az ml model

  • Référence

Remarque

Cette référence fait partie de l’extension ml pour Azure CLI (version 2.15.0 ou ultérieure). L’extension installe automatiquement la première fois que vous exécutez une commande az ml model . En savoir plus sur les extensions.

Gérer les modèles Azure ML.

Les modèles Azure ML se composent des fichiers binaires qui représentent un modèle Machine Learning et toutes les métadonnées correspondantes. Ces modèles peuvent être utilisés dans les déploiements de points de terminaison pour l’inférence en temps réel et par lots.

Commandes

Nom Description Type Statut
az ml model archive

Archivez un modèle.

 Extension GA
az ml model create

Créez un modèle.

 Extension GA
az ml model download

Téléchargez tous les fichiers liés au modèle.

 Extension GA
az ml model list

Répertorier les modèles dans un espace de travail/registre. Si vous utilisez un registre, remplacez --workspace-name my-workspace par l’option --registry-name <registry-name> .

 Extension GA
az ml model package

Empaqueter un modèle dans un environnement.

 Extension Aperçu
az ml model restore

Restaurez un modèle archivé.

 Extension GA
az ml model share

Partagez un modèle spécifique de l’espace de travail au Registre.

 Extension GA
az ml model show

Afficher les détails d’un modèle dans un espace de travail/registre. Si vous utilisez un registre, remplacez --workspace-name my-workspace par l’option --registry-name <registry-name> .

 Extension GA
az ml model update

Mettez à jour un modèle dans un espace de travail/registre.

 Extension GA

az ml model archive

Archivez un modèle.

L’archivage d’un modèle le masque par défaut à partir des requêtes de liste (az ml model list). Vous pouvez continuer à référencer et utiliser un modèle archivé dans vos flux de travail. Vous pouvez archiver un conteneur de modèle ou une version de modèle spécifique. L’archivage d’un conteneur de modèle archive toutes les versions du modèle sous ce nom donné. Vous pouvez restaurer un modèle archivé à l’aide az ml model restorede . Si l’intégralité du conteneur de modèle est archivée, vous ne pouvez pas restaurer des versions individuelles du modèle. Vous devez restaurer le conteneur de modèle.

az ml model archive --name
                    [--label]
                    [--registry-name]
                    [--resource-group]
                    [--version]
                    [--workspace-name]

Exemples

Archiver un conteneur de modèle (archive toutes les versions de ce modèle)

az ml model archive --name my-model --resource-group my-resource-group --workspace-name my-workspace

Archiver une version de modèle spécifique

az ml model archive --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace

Paramètres obligatoires

--name -n

Nom du modèle.

Paramètres facultatifs

--label -l

Étiquette du modèle.

--registry-name

Si elle est fournie, la commande cible le Registre au lieu d’un espace de travail. Par conséquent, le groupe de ressources et l’espace de travail ne sont pas obligatoires.

--resource-group -g

Nom du groupe de ressources. Vous pouvez configurer le groupe par défaut en utilisant az configure --defaults group=<name>.

--version -v

Version du modèle.

--workspace-name -w

Nom de l’espace de travail Azure ML. Vous pouvez configurer l’espace de travail par défaut à l’aide az configure --defaults workspace=<name>de .

Paramètres globaux
--debug

Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.

--help -h

Affichez ce message d’aide et quittez.

--only-show-errors

Afficher uniquement les erreurs, en supprimant les avertissements.

--output -o

Format de sortie.

valeurs acceptées: json, jsonc, none, table, tsv, yaml, yamlc
valeur par défaut: json
--query

Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.

--subscription

Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.

--verbose

Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.

az ml model create

Créez un modèle.

Les modèles peuvent être créés à partir d’un fichier local, d’un répertoire local, d’un magasin de données ou d’une sortie de travail. Le modèle créé est suivi dans l’espace de travail/registre sous le nom et la version spécifiés. Si vous utilisez un registre, remplacez --workspace-name my-workspace par l’option --registry-name <registry-name> .

az ml model create [--datastore]
                   [--description]
                   [--file]
                   [--name]
                   [--no-wait]
                   [--path]
                   [--registry-name]
                   [--resource-group]
                   [--set]
                   [--stage]
                   [--tags]
                   [--type]
                   [--version]
                   [--workspace-name]

Exemples

Créer un modèle à partir d’un fichier de spécification YAML

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

Créer un modèle à partir d’un dossier local à l’aide d’options de commande

az ml model create --name my-model --version 1 --path ./my-model --resource-group my-resource-group --workspace-name my-workspace

Créer un modèle à l’aide du format d’URI d’exécution mlflow « run :/<run-id><path-to-model-relative-to-the-root-of-the-artifact-location>/ » et des options de commande

az ml model create --name my-model --version 1 --path runs:/c42d2507-4953-4a7c-a4c1-2b5bfe0ac64e/model/ --type mlflow_model --resource-group my-resource-group --workspace-name my-workspace

Créez un modèle à partir d’une sortie de travail nommée à l’aide du format d’URI du travail azureml « azureml://jobs/<job-name>/outputs/<named-output>/paths/<path-to-model-relative-to-the-named-output-location> » et des options de commande. La sortie nommée par défaut est des artefacts

az ml model create --name my-model --version 1 --path azureml://jobs/c42d2507-4953-4a7c-a4c1-2b5bfe0ac64e/outputs/artifacts/paths/model/ --resource-group my-resource-group --workspace-name my-workspace

Créer un modèle à partir d’un magasin de données ' azureml://datastores/<datastore-name>/chemins/<path-to-model-relative-to-the-root-of-the-datastore-location>' à l’aide des options de commande

az ml model create --name my-model --version 1 --path azureml://datastores/myblobstore/paths/models/cifar10/cifar.pt --resource-group my-resource-group --workspace-name my-workspace

Paramètres facultatifs

--datastore

Magasin de données vers lequel charger l’artefact local.

--description

Description du modèle.

--file -f

Chemin local du fichier YAML contenant la spécification du modèle Azure ML. Vous trouverez les documents de référence YAML pour le modèle à l’adresse suivante : https://aka.ms/ml-cli-v2-model-yaml-reference.

--name -n

Nom du modèle.

--no-wait

Ne pas attendre la fin de l’opération de longue durée.

valeur par défaut: False
--path -p

Chemin d’accès au ou aux fichiers de modèle. Il peut s’agir d’un emplacement local ou distant. Si spécifié, --name/-n et --version/-v doivent également être fournis.

--registry-name

Si elle est fournie, la commande cible le Registre au lieu d’un espace de travail. Par conséquent, le groupe de ressources et l’espace de travail ne sont pas obligatoires.

--resource-group -g

Nom du groupe de ressources. Vous pouvez configurer le groupe par défaut en utilisant az configure --defaults group=<name>.

--set

Mettez à jour un objet en spécifiant un chemin d’accès et une valeur de propriété à définir. Exemple : --set property1.property2=.

--stage -s

Étape du modèle.

--tags

Paires clé-valeur séparées par espace pour les balises de l’objet.

--type -t

Type du modèle, les valeurs autorisées sont custom_model, mlflow_model et triton_model. Le type par défaut est custom_model.

--version -v

Version du modèle.

--workspace-name -w

Nom de l’espace de travail Azure ML. Vous pouvez configurer l’espace de travail par défaut à l’aide az configure --defaults workspace=<name>de .

Paramètres globaux
--debug

Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.

--help -h

Affichez ce message d’aide et quittez.

--only-show-errors

Afficher uniquement les erreurs, en supprimant les avertissements.

--output -o

Format de sortie.

valeurs acceptées: json, jsonc, none, table, tsv, yaml, yamlc
valeur par défaut: json
--query

Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.

--subscription

Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.

--verbose

Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.

az ml model download

Téléchargez tous les fichiers liés au modèle.

Les fichiers seront téléchargés dans un dossier nommé après le nom du modèle. Si vous utilisez un registre, remplacez --workspace-name my-workspace par l’option --registry-name <registry-name> .

az ml model download --name
                     --version
                     [--download-path]
                     [--registry-name]
                     [--resource-group]
                     [--workspace-name]

Exemples

Télécharger un modèle avec le nom et la version spécifiés

az ml model download --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace

Télécharger un modèle avec le nom et la version spécifiés dans un chemin d’accès local spécifié

az ml model download --name my-model --version 1  --download-path local_path --resource-group my-resource-group --workspace-name my-workspace

Paramètres obligatoires

--name -n

Nom du modèle.

--version -v

Version du modèle.

Paramètres facultatifs

--download-path -p

Chemin d’accès pour télécharger les fichiers de modèle, par défaut dans le répertoire de travail actif.

--registry-name

Si elle est fournie, la commande cible le Registre au lieu d’un espace de travail. Par conséquent, le groupe de ressources et l’espace de travail ne sont pas obligatoires.

--resource-group -g

Nom du groupe de ressources. Vous pouvez configurer le groupe par défaut en utilisant az configure --defaults group=<name>.

--workspace-name -w

Nom de l’espace de travail Azure ML. Vous pouvez configurer l’espace de travail par défaut à l’aide az configure --defaults workspace=<name>de .

Paramètres globaux
--debug

Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.

--help -h

Affichez ce message d’aide et quittez.

--only-show-errors

Afficher uniquement les erreurs, en supprimant les avertissements.

--output -o

Format de sortie.

valeurs acceptées: json, jsonc, none, table, tsv, yaml, yamlc
valeur par défaut: json
--query

Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.

--subscription

Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.

--verbose

Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.

az ml model list

Répertorier les modèles dans un espace de travail/registre. Si vous utilisez un registre, remplacez --workspace-name my-workspace par l’option --registry-name <registry-name> .

az ml model list [--archived-only]
                 [--include-archived]
                 [--max-results]
                 [--name]
                 [--registry-name]
                 [--resource-group]
                 [--stage]
                 [--workspace-name]

Exemples

Répertorier tous les modèles d’un espace de travail

az ml model list --resource-group my-resource-group --workspace-name my-workspace

Répertorier toutes les versions de modèle pour le nom spécifié dans un espace de travail

az ml model list --name my-model --resource-group my-resource-group --workspace-name my-workspace

Répertoriez tous les modèles d’un espace de travail à l’aide de l’argument --query pour exécuter une requête JMESPath sur les résultats des commandes.

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

Paramètres facultatifs

--archived-only

Répertorier uniquement les modèles archivés.

valeur par défaut: False
--include-archived

Répertorier les modèles archivés et les modèles actifs.

valeur par défaut: False
--max-results -r

Nombre maximal de résultats à retourner.

--name -n

Nom du modèle. Si elle est fournie, toutes les versions de modèle sous ce nom sont retournées.

--registry-name

Si elle est fournie, la commande cible le Registre au lieu d’un espace de travail. Par conséquent, le groupe de ressources et l’espace de travail ne sont pas obligatoires.

--resource-group -g

Nom du groupe de ressources. Vous pouvez configurer le groupe par défaut en utilisant az configure --defaults group=<name>.

--stage -s

Étape du modèle.

--workspace-name -w

Nom de l’espace de travail Azure ML. Vous pouvez configurer l’espace de travail par défaut à l’aide az configure --defaults workspace=<name>de .

Paramètres globaux
--debug

Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.

--help -h

Affichez ce message d’aide et quittez.

--only-show-errors

Afficher uniquement les erreurs, en supprimant les avertissements.

--output -o

Format de sortie.

valeurs acceptées: json, jsonc, none, table, tsv, yaml, yamlc
valeur par défaut: json
--query

Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.

--subscription

Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.

--verbose

Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.

az ml model package

Préversion

Cette commande est en préversion et en cours de développement. Référence et niveaux de support : https://aka.ms/CLI_refstatus

Empaqueter un modèle dans un environnement.

Lorsqu’un modèle est empaqueté, un environnement avec toutes les dépendances est créé.

az ml model package --file
                    --name
                    --version
                    [--registry-name]
                    [--resource-group]
                    [--workspace-name]

Exemples

Empaqueter un modèle avec le nom et la version spécifiés

az ml model package --name my-model --version my-version --resource-group my-resource-group --workspace-name my-workspace --file my-package.yml

Paramètres obligatoires

--file -f

Chemin local du fichier YAML contenant la définition du package de modèle.

--name -n

Nom du modèle.

--version -v

Version du modèle.

Paramètres facultatifs

--registry-name

Si elle est fournie, la commande cible le Registre au lieu d’un espace de travail. Par conséquent, le groupe de ressources et l’espace de travail ne sont pas obligatoires.

--resource-group -g

Nom du groupe de ressources. Vous pouvez configurer le groupe par défaut en utilisant az configure --defaults group=<name>.

--workspace-name -w

Nom de l’espace de travail Azure ML. Vous pouvez configurer l’espace de travail par défaut à l’aide az configure --defaults workspace=<name>de .

Paramètres globaux
--debug

Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.

--help -h

Affichez ce message d’aide et quittez.

--only-show-errors

Afficher uniquement les erreurs, en supprimant les avertissements.

--output -o

Format de sortie.

valeurs acceptées: json, jsonc, none, table, tsv, yaml, yamlc
valeur par défaut: json
--query

Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.

--subscription

Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.

--verbose

Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.

az ml model restore

Restaurez un modèle archivé.

Lorsqu’un modèle archivé est restauré, il ne sera plus masqué dans les requêtes de liste (az ml model list). Si un conteneur de modèle entier est archivé, vous pouvez restaurer ce conteneur archivé. Cela restaure toutes les versions du modèle sous ce nom donné. Vous ne pouvez restaurer qu’une version de modèle spécifique si l’intégralité du conteneur de modèles est archivée. Vous devez restaurer l’intégralité du conteneur. Si seule une version de modèle individuelle a été archivée, vous pouvez restaurer cette version spécifique.

az ml model restore --name
                    [--label]
                    [--registry-name]
                    [--resource-group]
                    [--version]
                    [--workspace-name]

Exemples

Restaurer un conteneur de modèle archivé (restaure toutes les versions de ce modèle)

az ml model restore --name my-model --resource-group my-resource-group --workspace-name my-workspace

Restaurer une version de modèle archivé spécifique

az ml model restore --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace

Paramètres obligatoires

--name -n

Nom du modèle.

Paramètres facultatifs

--label -l

Étiquette du modèle.

--registry-name

Si elle est fournie, la commande cible le Registre au lieu d’un espace de travail. Par conséquent, le groupe de ressources et l’espace de travail ne sont pas obligatoires.

--resource-group -g

Nom du groupe de ressources. Vous pouvez configurer le groupe par défaut en utilisant az configure --defaults group=<name>.

--version -v

Version du modèle.

--workspace-name -w

Nom de l’espace de travail Azure ML. Vous pouvez configurer l’espace de travail par défaut à l’aide az configure --defaults workspace=<name>de .

Paramètres globaux
--debug

Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.

--help -h

Affichez ce message d’aide et quittez.

--only-show-errors

Afficher uniquement les erreurs, en supprimant les avertissements.

--output -o

Format de sortie.

valeurs acceptées: json, jsonc, none, table, tsv, yaml, yamlc
valeur par défaut: json
--query

Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.

--subscription

Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.

--verbose

Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.

az ml model share

Partagez un modèle spécifique de l’espace de travail au Registre.

Copiez un modèle existant d’un espace de travail vers un registre pour la réutilisation entre espaces de travail.

az ml model share --name
                  --registry-name
                  --share-with-name
                  --share-with-version
                  --version
                  [--resource-group]
                  [--workspace-name]

Exemples

Partager un environnement existant de l’espace de travail vers le Registre

az ml model share --name my-model --version my-version --resource-group my-resource-group --workspace-name my-workspace --share-with-name new-name-in-registry --share-with-version new-version-in-registry --registry-name my-registry

Paramètres obligatoires

--name -n

Nom du modèle.

--registry-name

Registre de destination.

--share-with-name

Nom du modèle à créer.

--share-with-version

Version du modèle à créer.

--version -v

Version du modèle.

Paramètres facultatifs

--resource-group -g

Nom du groupe de ressources. Vous pouvez configurer le groupe par défaut en utilisant az configure --defaults group=<name>.

--workspace-name -w

Nom de l’espace de travail Azure ML. Vous pouvez configurer l’espace de travail par défaut à l’aide az configure --defaults workspace=<name>de .

Paramètres globaux
--debug

Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.

--help -h

Affichez ce message d’aide et quittez.

--only-show-errors

Afficher uniquement les erreurs, en supprimant les avertissements.

--output -o

Format de sortie.

valeurs acceptées: json, jsonc, none, table, tsv, yaml, yamlc
valeur par défaut: json
--query

Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.

--subscription

Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.

--verbose

Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.

az ml model show

Afficher les détails d’un modèle dans un espace de travail/registre. Si vous utilisez un registre, remplacez --workspace-name my-workspace par l’option --registry-name <registry-name> .

az ml model show --name
                 [--label]
                 [--registry-name]
                 [--resource-group]
                 [--version]
                 [--workspace-name]

Exemples

Afficher les détails d’un modèle avec le nom et la version spécifiés

az ml model show --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace

Paramètres obligatoires

--name -n

Nom du modèle.

Paramètres facultatifs

--label -l

Étiquette du modèle.

--registry-name

Si elle est fournie, la commande cible le Registre au lieu d’un espace de travail. Par conséquent, le groupe de ressources et l’espace de travail ne sont pas obligatoires.

--resource-group -g

Nom du groupe de ressources. Vous pouvez configurer le groupe par défaut en utilisant az configure --defaults group=<name>.

--version -v

Version du modèle.

--workspace-name -w

Nom de l’espace de travail Azure ML. Vous pouvez configurer l’espace de travail par défaut à l’aide az configure --defaults workspace=<name>de .

Paramètres globaux
--debug

Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.

--help -h

Affichez ce message d’aide et quittez.

--only-show-errors

Afficher uniquement les erreurs, en supprimant les avertissements.

--output -o

Format de sortie.

valeurs acceptées: json, jsonc, none, table, tsv, yaml, yamlc
valeur par défaut: json
--query

Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.

--subscription

Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.

--verbose

Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.

az ml model update

Mettez à jour un modèle dans un espace de travail/registre.

Les propriétés « description » et « tags » peuvent être mises à jour. Si vous utilisez un registre, remplacez --workspace-name my-workspace par l’option --registry-name <registry-name> .

az ml model update --name
                   --resource-group
                   [--add]
                   [--force-string]
                   [--label]
                   [--registry-name]
                   [--remove]
                   [--set]
                   [--stage]
                   [--version]
                   [--workspace-name]

Exemples

Mettre à jour les saveurs d’un modèle

az ml model update --name my-model --version 1 --set flavors.python_function.python_version=3.8 --resource-group my-resource-group --workspace-name my-workspace

Paramètres obligatoires

--name -n

Nom du modèle.

--resource-group -g

Nom du groupe de ressources. Vous pouvez configurer le groupe par défaut en utilisant az configure --defaults group=<name>.

Paramètres facultatifs

--add

Ajoutez un objet à une liste d’objets en spécifiant un chemin d’accès et des paires clé-valeur. Exemple : --add property.listProperty <key=value, string or JSON string>.

valeur par défaut: []
--force-string

Lorsque vous utilisez « set » ou « add », conservez les littéraux de chaîne au lieu de tenter de convertir en JSON.

valeur par défaut: False
--label -l

Étiquette du modèle.

--registry-name

Si elle est fournie, la commande cible le Registre au lieu d’un espace de travail. Par conséquent, le groupe de ressources et l’espace de travail ne sont pas obligatoires.

--remove

Supprimez une propriété ou un élément d’une liste. Exemple : --remove property.list <indexToRemove> OR --remove propertyToRemove.

valeur par défaut: []
--set

Mettez à jour un objet en spécifiant un chemin d’accès et une valeur de propriété à définir. Exemple : --set property1.property2=<value>.

valeur par défaut: []
--stage -s

Étape du modèle.

--version -v

Version du modèle.

--workspace-name -w

Nom de l’espace de travail Azure ML. Vous pouvez configurer l’espace de travail par défaut à l’aide az configure --defaults workspace=<name>de .

Paramètres globaux
--debug

Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.

--help -h

Affichez ce message d’aide et quittez.

--only-show-errors

Afficher uniquement les erreurs, en supprimant les avertissements.

--output -o

Format de sortie.

valeurs acceptées: json, jsonc, none, table, tsv, yaml, yamlc
valeur par défaut: json
--query

Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.

--subscription

Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.

--verbose

Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.