端點。

az ml batch-endpoint list --resource-group
                          --workspace-name

範例

列出工作區中的所有批次端點

az ml batch-endpoint list --resource-group my-resource-group --workspace-name my-workspace

列出工作區中的所有批次端點

az ml batch-endpoint list  --resource-group my-resource-group --workspace-name my-workspace

使用 --query 引數,列出工作區中的所有批次端點,以在命令的結果上執行 JMESPath 查詢。

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

必要參數

--resource-group -g

資源群組的名稱。 您可以使用 az configure --defaults group=<name> 來設定預設群組。

--workspace-name -w

Azure ML 工作區的名稱。 您可以使用 az configure --defaults workspace=<name> 來設定預設群組。

az ml batch-endpoint list-jobs

列出批次端點的批次評分作業。

az ml batch-endpoint list-jobs --name
                               --resource-group
                               --workspace-name

範例

列出端點的所有批次評分作業

az ml batch-endpoint list-jobs --name my-batch-endpoint --resource-group my-resource-group --workspace-name my-workspace

必要參數

--name -n

批次端點的名稱。

--resource-group -g

資源群組的名稱。 您可以使用 az configure --defaults group=<name> 來設定預設群組。

--workspace-name -w

Azure ML 工作區的名稱。 您可以使用 az configure --defaults workspace=<name> 來設定預設群組。

az ml batch-endpoint show

顯示端點的詳細資料。

az ml batch-endpoint show --name
                          --resource-group
                          --workspace-name

範例

顯示批次端點的詳細資料

az ml batch-endpoint show --name my-batch-endpoint  --resource-group my-resource-group --workspace-name my-workspace

使用 --query 引數在命令結果上執行 JMESPath 查詢,以顯示端點的布建狀態。

az ml batch-endpoint show -n my-endpoint --query "{Name:name,State:provisioning_state}"  --output table --resource-group my-resource-group --workspace-name my-workspace

必要參數

--name -n

批次端點的名稱。

--resource-group -g

資源群組的名稱。 您可以使用 az configure --defaults group=<name> 來設定預設群組。

--workspace-name -w

Azure ML 工作區的名稱。 您可以使用 az configure --defaults workspace=<name> 來設定預設群組。

az ml batch-endpoint update

更新端點。

可以更新端點的 'description'、'tags' 和 'defaults' 屬性。 此外,可以將新的部署新增至端點,而且可以更新現有的部署。

az ml batch-endpoint update --resource-group
                            --workspace-name
                            [--add]
                            [--defaults]
                            [--file]
                            [--force-string]
                            [--name]
                            [--no-wait]
                            [--remove]
                            [--set]

範例

從 YAML 規格檔案更新端點

az ml batch-endpoint update --name my-batch-endpoint --file updated_endpoint.yml --resource-group my-resource-group --workspace-name my-workspace

將新的部署新增至現有的端點

az ml batch-endpoint update --name my-batch-endpoint  --set defaults.deployment_name=depname  --resource-group my-resource-group --workspace-name my-workspace

必要參數

--resource-group -g

資源群組的名稱。 您可以使用 az configure --defaults group=<name> 來設定預設群組。

--workspace-name -w

Azure ML 工作區的名稱。 您可以使用 az configure --defaults workspace=<name> 來設定預設群組。

選擇性參數

--add

藉由指定路徑和索引鍵值組,將 物件新增至物件清單。 範例:--add property.listProperty < key=value、string 或 JSON 字串 > 。

--defaults

更新端點叫用之預設值內的deployment_name。

--file -f

包含 Azure ML 批次端點規格之 YAML 檔案的本機路徑。 您可以在下列位置找到批次端點的 YAML 參考檔: https://aka.ms/ml-cli-v2-endpoint-batch-yaml-reference

--force-string

使用 'set' 或 'add' 時,請保留字元串常值,而不是嘗試轉換成 JSON。

--name -n

批次端點的名稱。

--no-wait

請勿等候長時間執行的作業完成。 預設值是 False。

--remove

從清單中移除屬性或專案。 範例:--remove property.list OR --remove propertyToRemove。

--set

指定要設定的屬性路徑和值來更新物件。 範例:--set property1.property2=。