az ml model
Nota
Essa referência faz parte da extensão ml para a CLI do Azure (versão 2.15.0 ou superior). A extensão instalará automaticamente na primeira vez que você executar um comando az ml model. Saiba mais sobre extensões.
Gerenciar modelos do Azure ML.
Os modelos do Azure ML consistem nos arquivos binários que representam um modelo de machine learning e quaisquer metadados correspondentes. Esses modelos podem ser usados em implantações de ponto de extremidade para inferência em tempo real e em lote.
Comandos
Nome | Description | Tipo | Status |
---|---|---|---|
az ml model archive |
Arquive um modelo. |
Extensão | GA |
az ml model create |
Crie um modelo. |
Extensão | GA |
az ml model download |
Baixe todos os arquivos relacionados ao modelo. |
Extensão | GA |
az ml model list |
Listar modelos em um workspace/registro. Se você estiver usando um registro, substitua |
Extensão | GA |
az ml model package |
Empacotar um modelo em um ambiente. |
Extensão | Visualizar |
az ml model restore |
Restaurar um modelo arquivado. |
Extensão | GA |
az ml model share |
Compartilhe um modelo específico do workspace para o registro. |
Extensão | GA |
az ml model show |
Mostrar detalhes de um modelo em um workspace/registro. Se você estiver usando um registro, substitua |
Extensão | GA |
az ml model update |
Atualize um modelo em um workspace/registro. |
Extensão | GA |
az ml model archive
Arquive um modelo.
O arquivamento de um modelo o ocultará por padrão das consultas de lista (az ml model list
). Você ainda pode continuar a referenciar e usar um modelo arquivado em seus fluxos de trabalho. Você pode arquivar um contêiner de modelo ou uma versão de modelo específica. O arquivamento de um contêiner de modelo arquivará todas as versões do modelo com esse nome especificado. Você pode restaurar um modelo arquivado usando az ml model restore
. Se todo o contêiner do modelo for arquivado, você não poderá restaurar versões individuais do modelo. Você precisará restaurar o contêiner do modelo.
az ml model archive --name
[--label]
[--registry-name]
[--resource-group]
[--version]
[--workspace-name]
Exemplos
Arquivar um contêiner de modelo (arquiva todas as versões desse modelo)
az ml model archive --name my-model --resource-group my-resource-group --workspace-name my-workspace
Arquivar uma versão de modelo específica
az ml model archive --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace
Parâmetros Exigidos
Nome do modelo.
Parâmetros Opcionais
Rótulo do modelo.
Se fornecido, o comando terá como destino o registro em vez de um workspace. Portanto, o grupo de recursos e o workspace não serão necessários.
Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>
.
Versão do modelo.
Nome do workspace do Azure ML. Você pode configurar o workspace padrão usando az configure --defaults workspace=<name>
.
Parâmetros Globais
Aumente a verbosidade de log para mostrar todos os logs de depuração.
Mostre esta mensagem de ajuda e saia.
Apenas mostrar erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID
.
Aumentar a verbosidade do registro em log. Use --debug para logs de depuração completos.
az ml model create
Crie um modelo.
Os modelos podem ser criados a partir de um arquivo local, diretório local, armazenamento de dados ou saídas de trabalho. O modelo criado será acompanhado no workspace/registro sob o nome e a versão especificados. Se você estiver usando um registro, substitua --workspace-name my-workspace
pela opção --registry-name <registry-name>
.
az ml model create [--datastore]
[--description]
[--file]
[--name]
[--no-wait]
[--path]
[--registry-name]
[--resource-group]
[--set]
[--stage]
[--tags]
[--type]
[--version]
[--workspace-name]
Exemplos
Criar um modelo com base em um arquivo de especificação YAML
az ml model create --file model.yml --resource-group my-resource-group --workspace-name my-workspace
Criar um modelo de uma pasta local usando opções de comando
az ml model create --name my-model --version 1 --path ./my-model --resource-group my-resource-group --workspace-name my-workspace
Criar um modelo usando o formato de URI de execução do mlflow 'runs:/<run-id>/<path-to-model-relative-to-the-root-of-the-artifact-location>' e opções de comando
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
Crie um modelo a partir de uma saída de trabalho nomeada usando o formato de URI do trabalho azureml 'azureml://jobs/<job-name>/outputs/<named-output>/paths/<path-to-model-relative-to-the-named-output-location>' e opções de comando. A saída nomeada padrão é artefatos
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
Criar um modelo de um armazenamento de dados 'azureml://datastores/<datastore-name>/paths/<path-to-model-relative-to-the-root-of-the-datastore-location>' usando opções de comando
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
Parâmetros Opcionais
O armazenamento de dados para o qual carregar o artefato local.
Descrição do modelo.
Caminho local para o arquivo YAML que contém a especificação do modelo do Azure ML. Os documentos de referência yaml para o modelo podem ser encontrados em: https://aka.ms/ml-cli-v2-model-yaml-reference.
Nome do modelo.
Não aguarde a conclusão da operação de execução prolongada.
Caminho para os arquivos de modelo. Pode ser um local ou um local remoto. Se especificado, --name/-n e --version/-v também devem ser fornecidos.
Se fornecido, o comando terá como destino o registro em vez de um workspace. Portanto, o grupo de recursos e o workspace não serão necessários.
Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>
.
Atualize um objeto especificando um caminho de propriedade e um valor a ser definido. Exemplo: --set property1.property2=value.
Estágio do modelo.
Pares chave-valor separados por espaço para as marcas do objeto.
Tipo do modelo, os valores permitidos são custom_model, mlflow_model e triton_model. O tipo padrão é custom_model.
Versão do modelo.
Nome do workspace do Azure ML. Você pode configurar o workspace padrão usando az configure --defaults workspace=<name>
.
Parâmetros Globais
Aumente a verbosidade de log para mostrar todos os logs de depuração.
Mostre esta mensagem de ajuda e saia.
Apenas mostrar erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID
.
Aumentar a verbosidade do registro em log. Use --debug para logs de depuração completos.
az ml model download
Baixe todos os arquivos relacionados ao modelo.
Os arquivos serão baixados em uma pasta com o nome do modelo. Se você estiver usando um registro, substitua --workspace-name my-workspace
pela opção --registry-name <registry-name>
.
az ml model download --name
--version
[--download-path]
[--registry-name]
[--resource-group]
[--workspace-name]
Exemplos
Baixar um modelo com o nome e a versão especificados
az ml model download --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace
Baixar um modelo com o nome e a versão especificados em um caminho local especificado
az ml model download --name my-model --version 1 --download-path local_path --resource-group my-resource-group --workspace-name my-workspace
Parâmetros Exigidos
Nome do modelo.
Versão do modelo.
Parâmetros Opcionais
Caminho para baixar os arquivos de modelo, padrão para o diretório de trabalho atual.
Se fornecido, o comando terá como destino o registro em vez de um workspace. Portanto, o grupo de recursos e o workspace não serão necessários.
Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>
.
Nome do workspace do Azure ML. Você pode configurar o workspace padrão usando az configure --defaults workspace=<name>
.
Parâmetros Globais
Aumente a verbosidade de log para mostrar todos os logs de depuração.
Mostre esta mensagem de ajuda e saia.
Apenas mostrar erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID
.
Aumentar a verbosidade do registro em log. Use --debug para logs de depuração completos.
az ml model list
Listar modelos em um workspace/registro. Se você estiver usando um registro, substitua --workspace-name my-workspace
pela opção --registry-name <registry-name>
.
az ml model list [--archived-only]
[--include-archived]
[--max-results]
[--name]
[--registry-name]
[--resource-group]
[--stage]
[--workspace-name]
Exemplos
Listar todos os modelos em um workspace
az ml model list --resource-group my-resource-group --workspace-name my-workspace
Listar todas as versões do modelo para o nome especificado em um workspace
az ml model list --name my-model --resource-group my-resource-group --workspace-name my-workspace
Liste todos os modelos em um workspace usando o argumento --query para executar uma consulta JMESPath nos resultados dos comandos.
az ml model list --query "[].{Name:name}" --output table --resource-group my-resource-group --workspace-name my-workspace
Parâmetros Opcionais
Listar somente modelos arquivados.
Listar modelos arquivados e modelos ativos.
Número máximo de resultados a serem retornados.
Nome do modelo. Se fornecido, todas as versões do modelo com esse nome serão retornadas.
Se fornecido, o comando terá como destino o registro em vez de um workspace. Portanto, o grupo de recursos e o workspace não serão necessários.
Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>
.
Estágio do modelo.
Nome do workspace do Azure ML. Você pode configurar o workspace padrão usando az configure --defaults workspace=<name>
.
Parâmetros Globais
Aumente a verbosidade de log para mostrar todos os logs de depuração.
Mostre esta mensagem de ajuda e saia.
Apenas mostrar erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID
.
Aumentar a verbosidade do registro em log. Use --debug para logs de depuração completos.
az ml model package
Esse comando está em versão prévia e em desenvolvimento. Níveis de referência e suporte: https://aka.ms/CLI_refstatus
Empacotar um modelo em um ambiente.
Quando um modelo é empacotado, um ambiente com todas as dependências é criado.
az ml model package --file
--name
--version
[--registry-name]
[--resource-group]
[--workspace-name]
Exemplos
Empacotar um modelo com o nome e a versão especificados
az ml model package --name my-model --version my-version --resource-group my-resource-group --workspace-name my-workspace --file my-package.yml
Parâmetros Exigidos
Caminho local para o arquivo YAML que contém a definição do pacote de modelo.
Nome do modelo.
Versão do modelo.
Parâmetros Opcionais
Se fornecido, o comando terá como destino o registro em vez de um workspace. Portanto, o grupo de recursos e o workspace não serão necessários.
Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>
.
Nome do workspace do Azure ML. Você pode configurar o workspace padrão usando az configure --defaults workspace=<name>
.
Parâmetros Globais
Aumente a verbosidade de log para mostrar todos os logs de depuração.
Mostre esta mensagem de ajuda e saia.
Apenas mostrar erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID
.
Aumentar a verbosidade do registro em log. Use --debug para logs de depuração completos.
az ml model restore
Restaurar um modelo arquivado.
Quando um modelo arquivado é restaurado, ele não será mais oculto das consultas de lista (az ml model list
). Se um contêiner de modelo inteiro for arquivado, você poderá restaurar esse contêiner arquivado. Isso restaurará todas as versões do modelo com esse nome especificado. Não é possível restaurar apenas uma versão de modelo específica se todo o contêiner do modelo for arquivado. Você precisará restaurar todo o contêiner. Se apenas uma versão de modelo individual tiver sido arquivada, você poderá restaurar essa versão específica.
az ml model restore --name
[--label]
[--registry-name]
[--resource-group]
[--version]
[--workspace-name]
Exemplos
Restaurar um contêiner de modelo arquivado (restaura todas as versões desse modelo)
az ml model restore --name my-model --resource-group my-resource-group --workspace-name my-workspace
Restaurar uma versão específica do modelo arquivado
az ml model restore --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace
Parâmetros Exigidos
Nome do modelo.
Parâmetros Opcionais
Rótulo do modelo.
Se fornecido, o comando terá como destino o registro em vez de um workspace. Portanto, o grupo de recursos e o workspace não serão necessários.
Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>
.
Versão do modelo.
Nome do workspace do Azure ML. Você pode configurar o workspace padrão usando az configure --defaults workspace=<name>
.
Parâmetros Globais
Aumente a verbosidade de log para mostrar todos os logs de depuração.
Mostre esta mensagem de ajuda e saia.
Apenas mostrar erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID
.
Aumentar a verbosidade do registro em log. Use --debug para logs de depuração completos.
az ml model share
Compartilhe um modelo específico do workspace para o registro.
Copie um modelo existente de um workspace para um registro para reutilização entre workspaces.
az ml model share --name
--registry-name
--share-with-name
--share-with-version
--version
[--resource-group]
[--workspace-name]
Exemplos
Compartilhar um ambiente existente do workspace para o registro
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
Parâmetros Exigidos
Nome do modelo.
Registro de destino.
Nome do modelo com o qual será criado.
Versão do modelo com o qual será criado.
Versão do modelo.
Parâmetros Opcionais
Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>
.
Nome do workspace do Azure ML. Você pode configurar o workspace padrão usando az configure --defaults workspace=<name>
.
Parâmetros Globais
Aumente a verbosidade de log para mostrar todos os logs de depuração.
Mostre esta mensagem de ajuda e saia.
Apenas mostrar erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID
.
Aumentar a verbosidade do registro em log. Use --debug para logs de depuração completos.
az ml model show
Mostrar detalhes de um modelo em um workspace/registro. Se você estiver usando um registro, substitua --workspace-name my-workspace
pela opção --registry-name <registry-name>
.
az ml model show --name
[--label]
[--registry-name]
[--resource-group]
[--version]
[--workspace-name]
Exemplos
Mostrar detalhes de um modelo com o nome e a versão especificados
az ml model show --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace
Parâmetros Exigidos
Nome do modelo.
Parâmetros Opcionais
Rótulo do modelo.
Se fornecido, o comando terá como destino o registro em vez de um workspace. Portanto, o grupo de recursos e o workspace não serão necessários.
Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>
.
Versão do modelo.
Nome do workspace do Azure ML. Você pode configurar o workspace padrão usando az configure --defaults workspace=<name>
.
Parâmetros Globais
Aumente a verbosidade de log para mostrar todos os logs de depuração.
Mostre esta mensagem de ajuda e saia.
Apenas mostrar erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID
.
Aumentar a verbosidade do registro em log. Use --debug para logs de depuração completos.
az ml model update
Atualize um modelo em um workspace/registro.
As propriedades 'description' e 'tags' podem ser atualizadas. Se você estiver usando um registro, substitua --workspace-name my-workspace
pela opção --registry-name <registry-name>
.
az ml model update --name
--resource-group
[--add]
[--force-string]
[--label]
[--registry-name]
[--remove]
[--set]
[--stage]
[--version]
[--workspace-name]
Exemplos
Atualizar os sabores de um modelo
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
Parâmetros Exigidos
Nome do modelo.
Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>
.
Parâmetros Opcionais
Adicione um objeto a uma lista de objetos especificando um caminho e pares de valor de chave. Exemplo: --add property.listProperty <key=value, string or JSON string>
.
Ao usar 'set' ou 'add', preserve literais de cadeia de caracteres em vez de tentar converter em JSON.
Rótulo do modelo.
Se fornecido, o comando terá como destino o registro em vez de um workspace. Portanto, o grupo de recursos e o workspace não serão necessários.
Remova uma propriedade ou um elemento de uma lista. Exemplo: --remove property.list <indexToRemove>
OR --remove propertyToRemove
.
Atualize um objeto especificando um caminho de propriedade e um valor a ser definido. Exemplo: --set property1.property2=<value>
.
Estágio do modelo.
Versão do modelo.
Nome do workspace do Azure ML. Você pode configurar o workspace padrão usando az configure --defaults workspace=<name>
.
Parâmetros Globais
Aumente a verbosidade de log para mostrar todos os logs de depuração.
Mostre esta mensagem de ajuda e saia.
Apenas mostrar erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID
.
Aumentar a verbosidade do registro em log. Use --debug para logs de depuração completos.