Model Clase

Representa el resultado del entrenamiento de aprendizaje automático.

Un modelo es el resultado de un entrenamiento Run de Azure Machine Learning o de algún otro proceso de entrenamiento de modelos fuera de Azure. Independientemente de cómo se genera el modelo, se puede registrar en un área de trabajo, donde se representa mediante un nombre y una versión. Con la clase Model, puede empaquetar modelos para su uso con Docker e implementarlos como un punto de conexión en tiempo real que se puede usar para las solicitudes de inferencia.

Para ver un tutorial completo que muestra cómo se crean, administran y consumen los modelos, consulte Entrenamiento del modelo de clasificación de imágenes con datos MNIST y scikit-learn mediante Azure Machine Learning.

Constructor de modelos.

El constructor Model se usa para recuperar una representación en la nube de un objeto Model asociado al área de trabajo proporcionada. Debe proporcionar el nombre o el identificador.

Constructor

Model(workspace, name=None, id=None, tags=None, properties=None, version=None, run_id=None, model_framework=None, expand=True, **kwargs)

Parámetros

Nombre	Description
workspace Requerido	Workspace Objeto de área de trabajo que contiene el modelo que se va a recuperar.
name	str Nombre del modelo que se va a recuperar. Se devuelve el modelo más reciente con el nombre especificado, si existe. Valor predeterminado: None
id	str Identificador del modelo que se va a recuperar. Se devuelve el modelo con el identificador especificado, si existe. Valor predeterminado: None
tags	list Lista opcional de etiquetas usadas para filtrar los resultados devueltos. Los resultados se filtran en función de la lista proporcionada, buscando por "key" o "[key, value]". Por ejemplo, ['key', ['key2', 'key2 value']] Valor predeterminado: None
properties	list Lista opcional de propiedades usadas para filtrar los resultados devueltos. Los resultados se filtran en función de la lista proporcionada, buscando por "key" o "[key, value]". Por ejemplo, ['key', ['key2', 'key2 value']] Valor predeterminado: None
version	int Versión del modelo que se va a devolver. Cuando se proporciona junto con el `name` parámetro , se devuelve la versión específica del modelo con nombre especificado, si existe. Si `version` se omite, se devuelve la versión más reciente del modelo. Valor predeterminado: None
run_id	str Identificador opcional que se usa para filtrar los resultados devueltos. Valor predeterminado: None
model_framework	str Nombre de marco opcional que se usa para filtrar los resultados devueltos. Si se especifica, los resultados se devuelven para los modelos que coinciden con el marco especificado. Consulte Framework para ver los valores permitidos. Valor predeterminado: None
workspace Requerido	Workspace Objeto de área de trabajo que contiene el modelo que se va a recuperar.
name Requerido	str Nombre del modelo que se va a recuperar. Se devuelve el modelo más reciente con el nombre especificado, si existe.
id Requerido	str Identificador del modelo que se va a recuperar. Se devuelve el modelo con el identificador especificado, si existe.
tags Requerido	list Lista opcional de etiquetas usadas para filtrar los resultados devueltos. Los resultados se filtran en función de la lista proporcionada, buscando por "key" o "[key, value]". Por ejemplo, ['key', ['key2', 'key2 value']]
properties Requerido	list Lista opcional de propiedades usadas para filtrar los resultados devueltos. Los resultados se filtran en función de la lista proporcionada, buscando por "key" o "[key, value]". Por ejemplo, ['key', ['key2', 'key2 value']]
version Requerido	int Versión del modelo que se va a devolver. Cuando se proporciona junto con el `name` parámetro , se devuelve la versión específica del modelo con nombre especificado, si existe. Si `version` se omite, se devuelve la versión más reciente del modelo.
run_id Requerido	str Identificador opcional que se usa para filtrar los resultados devueltos.
model_framework Requerido	str Nombre de marco opcional que se usa para filtrar los resultados devueltos. Si se especifica, los resultados se devuelven para los modelos que coinciden con el marco especificado. Consulte Framework para ver los valores permitidos.
expand	bool Si es true, devolverá modelos con todas las subpropiedades rellenadas, por ejemplo, ejecutar, conjunto de datos y experimento. Valor predeterminado: True

Comentarios

El constructor Model se usa para recuperar una representación en la nube de un objeto Model asociado al área de trabajo especificada. Se debe proporcionar al menos el nombre o el identificador para recuperar modelos, pero también hay otras opciones para filtrar, incluidas las etiquetas, las propiedades, la versión, el identificador de ejecución y el marco.


   from azureml.core.model import Model
   model = Model(ws, 'my_model_name')

En el ejemplo siguiente se muestra cómo capturar una versión específica de un modelo.


   from azureml.core.model import Model
   model = Model(ws, 'my_model_name', version=1)

El registro de un modelo crea un contenedor lógico para uno o varios archivos que componen el modelo. Además del contenido del propio archivo de modelo, un modelo registrado también almacena metadatos del modelo, incluida la descripción del modelo, las etiquetas y la información del marco, lo que resulta útil al administrar e implementar el modelo en el área de trabajo. Por ejemplo, con etiquetas, puede clasificar los modelos y aplicar filtros al enumerar los modelos en el área de trabajo. Después del registro, puede descargar o implementar el modelo registrado y recibir todos los archivos y metadatos registrados.

En el ejemplo siguiente se muestra cómo registrar un modelo que especifica etiquetas y una descripción.


   from azureml.core.model import Model

   model = Model.register(model_path="sklearn_regression_model.pkl",
                          model_name="sklearn_regression_model",
                          tags={'area': "diabetes", 'type': "regression"},
                          description="Ridge regression model to predict diabetes",
                          workspace=ws)

En el ejemplo siguiente se muestra cómo registrar un modelo que especifica conjuntos de datos de marco, entrada y salida y configuración de recursos.


   import sklearn

   from azureml.core import Model
   from azureml.core.resource_configuration import ResourceConfiguration


   model = Model.register(workspace=ws,
                          model_name='my-sklearn-model',                # Name of the registered model in your workspace.
                          model_path='./sklearn_regression_model.pkl',  # Local file to upload and register as a model.
                          model_framework=Model.Framework.SCIKITLEARN,  # Framework used to create the model.
                          model_framework_version=sklearn.__version__,  # Version of scikit-learn used to create the model.
                          sample_input_dataset=input_dataset,
                          sample_output_dataset=output_dataset,
                          resource_configuration=ResourceConfiguration(cpu=1, memory_in_gb=0.5),
                          description='Ridge regression model to predict diabetes progression.',
                          tags={'area': 'diabetes', 'type': 'regression'})

   print('Name:', model.name)
   print('Version:', model.version)

En la sección Variables se enumeran los atributos de una representación local del objeto Modelo en la nube. Estas variables deben considerarse de solo lectura. El cambio de sus valores no se reflejará en el objeto de nube correspondiente.

Variables

Nombre	Description
created_by	dict Usuario que creó el modelo.
created_time	datetime Cuando se creó el modelo.
azureml.core.Model.description	Descripción del objeto Model.
azureml.core.Model.id	Id. de modelo. Esto adopta la forma de nombre< del modelo:>versión< del >modelo.
mime_type	str Tipo mime de modelo.
azureml.core.Model.name	Nombre del modelo.
model_framework	str Marco del modelo.
model_framework_version	str La versión del marco del modelo.
azureml.core.Model.tags	Diccionario de etiquetas para el objeto Model.
azureml.core.Model.properties	Diccionario de propiedades de valor de clave para el modelo. Estas propiedades no se pueden cambiar después del registro, pero se pueden agregar nuevos pares de valor de clave.
unpack	bool Si el modelo debe desempaquetarse (desempaquetado) cuando se extraiga en un contexto local.
url	str Ubicación url del modelo.
azureml.core.Model.version	Versión del modelo.
azureml.core.Model.workspace	Área de trabajo que contiene el modelo.
azureml.core.Model.experiment_name	Nombre del experimento que creó el modelo.
azureml.core.Model.run_id	Identificador de la ejecución que creó el modelo.
parent_id	str Identificador del modelo primario del modelo.
derived_model_ids	list[str] Lista de identificadores de modelo que se han derivado de este modelo.
resource_configuration	ResourceConfiguration ResourceConfiguration para este modelo. Se usa para la generación de perfiles.

Métodos

add_dataset_references	Asocie los conjuntos de datos proporcionados a este modelo.
add_properties	Agregue pares clave-valor al diccionario de propiedades de este modelo.
add_tags	Agregue pares clave-valor al diccionario de etiquetas de este modelo.
delete	Elimine este modelo de su área de trabajo asociada.
deploy	Implemente un servicio web desde cero o más Model objetos. El servicio web resultante es un punto de conexión en tiempo real que se puede usar para las solicitudes de inferencia. La función Model `deploy` es similar a la `deploy` función de la Webservice clase , pero no registra los modelos. Use la función Model `deploy` si tiene objetos de modelo que ya están registrados.
deserialize	Convertir un objeto JSON en un objeto de modelo. Se produce un error en la conversión si el área de trabajo especificada no es el área de trabajo con la que se registra el modelo.
download	Descargue el modelo en el directorio de destino del sistema de archivos local.
get_model_path	Devuelve la ruta de acceso al modelo. La función buscará el modelo en las siguientes ubicaciones. Si `version` es Ninguno: Descargar desde la memoria caché remota (si se proporciona el área de trabajo) Carga desde la memoria caché azureml-models/$MODEL_NAME/$LATEST_VERSION/ ./$MODEL_NAME Si `version` no es Ninguno: Carga desde la memoria caché azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/ Descargar desde la memoria caché remota (si se proporciona el área de trabajo)
get_sas_urls	Devuelve un diccionario de pares clave-valor que contienen nombres de archivo y direcciones URL de SAS correspondientes.
list	Recupere una lista de todos los modelos asociados al área de trabajo proporcionada, con filtros opcionales.
package	Cree un paquete de modelo en forma de imagen de Docker o contexto de compilación de Dockerfile.
print_configuration	Imprima la configuración del usuario.
profile	Perfiles del modelo para obtener recomendaciones de requisitos de recursos. Se trata de una operación de larga duración que puede tardar hasta 25 minutos en función del tamaño del conjunto de datos.
register	Registre un modelo con el área de trabajo proporcionada.
remove_tags	Quite las claves especificadas del diccionario de etiquetas de este modelo.
serialize	Convierta este modelo en un diccionario serializado json.
update	Realice una actualización local del modelo. Los valores existentes de los parámetros especificados se reemplazan.
update_tags_properties	Realice una actualización de las etiquetas y propiedades del modelo.

add_dataset_references

Asocie los conjuntos de datos proporcionados a este modelo.

add_dataset_references(datasets)

Parámetros

Nombre	Description
datasets Requerido	list[tuple(<xref:str :> (Dataset o DatasetSnapshot))] Lista de tuplas que representan un emparejamiento de propósito de conjunto de datos con el objeto Dataset.

Excepciones

Tipo	Description
WebserviceException

add_properties

Agregue pares clave-valor al diccionario de propiedades de este modelo.

add_properties(properties)

Parámetros

Nombre	Description
properties Requerido	dict(<xref:str : str>) Diccionario de propiedades que se van a agregar.

add_tags

Agregue pares clave-valor al diccionario de etiquetas de este modelo.

add_tags(tags)

Parámetros

Nombre	Description
tags Requerido	dict(<xref:{str : str}>) Diccionario de etiquetas que se van a agregar.

Excepciones

Tipo	Description
WebserviceException

delete

Elimine este modelo de su área de trabajo asociada.

delete()

Excepciones

Tipo	Description
WebserviceException

deploy

Implemente un servicio web desde cero o más Model objetos.

El servicio web resultante es un punto de conexión en tiempo real que se puede usar para las solicitudes de inferencia. La función Model deploy es similar a la deploy función de la Webservice clase , pero no registra los modelos. Use la función Model deploy si tiene objetos de modelo que ya están registrados.

static deploy(workspace, name, models, inference_config=None, deployment_config=None, deployment_target=None, overwrite=False, show_output=False)

Parámetros

Nombre	Description
workspace Requerido	Workspace Objeto Workspace al que se va a asociar el servicio web.
name Requerido	str Nombre que se va a asignar al servicio implementado. Debe ser único para el área de trabajo, solo consta de letras minúsculas, números o guiones, comenzar con una letra y tener entre 3 y 32 caracteres.
models Requerido	list[Model] Lista de objetos de modelo. Puede ser una lista vacía.
inference_config	InferenceConfig Objeto InferenceConfig usado para determinar las propiedades del modelo necesarias. Valor predeterminado: None
deployment_config	WebserviceDeploymentConfiguration WebserviceDeploymentConfiguration usado para configurar el servicio web. Si no se proporciona uno, se usará un objeto de configuración vacío en función del destino deseado. Valor predeterminado: None
deployment_target	ComputeTarget ComputeTarget que se va a implementar el servicio web en. Como Azure Container Instances no tiene asociado ComputeTarget, deje este parámetro como Ninguno para implementar en Azure Container Instances. Valor predeterminado: None
overwrite	bool Indica si se va a sobrescribir el servicio existente si ya existe un servicio con el nombre especificado. Valor predeterminado: False
show_output	bool Indica si se va a mostrar el progreso de la implementación del servicio. Valor predeterminado: False

Devoluciones

Tipo	Description
Webservice	Objeto webservice correspondiente al servicio web implementado.

Excepciones

Tipo	Description
WebserviceException

deserialize

Convertir un objeto JSON en un objeto de modelo.

Se produce un error en la conversión si el área de trabajo especificada no es el área de trabajo con la que se registra el modelo.

static deserialize(workspace, model_payload)

Parámetros

Nombre	Description
workspace Requerido	Workspace Objeto de área de trabajo con el que se registra el modelo.
model_payload Requerido	dict Objeto JSON que se va a convertir en un objeto Model.

Devoluciones

Tipo	Description
Model	Representación del modelo del objeto JSON proporcionado.

download

Descargue el modelo en el directorio de destino del sistema de archivos local.

download(target_dir='.', exist_ok=False, exists_ok=None)

Parámetros

Nombre	Description
target_dir	str Ruta de acceso a un directorio en el que se va a descargar el modelo. El valor predeterminado es "." Valor predeterminado: .
exist_ok	bool Indica si se debe reemplazar el dir o los archivos descargados si existen. El valor predeterminado es False. Valor predeterminado: False
exists_ok	bool OBSOLESCENTE. Utilice `exist_ok`. Valor predeterminado: None

Devoluciones

Tipo	Description
str	Ruta de acceso al archivo o carpeta del modelo.

get_model_path

Devuelve la ruta de acceso al modelo.

La función buscará el modelo en las siguientes ubicaciones.

Si version es Ninguno:

Descargar desde la memoria caché remota (si se proporciona el área de trabajo)
Carga desde la memoria caché azureml-models/$MODEL_NAME/$LATEST_VERSION/
./$MODEL_NAME

Si version no es Ninguno:

Carga desde la memoria caché azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
Descargar desde la memoria caché remota (si se proporciona el área de trabajo)

static get_model_path(model_name, version=None, _workspace=None)

Parámetros

Nombre	Description
model_name Requerido	str Nombre del modelo que se va a recuperar.
version	int Versión del modelo que se va a recuperar. El valor predeterminado es la versión más reciente. Valor predeterminado: None
_workspace	Workspace Área de trabajo de la que se va a recuperar un modelo. No se puede usar de forma remota. Si no se especifica solo se busca la caché local. Valor predeterminado: None

Devoluciones

Tipo	Description
str	Ruta de acceso del disco al modelo.

Excepciones

Tipo	Description
ModelNotFoundException

get_sas_urls

Devuelve un diccionario de pares clave-valor que contienen nombres de archivo y direcciones URL de SAS correspondientes.

get_sas_urls()

Devoluciones

Tipo	Description
dict	Diccionario de pares clave-valor que contienen nombres de archivo y direcciones URL de SAS correspondientes

list

Recupere una lista de todos los modelos asociados al área de trabajo proporcionada, con filtros opcionales.

static list(workspace, name=None, tags=None, properties=None, run_id=None, latest=False, dataset_id=None, expand=True, page_count=255, model_framework=None)

Parámetros

Nombre	Description
workspace Requerido	Workspace Objeto de área de trabajo del que se van a recuperar los modelos.
name	str Si se proporciona, solo devolverá modelos con el nombre especificado, si existe. Valor predeterminado: None
tags	list Filtrará en función de la lista proporcionada por "key" o "[key, value]". Por ejemplo, ['key', ['key2', 'key2 value']] Valor predeterminado: None
properties	list Filtrará en función de la lista proporcionada por "key" o "[key, value]". Por ejemplo, ['key', ['key2', 'key2 value']] Valor predeterminado: None
run_id	str Filtrará en función del identificador de ejecución proporcionado. Valor predeterminado: None
latest	bool Si es true, solo devolverá modelos con la versión más reciente. Valor predeterminado: False
dataset_id	str Filtrará en función del identificador de conjunto de datos proporcionado. Valor predeterminado: None
expand	bool Si es true, devolverá modelos con todas las subpropiedades rellenadas, por ejemplo, ejecutar, conjunto de datos y experimento. Si se establece en false, se debe acelerar la finalización del método list() en el caso de muchos modelos. Valor predeterminado: True
page_count	int Número de elementos que se van a recuperar en una página. Actualmente admite valores de hasta 255. El valor predeterminado es 255. Valor predeterminado: 255
model_framework	str Si se proporciona, solo devolverá modelos con el marco especificado, si existe. Valor predeterminado: None

Devoluciones

Tipo	Description
list[Model]	Lista de modelos, opcionalmente filtrados.

Excepciones

Tipo	Description
WebserviceException

package

Cree un paquete de modelo en forma de imagen de Docker o contexto de compilación de Dockerfile.

static package(workspace, models, inference_config=None, generate_dockerfile=False, image_name=None, image_label=None)

Parámetros

Nombre	Description
workspace Requerido	Workspace Área de trabajo en la que se va a crear el paquete.
models Requerido	list[Model] Lista de objetos Model que se van a incluir en el paquete. Puede ser una lista vacía.
inference_config	InferenceConfig Objeto InferenceConfig para configurar el funcionamiento de los modelos. Debe incluir un objeto Environment. Valor predeterminado: None
generate_dockerfile	bool Si se crea un Dockerfile que se puede ejecutar localmente en lugar de crear una imagen. Valor predeterminado: False
image_name	str Al compilar una imagen, el nombre de la imagen resultante. Valor predeterminado: None
image_label	str Al compilar una imagen, la etiqueta de la imagen resultante. Valor predeterminado: None

Devoluciones

Tipo	Description
ModelPackage	Objeto ModelPackage.

print_configuration

Imprima la configuración del usuario.

static print_configuration(models, inference_config, deployment_config, deployment_target)

Parámetros

Nombre	Description
models Requerido	list[Model] Lista de objetos de modelo. Puede ser una lista vacía.
inference_config Requerido	InferenceConfig Objeto InferenceConfig usado para determinar las propiedades del modelo necesarias.
deployment_config Requerido	WebserviceDeploymentConfiguration WebserviceDeploymentConfiguration usado para configurar el servicio web.
deployment_target Requerido	ComputeTarget ComputeTarget que se va a implementar el servicio web en.

profile

Perfiles del modelo para obtener recomendaciones de requisitos de recursos.

Se trata de una operación de larga duración que puede tardar hasta 25 minutos en función del tamaño del conjunto de datos.

static profile(workspace, profile_name, models, inference_config, input_dataset, cpu=None, memory_in_gb=None, description=None)

Parámetros

Nombre	Description
workspace Requerido	Workspace Objeto Workspace en el que se va a generar perfiles del modelo.
profile_name Requerido	str Nombre de la ejecución de generación de perfiles.
models Requerido	list[Model] Lista de objetos de modelo. Puede ser una lista vacía.
inference_config Requerido	InferenceConfig Objeto InferenceConfig usado para determinar las propiedades del modelo necesarias.
input_dataset Requerido	Dataset Conjunto de datos de entrada para la generación de perfiles. El conjunto de datos de entrada debe tener una sola columna y las entradas de ejemplo deben estar en formato de cadena.
cpu	float Número de núcleos de CPU que se van a usar en la instancia de prueba más grande. Actualmente admite valores de hasta 3.5. Valor predeterminado: None
memory_in_gb	float Cantidad de memoria (en GB) que se va a usar en la instancia de prueba más grande. Puede ser un decimal. Actualmente admite valores de hasta 15.0. Valor predeterminado: None
description	str Descripción que se va a asociar a la ejecución de generación de perfiles. Valor predeterminado: None

Devoluciones

Tipo	Description
ModelProfile

Excepciones

Tipo	Description
<xref:azureml.exceptions.WebserviceException>, <xref:azureml.exceptions.UserErrorException>

register

Registre un modelo con el área de trabajo proporcionada.

static register(workspace, model_path, model_name, tags=None, properties=None, description=None, datasets=None, model_framework=None, model_framework_version=None, child_paths=None, sample_input_dataset=None, sample_output_dataset=None, resource_configuration=None)

Parámetros

Nombre	Description
workspace Requerido	Workspace Área de trabajo con la que se va a registrar el modelo.
model_path Requerido	str Ruta de acceso en el sistema de archivos local donde se encuentran los recursos del modelo. Puede ser un puntero directo a un único archivo o carpeta. Si apunta a una carpeta, el `child_paths` parámetro se puede usar para especificar archivos individuales para agruparlos como el objeto Model, en lugar de usar todo el contenido de la carpeta.
model_name Requerido	str Nombre con el que se va a registrar el modelo.
tags	dict(<xref:{str : str}>) Diccionario opcional de etiquetas de valor de clave que se van a asignar al modelo. Valor predeterminado: None
properties	dict(<xref:{str : str}>) Diccionario opcional de propiedades de valor de clave que se van a asignar al modelo. Estas propiedades no se pueden cambiar después de la creación del modelo, pero se pueden agregar nuevos pares de valores de clave. Valor predeterminado: None
description	str Descripción de texto del modelo. Valor predeterminado: None
datasets	list[(str, AbstractDataset)] Lista de tuplas donde el primer elemento describe la relación del modelo de conjunto de datos y el segundo elemento es el conjunto de datos. Valor predeterminado: None
model_framework	str Marco del modelo registrado. El uso de constantes compatibles con el sistema de la Framework clase permite una implementación simplificada para algunos marcos populares. Valor predeterminado: None
model_framework_version	str Versión del marco del modelo registrado. Valor predeterminado: None
child_paths	list[str] Si se proporciona junto con una `model_path` en una carpeta, solo se agruparán los archivos especificados en el objeto Model. Valor predeterminado: None
sample_input_dataset	AbstractDataset Conjunto de datos de entrada de ejemplo para el modelo registrado. Valor predeterminado: None
sample_output_dataset	AbstractDataset Conjunto de datos de salida de ejemplo para el modelo registrado. Valor predeterminado: None
resource_configuration	ResourceConfiguration Configuración de recursos para ejecutar el modelo registrado. Valor predeterminado: None

Devoluciones

Tipo	Description
Model	Objeto de modelo registrado.

Comentarios

Además del contenido del propio archivo de modelo, un modelo registrado también almacena metadatos del modelo, incluida la descripción del modelo, las etiquetas y la información del marco, lo que resulta útil al administrar e implementar el modelo en el área de trabajo. Por ejemplo, con etiquetas, puede clasificar los modelos y aplicar filtros al enumerar los modelos en el área de trabajo.

En el ejemplo siguiente se muestra cómo registrar un modelo que especifica etiquetas y una descripción.


   from azureml.core.model import Model

   model = Model.register(model_path="sklearn_regression_model.pkl",
                          model_name="sklearn_regression_model",
                          tags={'area': "diabetes", 'type': "regression"},
                          description="Ridge regression model to predict diabetes",
                          workspace=ws)

Si tiene un modelo generado como resultado de una ejecución de experimento, puede registrarlo desde un objeto de ejecución directamente sin descargarlo en un archivo local primero. Para ello, use el register_model método como se documenta en la Run clase .

remove_tags

Quite las claves especificadas del diccionario de etiquetas de este modelo.

remove_tags(tags)

Parámetros

Nombre	Description
tags Requerido	list[str] Lista de claves que se van a quitar

serialize

Convierta este modelo en un diccionario serializado json.

serialize()

Devoluciones

Tipo	Description
dict	Representación json de este modelo

update

Realice una actualización local del modelo.

Los valores existentes de los parámetros especificados se reemplazan.

update(tags=None, description=None, sample_input_dataset=None, sample_output_dataset=None, resource_configuration=None)

Parámetros

Nombre	Description
tags	dict(<xref:{str : str}>) Diccionario de etiquetas con el que se va a actualizar el modelo. Estas etiquetas reemplazan las etiquetas existentes para el modelo. Valor predeterminado: None
description	str Nueva descripción que se va a usar para el modelo. Este nombre reemplaza el nombre existente. Valor predeterminado: None
sample_input_dataset	AbstractDataset Conjunto de datos de entrada de ejemplo que se va a usar para el modelo registrado. Este conjunto de datos de entrada de ejemplo reemplaza el conjunto de datos existente. Valor predeterminado: None
sample_output_dataset	AbstractDataset Conjunto de datos de salida de ejemplo que se va a usar para el modelo registrado. Este conjunto de datos de salida de ejemplo reemplaza el conjunto de datos existente. Valor predeterminado: None
resource_configuration	ResourceConfiguration Configuración de recursos que se va a usar para ejecutar el modelo registrado. Valor predeterminado: None

Excepciones

Tipo	Description
WebserviceException

update_tags_properties

Realice una actualización de las etiquetas y propiedades del modelo.

update_tags_properties(add_tags=None, remove_tags=None, add_properties=None)

Parámetros

Nombre	Description
add_tags	dict(<xref:{str : str}>) Diccionario de etiquetas que se van a agregar. Valor predeterminado: None
remove_tags	list[str] Lista de nombres de etiqueta que se van a quitar. Valor predeterminado: None
add_properties	dict(<xref:{str : str}>) Diccionario de propiedades que se van a agregar. Valor predeterminado: None

Excepciones

Tipo	Description
WebserviceException

Compartir a través de

Model Clase

Constructor

Parámetros

Comentarios

Variables

Métodos

add_dataset_references

Parámetros

Excepciones

add_properties

Parámetros

add_tags

Parámetros

Excepciones

delete

Excepciones

deploy

Parámetros

Devoluciones

Excepciones

deserialize

Parámetros

Devoluciones

download

Parámetros

Devoluciones

get_model_path

Parámetros

Devoluciones

Excepciones

get_sas_urls

Devoluciones

list

Parámetros

Devoluciones

Excepciones

package

Parámetros

Devoluciones

print_configuration

Parámetros

profile

Parámetros

Devoluciones

Excepciones

register

Parámetros

Devoluciones

Comentarios

remove_tags

Parámetros

serialize

Devoluciones

update

Parámetros

Excepciones

update_tags_properties

Parámetros

Excepciones

Comentarios