Compartir a través de

az ml online-deployment

  • Referencia

Nota:

Esta referencia forma parte de la extensión ml para la CLI de Azure (versión 2.15.0 o posterior). La extensión instalará automáticamente la primera vez que ejecute un comando az ml online-deployment . Obtenga más información sobre las extensiones.

Administración de implementaciones en línea de Azure ML.

Las implementaciones de Azure ML proporcionan una interfaz sencilla para crear y administrar implementaciones de modelos.

Comandos

Nombre Description Tipo Estado
az ml online-deployment create

Cree una implementación. Si la implementación ya existe, se producirá un error. Si desea actualizar la implementación existente, use az ml online-deployment update.

 Extensión GA
az ml online-deployment delete

Elimina una implementación.

 Extensión GA
az ml online-deployment get-logs

Obtenga los registros de contenedor de una implementación en línea.

 Extensión GA
az ml online-deployment list

Enumeración de implementaciones.

 Extensión GA
az ml online-deployment show

Mostrar una implementación.

 Extensión GA
az ml online-deployment update

Actualizar una implementación.

 Extensión GA

az ml online-deployment create

Cree una implementación. Si la implementación ya existe, se producirá un error. Si desea actualizar la implementación existente, use az ml online-deployment update.

La SKU de proceso mínima recomendada es Standard_DS3_v2 para puntos de conexión de uso general. Obtenga más información sobre las SKU aquí: https://learn.microsoft.com/en-us/azure/machine-learning/reference-managed-online-endpoints-vm-sku-list.

az ml online-deployment create --file
                               --resource-group
                               --workspace-name
                               [--all-traffic]
                               [--endpoint-name]
                               [--local {false, true}]
                               [--local-enable-gpu {false, true}]
                               [--name]
                               [--no-wait]
                               [--package-model]
                               [--set]
                               [--skip-script-validation]
                               [--vscode-debug {false, true}]
                               [--web]

Ejemplos

Creación de una implementación a partir de un archivo de especificación de YAML

az ml online-deployment create --file deployment.yaml --resource-group my-resource-group --workspace-name my-workspace

Parámetros requeridos

--file -f

Ruta de acceso local al archivo YAML que contiene la especificación de implementación en línea de Azure ML. Los documentos de referencia de YAML para la implementación en línea se pueden encontrar en: https://aka.ms/ml-cli-v2-deployment-managed-online-yaml-reference, https://aka.ms/ml-cli-v2-deployment-kubernetes-online-yaml-reference.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros opcionales

--all-traffic

Establece el tráfico del punto de conexión del 100 % en esta implementación después de la creación correcta, no funciona con --no-wait.

Valor predeterminado: False
--endpoint-name -e

Nombre del punto de conexión en línea.

--local

Cree la implementación localmente mediante Docker. Solo se permite una implementación por punto de conexión. Nota: Si el punto de conexión especificado no existe, se creará.

Valores aceptados: false, true
Valor predeterminado: False
--local-enable-gpu

Habilite GPU para la implementación local.

Valores aceptados: false, true
Valor predeterminado: False
--name -n

Nombre de la implementación.

--no-wait

No espere hasta que finalice la operación de ejecución prolongada.

Valor predeterminado: False
--package-model

[ESTO ESTÁ EN VERSIÓN PRELIMINAR] Cree un entorno empaquetado a partir de yaml de implementación y use el entorno empaquetado para la implementación.

Valor predeterminado: False
--set

Actualice un objeto especificando una ruta de acceso de propiedad y un valor que se va a establecer. Ejemplo: --set property1.property2=.

--skip-script-validation

Permite al usuario omitir la validación del script de puntuación de implementación.

Valor predeterminado: False
--vscode-debug

Cree un punto de conexión local y adjunte el depurador de VSCode. Solo funciona con la marca --local.

Valores aceptados: false, true
Valor predeterminado: False
--web

Muestre los detalles de la implementación en Azure ML Studio en un explorador web.

Valor predeterminado: False
Parámetros globales
--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

Valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc
Valor predeterminado: json
--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml online-deployment delete

Elimina una implementación.

az ml online-deployment delete --endpoint-name
                               --name
                               --resource-group
                               --workspace-name
                               [--local {false, true}]
                               [--no-wait]
                               [--yes]

Ejemplos

Eliminación de una implementación con confirmación

az ml online-deployment delete --name my-deployment --endpoint-name my-endpoint --yes --resource-group my-resource-group --workspace-name my-workspace

Parámetros requeridos

--endpoint-name -e

Nombre del punto de conexión en línea.

--name -n

Nombre de la implementación.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros opcionales

--local

Elimine la implementación local del entorno de Docker.

Valores aceptados: false, true
Valor predeterminado: False
--no-wait

No espere hasta que finalice la operación de ejecución prolongada.

Valor predeterminado: False
--yes -y

No solicita confirmación.

Valor predeterminado: False
Parámetros globales
--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

Valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc
Valor predeterminado: json
--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml online-deployment get-logs

Obtenga los registros de contenedor de una implementación en línea.

az ml online-deployment get-logs --endpoint-name
                                 --name
                                 --resource-group
                                 --workspace-name
                                 [--container]
                                 [--lines]
                                 [--local {false, true}]

Ejemplos

Obtención de los registros de contenedor para una implementación en línea

az ml online-deployment get-logs --name my-deployment --endpoint-name my-endpoint --lines 100 --resource-group my-resource-group --workspace-name my-workspace

Parámetros requeridos

--endpoint-name -e

Nombre del punto de conexión en línea.

--name -n

Nombre de la implementación.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros opcionales

--container -c

Tipo de contenedor desde el que se van a recuperar los registros. Valores permitidos: inference-server, inicializador de almacenamiento.

--lines -l

Número máximo de líneas a cola.

Valor predeterminado: 5000
--local

Obtenga registros de la implementación local en el entorno de Docker.

Valores aceptados: false, true
Valor predeterminado: False
Parámetros globales
--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

Valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc
Valor predeterminado: json
--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml online-deployment list

Enumeración de implementaciones.

az ml online-deployment list --endpoint-name
                             --resource-group
                             --workspace-name
                             [--local {false, true}]

Ejemplos

Enumeración de la implementación en un punto de conexión

az ml online-deployment list --endpoint-name my-endpoint --resource-group my-resource-group --workspace-name my-workspace

Parámetros requeridos

--endpoint-name -e

Nombre del punto de conexión.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros opcionales

--local

Enumere la implementación local en este punto de conexión local.

Valores aceptados: false, true
Valor predeterminado: False
Parámetros globales
--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

Valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc
Valor predeterminado: json
--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml online-deployment show

Mostrar una implementación.

az ml online-deployment show --endpoint-name
                             --name
                             --resource-group
                             --workspace-name
                             [--local {false, true}]
                             [--web]

Ejemplos

Mostrar una implementación

az ml online-deployment show --name my-deployment --endpoint-name my-endpoint --resource-group my-resource-group --workspace-name my-workspace

Parámetros requeridos

--endpoint-name -e

Nombre del punto de conexión en línea.

--name -n

Nombre de la implementación.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros opcionales

--local

Mostrar la implementación local desde el entorno de Docker.

Valores aceptados: false, true
Valor predeterminado: False
--web

Muestre los detalles de la implementación en Azure ML Studio en un explorador web.

Valor predeterminado: False
Parámetros globales
--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

Valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc
Valor predeterminado: json
--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml online-deployment update

Actualizar una implementación.

az ml online-deployment update --resource-group
                               --workspace-name
                               [--add]
                               [--endpoint-name]
                               [--file]
                               [--force-string]
                               [--local {false, true}]
                               [--local-enable-gpu {false, true}]
                               [--name]
                               [--no-wait]
                               [--remove]
                               [--set]
                               [--skip-script-validation]
                               [--vscode-debug {false, true}]
                               [--web]

Ejemplos

Actualización de una implementación desde un archivo de especificación de YAML

az ml online-deployment update --file deployment.yaml --resource-group my-resource-group --workspace-name my-workspace

Parámetros requeridos

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros opcionales

--add

Agregue un objeto a una lista de objetos especificando una ruta de acceso y pares clave-valor. Ejemplo: --add property.listProperty <key=value, string or JSON string>.

Valor predeterminado: []
--endpoint-name -e

Nombre del punto de conexión en línea.

--file -f

Ruta de acceso local al archivo YAML que contiene la especificación de implementación en línea de Azure ML. Los documentos de referencia de YAML para la implementación en línea se pueden encontrar en: https://aka.ms/ml-cli-v2-deployment-managed-online-yaml-reference, https://aka.ms/ml-cli-v2-deployment-kubernetes-online-yaml-reference.

--force-string

Al usar 'set' o 'add', conserve los literales de cadena en lugar de intentar convertir en JSON.

Valor predeterminado: False
--local

Actualice la implementación local en el entorno de Docker.

Valores aceptados: false, true
Valor predeterminado: False
--local-enable-gpu

Habilite GPU para la implementación local.

Valores aceptados: false, true
Valor predeterminado: False
--name -n

Nombre de la implementación.

--no-wait

No espere hasta que finalice la operación de ejecución prolongada.

Valor predeterminado: False
--remove

Quite una propiedad o un elemento de una lista. Ejemplo: --remove property.list <indexToRemove> O --remove propertyToRemove.

Valor predeterminado: []
--set

Actualice un objeto especificando una ruta de acceso de propiedad y un valor que se va a establecer. Ejemplo: --set property1.property2=<value>.

Valor predeterminado: []
--skip-script-validation

Permite al usuario omitir la validación del script de puntuación de implementación.

Valor predeterminado: False
--vscode-debug

Actualice el punto de conexión local y vuelva a adjuntar el depurador de VSCode. Solo funciona con la marca --local.

Valores aceptados: false, true
Valor predeterminado: False
--web

Muestre los detalles de la implementación en Azure ML Studio en un explorador web.

Valor predeterminado: False
Parámetros globales
--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

Valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc
Valor predeterminado: json
--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.