az ml online-endpoint

Notitie

Deze verwijzing maakt deel uit van de ml-extensie voor de Azure CLI (versie 2.15.0 of hoger). De extensie installeert automatisch de eerste keer dat u een az ml online-endpoint-opdracht uitvoert. Meer informatie over extensies.

Azure ML online-eindpunten beheren.

Azure ML-eindpunten bieden een eenvoudige interface voor het maken en beheren van modelimplementaties. Elk eindpunt kan een of meer implementaties hebben, waardoor het verkeer van één score-eindpunt naar meerdere implementaties kan worden verzonden, indien nodig. Dit is handig voor scenario's zoals gecontroleerde implementatie.

Azure ML ondersteunt twee typen eindpunten: online en batch. Online-eindpunten ondersteunen realtime deductie, terwijl batcheindpunten worden gebruikt voor het scoren van offline batches.

Opdracht

Name	Description	Type	Status
az ml online-endpoint create	Maak een eindpunt.	Toestel	GA
az ml online-endpoint delete	Een eindpunt verwijderen.	Toestel	GA
az ml online-endpoint get-credentials	Vermeld het token/de sleutels voor een online-eindpunt.	Toestel	GA
az ml online-endpoint invoke	Een eindpunt aanroepen.	Toestel	GA
az ml online-endpoint list	Lijst met eindpunten in een werkruimte.	Toestel	GA
az ml online-endpoint regenerate-keys	Genereer de sleutels voor een online-eindpunt opnieuw.	Toestel	GA
az ml online-endpoint show	Details voor een eindpunt weergeven.	Toestel	GA
az ml online-endpoint update	Een eindpunt bijwerken.	Toestel	GA

az ml online-endpoint create

Maak een eindpunt.

Als u een eindpunt wilt maken, geeft u een YAML-bestand op met een online-eindpuntconfiguratie. Als het eindpunt al bestaat, mislukt het. Als u een bestaand eindpunt wilt bijwerken, gebruikt u az ml online-endpoint update.

az ml online-endpoint create --resource-group
                             --workspace-name
                             [--auth-mode]
                             [--file]
                             [--local {false, true}]
                             [--name]
                             [--no-wait]
                             [--set]
                             [--web]

Voorbeelden

Een eindpunt maken op basis van een YAML-specificatiebestand

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

Vereiste parameters

--resource-group -g

De naam van de resourcegroep. U kunt de standaardgroep configureren met behulp van az configure --defaults group=<name>.

--workspace-name -w

Naam van de Azure ML-werkruimte. U kunt de standaardwerkruimte configureren met behulp van az configure --defaults workspace=<name>.

Optionele parameters

--auth-mode

Verificatiemethode voor het eindpunt. Toegestane waarden: sleutel, aml_token. Standaard: sleutel.

--file -f

Lokaal pad naar het YAML-bestand met de azure ML online-eindpuntspecificatie. De YAML-referentiedocumenten voor online-eindpunt vindt u op: https://aka.ms/ml-cli-v2-endpoint-online-yaml-reference.

--local

Lokaal eindpunt maken. Opmerking: verkeer en verificatie worden niet lokaal ondersteund. U kunt 'az ml online-deployment create --local' rechtstreeks gebruiken. Er wordt een eindpunt gemaakt als er geen eindpunt bestaat.

geaccepteerde waarden: false, true

standaardwaarde: False

--name -n

Naam van het online-eindpunt.

--no-wait

Wacht niet tot de langdurige bewerking is voltooid. De standaardwaarde is Onwaar.

standaardwaarde: False

--set

Werk een object bij door een eigenschapspad en waarde op te geven die u wilt instellen. Voorbeeld: --set property1.property2=.

--web -e

De details van het eindpunt weergeven in Azure ML Studio in een webbrowser.

standaardwaarde: False

Globale parameters

--debug

Vergroot de uitgebreidheid van logboekregistratie om alle logboeken voor foutopsporing weer te geven.

--help -h

Dit Help-bericht weergeven en afsluiten.

--only-show-errors

Alleen fouten weergeven, waarschuwingen onderdrukken.

--output -o

Uitvoerindeling.

geaccepteerde waarden: json, jsonc, none, table, tsv, yaml, yamlc

standaardwaarde: json

--query

JMESPath-queryreeks. Zie http://jmespath.org/ voor meer informatie en voorbeelden.

--subscription

Naam of id van het abonnement. U kunt het standaardabonnement configureren met behulp van az account set -s NAME_OR_ID.

--verbose

Vergroot de uitgebreidheid van logboekregistratie. Gebruik --debug voor volledige foutopsporingslogboeken.

az ml online-endpoint delete

Een eindpunt verwijderen.

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

Voorbeelden

Een online-eindpunt verwijderen, inclusief alle bijbehorende implementaties

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

Vereiste parameters

--name -n

Naam van het online-eindpunt.

--resource-group -g

De naam van de resourcegroep. U kunt de standaardgroep configureren met behulp van az configure --defaults group=<name>.

--workspace-name -w

Naam van de Azure ML-werkruimte. U kunt de standaardwerkruimte configureren met behulp van az configure --defaults workspace=<name>.

Optionele parameters

--local

Lokaal eindpunt verwijderen.

geaccepteerde waarden: false, true

standaardwaarde: False

--no-wait

Wacht niet tot de langdurige bewerking is voltooid. De standaardwaarde is Onwaar.

standaardwaarde: False

--yes -y

Niet vragen om bevestiging.

standaardwaarde: False

Globale parameters

--debug

Vergroot de uitgebreidheid van logboekregistratie om alle logboeken voor foutopsporing weer te geven.

--help -h

Dit Help-bericht weergeven en afsluiten.

--only-show-errors

Alleen fouten weergeven, waarschuwingen onderdrukken.

--output -o

Uitvoerindeling.

geaccepteerde waarden: json, jsonc, none, table, tsv, yaml, yamlc

standaardwaarde: json

--query

JMESPath-queryreeks. Zie http://jmespath.org/ voor meer informatie en voorbeelden.

--subscription

Naam of id van het abonnement. U kunt het standaardabonnement configureren met behulp van az account set -s NAME_OR_ID.

--verbose

Vergroot de uitgebreidheid van logboekregistratie. Gebruik --debug voor volledige foutopsporingslogboeken.

az ml online-endpoint get-credentials

Vermeld het token/de sleutels voor een online-eindpunt.

az ml online-endpoint get-credentials --name
                                      --resource-group
                                      --workspace-name

Voorbeelden

De sleutels voor een online-eindpunt weergeven

az ml online-endpoint get-credentials --name my-online-endpoint --resource-group my-resource-group --workspace-name my-workspace

Vereiste parameters

--name -n

Naam van het online-eindpunt.

--resource-group -g

De naam van de resourcegroep. U kunt de standaardgroep configureren met behulp van az configure --defaults group=<name>.

--workspace-name -w

Naam van de Azure ML-werkruimte. U kunt de standaardwerkruimte configureren met behulp van az configure --defaults workspace=<name>.

Globale parameters

--debug

Vergroot de uitgebreidheid van logboekregistratie om alle logboeken voor foutopsporing weer te geven.

--help -h

Dit Help-bericht weergeven en afsluiten.

--only-show-errors

Alleen fouten weergeven, waarschuwingen onderdrukken.

--output -o

Uitvoerindeling.

geaccepteerde waarden: json, jsonc, none, table, tsv, yaml, yamlc

standaardwaarde: json

--query

JMESPath-queryreeks. Zie http://jmespath.org/ voor meer informatie en voorbeelden.

--subscription

Naam of id van het abonnement. U kunt het standaardabonnement configureren met behulp van az account set -s NAME_OR_ID.

--verbose

Vergroot de uitgebreidheid van logboekregistratie. Gebruik --debug voor volledige foutopsporingslogboeken.

az ml online-endpoint invoke

Een eindpunt aanroepen.

U kunt een online-eindpunt aanroepen met enkele aanvraaggegevens. Dit is realtime deductie en de scoreresultaten worden onmiddellijk geretourneerd.

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

Voorbeelden

Een online-eindpunt aanroepen met enkele aanvraaggegevens

az ml online-endpoint invoke --name my-online-endpoint --request-file sample_request.json --resource-group my-resource-group --workspace-name my-workspace

Een online-eindpunt aanroepen, gericht op een specifieke implementatie

az ml online-endpoint invoke --name my-online-endpoint --deployment my-deployment --request-file sample_request.json --resource-group my-resource-group --workspace-name my-workspace

Vereiste parameters

--name -n

Naam van het online-eindpunt.

--resource-group -g

De naam van de resourcegroep. U kunt de standaardgroep configureren met behulp van az configure --defaults group=<name>.

--workspace-name -w

Naam van de Azure ML-werkruimte. U kunt de standaardwerkruimte configureren met behulp van az configure --defaults workspace=<name>.

Optionele parameters

--deployment-name -d

De naam van de implementatie die moet worden gericht.

--local

Lokaal eindpunt aanroepen. Dit werkt alleen als er een lokale implementatie is gemaakt voor dit eindpunt.

geaccepteerde waarden: false, true

standaardwaarde: False

--request-file -r

Lokaal pad naar het JSON-bestand met de aanvraaggegevens.

Globale parameters

--debug

Vergroot de uitgebreidheid van logboekregistratie om alle logboeken voor foutopsporing weer te geven.

--help -h

Dit Help-bericht weergeven en afsluiten.

--only-show-errors

Alleen fouten weergeven, waarschuwingen onderdrukken.

--output -o

Uitvoerindeling.

geaccepteerde waarden: json, jsonc, none, table, tsv, yaml, yamlc

standaardwaarde: json

--query

JMESPath-queryreeks. Zie http://jmespath.org/ voor meer informatie en voorbeelden.

--subscription

Naam of id van het abonnement. U kunt het standaardabonnement configureren met behulp van az account set -s NAME_OR_ID.

--verbose

Vergroot de uitgebreidheid van logboekregistratie. Gebruik --debug voor volledige foutopsporingslogboeken.

az ml online-endpoint list

Lijst met eindpunten in een werkruimte.

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

Voorbeelden

Alle online-eindpunten in een werkruimte weergeven

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

Alle batch-eindpunten in een werkruimte weergeven

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

Vermeld alle online-eindpunten in een werkruimte met behulp van het argument --query om een JMESPath-query uit te voeren op de resultaten van opdrachten.

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

Vereiste parameters

--resource-group -g

De naam van de resourcegroep. U kunt de standaardgroep configureren met behulp van az configure --defaults group=<name>.

--workspace-name -w

Naam van de Azure ML-werkruimte. U kunt de standaardwerkruimte configureren met behulp van az configure --defaults workspace=<name>.

Optionele parameters

--local

Geef alle lokale eindpunten weer.

geaccepteerde waarden: false, true

standaardwaarde: False

Globale parameters

--debug

Vergroot de uitgebreidheid van logboekregistratie om alle logboeken voor foutopsporing weer te geven.

--help -h

Dit Help-bericht weergeven en afsluiten.

--only-show-errors

Alleen fouten weergeven, waarschuwingen onderdrukken.

--output -o

Uitvoerindeling.

geaccepteerde waarden: json, jsonc, none, table, tsv, yaml, yamlc

standaardwaarde: json

--query

JMESPath-queryreeks. Zie http://jmespath.org/ voor meer informatie en voorbeelden.

--subscription

Naam of id van het abonnement. U kunt het standaardabonnement configureren met behulp van az account set -s NAME_OR_ID.

--verbose

Vergroot de uitgebreidheid van logboekregistratie. Gebruik --debug voor volledige foutopsporingslogboeken.

az ml online-endpoint regenerate-keys

Genereer de sleutels voor een online-eindpunt opnieuw.

az ml online-endpoint regenerate-keys --name
                                      --resource-group
                                      --workspace-name
                                      [--key-type]
                                      [--no-wait]

Voorbeelden

De sleutels voor een online-eindpunt opnieuw genereren

az ml online-endpoint regenerate-keys --name my-online-endpoint --resource-group my-resource-group --workspace-name my-workspace

Vereiste parameters

--name -n

Naam van het online-eindpunt.

--resource-group -g

De naam van de resourcegroep. U kunt de standaardgroep configureren met behulp van az configure --defaults group=<name>.

--workspace-name -w

Naam van de Azure ML-werkruimte. U kunt de standaardwerkruimte configureren met behulp van az configure --defaults workspace=<name>.

Optionele parameters

--key-type

Het type sleutel dat opnieuw moet worden gegenereerd. Toegestane waarden: primair, secundair.

standaardwaarde: primary

--no-wait

Wacht niet tot de langdurige bewerking is voltooid. De standaardwaarde is Onwaar.

standaardwaarde: False

Globale parameters

--debug

Vergroot de uitgebreidheid van logboekregistratie om alle logboeken voor foutopsporing weer te geven.

--help -h

Dit Help-bericht weergeven en afsluiten.

--only-show-errors

Alleen fouten weergeven, waarschuwingen onderdrukken.

--output -o

Uitvoerindeling.

geaccepteerde waarden: json, jsonc, none, table, tsv, yaml, yamlc

standaardwaarde: json

--query

JMESPath-queryreeks. Zie http://jmespath.org/ voor meer informatie en voorbeelden.

--subscription

Naam of id van het abonnement. U kunt het standaardabonnement configureren met behulp van az account set -s NAME_OR_ID.

--verbose

Vergroot de uitgebreidheid van logboekregistratie. Gebruik --debug voor volledige foutopsporingslogboeken.

az ml online-endpoint show

Details voor een eindpunt weergeven.

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

Voorbeelden

De details voor een batch-eindpunt weergeven

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

Geef de inrichtingsstatus van een eindpunt weer met behulp van het argument --query om een JMESPath-query uit te voeren op de resultaten van opdrachten.

az ml online-endpoint show -n my-endpoint --query "{Name:name,State:provisioning_state}"  --output table --resource-group my-resource-group --workspace-name my-workspace

Vereiste parameters

--name -n

Naam van het online-eindpunt.

--resource-group -g

De naam van de resourcegroep. U kunt de standaardgroep configureren met behulp van az configure --defaults group=<name>.

--workspace-name -w

Naam van de Azure ML-werkruimte. U kunt de standaardwerkruimte configureren met behulp van az configure --defaults workspace=<name>.

Optionele parameters

--local

Lokaal eindpunt weergeven.

geaccepteerde waarden: false, true

standaardwaarde: False

--web -e

De details van het eindpunt weergeven in Azure ML Studio in een webbrowser.

standaardwaarde: False

Globale parameters

--debug

Vergroot de uitgebreidheid van logboekregistratie om alle logboeken voor foutopsporing weer te geven.

--help -h

Dit Help-bericht weergeven en afsluiten.

--only-show-errors

Alleen fouten weergeven, waarschuwingen onderdrukken.

--output -o

Uitvoerindeling.

geaccepteerde waarden: json, jsonc, none, table, tsv, yaml, yamlc

standaardwaarde: json

--query

JMESPath-queryreeks. Zie http://jmespath.org/ voor meer informatie en voorbeelden.

--subscription

Naam of id van het abonnement. U kunt het standaardabonnement configureren met behulp van az account set -s NAME_OR_ID.

--verbose

Vergroot de uitgebreidheid van logboekregistratie. Gebruik --debug voor volledige foutopsporingslogboeken.

az ml online-endpoint update

Een eindpunt bijwerken.

De eigenschappen 'description', 'tags' en 'traffic' van een eindpunt kunnen worden bijgewerkt. Daarnaast kunnen nieuwe implementaties worden toegevoegd aan een eindpunt en kunnen bestaande implementaties worden bijgewerkt.

az ml online-endpoint update --resource-group
                             --workspace-name
                             [--add]
                             [--file]
                             [--force-string]
                             [--local {false, true}]
                             [--mirror-traffic]
                             [--name]
                             [--no-wait]
                             [--remove]
                             [--set]
                             [--traffic]
                             [--web]

Voorbeelden

Een eindpunt bijwerken vanuit een YAML-specificatiebestand

az ml online-endpoint update --file updated_endpoint.yml --resource-group my-resource-group --workspace-name my-workspace

De verkeersinstellingen voor een eindpunt bijwerken

az ml online-endpoint update --name my-online-endpoint  --traffic "my-new-deployment=100" --resource-group my-resource-group --workspace-name my-workspace

Vereiste parameters

--resource-group -g

De naam van de resourcegroep. U kunt de standaardgroep configureren met behulp van az configure --defaults group=<name>.

--workspace-name -w

Naam van de Azure ML-werkruimte. U kunt de standaardwerkruimte configureren met behulp van az configure --defaults workspace=<name>.

Optionele parameters

--add

Voeg een object toe aan een lijst met objecten door een pad- en sleutelwaardeparen op te geven. Voorbeeld: --add property.listProperty <key=value, string or JSON string>.

standaardwaarde: []

--file -f

Lokaal pad naar het YAML-bestand met de azure ML online-eindpuntspecificatie. De YAML-referentiedocumenten voor online-eindpunt vindt u op: https://aka.ms/ml-cli-v2-endpoint-online-yaml-reference.

--force-string

Wanneer u 'set' of 'toevoegen' gebruikt, behoudt u letterlijke tekenreeksen in plaats van te converteren naar JSON.

standaardwaarde: False

--local

Lokaal eindpunt bijwerken.

geaccepteerde waarden: false, true

standaardwaarde: False

--mirror-traffic

Stuurt een duplicaatpercentage van liveverkeer naar een implementatie trainen.

--name -n

Naam van het online-eindpunt.

--no-wait

Wacht niet tot de langdurige bewerking is voltooid. De standaardwaarde is Onwaar.

standaardwaarde: False

--remove

Een eigenschap of element uit een lijst verwijderen. Voorbeeld: --remove property.list <indexToRemove> OF --remove propertyToRemove.

standaardwaarde: []

--set

Werk een object bij door een eigenschapspad en waarde op te geven die u wilt instellen. Voorbeeld: --set property1.property2=<value>.

standaardwaarde: []

--traffic -r

Door spaties gescheiden sleutel-waardeparen, tussen aanhalingstekens, voor de verkeersinstellingen voor het eindpunt.

--web -e

De details van het eindpunt weergeven in Azure ML Studio in een webbrowser.

standaardwaarde: False

Globale parameters

--debug

Vergroot de uitgebreidheid van logboekregistratie om alle logboeken voor foutopsporing weer te geven.

--help -h

Dit Help-bericht weergeven en afsluiten.

--only-show-errors

Alleen fouten weergeven, waarschuwingen onderdrukken.

--output -o

Uitvoerindeling.

geaccepteerde waarden: json, jsonc, none, table, tsv, yaml, yamlc

standaardwaarde: json

--query

JMESPath-queryreeks. Zie http://jmespath.org/ voor meer informatie en voorbeelden.

--subscription

Naam of id van het abonnement. U kunt het standaardabonnement configureren met behulp van az account set -s NAME_OR_ID.

--verbose

Vergroot de uitgebreidheid van logboekregistratie. Gebruik --debug voor volledige foutopsporingslogboeken.