az ml data

Hinweis

Diese Referenz ist Teil der ml-Erweiterung für die Azure CLI (Version 2.15.0 oder höher). Die Erweiterung wird automatisch installiert, wenn Sie einen Az ml-Datenbefehl zum ersten Mal ausführen. Weitere Informationen zu Erweiterungen

Verwalten von Azure ML-Datenressourcen.

Azure ML-Datenressourcen sind Verweise auf Dateien in Ihren Speicherdiensten oder öffentlichen URLs sowie alle entsprechenden Metadaten. Sie sind keine Kopien Ihrer Daten. Sie können diese Datenressourcen verwenden, um während der Modellschulung auf relevante Daten zuzugreifen und sie bereitzustellen oder die referenzierten Daten in Ihr Computeziel herunterzuladen.

Befehle

Name	Beschreibung	Typ	Status
az ml data archive	Archiv a data asset.	Erweiterung	Allgemein verfügbar
az ml data create	Erstellen Sie eine Datenressource in einem Arbeitsbereich/einer Registrierung. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch --workspace-name my-workspace die --registry-name <registry-name> Option.	Erweiterung	Allgemein verfügbar
az ml data import	Importieren sie Daten, und erstellen Sie eine Datenressource.	Erweiterung	Vorschau
az ml data list	Auflisten von Datenressourcen in einem Arbeitsbereich/einer Registrierung. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch --workspace-name my-workspace die --registry-name <registry-name> Option.	Erweiterung	Allgemein verfügbar
az ml data list-materialization-status	Zeigt den Status der Liste der Datenimport-Materialisierungsaufträge an, die Versionen einer Datenressource erstellen.	Erweiterung	Vorschau
az ml data mount	Stellen Sie eine bestimmte Datenressource in einen lokalen Pfad bereit. Derzeit wird nur Linux unterstützt.	Erweiterung	Vorschau
az ml data restore	Wiederherstellen einer archivierten Datenressource.	Erweiterung	Allgemein verfügbar
az ml data share	Freigeben einer bestimmten Datenressource von Arbeitsbereich zu Registrierung.	Erweiterung	Vorschau
az ml data show	Zeigt Details zu einer Datenressource in einem Arbeitsbereich/einer Registrierung an. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch --workspace-name my-workspace die --registry-name <registry-name> Option.	Erweiterung	Allgemein verfügbar
az ml data update	Aktualisieren einer Datenressource.	Erweiterung	Allgemein verfügbar

az ml data archive

Archiv a data asset.

Durch das Archivieren einer Datenressource wird sie standardmäßig in Listenabfragen (az ml data list) ausgeblendet. Sie können in Ihren Workflows weiterhin auf archivierte Datenressourcen verweisen und diese verwenden. Sie können entweder einen Datenobjektcontainer oder eine bestimmte Datenobjektversion archiven. Durch das Archivieren eines Datenobjektcontainers werden alle Versionen der Datenressource unter diesem Angegebenen Namen archiviert. Sie können eine archivierte Datenressource mithilfe von az ml data restore. Wenn der gesamte Datenobjektcontainer archiviert wird, können Sie keine einzelnen Versionen der Datenressource wiederherstellen . Sie müssen den Datenobjektcontainer wiederherstellen.

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

Beispiele

Archivieren eines Datenobjektcontainers (archiviert alle Versionen dieser Datenressource)

az ml data archive --name my-env --resource-group my-resource-group --workspace-name my-workspace

Archivieren einer bestimmten Datenressourcenversion

az ml data archive --name my-env --version 1 --resource-group my-resource-group --workspace-name my-workspace

Erforderliche Parameter

--name -n

Name der Datenressource.

Optionale Parameter

--label -l

Bezeichnung der Datenressource. Sich gegenseitig ausschließend mit version.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--version -v

Version der Datenressource. Sich gegenseitig ausschließend mit Bezeichnung.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Globale Parameter

--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc

Standardwert: json

--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.

az ml data create

Erstellen Sie eine Datenressource in einem Arbeitsbereich/einer Registrierung. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch --workspace-name my-workspace die --registry-name <registry-name> Option.

Datenressourcen können aus Dateien auf Ihrem lokalen Computer oder als Verweise auf Dateien im Cloudspeicher definiert werden. Die erstellte Datenressource wird im Arbeitsbereich/in der Registrierung unter dem angegebenen Namen und der angegebenen Version nachverfolgt.

Wenn Sie eine Datenressource aus Dateien auf Ihrem lokalen Computer erstellen möchten, geben Sie das Feld "Pfad" in Ihrer YAML-Konfiguration an. Azure ML lädt diese Dateien in den BLOB-Container hoch, der den Standarddatenspeicher des Arbeitsbereichs (mit dem Namen "workspaceblobstore") zurückgibt. Die erstellte Datenressource verweist dann auf diese hochgeladenen Daten.

Um eine Datenressource zu erstellen, die auf Dateien im Cloudspeicher verweist, geben Sie den Pfad zu den Dateien im Speicher in Ihrer YAML-Konfiguration an.

Sie können eine Datenressource auch direkt über eine Speicher-URL oder öffentliche URL erstellen. Geben Sie dazu die URL zum Feld "Pfad" in Ihrer YAML-Konfiguration an. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch --workspace-name my-workspace die --registry-name <my-registry-name> Option.

az ml data create [--datastore]
                  [--description]
                  [--file]
                  [--name]
                  [--no-wait]
                  [--path]
                  [--registry-name]
                  [--resource-group]
                  [--set]
                  [--skip-validation]
                  [--type {mltable, uri_file, uri_folder}]
                  [--version]
                  [--workspace-name]

Beispiele

Erstellen einer Datenressource aus einer YAML-Spezifikationsdatei in einem Arbeitsbereich

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

Erstellen einer Datenressource aus einer YAML-Spezifikationsdatei in einer Registrierung

az ml data create --file data.yml --registry-name my-registry-name

Erstellen einer Datenressource ohne Verwenden einer YAML-Spezifikationsdatei in einem Arbeitsbereich

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

Erstellen einer Datenressource ohne Verwendung einer YAML-Spezifikationsdatei in einer Registrierung

az ml data create --name my-data --version 1 --path ./my-data.csv --registry-name my-registry-name

Optionale Parameter

--datastore

Der Datenspeicher, in den das lokale Artefakt hochgeladen werden soll.

--description -d

Beschreibung der Datenressource.

--file -f

Lokaler Pfad zur YAML-Datei, die die Azure ML-Datenspezifikation enthält. Die YAML-Referenzdokumente für Daten finden Sie unter: https://aka.ms/ml-cli-v2-data-yaml-reference.

--name -n

Name der Datenressource. Erforderlich, wenn --registry-name angegeben wird.

--no-wait

Warten Sie nicht, bis der lange ausgeführte Vorgang abgeschlossen ist. Der Standardwert lautet False.

Standardwert: False

--path -p

Der Pfad zur Datenressource kann lokal oder remote sein.

--registry-name

Wenn angegeben, zielt der Befehl auf die Registrierung anstelle eines Arbeitsbereichs ab. Daher sind Ressourcengruppen und Arbeitsbereiche nicht erforderlich. Muss angegeben werden, wenn "--workspace-name" und "-resource-group" nicht angegeben werden.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--set

Aktualisieren Sie ein Objekt, indem Sie einen festzulegenden Eigenschaftspfad und -wert angeben. Beispiel: --set property1.property2=.

--skip-validation

Überspringen Sie die Überprüfung von MLTable-Metadaten, wenn der Typ MLTable ist.

Standardwert: False

--type -t

Typ der Datenressource.

Zulässige Werte: mltable, uri_file, uri_folder

--version -v

Version der Datenressource. Erforderlich, wenn --registry-name angegeben wird.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Globale Parameter

--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc

Standardwert: json

--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.

az ml data import

Vorschau

Dieser Befehl befindet sich in der Vorschau und in der Entwicklung. Referenz- und Supportebenen: https://aka.ms/CLI_refstatus

Importieren sie Daten, und erstellen Sie eine Datenressource.

Datenressource kann erstellt werden, indem zuerst Daten aus der Datenbank oder dem Dateisystem in den Cloudspeicher importiert werden. Die erstellte Datenressource wird im Arbeitsbereich unter dem angegebenen Namen und der angegebenen Version nachverfolgt.

Geben Sie 'Abfrage' der Datenbanktabelle oder 'Pfad' für Dateisystemfelder in Ihrer YAML-Konfiguration an. Azure ML führt einen Auftrag aus, um die Daten zuerst in den Cloudspeicher zu kopieren.

az ml data import --resource-group
                  --workspace-name
                  [--datastore]
                  [--description]
                  [--file]
                  [--name]
                  [--path]
                  [--set]
                  [--skip-validation]
                  [--type {mltable, uri_file, uri_folder}]
                  [--version]

Beispiele

Importieren einer Datenressource aus einer YAML-Spezifikationsdatei

az ml data import --file dataimport.yml --resource-group my-resource-group --workspace-name my-workspace

Erforderliche Parameter

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Optionale Parameter

--datastore

Der Datenspeicher, in den das lokale Artefakt hochgeladen werden soll.

--description -d

Beschreibung der Datenressource.

--file -f

Lokaler Pfad zur YAML-Datei, die die Azure ML-Datenspezifikation enthält. Die YAML-Referenzdokumente für Daten finden Sie unter: https://aka.ms/ml-cli-v2-data-yaml-reference.

--name -n

Name der Datenressource.

--path -p

Pfad zur Datenressource im Cloudspeicher.

--set

Aktualisieren Sie ein Objekt, indem Sie einen festzulegenden Eigenschaftspfad und -wert angeben. Beispiel: --set property1.property2=.

--skip-validation

Überspringen Sie die Überprüfung der Computeressource, auf die durch den zugrunde liegenden Datenimportmaterialisierungsauftrag verwiesen wird.

Standardwert: False

--type -t

Typ der Datenressource.

Zulässige Werte: mltable, uri_file, uri_folder

--version -v

Version der Datenressource.

Globale Parameter

--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc

Standardwert: json

--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.

az ml data list

Auflisten von Datenressourcen in einem Arbeitsbereich/einer Registrierung. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch --workspace-name my-workspace die --registry-name <registry-name> Option.

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

Beispiele

Auflisten aller Datenressourcen in einem Arbeitsbereich

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

Auflisten aller Datenobjektversionen für den angegebenen Namen in einem Arbeitsbereich

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

Auflisten aller Datenobjekte in einem Arbeitsbereich mithilfe des Arguments --query zum Ausführen einer JMESPath-Abfrage für die Ergebnisse von Befehlen.

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

Auflisten aller Datenressourcen in einer Registrierung

az ml data list --registry-name my-registry-name

Auflisten aller Datenobjektversionen für den angegebenen Namen in einer Registrierung

az ml data list --name my-data --registry-name my-registry-name

Optionale Parameter

--archived-only

Nur archivierte Datenressourcen auflisten.

Standardwert: False

--include-archived

Auflisten archivierter Datenressourcen und aktiver Datenressourcen.

Standardwert: False

--max-results -r

Maximale Anzahl der zurückzugebenden Ergebnisse.

--name -n

Name der Datenressource. Wenn angegeben, werden alle Datenversionen unter diesem Namen zurückgegeben.

--registry-name

Wenn angegeben, zielt der Befehl auf die Registrierung anstelle eines Arbeitsbereichs ab. Daher sind Ressourcengruppen und Arbeitsbereiche nicht erforderlich. Muss angegeben werden, wenn "--workspace-name" und "-resource-group" nicht angegeben werden.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Globale Parameter

--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc

Standardwert: json

--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.

az ml data list-materialization-status

Vorschau

Dieser Befehl befindet sich in der Vorschau und in der Entwicklung. Referenz- und Supportebenen: https://aka.ms/CLI_refstatus

Zeigt den Status der Liste der Datenimport-Materialisierungsaufträge an, die Versionen einer Datenressource erstellen.

az ml data list-materialization-status --resource-group
                                       --workspace-name
                                       [--all-results {false, true}]
                                       [--archived-only]
                                       [--include-archived]
                                       [--max-results]
                                       [--name]

Beispiele

Anzeigen des Materialisierungsstatus einer Datenressource aus einer YAML-Spezifikationsdatei

az ml data list-materialization-status --name asset-name --resource-group my-resource-group --workspace-name my-workspace

Erforderliche Parameter

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Optionale Parameter

--all-results

Gibt alle Ergebnisse zurück.

Zulässige Werte: false, true

Standardwert: False

--archived-only

Nur archivierte Aufträge auflisten.

Standardwert: False

--include-archived

Auflisten archivierter Aufträge und aktiver Aufträge.

Standardwert: False

--max-results -r

Maximale Anzahl der zurückzugebenden Ergebnisse. Standard ist 50.

Standardwert: 50

--name -p

Name der Ressource. Listet alle Materialisierungsaufträge auf, die Versionen der Ressource erstellen, die mit dem angegebenen Namen übereinstimmen.

Globale Parameter

--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc

Standardwert: json

--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.

az ml data mount

Vorschau

Dieser Befehl befindet sich in der Vorschau und in der Entwicklung. Referenz- und Supportebenen: https://aka.ms/CLI_refstatus

Stellen Sie eine bestimmte Datenressource in einen lokalen Pfad bereit. Derzeit wird nur Linux unterstützt.

az ml data mount --path
                 [--mode]
                 [--mount-point]
                 [--persistent]
                 [--resource-group]
                 [--workspace-name]

Beispiele

Bereitstellen einer Datenobjektversion mit named Asset URI

az ml data mount --mount-point /mnt/my-data --mode ro_mount --path azureml:my_urifolder:1

Bereitstellen einer Datenobjektversion mit vollständigem AzureML-URI

az ml data mount --mount-point /mnt/my-data --mode ro_mount --path azureml://subscriptions/my-sub-id/resourcegroups/my-rg/workspaces/myworkspace/data/some_data/versions/5

Bereitstellen aller Versionen einer Datenressource mit named Asset URI

az ml data mount --mount-point /mnt/my-data --mode ro_mount --path azureml:my_urifolder

Bereitstellen aller Versionen einer Datenressource mit vollständigem AzureML-URI

az ml data mount --mount-point /mnt/my-data --mode ro_mount --path azureml://subscriptions/my-sub-id/resourcegroups/my-rg/workspaces/myworkspace/data/some_data

Bereitstellen von Daten auf öffentlichem HTTP(s) Server nach URL

az ml data mount --mount-point /mnt/my-data --mode ro_mount --path https://raw.githubusercontent.com/pandas-dev/pandas/main/doc/data/titanic.csv

Bereitstellen von Daten in Azure über die Azure Blob Storage-URL

az ml data mount --mount-point /mnt/my-data --mode ro_mount --path https://<account_name>.blob.core.windows.net/<container_name>/<path>

Bereitstellen von Daten in Azure durch Azure Data Lake Storage Gen 2-URL

az ml data mount --mount-point /mnt/my-data --mode ro_mount --path abfss://<file_system>@<account_name>.dfs.core.windows.net/<path>

Erforderliche Parameter

--path

Der Datenobjektpfad, der bereitgestellt werden soll, in Form oder azureml:<name> azureml:<name>:<version>.

Optionale Parameter

--mode

Bereitstellungsmodus. Nur ro_mount (schreibgeschützt) wird für die Datenressource-Bereitstellung unterstützt.

Standardwert: ro_mount

--mount-point

Ein lokaler Pfad, der als Bereitstellungspunkt verwendet wird.

Standardwert: /home/azureuser/mount/data

--persistent

Stellen Sie sicher, dass die Bereitstellung über Neustarts hinweg beibehalten wird. Wird nur für Computeinstanz unterstützt.

Standardwert: False

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Globale Parameter

--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc

Standardwert: json

--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.

az ml data restore

Wiederherstellen einer archivierten Datenressource.

Wenn eine archivierte Datenressource wiederhergestellt wird, wird sie nicht mehr in Listenabfragen (az ml data list) ausgeblendet. Wenn ein vollständiger Datenobjektcontainer archiviert wird, können Sie diesen archivierten Container wiederherstellen. Dadurch werden alle Versionen der Datenressource unter diesem angegebenen Namen wiederhergestellt. Sie können nicht nur eine bestimmte Datenobjektversion wiederherstellen, wenn der gesamte Datenobjektcontainer archiviert wird . Sie müssen den gesamten Container wiederherstellen. Wenn nur eine einzelne Datenobjektversion archiviert wurde, können Sie diese bestimmte Version wiederherstellen.

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

Beispiele

Wiederherstellen eines archivierten Datenobjektcontainers (stellt alle Versionen dieses Datenobjekts wieder her)

az ml data restore --name my-env --resource-group my-resource-group --workspace-name my-workspace

Wiederherstellen einer bestimmten Version der archivierten Datenressource

az ml data restore --name my-env --version 1 --resource-group my-resource-group --workspace-name my-workspace

Erforderliche Parameter

--name -n

Name der Datenressource.

Optionale Parameter

--label -l

Bezeichnung der Datenressource. Sich gegenseitig ausschließend mit version.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--version -v

Version der Datenressource. Sich gegenseitig ausschließend mit Bezeichnung.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Globale Parameter

--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc

Standardwert: json

--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.

az ml data share

Vorschau

Dieser Befehl befindet sich in der Vorschau und in der Entwicklung. Referenz- und Supportebenen: https://aka.ms/CLI_refstatus

Freigeben einer bestimmten Datenressource von Arbeitsbereich zu Registrierung.

Kopieren Sie eine vorhandene Datenressource aus einem Arbeitsbereich in eine Registrierung, um die arbeitsbereichübergreifende Wiederverwendung zu erhalten.

az ml data share --name
                 --registry-name
                 --resource-group
                 --share-with-name
                 --share-with-version
                 --version
                 --workspace-name

Beispiele

Freigeben einer vorhandenen Datenressource vom Arbeitsbereich für die Registrierung

az ml data share --name my-data --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

Erforderliche Parameter

--name -n

Name der Datenressource.

--registry-name

Zielregistrierung.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--share-with-name

Name der zu erstellenden Datenressource.

--share-with-version

Version der zu erstellenden Datenressource.

--version -v

Version der Datenressource.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Globale Parameter

--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc

Standardwert: json

--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.

az ml data show

Zeigt Details zu einer Datenressource in einem Arbeitsbereich/einer Registrierung an. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch --workspace-name my-workspace die --registry-name <registry-name> Option.

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

Beispiele

Anzeigen von Details zu einer Datenressource mit dem angegebenen Namen und der angegebenen Version in einem Arbeitsbereich

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

Anzeigen von Details für eine Datenressource mit dem angegebenen Namen und der angegebenen Bezeichnung

az ml data show --name my-data --label latest --resource-group my-resource-group --workspace-name my-workspace

Anzeigen von Details zu einer Datenressource mit dem angegebenen Namen und der angegebenen Version in einer Registrierung

az ml data show --name my-data --version 1 --registry-name my-registry-name

Erforderliche Parameter

--name -n

Name der Datenressource.

Optionale Parameter

--label -l

Bezeichnung der Datenressource. Muss angegeben werden, wenn keine Version bereitgestellt wird. Sich gegenseitig ausschließend mit version.

--registry-name

Wenn angegeben, zielt der Befehl auf die Registrierung anstelle eines Arbeitsbereichs ab. Daher sind Ressourcengruppen und Arbeitsbereiche nicht erforderlich. Muss angegeben werden, wenn "--workspace-name" und "-resource-group" nicht angegeben werden.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--version -v

Version der Datenressource. Muss angegeben werden, wenn das Etikett nicht angegeben wird. Sich gegenseitig ausschließend mit Bezeichnung.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Globale Parameter

--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc

Standardwert: json

--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.

az ml data update

Aktualisieren einer Datenressource.

Nur die Eigenschaften "description" und "tags" können aktualisiert werden.

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

Erforderliche Parameter

--name -n

Name der Datenressource.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Optionale Parameter

--add

Fügen Sie einer Liste von Objekten ein Objekt hinzu, indem Sie ein Pfad- und Schlüsselwertpaar angeben. Beispiel: --add property.listProperty <key=value, string or JSON string>.

Standardwert: []

--force-string

Wenn Sie "set" oder "add" verwenden, behalten Sie Zeichenfolgenliterale bei, anstatt zu versuchen, in JSON zu konvertieren.

Standardwert: False

--label -l

Bezeichnung der Datenressource. Muss angegeben werden, wenn keine Version bereitgestellt wird. Sich gegenseitig ausschließend mit version.

--registry-name

Wenn angegeben, zielt der Befehl auf die Registrierung anstelle eines Arbeitsbereichs ab. Daher sind Ressourcengruppen und Arbeitsbereiche nicht erforderlich. Muss angegeben werden, wenn "--workspace-name" und "-resource-group" nicht angegeben werden.

--remove

Entfernen sie eine Eigenschaft oder ein Element aus einer Liste. Beispiel: --remove property.list <indexToRemove> ODER --remove propertyToRemove.

Standardwert: []

--set

Aktualisieren Sie ein Objekt, indem Sie einen festzulegenden Eigenschaftspfad und -wert angeben. Beispiel: --set property1.property2=<value>.

Standardwert: []

--version -v

Version der Datenressource. Muss angegeben werden, wenn das Etikett nicht angegeben wird. Sich gegenseitig ausschließend mit Bezeichnung.

Globale Parameter

--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc

Standardwert: json

--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.