BatchDeploymentOperations 類別

  • 參考

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._ScopeDependentOperations
BatchDeploymentOperations

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>
必要

MLClient 物件的作業類別範圍變數。

operation_config
<xref:azure.ai.ml._scope_dependent_operations.OperationConfig>
必要

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>>
必要

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>
必要

MLClient 物件的所有作業類別。

credentials
TokenCredential
預設值: None

要用於驗證的認證。

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

deployment
BatchDeployment
必要

部署實體。

傳回

用來追蹤作業狀態的輪詢器。

傳回類型

LROPoller[BatchDeployment]

例外狀況

ValidationException

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。

AssetException

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。

ModelException

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

name
str
必要

批次部署的名稱。

endpoint_name
str
必要

批次端點的名稱

傳回

用來追蹤作業狀態的輪詢器。

傳回類型

LROPoller[None]

例外狀況

ValidationException

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。

AssetException

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。

ModelException

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

name
str
必要

部署的名稱

endpoint_name
str
必要

端點的名稱

傳回

部署實體

傳回類型

BatchDeployment

例外狀況

ValidationException

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。

AssetException

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。

ModelException

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

endpoint_name
str
必要

端點的名稱

傳回

部署實體的反覆運算器

傳回類型

ItemPaged[BatchDeployment]

例外狀況

ValidationException

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。

AssetException

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。

ModelException

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

endpoint_name
str
必要

端點的名稱。

name
str

(選擇性) 部署名稱。

傳回

工作清單

傳回類型

ItemPaged[BatchJob]

例外狀況

ValidationException

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。

AssetException

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。

ModelException

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)