Model Classe

Referência

Representa o resultado do treinamento do machine learning.

Um modelo é o resultado de um treinamento do Azure Machine Learning Run ou algum outro processo de treinamento de modelo fora do Azure. Independentemente de como o modelo é produzido, ele pode ser registrado em um workspace, onde é representado por um nome e uma versão. Com a classe Model, você pode empacotar modelos para uso com o Docker e implantá-los como um ponto de extremidade em tempo real que pode ser usado para solicitações de inferência.

Para obter um tutorial completo mostrando como os modelos são criados, gerenciados e consumidos, consulte Treinar modelo de classificação de imagem com dados do MNIST e scikit-learn usando o Azure Machine Learning.

Construtor de modelo.

O construtor Model é usado para recuperar uma representação na nuvem de um objeto Model associado ao workspace fornecido. Deve fornecer o nome ou a ID.

Herança: builtins.object

Model

Construtor

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

Parâmetros

Nome	Description
workspace Obrigatório	Workspace O objeto de workspace que contém o modelo a ser recuperado.
name	str O nome do modelo a ser recuperado. O modelo mais recente com o nome especificado será retornado se existir. Valor padrão: None
id	str A ID do modelo a ser recuperado. O modelo com a ID especificada será retornado se existir. Valor padrão: None
tags	list Uma lista opcional de marcas usadas para filtrar os resultados retornados. Os resultados são filtrados com base na lista fornecida, pesquisando por 'chave' ou '[chave, valor]'. Ex.: ['chave', ['chave2', 'valor de chave2']] Valor padrão: None
properties	list Uma lista opcional de propriedades usadas para filtrar os resultados retornados. Os resultados são filtrados com base na lista fornecida, pesquisando por 'chave' ou '[chave, valor]'. Ex.: ['chave', ['chave2', 'valor de chave2']] Valor padrão: None
version	int A versão do modelo a ser retornada. Quando fornecida junto com o parâmetro `name`, a versão específica do modelo nomeado especificado será retornada se existir. Se `version` for omitida, a versão mais recente do modelo será retornada. Valor padrão: None
run_id	str ID opcional usada para filtrar os resultados retornados. Valor padrão: None
model_framework	str Nome da estrutura opcional usada para filtrar os resultados retornados. Se especificados, os resultados são retornados para os modelos que correspondem à estrutura especificada. Confira Framework para obter os valores permitidos. Valor padrão: None
workspace Obrigatório	Workspace O objeto de workspace que contém o modelo a ser recuperado.
name Obrigatório	str O nome do modelo a ser recuperado. O modelo mais recente com o nome especificado será retornado se existir.
id Obrigatório	str A ID do modelo a ser recuperado. O modelo com a ID especificada será retornado se existir.
tags Obrigatório	list Uma lista opcional de marcas usadas para filtrar os resultados retornados. Os resultados são filtrados com base na lista fornecida, pesquisando por 'chave' ou '[chave, valor]'. Ex.: ['chave', ['chave2', 'valor de chave2']]
properties Obrigatório	list Uma lista opcional de propriedades usadas para filtrar os resultados retornados. Os resultados são filtrados com base na lista fornecida, pesquisando por 'chave' ou '[chave, valor]'. Ex.: ['chave', ['chave2', 'valor de chave2']]
version Obrigatório	int A versão do modelo a ser retornada. Quando fornecida junto com o parâmetro `name`, a versão específica do modelo nomeado especificado será retornada se existir. Se `version` for omitida, a versão mais recente do modelo será retornada.
run_id Obrigatório	str ID opcional usada para filtrar os resultados retornados.
model_framework Obrigatório	str Nome da estrutura opcional usada para filtrar os resultados retornados. Se especificados, os resultados são retornados para os modelos que correspondem à estrutura especificada. Confira Framework para obter os valores permitidos.
expand	bool Se for true, retornará modelos com todas as subpropriedades preenchidas, por exemplo, run, dataset e experiment. Valor padrão: True

Comentários

O construtor Model é usado para recuperar uma representação em nuvem de um objeto Model associado ao workspace fornecido. Pelo menos o nome ou a ID precisa ser fornecido para recuperar modelos, mas há também outras opções de filtragem, incluindo marcas, propriedades, versão, ID de execução e estrutura.


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

O exemplo a seguir mostra como buscar uma versão específica de um modelo.


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

Um modelo registrado é um contêiner lógico para um ou mais arquivos que compõem seu modelo. Além do conteúdo do próprio arquivo de modelo, um modelo registrado também armazena os metadados do modelo, incluindo descrição do modelo, marcas e informações de estrutura, que serão úteis ao gerenciar e implantar o modelo no workspace. Usando marcas, por exemplo, você pode categorizar seus modelos e aplicar filtros ao listar modelos no workspace. Após o registro, você pode baixar ou implantar o modelo registrado e receber todos os arquivos e metadados registrados.

A amostra a seguir mostra como registrar um modelo especificando marcas e uma descrição.


   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)

O exemplo completo está disponível em https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

A amostra a seguir mostra como registrar um modelo especificando a estrutura, os conjuntos de dados de entrada e saída e a configuração do recurso.


   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)

A seção Variáveis lista os atributos de uma representação local do objeto de modelo na nuvem. Essas variáveis devem ser consideradas somente leitura. Alterar seus valores não altera o objeto de nuvem correspondente.

Variáveis

Nome	Description
created_by	dict O usuário que criou o modelo.
created_time	datetime Quando o modelo foi criado.
azureml.core.Model.description	Uma descrição do objeto de modelo.
azureml.core.Model.id	A ID do modelo. Isso usa a forma de <nome do modelo>: <versão do modelo>.
mime_type	str O tipo mime do modelo.
azureml.core.Model.name	O nome do modelo.
model_framework	str A estrutura do modelo.
model_framework_version	str A versão da estrutura do modelo.
azureml.core.Model.tags	Um dicionário de marcas para o objeto de modelo.
azureml.core.Model.properties	Dicionário de propriedades de chave-valor para o modelo. Essas propriedades não podem ser alteradas após o registro. No entanto, novos pares de chave-valor podem ser adicionados.
unpack	bool Se o modelo precisa ou não ser desempacotado (descompactado de formato tar) quando obtido por pull para um contexto local.
url	str O local da URL do modelo.
azureml.core.Model.version	A versão do modelo.
azureml.core.Model.workspace	O workspace que contém o modelo.
azureml.core.Model.experiment_name	O nome do experimento que criou o modelo.
azureml.core.Model.run_id	A ID da execução que criou o modelo.
parent_id	str A ID do modelo pai do modelo.
derived_model_ids	list[str] Uma lista de IDs de modelo que foram derivadas deste modelo.
resource_configuration	ResourceConfiguration O ResourceConfiguration para este modelo. Usado para criação de perfil.

Métodos

add_dataset_references	Associar os conjuntos de dados fornecidos a esse modelo.
add_properties	Adicionar pares de chave-valor ao dicionário de propriedades deste modelo.
add_tags	Adicionar pares de chave-valor ao dicionário de propriedades deste modelo.
delete	Excluir este serviço Web do workspace associado.
deploy	Implantar um serviço Web de zero ou mais objetos Model. O serviço Web resultante é um ponto de extremidade em tempo real que pode ser usado para solicitações de inferência. A função `deploy` de Model é semelhante à função `deploy` da classe Webservice, mas não registra os modelos. Use a função `deploy` de Model se tiver objetos de modelo que já estão registrados.
deserialize	Converter um objeto JSON em um objeto de modelo. A conversão falhará se o workspace especificado não for aquele com o qual o modelo está registrado.
download	Baixar o modelo para o diretório de destino do sistema de arquivos local.
get_model_path	Retornar o caminho para o modelo. A função pesquisará o modelo nos locais a seguir. Se `version` for Nenhum: Baixar de um local remoto para cache (se o workspace for fornecido) Carregar do cache azureml-models/$MODEL_NAME/$LATEST_VERSION/ ./$MODEL_NAME Se `version` não for Nenhum: Carregar do cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/ Baixar de um local remoto para cache (se o workspace for fornecido)
get_sas_urls	Retornar um dicionário de pares chave-valor com nomes de arquivo e URLs SAS correspondentes.
list	Recuperar uma lista de todos os modelos associados ao workspace fornecido, com filtros opcionais.
package	Criar um pacote de modelo na forma de uma imagem do Docker ou contexto de build do Dockerfile.
print_configuration	Imprima a configuração do usuário.
profile	Cria o perfil do modelo para obtenção de recomendações de requisito de recurso. Essa é uma operação de execução prolongada que pode levar até 25 minutos, dependendo do tamanho do conjunto de dados.
register	Registrar um modelo com o workspace fornecido.
remove_tags	Remover as chaves especificadas do dicionário de marcas deste modelo.
serialize	Converter esse modelo em um dicionário serializado JSON.
update	Executar uma atualização in-loco do modelo. Os valores existentes dos parâmetros especificados são substituídos.
update_tags_properties	Executa uma atualização das marcas e propriedades do modelo.

add_dataset_references

Associar os conjuntos de dados fornecidos a esse modelo.

add_dataset_references(datasets)

Parâmetros

Nome	Description
datasets Obrigatório	list[tuple(<xref:str :> (Dataset ou DatasetSnapshot))] Uma lista de tuplas que representa um emparelhamento da finalidade do conjunto de dados para o objeto de conjunto de dados.

Exceções

Tipo	Description
WebserviceException

add_properties

Adicionar pares de chave-valor ao dicionário de propriedades deste modelo.

add_properties(properties)

Parâmetros

Nome	Description
properties Obrigatório	dict(<xref:str : str>) O dicionário de propriedades a ser adicionado.

Exceções

Tipo	Description
WebserviceException

add_tags

Adicionar pares de chave-valor ao dicionário de propriedades deste modelo.

add_tags(tags)

Parâmetros

Nome	Description
tags Obrigatório	dict(<xref:{str : str}>) O dicionário de marcas a ser adicionado.

Exceções

Tipo	Description
WebserviceException

delete

Excluir este serviço Web do workspace associado.

delete()

Exceções

Tipo	Description
WebserviceException

deploy

Implantar um serviço Web de zero ou mais objetos Model.

O serviço Web resultante é um ponto de extremidade em tempo real que pode ser usado para solicitações de inferência. A função deploy de Model é semelhante à função deploy da classe Webservice, mas não registra os modelos. Use a função deploy de Model se tiver objetos de modelo que já estão registrados.

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

Parâmetros

Nome	Description
workspace Obrigatório	Workspace Um objeto de workspace ao qual associar o serviço Web.
name Obrigatório	str O nome para o serviço implantado. Deve ser exclusivo ao workspace, ter apenas letras minúsculas, números ou traços, começar com uma letra e ter entre 3 e 32 caracteres.
models Obrigatório	list[Model] Uma lista de objetos de modelo. Pode ser uma lista vazia.
inference_config	InferenceConfig Um objeto InferenceConfig usado para determinar as propriedades de modelo necessárias. Valor padrão: None
deployment_config	WebserviceDeploymentConfiguration Um WebserviceDeploymentConfiguration usado para configurar o serviço Web. Se um não for fornecido, um objeto de configuração vazio será usado com base no destino desejado. Valor padrão: None
deployment_target	ComputeTarget Um ComputeTarget no qual implantar o serviço Web. Como as Instâncias de Contêiner do Azure não têm um ComputeTarget associado, deixe esse parâmetro como None para implantar nas Instâncias de Contêiner do Azure. Valor padrão: None
overwrite	bool Indica se o serviço existente deverá ou não ser substituído se já existir um serviço com o nome especificado. Valor padrão: False
show_output	bool Indica se o andamento da implantação do serviço deve ser exibido. Valor padrão: False

Retornos

Tipo	Description
Webservice	Um objeto do serviço Web correspondente ao serviço Web implantado.

Exceções

Tipo	Description
WebserviceException

deserialize

Converter um objeto JSON em um objeto de modelo.

A conversão falhará se o workspace especificado não for aquele com o qual o modelo está registrado.

static deserialize(workspace, model_payload)

Parâmetros

Nome	Description
workspace Obrigatório	Workspace O objeto de workspace com o qual o modelo está registrado.
model_payload Obrigatório	dict Um objeto JSON a ser convertido em um objeto de modelo.

Retornos

Tipo	Description
Model	A representação de modelo do objeto JSON fornecido.

Exceções

Tipo	Description
WebserviceException

download

Baixar o modelo para o diretório de destino do sistema de arquivos local.

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

Parâmetros

Nome	Description
target_dir	str O caminho para um diretório no qual baixar o modelo. Usa como padrão "." Valor padrão: .
exist_ok	bool Indica se os arquivos dir baixados devem ser substituídos se existirem. Usa False como padrão. Valor padrão: False
exists_ok	bool PRETERIDO. Use `exist_ok`. Valor padrão: None

Retornos

Tipo	Description
str	O caminho para o arquivo ou a pasta do modelo.

Exceções

Tipo	Description
WebserviceException

get_model_path

Retornar o caminho para o modelo.

A função pesquisará o modelo nos locais a seguir.

Se version for Nenhum:

Baixar de um local remoto para cache (se o workspace for fornecido)
Carregar do cache azureml-models/$MODEL_NAME/$LATEST_VERSION/
./$MODEL_NAME

Se version não for Nenhum:

Carregar do cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
Baixar de um local remoto para cache (se o workspace for fornecido)

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

Parâmetros

Nome	Description
model_name Obrigatório	str O nome do modelo a ser recuperado.
version	int A versão do modelo a ser recuperada. Usa a versão mais recente por padrão. Valor padrão: None
_workspace	Workspace O workspace do qual recuperar um modelo. Não é possível usar remotamente. Se não for especificado, somente o cache local será pesquisado. Valor padrão: None

Retornos

Tipo	Description
str	O caminho no disco para o modelo.

Exceções

Tipo	Description
ModelNotFoundException

get_sas_urls

Retornar um dicionário de pares chave-valor com nomes de arquivo e URLs SAS correspondentes.

get_sas_urls()

Retornos

Tipo	Description
dict	Dicionário de pares chave-valor contendo nomes de arquivo e URLs SAS correspondentes

Exceções

Tipo	Description
WebserviceException

list

Recuperar uma lista de todos os modelos associados ao workspace fornecido, com filtros opcionais.

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)

Parâmetros

Nome	Description
workspace Obrigatório	Workspace O objeto de workspace do qual os modelos são recuperados.
name	str Se fornecido, retornará apenas os modelos com o nome especificado, se houver. Valor padrão: None
tags	list Filtrará com base na lista fornecida, por 'chave' ou '[chave, valor]'. Ex.: ['chave', ['chave2', 'valor de chave2']] Valor padrão: None
properties	list Filtrará com base na lista fornecida, por 'chave' ou '[chave, valor]'. Ex.: ['chave', ['chave2', 'valor de chave2']] Valor padrão: None
run_id	str Filtrará com base na ID de execução fornecida. Valor padrão: None
latest	bool Se for true, retornará apenas os modelos com a versão mais recente. Valor padrão: False
dataset_id	str Filtrará com base na ID do conjunto de dados fornecido. Valor padrão: None
expand	bool Se for true, retornará modelos com todas as subpropriedades preenchidas, por exemplo, run, dataset e experiment. Definir isso como false deve acelerar a conclusão do método list() no caso de muitos modelos. Valor padrão: True
page_count	int O número de itens a serem recuperados em uma página. Atualmente, dá suporte a valores de até 255. O valor padrão é 255. Valor padrão: 255
model_framework	str Se fornecido, retornará apenas os modelos com a estrutura especificada, se houver. Valor padrão: None

Retornos

Tipo	Description
list[Model]	Uma lista de modelos, opcionalmente filtrada.

Exceções

Tipo	Description
WebserviceException

package

Criar um pacote de modelo na forma de uma imagem do Docker ou contexto de build do Dockerfile.

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

Parâmetros

Nome	Description
workspace Obrigatório	Workspace O workspace no qual criar o pacote.
models Obrigatório	list[Model] Uma lista de objetos de modelo a serem incluídos no pacote. Pode ser uma lista vazia.
inference_config	InferenceConfig Um objeto InferenceConfig para configurar a operação dos modelos. Isso deve incluir um objeto de ambiente. Valor padrão: None
generate_dockerfile	bool Se é necessário criar um Dockerfile que possa ser executado localmente em vez de criar uma imagem. Valor padrão: False
image_name	str Ao criar uma imagem, o nome da imagem resultante. Valor padrão: None
image_label	str Ao criar uma imagem, o rótulo da imagem resultante. Valor padrão: None

Retornos

Tipo	Description
ModelPackage	Um objeto ModelPackage.

Exceções

Tipo	Description
WebserviceException

print_configuration

Imprima a configuração do usuário.

static print_configuration(models, inference_config, deployment_config, deployment_target)

Parâmetros

Nome	Description
models Obrigatório	list[Model] Uma lista de objetos de modelo. Pode ser uma lista vazia.
inference_config Obrigatório	InferenceConfig Um objeto InferenceConfig usado para determinar as propriedades de modelo necessárias.
deployment_config Obrigatório	WebserviceDeploymentConfiguration Um WebserviceDeploymentConfiguration usado para configurar o serviço Web.
deployment_target Obrigatório	ComputeTarget Um ComputeTarget no qual implantar o serviço Web.

Exceções

Tipo	Description
WebserviceException

profile

Cria o perfil do modelo para obtenção de recomendações de requisito de recurso.

Essa é uma operação de execução prolongada que pode levar até 25 minutos, dependendo do tamanho do conjunto de dados.

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

Parâmetros

Nome	Description
workspace Obrigatório	Workspace Um objeto de workspace no qual criar o perfil do modelo.
profile_name Obrigatório	str O nome da execução da criação de perfil.
models Obrigatório	list[Model] Uma lista de objetos de modelo. Pode ser uma lista vazia.
inference_config Obrigatório	InferenceConfig Um objeto InferenceConfig usado para determinar as propriedades de modelo necessárias.
input_dataset Obrigatório	Dataset O conjunto de dados de entrada para criação de perfil. O conjunto de dados de entrada deve ter apenas uma coluna e as entradas de exemplo devem estar no formato de cadeia de caracteres.
cpu	float O número de núcleos de CPU a serem usados na maior instância de teste. Atualmente, dá suporte a valores de até 3.5. Valor padrão: None
memory_in_gb	float A quantidade de memória (em GB) a ser usada na maior instância de teste. Pode ser um decimal. Atualmente, dá suporte a valores de até 15.0. Valor padrão: None
description	str Descrição a ser associada à execução de criação de perfil. Valor padrão: None

Retornos

Tipo	Description
ModelProfile

Exceções

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

register

Registrar um modelo com o workspace fornecido.

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)

Parâmetros

Nome	Description
workspace Obrigatório	Workspace O workspace com o qual registrar o modelo.
model_path Obrigatório	str O caminho no sistema de arquivos local onde os ativos do modelo estão localizados. Isso pode ser um ponteiro direto para apenas um arquivo ou uma pasta. Se estiver apontando para uma pasta, o parâmetro `child_paths` poderá ser usado para especificar arquivos individuais a serem agrupados como o objeto de modelo, em vez de usar todo o conteúdo da pasta.
model_name Obrigatório	str O nome com o qual registrar o modelo.
tags	dict(<xref:{str : str}>) Um dicionário opcional de marcas de chave-valor a serem atribuídas ao modelo. Valor padrão: None
properties	dict(<xref:{str : str}>) Um dicionário opcional de propriedades de chave-valor a serem atribuídas ao modelo. Essas propriedades não podem ser alteradas após a criação do modelo. No entanto, novos pares de chave-valor podem ser adicionados. Valor padrão: None
description	str Uma descrição de texto do modelo. Valor padrão: None
datasets	list[(str, AbstractDataset)] Uma lista de tuplas em que o primeiro elemento descreve a relação entre o conjunto de dados e o modelo, e o segundo elemento é o conjunto de dados. Valor padrão: None
model_framework	str A versão da estrutura do modelo registrado. O uso das constantes compatíveis com o sistema da classe Framework permite a implantação simplificada para algumas estruturas populares. Valor padrão: None
model_framework_version	str A versão da estrutura do modelo registrado. Valor padrão: None
child_paths	list[str] Se fornecido em conjunto com um `model_path` para uma pasta, somente os arquivos especificados serão agrupados no objeto de modelo. Valor padrão: None
sample_input_dataset	AbstractDataset Amostra do conjunto de dados de entrada para o modelo registrado. Valor padrão: None
sample_output_dataset	AbstractDataset Amostra do conjunto de dados de saída para o modelo registrado. Valor padrão: None
resource_configuration	ResourceConfiguration Uma configuração de recurso para executar o modelo registrado. Valor padrão: None

Retornos

Tipo	Description
Model	O objeto de modelo registrado.

Exceções

Tipo	Description
WebserviceException

Comentários

Além do conteúdo do próprio arquivo de modelo, um modelo registrado também armazena os metadados do modelo, incluindo descrição do modelo, marcas e informações de estrutura, que serão úteis ao gerenciar e implantar o modelo no workspace. Usando marcas, por exemplo, você pode categorizar seus modelos e aplicar filtros ao listar modelos no workspace.

A amostra a seguir mostra como registrar um modelo especificando marcas e uma descrição.


   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)

O exemplo completo está disponível em https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

Se você tiver um modelo que foi produzido como resultado de uma execução de experimento, você poderá registrá-lo de um objeto Run diretamente, sem baixá-lo em um arquivo local primeiro. Para fazer isso, use o método register_model conforme documentado na classe Run.

remove_tags

Remover as chaves especificadas do dicionário de marcas deste modelo.

remove_tags(tags)

Parâmetros

Nome	Description
tags Obrigatório	list[str] A lista de chaves para remover

Exceções

Tipo	Description
WebserviceException

serialize

Converter esse modelo em um dicionário serializado JSON.

serialize()

Retornos

Tipo	Description
dict	A representação JSON desse modelo

Exceções

Tipo	Description
WebserviceException

update

Executar uma atualização in-loco do modelo.

Os valores existentes dos parâmetros especificados são substituídos.

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

Parâmetros

Nome	Description
tags	dict(<xref:{str : str}>) Um dicionário de marcas com as quais atualizar o modelo. Essas marcas substituem as marcas existentes do modelo. Valor padrão: None
description	str A nova descrição a ser usada para o modelo. Esse nome substitui o nome existente. Valor padrão: None
sample_input_dataset	AbstractDataset Conjunto de dados de entrada de amostra a ser usado para o modelo registrado. Este conjunto de dados de entrada de amostra substitui o conjunto de dados existente. Valor padrão: None
sample_output_dataset	AbstractDataset O conjunto de dados de saída de amostra ser usado para o modelo registrado. Este conjunto de dados de saída de amostra substitui o conjunto de dados existente. Valor padrão: None
resource_configuration	ResourceConfiguration A configuração de recurso a ser usada para executar o modelo registrado. Valor padrão: None

Exceções

Tipo	Description
WebserviceException

update_tags_properties

Executa uma atualização das marcas e propriedades do modelo.

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

Parâmetros

Nome	Description
add_tags	dict(<xref:{str : str}>) O dicionário de marcas a serem adicionadas. Valor padrão: None
remove_tags	list[str] Uma lista de nomes de marca a serem removidos. Valor padrão: None
add_properties	dict(<xref:{str : str}>) Um dicionário de propriedades a serem adicionadas. Valor padrão: None

Exceções

Tipo	Description
WebserviceException

Compartilhar via

Model Classe

Construtor

Parâmetros

Comentários

Variáveis

Métodos

add_dataset_references

Parâmetros

Exceções

add_properties

Parâmetros

Exceções

add_tags

Parâmetros

Exceções

delete

Exceções

deploy

Parâmetros

Retornos

Exceções

deserialize

Parâmetros

Retornos

Exceções

download

Parâmetros

Retornos

Exceções

get_model_path

Parâmetros

Retornos

Exceções

get_sas_urls

Retornos

Exceções

list

Parâmetros

Retornos

Exceções

package

Parâmetros

Retornos

Exceções

print_configuration

Parâmetros

Exceções

profile

Parâmetros

Retornos

Exceções

register

Parâmetros

Retornos

Exceções

Comentários

remove_tags

Parâmetros

Exceções

serialize

Retornos

Exceções

update

Parâmetros

Exceções

update_tags_properties

Parâmetros

Exceções

Comentários

Recursos adicionais