Partager via


Model Classe

Représente le résultat de la formation Machine Learning.

Un modèle est le résultat d’une formation Azure Machine Learning Run ou d’un autre processus de formation de modèle en dehors d’Azure. Quelle que soit la façon dont le modèle est produit, il peut être inscrit dans un espace de travail, où il est représenté par un nom et une version. Avec la classe Model, vous pouvez empaqueter des modèles à utiliser avec Docker et les déployer en tant que point de terminaison en temps réel qui peut être utilisé pour les demandes d’inférence.

Pour savoir comment les modèles sont créés, managés et consommés, consultez le tutoriel complet Entraîner un modèle de classification d’images avec des données MNIST et scikit-learn via Azure Machine Learning.

Constructeur de modèle.

Le constructeur Model est utilisé pour récupérer une représentation cloud d’un objet Model associé à l’espace de travail fourni. Doit fournir le nom ou l’ID.

Héritage
builtins.object
Model

Constructeur

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

Paramètres

Nom Description
workspace
Obligatoire

Objet d’espace de travail contenant le modèle à récupérer.

name
str

Nom du modèle à récupérer. Le modèle le plus récent correspondant au nom spécifié est retourné, s’il existe.

Valeur par défaut: None
id
str

ID du modèle à récupérer. Le modèle correspondant à l’ID spécifié est retourné, s’il existe.

Valeur par défaut: None
tags

Liste facultative des étiquettes utilisées pour filtrer les résultats retournés. Les résultats sont filtrés en fonction de la liste fournie, en effectuant une recherche par « clé » ou « [clé, valeur] ». Ex. ['key', ['key2', 'key2 value']]

Valeur par défaut: None
properties

Liste facultative des propriétés utilisées pour filtrer les résultats retournés. Les résultats sont filtrés en fonction de la liste fournie, en effectuant une recherche par « clé » ou « [clé, valeur] ». Ex. ['key', ['key2', 'key2 value']]

Valeur par défaut: None
version
int

Version du modèle à retourner. Quand elle est fournie avec le paramètre name, la version spécifique du modèle nommé spécifié est retournée, le cas échéant. Si version est omis, la dernière version du modèle est retournée.

Valeur par défaut: None
run_id
str

ID facultatif utilisé pour filtrer les résultats retournés.

Valeur par défaut: None
model_framework
str

Nom d’infrastructure facultatif utilisé pour filtrer les résultats retournés. S’il est spécifié, les résultats sont retournés pour les modèles correspondant à l’infrastructure spécifiée. Consultez Framework pour connaître les valeurs autorisées.

Valeur par défaut: None
workspace
Obligatoire

Objet d’espace de travail contenant le modèle à récupérer.

name
Obligatoire
str

Nom du modèle à récupérer. Le modèle le plus récent correspondant au nom spécifié est retourné, s’il existe.

id
Obligatoire
str

ID du modèle à récupérer. Le modèle correspondant à l’ID spécifié est retourné, s’il existe.

tags
Obligatoire

Liste facultative des étiquettes utilisées pour filtrer les résultats retournés. Les résultats sont filtrés en fonction de la liste fournie, en effectuant une recherche par « clé » ou « [clé, valeur] ». Ex. ['key', ['key2', 'key2 value']]

properties
Obligatoire

Liste facultative des propriétés utilisées pour filtrer les résultats retournés. Les résultats sont filtrés en fonction de la liste fournie, en effectuant une recherche par « clé » ou « [clé, valeur] ». Ex. ['key', ['key2', 'key2 value']]

version
Obligatoire
int

Version du modèle à retourner. Quand elle est fournie avec le paramètre name, la version spécifique du modèle nommé spécifié est retournée, le cas échéant. Si version est omis, la dernière version du modèle est retournée.

run_id
Obligatoire
str

ID facultatif utilisé pour filtrer les résultats retournés.

model_framework
Obligatoire
str

Nom d’infrastructure facultatif utilisé pour filtrer les résultats retournés. S’il est spécifié, les résultats sont retournés pour les modèles correspondant à l’infrastructure spécifiée. Consultez Framework pour connaître les valeurs autorisées.

expand

Si la valeur est True, retourne des modèles avec toutes les sous-propriétés renseignées, par exemple, l’exécution, le jeu de données et l’expérience.

Valeur par défaut: True

Remarques

Le constructeur Model permet de récupérer une représentation cloud d’un objet Model associé à l’espace de travail spécifié. Au moins le nom ou l’ID doit être fourni pour récupérer les modèles, mais il existe également d’autres options de filtrage, notamment par balises, propriétés, version, ID d’exécution et infrastructure.


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

L’exemple suivant montre comment extraire une version spécifique d’un modèle.


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

L’inscription d’un modèle crée un conteneur logique pour un ou plusieurs fichiers qui composent votre modèle. Outre le contenu du fichier de modèle lui-même, un modèle inscrit stocke également les métadonnées du modèle, notamment la description du modèle, les étiquettes et les informations d’infrastructure, qui sont utiles au moment de gérer et déployer le modèle dans votre espace de travail. Les étiquettes, par exemple, vous permettent de catégoriser vos modèles et d’appliquer des filtres lorsque vous listez les modèles dans votre espace de travail. Après l’inscription, vous pouvez télécharger ou déployer le modèle inscrit et recevoir tous les fichiers et les métadonnées qui ont été inscrits.

L’exemple suivant montre comment inscrire un modèle spécifiant des balises et une description.


   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)

Un exemple complet est disponible sur https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

L’exemple suivant montre comment inscrire un modèle spécifiant une infrastructure, des jeux de données d’entrée et de sortie et la configuration des ressources.


   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)

La section Variables liste les attributs d’une représentation locale de l’objet Model cloud. Ces variables doivent être considérées comme étant en lecture seule. La modification de leurs valeurs ne sera pas répercutée dans l’objet cloud correspondant.

Variables

Nom Description
created_by

Utilisateur qui a créé le modèle.

created_time

À quel moment le modèle a été créé.

azureml.core.Model.description

Description de l’objet Model.

azureml.core.Model.id

ID du modèle. Il se présente sous la forme <nom du modèle>:<version du modèle>.

mime_type
str

Type MIME du modèle.

azureml.core.Model.name

Nom du modèle.

model_framework
str

Infrastructure du modèle.

model_framework_version
str

Version de l’infrastructure du modèle.

azureml.core.Model.tags

Dictionnaire d’étiquettes de l’objet Model.

azureml.core.Model.properties

Dictionnaire des propriétés clé-valeur du modèle. Ces propriétés ne peuvent pas être modifiées après la création. De nouvelles paires clé/valeur peuvent cependant être ajoutées.

unpack

Indique si le modèle doit être décompressé lorsqu’il est extrait vers un contexte local.

url
str

Emplacement URL du modèle.

azureml.core.Model.version

Version du modèle.

azureml.core.Model.workspace

Espace de travail contenant le modèle.

azureml.core.Model.experiment_name

Nom de l’expérience qui a créé le modèle.

azureml.core.Model.run_id

ID de l’exécution qui a créé le modèle.

parent_id
str

ID du modèle parent du modèle.

derived_model_ids

Liste des ID de modèle dérivés de ce modèle.

resource_configuration

ResourceConfiguration de ce modèle. Utilisé pour le profilage.

Méthodes

add_dataset_references

Associe les jeux de données fournis à ce modèle.

add_properties

Ajoute des paires clé-valeur au dictionnaire de propriétés de ce modèle.

add_tags

Ajoute des paires clé-valeur au dictionnaire d’étiquettes de ce modèle.

delete

Supprime ce modèle de l’espace de travail qui lui est associé.

deploy

Déploie un service web à partir de zéro ou plusieurs objets Model.

Le service web obtenu est un point de terminaison en temps réel qui peut être utilisé pour les demandes d’inférence. La fonction deploy de modèle est similaire à la fonction deploy de la classe Webservice, mais n’inscrit pas les modèles. Utilisez la fonction deploy de modèle si vous avez des objets de modèle déjà inscrits.

deserialize

Convertit un objet JSON en objet de modèle.

La conversion échoue si l’espace de travail spécifié n’est pas l’espace de travail auprès duquel le modèle est inscrit.

download

Télécharge le modèle dans le répertoire cible du système de fichiers local.

get_model_path

Retourne le chemin du modèle.

La fonction recherche le modèle aux emplacements suivants.

Si version a la valeur None :

  1. Télécharger à partir de l’emplacement à distance vers le cache (si l’espace de travail est fourni)
  2. Charger à partir du cache azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Si version n’a pas la valeur None :

  1. Charger à partir du cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Télécharger à partir de l’emplacement à distance vers le cache (si l’espace de travail est fourni)
get_sas_urls

Retourne un dictionnaire de paires clé-valeur contenant des noms de fichiers et les URL SAS correspondantes.

list

Récupère la liste de tous les modèles associés à l’espace de travail fourni, avec des filtres facultatifs.

package

Créez un package de modèle sous la forme d’une image Docker ou d’un contexte de génération de fichier Dockerfile.

print_configuration

Imprimez la configuration utilisateur.

profile

Profile le modèle pour obtenir des recommandations en matière de besoins en ressources.

Il s’agit d’une opération longue qui peut prendre jusqu’à 25 minutes en fonction de la taille du jeu de données.

register

Inscrit un modèle auprès de l’espace de travail fourni.

remove_tags

Supprime les clés spécifiées du dictionnaire d’étiquettes de ce modèle.

serialize

Convertit ce modèle en dictionnaire JSON sérialisé.

update

Effectue une mise à jour sur place du modèle.

Les valeurs existantes des paramètres spécifiés sont remplacées.

update_tags_properties

Effectue une mise à jour des étiquettes et des propriétés du modèle.

add_dataset_references

Associe les jeux de données fournis à ce modèle.

add_dataset_references(datasets)

Paramètres

Nom Description
datasets
Obligatoire
list[tuple(<xref:str :> (Dataset ou DatasetSnapshot))]

Liste de tuples représentant l’appariement entre l’objectif d’un jeu de données et un objet Dataset.

Exceptions

Type Description

add_properties

Ajoute des paires clé-valeur au dictionnaire de propriétés de ce modèle.

add_properties(properties)

Paramètres

Nom Description
properties
Obligatoire
dict(<xref:str : str>)

Dictionnaire de propriétés à ajouter.

Exceptions

Type Description

add_tags

Ajoute des paires clé-valeur au dictionnaire d’étiquettes de ce modèle.

add_tags(tags)

Paramètres

Nom Description
tags
Obligatoire
dict(<xref:{str : str}>)

Dictionnaire d’étiquettes à ajouter.

Exceptions

Type Description

delete

Supprime ce modèle de l’espace de travail qui lui est associé.

delete()

Exceptions

Type Description

deploy

Déploie un service web à partir de zéro ou plusieurs objets Model.

Le service web obtenu est un point de terminaison en temps réel qui peut être utilisé pour les demandes d’inférence. La fonction deploy de modèle est similaire à la fonction deploy de la classe Webservice, mais n’inscrit pas les modèles. Utilisez la fonction deploy de modèle si vous avez des objets de modèle déjà inscrits.

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

Paramètres

Nom Description
workspace
Obligatoire

Objet Workspace auquel associer le service web.

name
Obligatoire
str

Nom à donner au service déployé. Doit être unique à l’espace de travail, ne comporter que des lettres minuscules, des chiffres ou des tirets, commencer par une lettre et comporter entre 3 et 32 caractères.

models
Obligatoire

Liste d’objets de modèle. Peut être une liste vide.

inference_config

Objet InferenceConfig utilisé pour déterminer les propriétés de modèle nécessaires.

Valeur par défaut: None
deployment_config

WebserviceDeploymentConfiguration utilisée pour configurer le service web. En l’absence d’indication, un objet de configuration vide est utilisé en fonction de la cible souhaitée.

Valeur par défaut: None
deployment_target

ComputeTarget sur lequel déployer le service web. Comme Azure Container Instances n’est associé à aucun ComputeTarget, laissez ce paramètre défini sur None pour effectuer un déploiement sur Azure Container Instances.

Valeur par défaut: None
overwrite

Indique s’il faut remplacer le service existant s’il existe déjà un service portant le nom spécifié.

Valeur par défaut: False
show_output

Indique s’il faut afficher la progression du déploiement du service.

Valeur par défaut: False

Retours

Type Description

Objet Webservice correspondant au service web déployé.

Exceptions

Type Description

deserialize

Convertit un objet JSON en objet de modèle.

La conversion échoue si l’espace de travail spécifié n’est pas l’espace de travail auprès duquel le modèle est inscrit.

static deserialize(workspace, model_payload)

Paramètres

Nom Description
workspace
Obligatoire

Objet d’espace de travail auprès duquel le modèle est inscrit.

model_payload
Obligatoire

Objet JSON à convertir en objet Model.

Retours

Type Description

Représentation sous forme de modèle de l’objet JSON fourni.

Exceptions

Type Description

download

Télécharge le modèle dans le répertoire cible du système de fichiers local.

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

Paramètres

Nom Description
target_dir
str

Chemin du répertoire dans lequel télécharger le modèle. La valeur par défaut est « . »

Valeur par défaut: .
exist_ok

Indique s’il faut remplacer les fichiers téléchargés dans le répertoire s’ils existent. Valeur par défaut False.

Valeur par défaut: False
exists_ok

DÉPRÉCIÉ. Utiliser exist_ok.

Valeur par défaut: None

Retours

Type Description
str

Chemin du fichier ou du dossier du modèle.

Exceptions

Type Description

get_model_path

Retourne le chemin du modèle.

La fonction recherche le modèle aux emplacements suivants.

Si version a la valeur None :

  1. Télécharger à partir de l’emplacement à distance vers le cache (si l’espace de travail est fourni)
  2. Charger à partir du cache azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Si version n’a pas la valeur None :

  1. Charger à partir du cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Télécharger à partir de l’emplacement à distance vers le cache (si l’espace de travail est fourni)
static get_model_path(model_name, version=None, _workspace=None)

Paramètres

Nom Description
model_name
Obligatoire
str

Nom du modèle à récupérer.

version
int

Version du modèle à récupérer. La valeur par défaut est la version la plus récente.

Valeur par défaut: None
_workspace

Espace de travail à partir duquel récupérer un modèle. Utilisation à distance impossible. S’il n’est pas spécifié, la recherche porte uniquement sur le cache local.

Valeur par défaut: None

Retours

Type Description
str

Chemin du modèle sur le disque.

Exceptions

Type Description

get_sas_urls

Retourne un dictionnaire de paires clé-valeur contenant des noms de fichiers et les URL SAS correspondantes.

get_sas_urls()

Retours

Type Description

Dictionnaire de paires clé-valeur contenant des noms de fichiers et des URL SAS correspondantes

Exceptions

Type Description

list

Récupère la liste de tous les modèles associés à l’espace de travail fourni, avec des filtres facultatifs.

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)

Paramètres

Nom Description
workspace
Obligatoire

Objet d’espace de travail à partir duquel récupérer les modèles.

name
str

S’il est fourni, retourne uniquement les modèles correspondant au nom spécifié, le cas échéant.

Valeur par défaut: None
tags

Applique un filtre en fonction de la liste fournie, selon les paramètres « key » ou « [key, value] ». Ex. ['key', ['key2', 'key2 value']]

Valeur par défaut: None
properties

Applique un filtre en fonction de la liste fournie, selon les paramètres « key » ou « [key, value] ». Ex. ['key', ['key2', 'key2 value']]

Valeur par défaut: None
run_id
str

Applique un filtre en fonction de l’ID d’exécution fourni.

Valeur par défaut: None
latest

Si la valeur est True, retourne uniquement les modèles avec la version la plus récente.

Valeur par défaut: False
dataset_id
str

Applique un filtre en fonction de l’ID du jeu de données fourni.

Valeur par défaut: None
expand

Si la valeur est True, retourne des modèles avec toutes les sous-propriétés renseignées, par exemple, l’exécution, le jeu de données et l’expérience. La définition de cette valeur sur False doit accélérer l’achèvement de la méthode list() s’il y a de nombreux modèles.

Valeur par défaut: True
page_count
int

Nombre d’éléments à récupérer dans une page. Actuellement, prend en charge des valeurs allant jusqu’à 255. La valeur par défaut est 255.

Valeur par défaut: 255
model_framework
str

S’il est fourni, retourne uniquement les modèles avec l’infrastructure spécifiée, le cas échéant.

Valeur par défaut: None

Retours

Type Description

Liste de modèles, éventuellement filtrée.

Exceptions

Type Description

package

Créez un package de modèle sous la forme d’une image Docker ou d’un contexte de génération de fichier Dockerfile.

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

Paramètres

Nom Description
workspace
Obligatoire

Espace de travail dans lequel créer le package.

models
Obligatoire

Liste d’objets Model à inclure dans le package. Peut être une liste vide.

inference_config

Objet InferenceConfig pour configurer le fonctionnement des modèles. Un objet Environment doit être inclus.

Valeur par défaut: None
generate_dockerfile

Indique s’il faut créer un fichier Dockerfile qui peut être exécuté localement au lieu de générer une image.

Valeur par défaut: False
image_name
str

Quand une image est générée, nom de l’image obtenue.

Valeur par défaut: None
image_label
str

Quand une image est générée, étiquette de l’image obtenue.

Valeur par défaut: None

Retours

Type Description

Objet ModelPackage.

Exceptions

Type Description

print_configuration

Imprimez la configuration utilisateur.

static print_configuration(models, inference_config, deployment_config, deployment_target)

Paramètres

Nom Description
models
Obligatoire

Liste d’objets de modèle. Peut être une liste vide.

inference_config
Obligatoire

Objet InferenceConfig utilisé pour déterminer les propriétés de modèle nécessaires.

deployment_config
Obligatoire

WebserviceDeploymentConfiguration utilisée pour configurer le service web.

deployment_target
Obligatoire

ComputeTarget sur lequel déployer le service web.

Exceptions

Type Description

profile

Profile le modèle pour obtenir des recommandations en matière de besoins en ressources.

Il s’agit d’une opération longue qui peut prendre jusqu’à 25 minutes en fonction de la taille du jeu de données.

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

Paramètres

Nom Description
workspace
Obligatoire

Objet Workspace dans lequel profiler le modèle.

profile_name
Obligatoire
str

Nom de l’exécution du profilage.

models
Obligatoire

Liste d’objets de modèle. Peut être une liste vide.

inference_config
Obligatoire

Objet InferenceConfig utilisé pour déterminer les propriétés de modèle nécessaires.

input_dataset
Obligatoire

Jeu de données d’entrée pour le profilage. Le jeu de données d’entrée doit avoir une seule colonne et les exemples d’entrées doivent être au format chaîne.

cpu

Nombre de cœurs de processeur à utiliser sur la plus grande instance de test. Actuellement, prend en charge des valeurs allant jusqu’à 3,5.

Valeur par défaut: None
memory_in_gb

Quantité de mémoire (en Go) à utiliser sur la plus grande instance de test. Peut être un nombre décimal. Actuellement, prend en charge des valeurs allant jusqu’à 15,0.

Valeur par défaut: None
description
str

Description à associer à l’exécution du profilage.

Valeur par défaut: None

Retours

Type Description

Exceptions

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

register

Inscrit un modèle auprès de l’espace de travail fourni.

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)

Paramètres

Nom Description
workspace
Obligatoire

Espace de travail auprès duquel inscrire le modèle.

model_path
Obligatoire
str

Chemin sur le système de fichiers local où se trouvent les ressources du modèle. Il peut s’agir d’un pointeur direct vers un fichier ou dossier unique. S’il pointe vers un dossier, le paramètre child_paths peut être utilisé pour spécifier des fichiers individuels à regrouper en tant qu’objet Model, au lieu d’utiliser tout le contenu du dossier.

model_name
Obligatoire
str

Nom sous lequel inscrire le modèle.

tags
dict(<xref:{str : str}>)

Dictionnaire facultatif des étiquettes clé-valeur à affecter au modèle.

Valeur par défaut: None
properties
dict(<xref:{str : str}>)

Dictionnaire facultatif des propriétés clé-valeur à affecter au modèle. Ces propriétés ne peuvent pas être modifiées après la création du modèle. De nouvelles paires clé-valeur peuvent cependant être ajoutées.

Valeur par défaut: None
description
str

Description textuelle du modèle.

Valeur par défaut: None
datasets

Liste des tuples où le premier élément décrit la relation jeu de données-modèle et le deuxième correspond au jeu de données.

Valeur par défaut: None
model_framework
str

Infrastructure du modèle inscrit. L’utilisation des constantes prises en charge par le système de la classe Framework permet un déploiement simplifié pour certaines infrastructures populaires.

Valeur par défaut: None
model_framework_version
str

Version d’infrastructure du modèle inscrit.

Valeur par défaut: None
child_paths

S’il est fourni avec un model_path menant à un dossier, seuls les fichiers spécifiés sont regroupés dans l’objet Model.

Valeur par défaut: None
sample_input_dataset

Exemple de jeu de données d’entrée pour le modèle inscrit.

Valeur par défaut: None
sample_output_dataset

Exemple de jeu de données de sortie pour le modèle inscrit.

Valeur par défaut: None
resource_configuration

Configuration de ressource pour exécuter le modèle inscrit.

Valeur par défaut: None

Retours

Type Description

Objet de modèle inscrit.

Exceptions

Type Description

Remarques

Outre le contenu du fichier de modèle lui-même, un modèle inscrit stocke également les métadonnées du modèle, notamment la description du modèle, les étiquettes et les informations d’infrastructure, qui sont utiles au moment de gérer et déployer le modèle dans votre espace de travail. Les étiquettes, par exemple, vous permettent de catégoriser vos modèles et d’appliquer des filtres lorsque vous listez les modèles dans votre espace de travail.

L’exemple suivant montre comment inscrire un modèle spécifiant des balises et une description.


   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)

Un exemple complet est disponible sur https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

Si vous avez un modèle qui a été généré à la suite de l’exécution d’une expérience, vous pouvez l’inscrire directement à partir d’un objet d’exécution sans le télécharger d’abord dans un fichier local. Pour ce faire, utilisez la méthode register_model comme indiqué dans la classe Run.

remove_tags

Supprime les clés spécifiées du dictionnaire d’étiquettes de ce modèle.

remove_tags(tags)

Paramètres

Nom Description
tags
Obligatoire

Liste des clés à supprimer

Exceptions

Type Description

serialize

Convertit ce modèle en dictionnaire JSON sérialisé.

serialize()

Retours

Type Description

Représentation JSON de ce modèle.

Exceptions

Type Description

update

Effectue une mise à jour sur place du modèle.

Les valeurs existantes des paramètres spécifiés sont remplacées.

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

Paramètres

Nom Description
tags
dict(<xref:{str : str}>)

Dictionnaire d’étiquettes avec lequel mettre à jour le modèle. Ces étiquettes remplacent les étiquettes existantes pour le modèle.

Valeur par défaut: None
description
str

Nouvelle description à utiliser pour le modèle. Ce nom remplace le nom existant.

Valeur par défaut: None
sample_input_dataset

Exemple de jeu de données d’entrée à utiliser pour le modèle inscrit. Cet exemple de jeu de données d’entrée remplace le jeu de données existant.

Valeur par défaut: None
sample_output_dataset

Exemple de jeu de données de sortie à utiliser pour le modèle inscrit. Cet exemple de jeu de données de sortie remplace le jeu de données existant.

Valeur par défaut: None
resource_configuration

Configuration de ressource à utiliser pour exécuter le modèle inscrit.

Valeur par défaut: None

Exceptions

Type Description

update_tags_properties

Effectue une mise à jour des étiquettes et des propriétés du modèle.

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

Paramètres

Nom Description
add_tags
dict(<xref:{str : str}>)

Dictionnaire de balises à ajouter.

Valeur par défaut: None
remove_tags

Liste des noms d’étiquettes à supprimer.

Valeur par défaut: None
add_properties
dict(<xref:{str : str}>)

Dictionnaire de propriétés à ajouter.

Valeur par défaut: None

Exceptions

Type Description