BatchDeploymentOperations Clase

BatchDeploymentOperations.

No debe crear una instancia de esta clase directamente. En su lugar, debe crear una instancia de MLClient que le cree instancias y la adjunte como un atributo.

Herencia

azure.ai.ml._scope_dependent_operations._ScopeDependentOperations

BatchDeploymentOperations

Constructor

BatchDeploymentOperations(operation_scope: OperationScope, operation_config: OperationConfig, service_client_05_2022: AzureMachineLearningWorkspaces, all_operations: OperationsContainer, credentials: TokenCredential | None = None, **kwargs: Dict)

Parámetros

operation_scope

<xref:azure.ai.ml._scope_dependent_operations.OperationScope>

Requerido

Variables de ámbito para las clases de operaciones de un objeto MLClient.

operation_config

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

Requerido

Configuración común para las clases de operaciones de un objeto MLClient.

service_client_05_2022

<xref:<xref:azure.ai.ml._restclient.v2022_05_01._azure_machine_learning_workspaces. AzureMachineLearningWorkspaces>>

Requerido

Cliente de servicio para permitir que los usuarios finales funcionen en los recursos del área de trabajo de Azure Machine Learning.

all_operations

<xref:azure.ai.ml._scope_dependent_operations.OperationsContainer>

Requerido

Todas las clases de operaciones de un objeto MLClient.

credentials

TokenCredential

valor predeterminado: None

Credencial que se va a usar para la autenticación.

Métodos

begin_create_or_update	Cree o actualice una implementación por lotes.
begin_delete	Elimina una implementación por lotes.
get	Obtener un recurso de implementación.
list	Enumerar un recurso de implementación.
list_jobs	Enumere los trabajos en la implementación del punto de conexión por lotes proporcionada. Esto solo es válido para el punto de conexión por lotes.

begin_create_or_update

Cree o actualice una implementación por lotes.

begin_create_or_update(deployment: DeploymentType, *, skip_script_validation: bool = False, **kwargs) -> LROPoller[DeploymentType]

Parámetros

deployment

BatchDeployment

Requerido

La entidad de implementación.

Devoluciones

Un sondeo para realizar un seguimiento del estado de la operación.

Tipo de valor devuelto

LROPoller[BatchDeployment]

Excepciones

ValidationException

Se genera si BatchDeployment no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

AssetException

Se genera si los recursos de BatchDeployment (por ejemplo, datos, código, modelo, entorno) no se pueden validar correctamente. Los detalles se proporcionarán en el mensaje de error.

ModelException

Se genera si el modelo batchDeployment no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

Ejemplos

Cree un ejemplo.

   from azure.ai.ml import load_batch_deployment
   from azure.ai.ml.entities import BatchDeployment

   deployment_example = load_batch_deployment(
       source="./sdk/ml/azure-ai-ml/tests/test_configs/deployments/batch/batch_deployment_anon_env_with_image.yaml",
       params_override=[{"name": f"deployment-{randint(0, 1000)}", "endpoint_name": endpoint_example.name}],
   )

   ml_client.batch_deployments.begin_create_or_update(deployment=deployment_example, skip_script_validation=True)

begin_delete

Elimina una implementación por lotes.

begin_delete(name: str, endpoint_name: str) -> LROPoller[None]

Parámetros

name

str

Requerido

Nombre de la implementación por lotes.

endpoint_name

str

Requerido

Nombre del punto de conexión por lotes

Devoluciones

Un sondeo para realizar un seguimiento del estado de la operación.

Tipo de valor devuelto

LROPoller[None]

Excepciones

ValidationException

Se genera si BatchDeployment no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

AssetException

Se genera si los recursos de BatchDeployment (por ejemplo, datos, código, modelo, entorno) no se pueden validar correctamente. Los detalles se proporcionarán en el mensaje de error.

ModelException

Se genera si el modelo batchDeployment no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

Ejemplos

Ejemplo de eliminación.

   ml_client.batch_deployments.begin_delete(deployment_name, endpoint_name)

get

Obtener un recurso de implementación.

get(name: str, endpoint_name: str) -> BatchDeployment

Parámetros

name

str

Requerido

Nombre de la implementación

endpoint_name

str

Requerido

Nombre del punto de conexión

Devoluciones

Una entidad de implementación

Tipo de valor devuelto

BatchDeployment

Excepciones

ValidationException

Se genera si BatchDeployment no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

AssetException

Se genera si los recursos de BatchDeployment (por ejemplo, datos, código, modelo, entorno) no se pueden validar correctamente. Los detalles se proporcionarán en el mensaje de error.

ModelException

Se genera si el modelo batchDeployment no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

Ejemplos

Obtenga un ejemplo.

   ml_client.batch_deployments.get(deployment_name, endpoint_name)

list

Enumerar un recurso de implementación.

list(endpoint_name: str) -> ItemPaged[BatchDeployment]

Parámetros

endpoint_name

str

Requerido

Nombre del punto de conexión

Devoluciones

Iterador de entidades de implementación

Tipo de valor devuelto

ItemPaged[BatchDeployment]

Excepciones

ValidationException

Se genera si BatchDeployment no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

AssetException

Se genera si los recursos de BatchDeployment (por ejemplo, datos, código, modelo, entorno) no se pueden validar correctamente. Los detalles se proporcionarán en el mensaje de error.

ModelException

Se genera si el modelo batchDeployment no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

Ejemplos

Ejemplo de recurso de implementación de lista.

   ml_client.batch_deployments.list(endpoint_name)

list_jobs

Enumere los trabajos en la implementación del punto de conexión por lotes proporcionada. Esto solo es válido para el punto de conexión por lotes.

list_jobs(endpoint_name: str, *, name: str | None = None) -> ItemPaged[BatchJob]

Parámetros

endpoint_name

str

Requerido

Nombre del punto de conexión.

name

str

(Opcional) Nombre de la implementación.

Devoluciones

Lista de trabajos

Tipo de valor devuelto

ItemPaged[BatchJob]

Excepciones

ValidationException

Se genera si BatchDeployment no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

AssetException

Se genera si los recursos de BatchDeployment (por ejemplo, datos, código, modelo, entorno) no se pueden validar correctamente. Los detalles se proporcionarán en el mensaje de error.

ModelException

Se genera si el modelo batchDeployment no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

Ejemplos

Ejemplo de enumeración de trabajos.

   ml_client.batch_deployments.list_jobs(deployment_name, endpoint_name)