az ml model

注意

此參考是 Azure CLI 的 azure-cli-ml 延伸模組的一部分（2.0.28 版或更高版本）。 擴充功能會在您第一次執行 az ml model 命令時自動安裝。 深入了解擴充功能。

管理機器學習模型。

命令

名稱	Description	類型	狀態
az ml model delete	從工作區中刪除模型。	副檔名	GA
az ml model deploy	從工作區部署模型。	副檔名	GA
az ml model download	從工作區下載模型。	副檔名	GA
az ml model list	列出工作區中的模型。	副檔名	GA
az ml model package	在工作區中封裝模型。	副檔名	GA
az ml model profile	工作區中的配置檔模型。	副檔名	GA
az ml model register	向工作區註冊模型。	副檔名	GA
az ml model show	在工作區中顯示模型。	副檔名	GA
az ml model update	更新工作區中的模型。	副檔名	GA

az ml model delete

從工作區中刪除模型。

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

必要參數

--model-id -i

要刪除的模型標識碼。

選擇性參數

--path

專案資料夾的路徑。 預設值：目前目錄。

--resource-group -g

對應至所提供工作區的資源群組。

--subscription-id

指定訂用帳戶標識碼。

--workspace-name -w

工作區的名稱。

-v

詳細資訊旗標。

全域參數

--debug

增加記錄詳細資訊，以顯示所有偵錯記錄。

--help -h

顯示此說明訊息並結束。

--only-show-errors

只顯示錯誤，隱藏警告。

--output -o

輸出格式。

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

預設值: json

--query

JMESPath 查詢字串。 如需詳細資訊和範例，請參閱 http://jmespath.org/。

--subscription

訂用帳戶的名稱或識別碼。 您可以使用 az account set -s NAME_OR_ID 設定預設訂用帳戶。

--verbose

增加記錄詳細資訊。 使用 --debug 來取得完整偵錯記錄。

az ml model deploy

從工作區部署模型。

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]

必要參數

--name -n

已部署之服務的名稱。

選擇性參數

--ae --auth-enabled

是否要啟用此 Web 服務的金鑰驗證。 預設為 False。

--ai --enable-app-insights

是否要為此 Web 服務啟用 AppInsights。 預設為 False。

--ar --autoscale-refresh-seconds

自動調整程式應該嘗試調整此 Web 服務的頻率。 預設值為 1。

--as --autoscale-enabled

是否要啟用此 Web 服務的自動調整。 如果num_replicas為 None，則預設值為 True。

--at --autoscale-target-utilization

自動調整程式應嘗試針對此 Webservice 維護目標使用率（以百分之 100 的百分比為單位）。 預設值為 70。

--autoscale-max-replicas --ma

自動調整此 Web 服務時要使用的容器數目上限。 預設值為 10。

--autoscale-min-replicas --mi

自動調整此 Web 服務時要使用的容器數目下限。 預設值為 1。

--base-image --bi

做為基底映像的自定義映像。 如果沒有提供基底映射，則會根據指定的運行時間參數來使用基底映射。

--base-image-registry --ir

包含基底映像的映像登錄。

--cc --cpu-cores

要配置給此 Webservice 的 CPU 核心數目。 可以是十進位。 預設值為 0.1。

--ccl --cpu-cores-limit

此 Webservice 允許使用此 Web 服務的最大 CPU 核心數目。 可以是十進位。

--cf --conda-file

本機檔案的路徑，其中包含要用於映像的 conda 環境定義。

--collect-model-data --md

是否要啟用此 Webservice 的模型數據收集。 預設為 False。

--compute-target --ct

計算目標的名稱。 僅適用於部署至 AKS 時。

--compute-type --cp

要部署的服務計算類型。

--cuda-version --cv

要針對需要 GPU 支援的映像安裝 CUDA 版本。 GPU 映射必須用於 Microsoft Azure 服務，例如 Azure 容器執行個體、Azure 機器學習 Compute、Azure 虛擬機器 和 Azure Kubernetes Service。 支援的版本為9.0、9.1和10.0。 如果已設定 『enable_gpu』，則預設為 『9.1』。

--dc --deploy-config-file

包含部署元數據的 JSON 或 YAML 檔案路徑。

--description

已部署之服務的描述。

--dn --dns-name-label

此 Webservice 的 DNS 名稱。

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

本機檔案的路徑，其中包含設定映射時要執行的其他 Docker 步驟。

--ed --environment-directory

用於部署的 Azure 機器學習 環境目錄。 它與 『az ml environment scaffold』 命令中提供的目錄路徑相同。

--eg --enable-gpu

是否要在映像中啟用 GPU 支援。 GPU 映射必須用於 Microsoft Azure 服務，例如 Azure 容器執行個體、Azure 機器學習 Compute、Azure 虛擬機器 和 Azure Kubernetes Service。 預設為 False。

--entry-script --es

本機檔案的路徑，其中包含要針對服務執行的程式代碼（如果提供source_directory的相對路徑）。

--environment-name -e

用於部署的 Azure 機器學習 環境名稱。

--environment-version --ev

用於部署的現有 Azure 機器學習 環境版本。

--failure-threshold --ft

當 Pod 啟動時且即時性探查失敗時，Kubernetes 會在放棄之前先嘗試 --failure-threshold 時間。 預設值為 3。 最小值為 1。

--gb --memory-gb

要配置給此 Webservice 的記憶體數量（以 GB 為單位）。 可以是十進位。

--gbl --memory-gb-limit

允許此 Web 服務使用的記憶體數量上限（以 GB 為單位）。 可以是十進位。

--gc --gpu-cores

要配置給此 Webservice 的 GPU 核心數目。 預設為 1。

--ic --inference-config-file

包含推斷組態的 JSON 或 YAML 檔案路徑。

--id --initial-delay-seconds

在起始活躍度探查之前，容器啟動後的秒數。 預設值為310。

--key-name

ACI 之客戶自控金鑰 （CMK） 中加密屬性的金鑰名稱。

--key-version

ACI 中客戶自控金鑰 （CMK） 中加密屬性的金鑰版本。

--kp --primary-key

要用於此 Webservice 的主要驗證金鑰。

--ks --secondary-key

要用於此 Webservice 的次要驗證金鑰。

--lo --location

要作為部署此 Webservice 的 Azure 區域。 如果未指定，則將會使用工作區位置。 如需可用區域的詳細資訊，請參閱： ; https://azure.microsoft.com/en-us/global-infrastructure/services/?regions=all&products=container-instances。

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

要求在傳回 503 錯誤之前，要求在佇列中停留的時間上限（以毫秒為單位）。 預設值為 500。

--model -m

要部署之模型的標識碼。 您可以使用其他 -m 自變數來指定多個模型。 模型必須先註冊。

預設值: []

--model-metadata-file -f

包含模型註冊元數據的 JSON 檔案路徑。 您可以使用多個 -f 參數來提供多個模型。

預設值: []

--namespace

要在其中部署服務的 Kubernetes 命名空間：最多 63 個小寫英數位元 （'a'-'z'， '0'-'9'） 和連字元 （'-'） 字元。 第一個字元和最後一個字元不能是連字元。 僅適用於部署至 AKS 時。

--no-wait

旗標不要等候異步呼叫。

--nr --num-replicas

要配置給這個 Webservice 的容器數目。 沒有預設值，如果未設定此參數，則預設會啟用自動調整程式。

--overwrite

如果名稱衝突，請覆寫現有的服務。

--path

專案資料夾的路徑。 預設值：目前目錄。

--period-seconds --ps

執行活躍度探查的頻率 (以秒為單位)。 預設值為 10 秒。 最小值為 1。

--pi --profile-input

包含分析結果的 JSON 檔案路徑。

--po --port

本機連接埠上公開服務的 HTTP 端點。

--property

要加入的索引鍵/值屬性（e.g. key=value ）。 您可以使用多個 --property 選項來指定多個屬性。

預設值: []

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

每個節點允許此 Webservice 的最大並行要求數目。 預設值為 1。

--resource-group -g

對應至所提供工作區的資源群組。

--rt --runtime

要用於映像的運行時間。 目前支持的運行時間是 'spark-py' 和 'python'spark-py|python|python-slim。

--sc --ssl-cname

如果已啟用 SSL，則為 的 cname。

--scoring-timeout-ms --tm

要強制對這個 Webservice 進行評分呼叫的逾時。 預設值為 60000。

--sd --source-directory

包含要建立映像之所有檔案的資料夾路徑。

--se --ssl-enabled

是否要為此 Web 服務啟用 SSL。 預設為 False。

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

如果已啟用 SSL，則需要的金鑰檔案。

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

如果已啟用 SSL，則需要的憑證檔案。

--st --success-threshold

失敗之後，會將活躍度探查的最小連續成功次數視為成功。 預設值為 1。 最小值為 1。

--subnet-name

vnet 內子網的名稱。

--subscription-id

指定訂用帳戶標識碼。

--tag

要新增的索引鍵/值標記 （e.g. key=value ）。 您可以使用多個 --tag 選項來指定多個標籤。

預設值: []

--timeout-seconds --ts

存留時間探查逾時的秒數。預設為2秒。 最小值為 1。

--token-auth-enabled

是否要啟用此 Webservice 的令牌驗證。 如果未部署至 AKS，則會忽略 。 預設為 False。

--tp --traffic-percentile

版本在端點中接受的流量數量。 可以是十進位。 預設為 0。

--vault-base-url

ACI 客戶自控金鑰 （CMK） 中加密屬性的保存庫基底 URL。

--version-name --vn

端點中的版本名稱。 預設為第一個版本的端點名稱。

--vnet-name

虛擬網路的名稱。

--workspace-name -w

工作區的名稱。

-v

詳細資訊旗標。

全域參數

--debug

增加記錄詳細資訊，以顯示所有偵錯記錄。

--help -h

顯示此說明訊息並結束。

--only-show-errors

只顯示錯誤，隱藏警告。

--output -o

輸出格式。

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

預設值: json

--query

JMESPath 查詢字串。 如需詳細資訊和範例，請參閱 http://jmespath.org/。

--subscription

訂用帳戶的名稱或識別碼。 您可以使用 az account set -s NAME_OR_ID 設定預設訂用帳戶。

--verbose

增加記錄詳細資訊。 使用 --debug 來取得完整偵錯記錄。

az ml model download

從工作區下載模型。

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

必要參數

--model-id -i

模型的標識碼。

--target-dir -t

要下載模型檔案的目標目錄。

選擇性參數

--overwrite

如果目標目錄中有相同的名稱檔案，請覆寫 。

--path

專案資料夾的路徑。 預設值：目前目錄。

--resource-group -g

對應至所提供工作區的資源群組。

--subscription-id

指定訂用帳戶標識碼。

--workspace-name -w

包含要顯示之模型的工作區名稱。

-v

詳細資訊旗標。

全域參數

--debug

增加記錄詳細資訊，以顯示所有偵錯記錄。

--help -h

顯示此說明訊息並結束。

--only-show-errors

只顯示錯誤，隱藏警告。

--output -o

輸出格式。

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

預設值: json

--query

JMESPath 查詢字串。 如需詳細資訊和範例，請參閱 http://jmespath.org/。

--subscription

訂用帳戶的名稱或識別碼。 您可以使用 az account set -s NAME_OR_ID 設定預設訂用帳戶。

--verbose

增加記錄詳細資訊。 使用 --debug 來取得完整偵錯記錄。

az ml model list

列出工作區中的模型。

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

選擇性參數

--dataset-id

如果提供，則只會顯示具有指定數據集標識碼的模型。

--latest -l

如果提供，則只會傳回具有最新版本的模型。

--model-name -n

篩選清單的選擇性模型名稱。

--path

專案資料夾的路徑。 預設值：目前目錄。

--property

要加入的索引鍵/值屬性（e.g. key=value ）。 您可以使用多個 --property 選項來指定多個屬性。

預設值: []

--resource-group -g

對應至所提供工作區的資源群組。

--run-id

如果提供，則只會顯示具有指定執行標識符的模型。

--subscription-id

指定訂用帳戶標識碼。

--tag

要新增的索引鍵/值標記 （e.g. key=value ）。 您可以使用多個 --tag 選項來指定多個標籤。

預設值: []

--workspace-name -w

包含要列出之模型的工作區名稱。

-v

詳細資訊旗標。

全域參數

--debug

增加記錄詳細資訊，以顯示所有偵錯記錄。

--help -h

顯示此說明訊息並結束。

--only-show-errors

只顯示錯誤，隱藏警告。

--output -o

輸出格式。

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

預設值: json

--query

JMESPath 查詢字串。 如需詳細資訊和範例，請參閱 http://jmespath.org/。

--subscription

訂用帳戶的名稱或識別碼。 您可以使用 az account set -s NAME_OR_ID 設定預設訂用帳戶。

--verbose

增加記錄詳細資訊。 使用 --debug 來取得完整偵錯記錄。

az ml model package

在工作區中封裝模型。

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]

選擇性參數

--cf --conda-file

本機檔案的路徑，其中包含要用於封裝的 conda 環境定義。

--ed --environment-directory

用於封裝的 Azure 機器學習 環境目錄。 它與 『az ml environment scaffold』 命令中提供的目錄路徑相同。

--entry-script --es

本機檔案的路徑，其中包含要針對服務執行的程式代碼（如果提供source_directory的相對路徑）。

--environment-name -e

用於封裝的 Azure 機器學習 環境名稱。

--environment-version --ev

用於封裝的現有 Azure 機器學習 環境版本。

--ic --inference-config-file

包含推斷組態的 JSON 或 YAML 檔案路徑。

--il --image-label

要提供建置套件映像的標籤。

--image-name --in

提供建置套件映像的名稱。

--model -m

要封裝之模型的標識碼。 您可以使用其他 -m 自變數來指定多個模型。 模型必須先註冊。

預設值: []

--model-metadata-file -f

包含模型註冊元數據的 JSON 檔案路徑。 您可以使用多個 -f 參數來提供多個模型。

預設值: []

--no-wait

旗標不要等候異步呼叫。

--output-path

Docker 內容的輸出路徑。 如果傳遞輸出路徑，而不是在工作區 ACR 中建置映像，dockerfile 和必要的建置內容將會寫入該路徑。

--path

專案資料夾的路徑。 預設值：目前目錄。

--resource-group -g

對應至所提供工作區的資源群組。

--rt --runtime

要用於封裝的運行時間。 目前支持的運行時間是 'spark-py' 和 'python'spark-py|python|python-slim。

--sd --source-directory

包含要建立映像之所有檔案的資料夾路徑。

--subscription-id

指定訂用帳戶標識碼。

--workspace-name -w

工作區的名稱。

-v

詳細資訊旗標。

全域參數

--debug

增加記錄詳細資訊，以顯示所有偵錯記錄。

--help -h

顯示此說明訊息並結束。

--only-show-errors

只顯示錯誤，隱藏警告。

--output -o

輸出格式。

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

預設值: json

--query

JMESPath 查詢字串。 如需詳細資訊和範例，請參閱 http://jmespath.org/。

--subscription

訂用帳戶的名稱或識別碼。 您可以使用 az account set -s NAME_OR_ID 設定預設訂用帳戶。

--verbose

增加記錄詳細資訊。 使用 --debug 來取得完整偵錯記錄。

az ml model profile

工作區中的配置檔模型。

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]

必要參數

--name -n

模型配置檔的名稱。

選擇性參數

--base-image --bi

做為基底映像的自定義映像。 如果沒有提供基底映射，則會根據指定的運行時間參數來使用基底映射。

--base-image-registry --ir

包含基底映像的映像登錄。

--cc --cpu-cores

分析時要使用的最大 CPU 值加倍值。

--cf --conda-file

本機檔案的路徑，其中包含要用於映像的 conda 環境定義。

--description

模型配置檔的描述。

--ed --environment-directory

用於部署的 Azure 機器學習 環境目錄。 它與 『az ml environment scaffold』 命令中提供的目錄路徑相同。

--entry-script --es

本機檔案的路徑，其中包含要針對服務執行的程式代碼（如果提供source_directory的相對路徑）。

--environment-name -e

用於部署的 Azure 機器學習 環境名稱。

--environment-version --ev

用於部署的現有 Azure 機器學習 環境版本。

--gb --memory-in-gb

分析時要使用的記憶體上限的 Double 值。

--ic --inference-config-file

包含推斷組態的 JSON 或 YAML 檔案路徑。

--idi --input-dataset-id

要作為配置檔輸入之表格式數據集的標識碼。

--model -m

要部署之模型的標識碼。 您可以使用其他 -m 自變數來指定多個模型。 模型必須先註冊。

預設值: []

--model-metadata-file -f

包含模型註冊元數據的 JSON 檔案路徑。 您可以使用多個 -f 參數來提供多個模型。

預設值: []

--output-metadata-file -t

將寫入配置檔結果元數據的 JSON 檔案路徑。 做為模型部署的輸入。

--resource-group -g

對應至所提供工作區的資源群組。

--sd --source-directory

包含要建立映像之所有檔案的資料夾路徑。

--subscription-id

指定訂用帳戶標識碼。

--workspace-name -w

工作區的名稱。

-v

詳細資訊旗標。

全域參數

--debug

增加記錄詳細資訊，以顯示所有偵錯記錄。

--help -h

顯示此說明訊息並結束。

--only-show-errors

只顯示錯誤，隱藏警告。

--output -o

輸出格式。

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

預設值: json

--query

JMESPath 查詢字串。 如需詳細資訊和範例，請參閱 http://jmespath.org/。

--subscription

訂用帳戶的名稱或識別碼。 您可以使用 az account set -s NAME_OR_ID 設定預設訂用帳戶。

--verbose

增加記錄詳細資訊。 使用 --debug 來取得完整偵錯記錄。

az ml model register

向工作區註冊模型。

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]

必要參數

--name -n

要註冊的模型名稱。

選擇性參數

--asset-path

體驗執行儲存模型檔案的雲端路徑。

--cc --cpu-cores

為此模型配置的預設 CPU 核心數目。 可以是十進位。

--description -d

模型的描述。

--experiment-name

實驗的名稱。

--gb --memory-gb

要配置給此模型的預設記憶體數量（以 GB 為單位）。 可以是十進位。

--gc --gpu-cores

要配置給此模型的預設 GPU 數目。

--model-framework

要註冊之模型的架構。 目前支持的架構：TensorFlow、ScikitLearn、Onnx、Custom、Multi。

--model-framework-version

要註冊的模型架構版本（例如 1.0.0、2.4.1）。

--model-path -p

要註冊之模型檔案的完整路徑。

--output-metadata-file -t

將寫入模型註冊元數據的 JSON 檔案路徑。 做為模型部署的輸入。

--path

專案資料夾的路徑。 預設值：目前目錄。

--property

要加入的索引鍵/值屬性（e.g. key=value ）。 您可以使用多個 --property 選項來指定多個屬性。

預設值: []

--resource-group -g

對應至所提供工作區的資源群組。

--run-id -r

從中註冊模型之實驗執行的標識碼。

--run-metadata-file -f

包含快速執行元數據的 JSON 檔案路徑。

--sample-input-dataset-id

範例輸入數據集的標識碼。

--sample-output-dataset-id

範例輸出數據集的標識碼。

--subscription-id

指定訂用帳戶標識碼。

--tag

要新增的索引鍵/值標記 （e.g. key=value ）。 您可以使用多個 --tag 選項來指定多個標籤。

預設值: []

--workspace-name -w

要向註冊此模型的工作區名稱。

-v

詳細資訊旗標。

全域參數

--debug

增加記錄詳細資訊，以顯示所有偵錯記錄。

--help -h

顯示此說明訊息並結束。

--only-show-errors

只顯示錯誤，隱藏警告。

--output -o

輸出格式。

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

預設值: json

--query

JMESPath 查詢字串。 如需詳細資訊和範例，請參閱 http://jmespath.org/。

--subscription

訂用帳戶的名稱或識別碼。 您可以使用 az account set -s NAME_OR_ID 設定預設訂用帳戶。

--verbose

增加記錄詳細資訊。 使用 --debug 來取得完整偵錯記錄。

az ml model show

在工作區中顯示模型。

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

選擇性參數

--model-id -i

要顯示的模型標識碼。

--model-name -n

要顯示的模型名稱。

--path

專案資料夾的路徑。 預設值：目前目錄。

--resource-group -g

對應至所提供工作區的資源群組。

--run-id

如果提供，則只會顯示具有指定執行標識符的模型。

--subscription-id

指定訂用帳戶標識碼。

--version

如果提供，則只會顯示具有指定名稱和版本的模型。

--workspace-name -w

包含要顯示之模型的工作區名稱。

-v

詳細資訊旗標。

全域參數

--debug

增加記錄詳細資訊，以顯示所有偵錯記錄。

--help -h

顯示此說明訊息並結束。

--only-show-errors

只顯示錯誤，隱藏警告。

--output -o

輸出格式。

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

預設值: json

--query

JMESPath 查詢字串。 如需詳細資訊和範例，請參閱 http://jmespath.org/。

--subscription

訂用帳戶的名稱或識別碼。 您可以使用 az account set -s NAME_OR_ID 設定預設訂用帳戶。

--verbose

增加記錄詳細資訊。 使用 --debug 來取得完整偵錯記錄。

az ml model update

更新工作區中的模型。

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]

必要參數

--model-id -i

模型的標識碼。

選擇性參數

--add-property

要加入的索引鍵/值屬性（e.g. key=value ）。 您可以使用多個 --add-property 選項來指定多個屬性。

預設值: []

--add-tag

要新增的索引鍵/值標記 （e.g. key=value ）。 您可以使用多個 --add-tag 選項來指定多個標籤。

預設值: []

--cc --cpu-cores

為此模型配置的預設 CPU 核心數目。 可以是十進位。

--description

使用 更新模型的描述。 將會取代目前的描述。

--gb --memory-gb

要配置給此模型的預設記憶體數量（以 GB 為單位）。 可以是十進位。

--gc --gpu-cores

要配置給此模型的預設 GPU 數目。

--path

專案資料夾的路徑。 預設值：目前目錄。

--remove-tag

要移除的標記索引鍵。 您可以使用多個 --remove-tag 選項來指定多個標籤。

預設值: []

--resource-group -g

對應至所提供工作區的資源群組。

--sample-input-dataset-id

範例輸入數據集的標識碼。

--sample-output-dataset-id

範例輸出數據集的標識碼。

--subscription-id

指定訂用帳戶標識碼。

--workspace-name -w

工作區的名稱。

-v

詳細資訊旗標。

全域參數

--debug

增加記錄詳細資訊，以顯示所有偵錯記錄。

--help -h

顯示此說明訊息並結束。

--only-show-errors

只顯示錯誤，隱藏警告。

--output -o

輸出格式。

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

預設值: json

--query

JMESPath 查詢字串。 如需詳細資訊和範例，請參閱 http://jmespath.org/。

--subscription

訂用帳戶的名稱或識別碼。 您可以使用 az account set -s NAME_OR_ID 設定預設訂用帳戶。

--verbose

增加記錄詳細資訊。 使用 --debug 來取得完整偵錯記錄。