az ml model
Not
Bu başvuru, Azure CLI (sürüm 2.15.0 veya üzeri) için ml uzantısının bir parçasıdır. Uzantı, bir az ml model komutunu ilk kez çalıştırdığınızda otomatik olarak yüklenir. Uzantılar hakkında daha fazla bilgi edinin.
Azure ML modellerini yönetme.
Azure ML modelleri, bir makine öğrenmesi modelini ve ilgili meta verileri temsil eden ikili dosyalardan oluşur. Bu modeller gerçek zamanlı ve toplu çıkarım için uç nokta dağıtımlarında kullanılabilir.
Komutlar
Name | Description | Tür | Durum |
---|---|---|---|
az ml model archive |
Modeli arşivle. |
Dahili | GA |
az ml model create |
Model oluşturma. |
Dahili | GA |
az ml model download |
Modelle ilgili tüm dosyaları indirin. |
Dahili | GA |
az ml model list |
Çalışma alanı/kayıt defterindeki modelleri listeleme. Kayıt defteri kullanıyorsanız öğesini seçeneğiyle |
Dahili | GA |
az ml model package |
Modeli bir ortama paketleyin. |
Dahili | Önizleme |
az ml model restore |
Arşivlenmiş modeli geri yükleme. |
Dahili | GA |
az ml model share |
Çalışma alanından kayıt defterine belirli bir modeli paylaşın. |
Dahili | GA |
az ml model show |
Çalışma alanında/kayıt defterinde modelin ayrıntılarını gösterme. Kayıt defteri kullanıyorsanız öğesini seçeneğiyle |
Dahili | GA |
az ml model update |
Çalışma alanında/kayıt defterinde modeli güncelleştirme. |
Dahili | GA |
az ml model archive
Modeli arşivle.
Modelin arşivlenmesi, modeli varsayılan olarak liste sorgularından (az ml model list
) gizler. İş akışlarınızda arşivlenmiş bir modele başvurmaya ve kullanmaya devam edebilirsiniz. Bir model kapsayıcısı veya belirli bir model sürümünü arşivleyebilirsiniz. Model kapsayıcısını arşivleme, modelin tüm sürümlerini verilen ad altında arşivler. arşivlenmiş modeli kullanarak az ml model restore
geri yükleyebilirsiniz. Model kapsayıcısının tamamı arşivlenmişse, modelin tek tek sürümlerini geri yükleyemezsiniz. Model kapsayıcısını geri yüklemeniz gerekir.
az ml model archive --name
[--label]
[--registry-name]
[--resource-group]
[--version]
[--workspace-name]
Örnekler
Model kapsayıcısı arşivle (bu modelin tüm sürümlerini arşivler)
az ml model archive --name my-model --resource-group my-resource-group --workspace-name my-workspace
Belirli bir model sürümünü arşivle
az ml model archive --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace
Gerekli Parametreler
Modelin adı.
İsteğe Bağlı Parametreler
Modelin etiketi.
Sağlanırsa, komut çalışma alanı yerine kayıt defterini hedefler. Bu nedenle kaynak grubu ve çalışma alanı gerekli olmayacaktır.
Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>
yapılandırabilirsiniz.
Modelin sürümü.
Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>
yapılandırabilirsiniz.
Global Parametreler
Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.
Bu yardım iletisini göster ve çık.
Yalnızca hataları gösterir ve uyarıları gizler.
Çıkış biçimi.
JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .
Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_ID
varsayılan aboneliği yapılandırabilirsiniz.
Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.
az ml model create
Model oluşturma.
Modeller yerel bir dosyadan, yerel dizinden, veri deposundan veya iş çıktılarından oluşturulabilir. Oluşturulan model, çalışma alanında/kayıt defterinde belirtilen ad ve sürüm altında izlenir. Kayıt defteri kullanıyorsanız öğesini seçeneğiyle --registry-name <registry-name>
değiştirin--workspace-name my-workspace
.
az ml model create [--datastore]
[--description]
[--file]
[--name]
[--no-wait]
[--path]
[--registry-name]
[--resource-group]
[--set]
[--stage]
[--tags]
[--type]
[--version]
[--workspace-name]
Örnekler
YAML belirtim dosyasından model oluşturma
az ml model create --file model.yml --resource-group my-resource-group --workspace-name my-workspace
Komut seçeneklerini kullanarak yerel klasörden model oluşturma
az ml model create --name my-model --version 1 --path ./my-model --resource-group my-resource-group --workspace-name my-workspace
Mlflow run URI biçiminde 'runs:/<run-id><path-to-model-relative-to-the-root-of-the-artifact-location>/' ve komut seçeneklerini kullanarak model oluşturma
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
'azureml://jobs/<job-name>/outputs//paths<path-to-model-relative-to-the-named-output-location>/<named-output>' azureml iş URI biçimini ve komut seçeneklerini kullanarak adlandırılmış bir iş çıkışından model oluşturun. Varsayılan adlandırılmış çıkış yapıttır
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
Komut seçeneklerini kullanarak 'azureml://datastores/<datastore-name>/paths/<path-to-model-relative-to-the-root-of-the-datastore-location>' veri deposundan model oluşturma
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
İsteğe Bağlı Parametreler
Yerel yapıtın yüklendiği veri deposu.
Modelin açıklaması.
Azure ML model belirtimini içeren YAML dosyasının yerel yolu. Model için YAML başvuru belgeleri şu konumda bulunabilir: https://aka.ms/ml-cli-v2-model-yaml-reference.
Modelin adı.
Uzun süre çalışan işlemin bitmesini beklemeyin.
Model dosyalarının yolu. Bu yerel veya uzak bir konum olabilir. Belirtilirse, --name/-n ve --version/-v de sağlanmalıdır.
Sağlanırsa, komut çalışma alanı yerine kayıt defterini hedefler. Bu nedenle kaynak grubu ve çalışma alanı gerekli olmayacaktır.
Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>
yapılandırabilirsiniz.
Ayarlanacağı özellik yolunu ve değerini belirterek nesneyi güncelleştirin. Örnek: --set property1.property2=.
Modelin aşaması.
Nesnenin etiketleri için boşlukla ayrılmış anahtar-değer çiftleri.
Modelin türü, izin verilen değerler custom_model, mlflow_model ve triton_model. Varsayılan tür custom_model.
Modelin sürümü.
Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>
yapılandırabilirsiniz.
Global Parametreler
Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.
Bu yardım iletisini göster ve çık.
Yalnızca hataları gösterir ve uyarıları gizler.
Çıkış biçimi.
JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .
Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_ID
varsayılan aboneliği yapılandırabilirsiniz.
Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.
az ml model download
Modelle ilgili tüm dosyaları indirin.
Dosyalar, modelin adından sonra adlı bir klasöre indirilir. Kayıt defteri kullanıyorsanız öğesini seçeneğiyle --registry-name <registry-name>
değiştirin--workspace-name my-workspace
.
az ml model download --name
--version
[--download-path]
[--registry-name]
[--resource-group]
[--workspace-name]
Örnekler
Belirtilen ada ve sürüme sahip bir modeli indirme
az ml model download --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace
Belirtilen ada ve sürüme sahip bir modeli belirtilen yerel yola indirme
az ml model download --name my-model --version 1 --download-path local_path --resource-group my-resource-group --workspace-name my-workspace
Gerekli Parametreler
Modelin adı.
Modelin sürümü.
İsteğe Bağlı Parametreler
Model dosyalarını indirme yolu, varsayılan olarak geçerli çalışma dizinidir.
Sağlanırsa, komut çalışma alanı yerine kayıt defterini hedefler. Bu nedenle kaynak grubu ve çalışma alanı gerekli olmayacaktır.
Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>
yapılandırabilirsiniz.
Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>
yapılandırabilirsiniz.
Global Parametreler
Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.
Bu yardım iletisini göster ve çık.
Yalnızca hataları gösterir ve uyarıları gizler.
Çıkış biçimi.
JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .
Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_ID
varsayılan aboneliği yapılandırabilirsiniz.
Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.
az ml model list
Çalışma alanı/kayıt defterindeki modelleri listeleme. Kayıt defteri kullanıyorsanız öğesini seçeneğiyle --registry-name <registry-name>
değiştirin--workspace-name my-workspace
.
az ml model list [--archived-only]
[--include-archived]
[--max-results]
[--name]
[--registry-name]
[--resource-group]
[--stage]
[--workspace-name]
Örnekler
Çalışma alanında tüm modelleri listeleme
az ml model list --resource-group my-resource-group --workspace-name my-workspace
Çalışma alanında belirtilen ad için tüm model sürümlerini listeleme
az ml model list --name my-model --resource-group my-resource-group --workspace-name my-workspace
Komutların sonuçlarında JMESPath sorgusu yürütmek için --query bağımsız değişkenini kullanarak çalışma alanında tüm modelleri listeleyin.
az ml model list --query "[].{Name:name}" --output table --resource-group my-resource-group --workspace-name my-workspace
İsteğe Bağlı Parametreler
Yalnızca arşivlenen modelleri listeleyin.
Arşivlenen modelleri ve etkin modelleri listeleyin.
Döndürülecek en fazla sonuç sayısı.
Modelin adı. Sağlanırsa, bu adın altındaki tüm model sürümleri döndürülür.
Sağlanırsa, komut çalışma alanı yerine kayıt defterini hedefler. Bu nedenle kaynak grubu ve çalışma alanı gerekli olmayacaktır.
Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>
yapılandırabilirsiniz.
Modelin aşaması.
Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>
yapılandırabilirsiniz.
Global Parametreler
Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.
Bu yardım iletisini göster ve çık.
Yalnızca hataları gösterir ve uyarıları gizler.
Çıkış biçimi.
JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .
Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_ID
varsayılan aboneliği yapılandırabilirsiniz.
Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.
az ml model package
Bu komut önizleme aşamasında ve geliştirme aşamasındadır. Başvuru ve destek düzeyleri: https://aka.ms/CLI_refstatus
Modeli bir ortama paketleyin.
Bir model paketlendiğinde, tüm bağımlılıkları içeren bir ortam oluşturulur.
az ml model package --file
--name
--version
[--registry-name]
[--resource-group]
[--workspace-name]
Örnekler
Belirtilen ad ve sürüme sahip bir modeli paketleme
az ml model package --name my-model --version my-version --resource-group my-resource-group --workspace-name my-workspace --file my-package.yml
Gerekli Parametreler
Model paketi tanımını içeren YAML dosyasının yerel yolu.
Modelin adı.
Modelin sürümü.
İsteğe Bağlı Parametreler
Sağlanırsa, komut çalışma alanı yerine kayıt defterini hedefler. Bu nedenle kaynak grubu ve çalışma alanı gerekli olmayacaktır.
Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>
yapılandırabilirsiniz.
Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>
yapılandırabilirsiniz.
Global Parametreler
Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.
Bu yardım iletisini göster ve çık.
Yalnızca hataları gösterir ve uyarıları gizler.
Çıkış biçimi.
JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .
Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_ID
varsayılan aboneliği yapılandırabilirsiniz.
Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.
az ml model restore
Arşivlenmiş modeli geri yükleme.
Arşivlenmiş bir model geri yüklendiğinde, artık liste sorgularından () gizlenmeyecektiraz ml model list
. Model kapsayıcının tamamı arşivlenmişse, arşivlenmiş kapsayıcıyı geri yükleyebilirsiniz. Bu, modelin bu adın altındaki tüm sürümlerini geri yükler. Model kapsayıcısının tamamı arşivlenmişse yalnızca belirli bir model sürümünü geri yükleyemezsiniz. Kapsayıcının tamamını geri yüklemeniz gerekir. Yalnızca tek bir model sürümü arşivlendiyse, bu sürümü geri yükleyebilirsiniz.
az ml model restore --name
[--label]
[--registry-name]
[--resource-group]
[--version]
[--workspace-name]
Örnekler
Arşivlenmiş model kapsayıcısı geri yükleme (bu modelin tüm sürümlerini geri yükler)
az ml model restore --name my-model --resource-group my-resource-group --workspace-name my-workspace
Belirli bir arşivlenmiş model sürümünü geri yükleme
az ml model restore --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace
Gerekli Parametreler
Modelin adı.
İsteğe Bağlı Parametreler
Modelin etiketi.
Sağlanırsa, komut çalışma alanı yerine kayıt defterini hedefler. Bu nedenle kaynak grubu ve çalışma alanı gerekli olmayacaktır.
Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>
yapılandırabilirsiniz.
Modelin sürümü.
Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>
yapılandırabilirsiniz.
Global Parametreler
Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.
Bu yardım iletisini göster ve çık.
Yalnızca hataları gösterir ve uyarıları gizler.
Çıkış biçimi.
JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .
Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_ID
varsayılan aboneliği yapılandırabilirsiniz.
Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.
az ml model share
Çalışma alanından kayıt defterine belirli bir modeli paylaşın.
Çalışma alanları arası yeniden kullanmak için var olan bir modeli çalışma alanından kayıt defterine kopyalayın.
az ml model share --name
--registry-name
--share-with-name
--share-with-version
--version
[--resource-group]
[--workspace-name]
Örnekler
Var olan bir ortamı çalışma alanından kayıt defterine paylaşma
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
Gerekli Parametreler
Modelin adı.
Hedef kayıt defteri.
Oluşturulacak modelin adı.
Oluşturulacak modelin sürümü.
Modelin sürümü.
İsteğe Bağlı Parametreler
Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>
yapılandırabilirsiniz.
Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>
yapılandırabilirsiniz.
Global Parametreler
Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.
Bu yardım iletisini göster ve çık.
Yalnızca hataları gösterir ve uyarıları gizler.
Çıkış biçimi.
JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .
Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_ID
varsayılan aboneliği yapılandırabilirsiniz.
Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.
az ml model show
Çalışma alanında/kayıt defterinde modelin ayrıntılarını gösterme. Kayıt defteri kullanıyorsanız öğesini seçeneğiyle --registry-name <registry-name>
değiştirin--workspace-name my-workspace
.
az ml model show --name
[--label]
[--registry-name]
[--resource-group]
[--version]
[--workspace-name]
Örnekler
Belirtilen ada ve sürüme sahip bir modelin ayrıntılarını gösterme
az ml model show --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace
Gerekli Parametreler
Modelin adı.
İsteğe Bağlı Parametreler
Modelin etiketi.
Sağlanırsa, komut çalışma alanı yerine kayıt defterini hedefler. Bu nedenle kaynak grubu ve çalışma alanı gerekli olmayacaktır.
Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>
yapılandırabilirsiniz.
Modelin sürümü.
Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>
yapılandırabilirsiniz.
Global Parametreler
Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.
Bu yardım iletisini göster ve çık.
Yalnızca hataları gösterir ve uyarıları gizler.
Çıkış biçimi.
JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .
Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_ID
varsayılan aboneliği yapılandırabilirsiniz.
Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.
az ml model update
Çalışma alanında/kayıt defterinde modeli güncelleştirme.
'description' ve 'tags' özellikleri güncelleştirilebilir. Kayıt defteri kullanıyorsanız öğesini seçeneğiyle --registry-name <registry-name>
değiştirin--workspace-name my-workspace
.
az ml model update --name
--resource-group
[--add]
[--force-string]
[--label]
[--registry-name]
[--remove]
[--set]
[--stage]
[--version]
[--workspace-name]
Örnekler
Modelin çeşitlerini güncelleştirme
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
Gerekli Parametreler
Modelin adı.
Kaynak grubunun adı. kullanarak varsayılan grubu az configure --defaults group=<name>
yapılandırabilirsiniz.
İsteğe Bağlı Parametreler
Bir yol ve anahtar değer çiftleri belirterek nesne listesine nesne ekleyin. Örnek: --add property.listProperty <key=value, string or JSON string>
.
'set' veya 'add' kullanırken, JSON'a dönüştürmeye çalışmak yerine dize değişmez değerlerini koruyun.
Modelin etiketi.
Sağlanırsa, komut çalışma alanı yerine kayıt defterini hedefler. Bu nedenle kaynak grubu ve çalışma alanı gerekli olmayacaktır.
Bir özelliği veya öğeyi listeden kaldırın. Örnek: --remove property.list <indexToRemove>
OR --remove propertyToRemove
.
Ayarlanacağı özellik yolunu ve değerini belirterek nesneyi güncelleştirin. Örnek: --set property1.property2=<value>
.
Modelin aşaması.
Modelin sürümü.
Azure ML çalışma alanının adı. varsayılan çalışma alanını kullanarak az configure --defaults workspace=<name>
yapılandırabilirsiniz.
Global Parametreler
Tüm hata ayıklama günlüklerini göstermek için günlük ayrıntı düzeyini artırın.
Bu yardım iletisini göster ve çık.
Yalnızca hataları gösterir ve uyarıları gizler.
Çıkış biçimi.
JMESPath sorgu dizesi. Daha fazla bilgi ve örnek için bkz http://jmespath.org/ .
Aboneliğin adı veya kimliği. kullanarak az account set -s NAME_OR_ID
varsayılan aboneliği yapılandırabilirsiniz.
Günlük ayrıntı düzeyini artırın. Tam hata ayıklama günlükleri için --debug komutunu kullanın.