MonitorDefinition Classe
Observação
Essa é uma classe experimental e pode mudar a qualquer momento. Consulte https://aka.ms/azuremlexperimental para obter mais informações.
Definição do monitor
- Herança
-
azure.ai.ml.entities._mixins.RestTranslatableMixinMonitorDefinition
Construtor
MonitorDefinition(*, compute: ServerlessSparkCompute, monitoring_target: MonitoringTarget | None = None, monitoring_signals: Dict[str, DataDriftSignal | DataQualitySignal | PredictionDriftSignal | FeatureAttributionDriftSignal | CustomMonitoringSignal | GenerationSafetyQualitySignal] = None, alert_notification: Literal['azmonitoring'] | AlertNotification | None = None)
Keyword-Only Parameters
- compute
- SparkResourceConfiguration
A configuração de recurso do Spark a ser associada ao monitor
- monitoring_target
- Optional[MonitoringTarget]
O objeto de ID do ARM associado ao modelo ou implantação que está sendo monitorado.
- monitoring_signals
- Optional[Dict[str, Union[DataDriftSignal , DataQualitySignal, PredictionDriftSignal , FeatureAttributionDriftSignal , CustomMonitoringSignal , GenerationSafetyQualitySignal]]]
O dicionário de sinais a serem monitorados. A chave é o nome do sinal e o valor é o objeto DataSignal. Os valores aceitos para os objetos DataSignal são DataDriftSignal, DataQualitySignal, PredictionDriftSignal, FeatureAttributionDriftSignal e CustomMonitoringSignal.
A configuração de alerta para o monitor.
Exemplos
Criando a definição do Monitor.
from azure.ai.ml.entities import (
AlertNotification,
MonitorDefinition,
MonitoringTarget,
SparkResourceConfiguration,
)
monitor_definition = MonitorDefinition(
compute=SparkResourceConfiguration(instance_type="standard_e4s_v3", runtime_version="3.2"),
monitoring_target=MonitoringTarget(
ml_task="Classification",
endpoint_deployment_id="azureml:fraud_detection_endpoint:fraud_detection_deployment",
),
alert_notification=AlertNotification(emails=["abc@example.com", "def@example.com"]),
)
Azure SDK for Python