BatchDeploymentOperations 類別
BatchDeploymentOperations。
您不應該直接具現化此類別。 相反地,您應該建立 MLClient 實例,為您具現化它,並將它附加為屬性。
- 繼承
-
azure.ai.ml._scope_dependent_operations._ScopeDependentOperationsBatchDeploymentOperations
建構函式
BatchDeploymentOperations(operation_scope: OperationScope, operation_config: OperationConfig, service_client_05_2022: AzureMachineLearningWorkspaces, all_operations: OperationsContainer, credentials: TokenCredential | None = None, **kwargs: Dict)
參數
- operation_scope
- <xref:azure.ai.ml._scope_dependent_operations.OperationScope>
MLClient 物件的作業類別範圍變數。
- operation_config
- <xref:azure.ai.ml._scope_dependent_operations.OperationConfig>
MLClient 物件的作業類別的常見組態。
- service_client_05_2022
- <xref:<xref:azure.ai.ml._restclient.v2022_05_01._azure_machine_learning_workspaces. AzureMachineLearningWorkspaces>>
服務用戶端,可讓使用者在 Azure Machine Learning 工作區資源上操作。
- all_operations
- <xref:azure.ai.ml._scope_dependent_operations.OperationsContainer>
MLClient 物件的所有作業類別。
方法
begin_create_or_update |
建立或更新批次部署。 |
begin_delete |
刪除批次部署。 |
get |
取得部署資源。 |
list |
列出部署資源。 |
list_jobs |
列出所提供批次端點部署下的作業。 這只適用于批次端點。 |
begin_create_or_update
建立或更新批次部署。
begin_create_or_update(deployment: DeploymentType, *, skip_script_validation: bool = False, **kwargs) -> LROPoller[DeploymentType]
參數
傳回
用來追蹤作業狀態的輪詢器。
傳回類型
例外狀況
如果無法成功驗證 BatchDeployment,就會引發。 錯誤訊息中將會提供詳細資料。
如果 BatchDeployment 資產 (例如資料、程式碼、模型、環境) 無法成功驗證,則引發。 錯誤訊息中將會提供詳細資料。
如果無法成功驗證 BatchDeployment 模型,就會引發。 錯誤訊息中將會提供詳細資料。
範例
建立範例。
from azure.ai.ml import load_batch_deployment
from azure.ai.ml.entities import BatchDeployment
deployment_example = load_batch_deployment(
source="./sdk/ml/azure-ai-ml/tests/test_configs/deployments/batch/batch_deployment_anon_env_with_image.yaml",
params_override=[{"name": f"deployment-{randint(0, 1000)}", "endpoint_name": endpoint_example.name}],
)
ml_client.batch_deployments.begin_create_or_update(deployment=deployment_example, skip_script_validation=True)
begin_delete
刪除批次部署。
begin_delete(name: str, endpoint_name: str) -> LROPoller[None]
參數
傳回
用來追蹤作業狀態的輪詢器。
傳回類型
例外狀況
如果無法成功驗證 BatchDeployment,就會引發。 錯誤訊息中將會提供詳細資料。
如果 BatchDeployment 資產 (例如資料、程式碼、模型、環境) 無法成功驗證,則引發。 錯誤訊息中將會提供詳細資料。
如果無法成功驗證 BatchDeployment 模型,就會引發。 錯誤訊息中將會提供詳細資料。
範例
刪除範例。
ml_client.batch_deployments.begin_delete(deployment_name, endpoint_name)
get
取得部署資源。
get(name: str, endpoint_name: str) -> BatchDeployment
參數
傳回
部署實體
傳回類型
例外狀況
如果無法成功驗證 BatchDeployment,就會引發。 錯誤訊息中將會提供詳細資料。
如果 BatchDeployment 資產 (例如資料、程式碼、模型、環境) 無法成功驗證,則引發。 錯誤訊息中將會提供詳細資料。
如果無法成功驗證 BatchDeployment 模型,就會引發。 錯誤訊息中將會提供詳細資料。
範例
取得範例。
ml_client.batch_deployments.get(deployment_name, endpoint_name)
list
列出部署資源。
list(endpoint_name: str) -> ItemPaged[BatchDeployment]
參數
傳回
部署實體的反覆運算器
傳回類型
例外狀況
如果無法成功驗證 BatchDeployment,就會引發。 錯誤訊息中將會提供詳細資料。
如果 BatchDeployment 資產 (例如資料、程式碼、模型、環境) 無法成功驗證,則引發。 錯誤訊息中將會提供詳細資料。
如果無法成功驗證 BatchDeployment 模型,就會引發。 錯誤訊息中將會提供詳細資料。
範例
列出部署資源範例。
ml_client.batch_deployments.list(endpoint_name)
list_jobs
列出所提供批次端點部署下的作業。 這只適用于批次端點。
list_jobs(endpoint_name: str, *, name: str | None = None) -> ItemPaged[BatchJob]
參數
- name
- str
(選擇性) 部署名稱。
傳回
工作清單
傳回類型
例外狀況
如果無法成功驗證 BatchDeployment,就會引發。 錯誤訊息中將會提供詳細資料。
如果 BatchDeployment 資產 (例如資料、程式碼、模型、環境) 無法成功驗證,則引發。 錯誤訊息中將會提供詳細資料。
如果無法成功驗證 BatchDeployment 模型,就會引發。 錯誤訊息中將會提供詳細資料。
範例
列出作業範例。
ml_client.batch_deployments.list_jobs(deployment_name, endpoint_name)
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應