az ml model
Nota
Essa referência faz parte da extensão ml para a CLI do Azure (versão 2.15.0 ou superior). A extensão será instalada automaticamente na primeira vez que você executar um comando az ml model . Saiba mais sobre extensões.
Gerencie modelos do Azure ML.
Os modelos do Azure ML consistem no(s) arquivo(s) binário(s) que representam um modelo de aprendizado de máquina e quaisquer metadados correspondentes. Esses modelos podem ser usados em implantações de endpoint para inferência em tempo real e em lote.
Comandos
| Name | Description | Tipo | Status |
|---|---|---|---|
| az ml model archive |
Arquivar um modelo. |
Extensão | GA |
| az ml model create |
Crie um modelo. |
Extensão | GA |
| az ml model download |
Transfira todos os ficheiros relacionados com o modelo. |
Extensão | GA |
| az ml model list |
Listar modelos em um espaço de trabalho/registro. Se estiver a utilizar um registo, substitua |
Extensão | GA |
| az ml model package |
Empacote um modelo em um ambiente. |
Extensão | Pré-visualizar |
| az ml model restore |
Restaure um modelo arquivado. |
Extensão | GA |
| az ml model share |
Compartilhe um modelo específico do espaço de trabalho para o registro. |
Extensão | GA |
| az ml model show |
Mostrar detalhes de um modelo em um espaço de trabalho/registro. Se estiver a utilizar um registo, substitua |
Extensão | GA |
| az ml model update |
Atualize um modelo em um espaço de trabalho/registro. |
Extensão | GA |
az ml model archive
Arquivar um modelo.
Arquivar um modelo irá ocultá-lo 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. Arquivar um contêiner de modelo arquivará todas as versões do modelo sob esse nome próprio. Você pode restaurar um modelo arquivado usando az ml model restoreo . Se todo o contêiner do modelo for arquivado, você não poderá restaurar versões individuais do modelo - será necessário 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-workspaceArquivar uma versão específica do modelo
az ml model archive --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspaceParâmetros Obrigatórios
Nome do modelo.
Parâmetros Opcionais
Etiqueta do modelo.
Se fornecido, o comando terá como alvo o registro em vez de um espaço de trabalho. Portanto, o grupo de recursos e o espaço de trabalho não serão necessários.
o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.
Versão do modelo.
Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. 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 rastreado no espaço de trabalho/registro sob o nome e a versão especificados. Se estiver a utilizar um registo, substitua --workspace-name my-workspace pela --registry-name <registry-name> opção.
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 a partir de um arquivo de especificação YAML
az ml model create --file model.yml --resource-group my-resource-group --workspace-name my-workspaceCriar um modelo a partir 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-workspaceCrie um modelo usando mlflow execute o formato URI '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-workspaceCrie um modelo a partir de uma saída de trabalho nomeada usando o formato URI de 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-workspaceCriar um modelo a partir 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-workspaceParâmetros 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 do YAML para o modelo podem ser encontrados em: https://aka.ms/ml-cli-v2-model-yaml-reference.
Nome do modelo.
Não espere que a operação de longa duração termine.
Caminho para o(s) arquivo(s) modelo(s). Pode ser um local local ou remoto. Se especificado, --name/-n e --version/-v também devem ser fornecidos.
Se fornecido, o comando terá como alvo o registro em vez de um espaço de trabalho. Portanto, o grupo de recursos e o espaço de trabalho não serão necessários.
o 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=.
Estágio do modelo.
Pares chave-valor separados por espaço para as tags 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 espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. Use --debug para logs de depuração completos.
az ml model download
Transfira todos os ficheiros relacionados com o modelo.
Os arquivos serão baixados em uma pasta com o nome do modelo. Se estiver a utilizar um registo, substitua --workspace-name my-workspace pela --registry-name <registry-name> opção.
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-workspaceBaixe 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-workspaceParâmetros Obrigatórios
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 alvo o registro em vez de um espaço de trabalho. Portanto, o grupo de recursos e o espaço de trabalho não serão necessários.
o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.
Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. Use --debug para logs de depuração completos.
az ml model list
Listar modelos em um espaço de trabalho/registro. Se estiver a utilizar um registo, substitua --workspace-name my-workspace pela --registry-name <registry-name> opção.
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 espaço de trabalho
az ml model list --resource-group my-resource-group --workspace-name my-workspaceListar todas as versões do modelo para o nome especificado em um espaço de trabalho
az ml model list --name my-model --resource-group my-resource-group --workspace-name my-workspaceListe todos os modelos em um espaço de trabalho 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-workspaceParâmetros Opcionais
Listar apenas modelos arquivados.
Listar modelos arquivados e modelos ativos.
Número máximo de resultados a retornar.
Nome do modelo. Se fornecida, todas as versões do modelo com este nome serão devolvidas.
Se fornecido, o comando terá como alvo o registro em vez de um espaço de trabalho. Portanto, o grupo de recursos e o espaço de trabalho não serão necessários.
o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.
Estágio do modelo.
Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. Use --debug para logs de depuração completos.
az ml model package
Este comando está em pré-visualização e em desenvolvimento. Níveis de referência e de apoio: https://aka.ms/CLI_refstatus
Empacote 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.ymlParâmetros Obrigatórios
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 alvo o registro em vez de um espaço de trabalho. Portanto, o grupo de recursos e o espaço de trabalho não serão necessários.
o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.
Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. Use --debug para logs de depuração completos.
az ml model restore
Restaure um modelo arquivado.
Quando um modelo arquivado é restaurado, ele não ficará 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 sob esse nome próprio. Não é possível restaurar apenas uma versão específica do modelo se todo o contêiner do modelo estiver arquivado - você precisará restaurar o contêiner inteiro. Se apenas uma versão de modelo individual foi arquivada, você pode 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-workspaceRestaurar uma versão específica do modelo arquivado
az ml model restore --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspaceParâmetros Obrigatórios
Nome do modelo.
Parâmetros Opcionais
Etiqueta do modelo.
Se fornecido, o comando terá como alvo o registro em vez de um espaço de trabalho. Portanto, o grupo de recursos e o espaço de trabalho não serão necessários.
o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.
Versão do modelo.
Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. Use --debug para logs de depuração completos.
az ml model share
Compartilhe um modelo específico do espaço de trabalho para o registro.
Copie um modelo existente de um espaço de trabalho para um registro para reutilização entre espaços de trabalho.
az ml model share --name
--registry-name
--share-with-name
--share-with-version
--version
[--resource-group]
[--workspace-name]Exemplos
Compartilhar um ambiente existente do espaço de trabalho 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-registryParâmetros Obrigatórios
Nome do modelo.
Registo de destino.
Nome do modelo a ser criado.
Versão do modelo a ser criado.
Versão do modelo.
Parâmetros Opcionais
o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.
Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. Use --debug para logs de depuração completos.
az ml model show
Mostrar detalhes de um modelo em um espaço de trabalho/registro. Se estiver a utilizar um registo, substitua --workspace-name my-workspace pela --registry-name <registry-name> opção.
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-workspaceParâmetros Obrigatórios
Nome do modelo.
Parâmetros Opcionais
Etiqueta do modelo.
Se fornecido, o comando terá como alvo o registro em vez de um espaço de trabalho. Portanto, o grupo de recursos e o espaço de trabalho não serão necessários.
o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.
Versão do modelo.
Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. Use --debug para logs de depuração completos.
az ml model update
Atualize um modelo em um espaço de trabalho/registro.
As propriedades 'description' e 'tags' podem ser atualizadas. Se estiver a utilizar um registo, substitua --workspace-name my-workspace pela --registry-name <registry-name> opção.
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-workspaceParâmetros Obrigatórios
Nome do modelo.
o 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 string em vez de tentar converter para JSON.
Etiqueta do modelo.
Se fornecido, o comando terá como alvo o registro em vez de um espaço de trabalho. Portanto, o grupo de recursos e o espaço de trabalho 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 espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. Use --debug para logs de depuração completos.
