Partager via

Model Classe

Représente le résultat de l’apprentissage automatique.

Un modèle est le résultat d’une formation Run Azure Machine Learning ou d’un autre processus d’entraînement de modèle en dehors d’Azure. Quel que soit le mode de production du modèle, 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 obtenir un didacticiel de bout en bout montrant comment les modèles sont créés, gérés et consommés, consultez Entraîner le modèle de classification d’images avec des données MNIST et scikit-learn à l’aide d’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.

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
Workspace

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

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

Valeur par défaut: None
id
str

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

Valeur par défaut: None
tags
list

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

Valeur par défaut: None
properties
list

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

Valeur par défaut: None
version
int

Version du modèle à retourner. Lorsqu’elle est fournie avec le name paramètre, la version spécifique du modèle nommé spécifié est retournée, le cas échéant. Si version elle est omise, 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 de framework facultatif utilisé pour filtrer les résultats retournés. Si spécifié, les résultats sont retournés pour les modèles correspondant à l’infrastructure spécifiée. Consultez Framework les valeurs autorisées.

Valeur par défaut: None
workspace
Obligatoire
Workspace

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

Nom du modèle à récupérer. Le modèle le plus récent portant le nom spécifié est retourné, s’il existe.
id
Obligatoire
str

ID du modèle à récupérer. Le modèle avec l’ID spécifié est retourné, s’il existe.
tags
Obligatoire
list

Liste facultative des balises utilisées pour filtrer les résultats retournés. Les résultats sont filtrés en fonction de la liste fournie, en recherchant par « clé » ou « [clé, valeur] ». Ex. ['key', ['key2', 'key2 value']]
properties
Obligatoire
list

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

Version du modèle à retourner. Lorsqu’elle est fournie avec le name paramètre, la version spécifique du modèle nommé spécifié est retournée, le cas échéant. Si version elle est omise, la dernière version du modèle est retournée.
run_id
Obligatoire
str

ID facultatif utilisé pour filtrer les résultats retournés.
model_framework
Obligatoire
str

Nom de framework facultatif utilisé pour filtrer les résultats retournés. Si spécifié, les résultats sont retournés pour les modèles correspondant à l’infrastructure spécifiée. Consultez Framework les valeurs autorisées.
expand
bool

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

Valeur par défaut: True

Remarques

Le constructeur model est utilisé pour récupérer une représentation cloud d’un objet Model associé à l’espace de travail spécifié. Au moins le nom ou l’ID doivent être fournis pour récupérer des modèles, mais il existe également d’autres options de filtrage, notamment par les balises, les propriétés, la version, l’ID d’exécution et l’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 les 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 balises et les informations d’infrastructure, qui sont utiles lors de la gestion et du déploiement du modèle dans votre espace de travail. Par exemple, avec des balises, vous pouvez catégoriser vos modèles et appliquer des filtres lors de la description des modèles dans votre espace de travail. Après l’inscription, vous pouvez ensuite télécharger ou déployer le modèle inscrit et recevoir tous les fichiers et métadonnées 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)

L’exemple suivant montre comment inscrire un modèle spécifiant l’infrastructure, les 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 répertorie les attributs d’une représentation locale de l’objet cloud Model. Ces variables doivent être considérées comme en lecture seule. La modification de leurs valeurs ne sera pas reflétée dans l’objet cloud correspondant.

Variables

Nom Description
created_by
dict

Utilisateur qui a créé le modèle.
created_time
datetime

Lorsque le modèle a été créé.
azureml.core.Model.description

Description de l’objet Model.
azureml.core.Model.id

ID de modèle. Cela prend la forme de la version du <modèle name> :<>model.
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 d’infrastructure du modèle.
azureml.core.Model.tags

Dictionnaire d’étiquettes pour l’objet Model.
azureml.core.Model.properties

Dictionnaire des propriétés de valeur de clé pour le modèle. Ces propriétés ne peuvent pas être modifiées après l’inscription, mais de nouvelles paires clé-valeur peuvent être ajoutées.
unpack
bool

Indique si le modèle doit être décompressé (décompressé) lorsqu’il est extrait dans un contexte local.
url
str

Emplacement de l’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
list[str]

Liste des ID de modèle qui ont été dérivés de ce modèle.
resource_configuration
ResourceConfiguration

ResourceConfiguration pour ce modèle. Utilisé pour le profilage.

Méthodes

add_dataset_references

Associez les jeux de données fournis à ce modèle.
add_properties

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

Ajoutez des paires clé-valeur au dictionnaire de balises de ce modèle.
delete

Supprimez ce modèle de son espace de travail associé.
deploy

Déployez un service Web à partir de zéro ou plusieurs Model objets.

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

Convertissez un objet JSON en objet modèle.

La conversion échoue si l’espace de travail spécifié n’est pas l’espace de travail avec lequel le modèle est inscrit.
download

Téléchargez le modèle dans le répertoire cible du système de fichiers local.
get_model_path

Retourne le chemin d’accès au modèle.

La fonction recherche le modèle dans les emplacements suivants.

Si version aucun n’est :

  1. Télécharger à partir de remote to 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 aucun n’est :

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

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

Récupérez 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 build Dockerfile.
print_configuration

Imprimez la configuration utilisateur.
profile

Profile le modèle pour obtenir des recommandations relatives aux besoins en ressources.

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

Inscrivez un modèle auprès de l’espace de travail fourni.
remove_tags

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

Convertissez ce modèle en dictionnaire sérialisé json.
update

Effectuez une mise à jour sur place du modèle.

Les valeurs existantes des paramètres spécifiés sont remplacées.
update_tags_properties

Effectuez une mise à jour des balises et des propriétés du modèle.

add_dataset_references

Associez 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 un appairage de jeux de données à l’objet Dataset.

Exceptions

Type Description
WebserviceException

add_properties

Ajoutez 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.

add_tags

Ajoutez des paires clé-valeur au dictionnaire de balises de ce modèle.

add_tags(tags)

Paramètres

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

Dictionnaire de balises à ajouter.

Exceptions

Type Description
WebserviceException

delete

Supprimez ce modèle de son espace de travail associé.

delete()

Exceptions

Type Description
WebserviceException

deploy

Déployez un service Web à partir de zéro ou plusieurs Model objets.

Le service Web résultant est un point de terminaison en temps réel qui peut être utilisé pour les demandes d’inférence. La fonction Model deploy est similaire à la deploy fonction de la Webservice classe, mais n’inscrit pas les modèles. Utilisez la fonction Model deploy 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
Workspace

Objet Workspace auquel associer le service Web.
name
Obligatoire
str

Nom à attribuer au service déployé. Doit être unique à l’espace de travail, se compose uniquement de lettres minuscules, de chiffres ou de tirets, de commencer par une lettre et d’être comprise entre 3 et 32 caractères.
models
Obligatoire
list[Model]

Liste d’objets de modèle. Il peut s’agir d’une liste vide.
inference_config
InferenceConfig

Objet InferenceConfig utilisé pour déterminer les propriétés de modèle requises.

Valeur par défaut: None
deployment_config
WebserviceDeploymentConfiguration

WebserviceDeploymentConfiguration utilisé pour configurer le service web. Si aucun objet de configuration n’est fourni, un objet de configuration vide est utilisé en fonction de la cible souhaitée.

Valeur par défaut: None
deployment_target
ComputeTarget

A ComputeTarget pour déployer le service Web vers. Étant donné qu’Azure Container Instances n’a pas d’associé ComputeTarget, laissez ce paramètre comme Aucun à déployer sur Azure Container Instances.

Valeur par défaut: None
overwrite
bool

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

Valeur par défaut: False
show_output
bool

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

Valeur par défaut: False

Retours

Type Description
Webservice

Objet Webservice correspondant au service web déployé.

Exceptions

Type Description
WebserviceException

deserialize

Convertissez un objet JSON en objet modèle.

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

static deserialize(workspace, model_payload)

Paramètres

Nom Description
workspace
Obligatoire
Workspace

Objet d’espace de travail avec lequel le modèle est inscrit.
model_payload
Obligatoire
dict

Objet JSON à convertir en objet Model.

Retours

Type Description
Model

Représentation model de l’objet JSON fourni.

download

Téléchargez 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 d’accès à un répertoire dans lequel télécharger le modèle. La valeur par défaut est « ».

Valeur par défaut: .
exist_ok
bool

Indique s’il faut remplacer les fichiers/dir téléchargés s’ils existent. Valeur par défaut False.

Valeur par défaut: False
exists_ok
bool

OBSOLESCENT. Utilisez exist_ok.

Valeur par défaut: None

Retours

Type Description
str

Chemin d’accès au fichier ou au dossier du modèle.

get_model_path

Retourne le chemin d’accès au modèle.

La fonction recherche le modèle dans les emplacements suivants.

Si version aucun n’est :

  1. Télécharger à partir de remote to 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 aucun n’est :

  1. Charger à partir du cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Télécharger à partir de remote to 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 dernière version.

Valeur par défaut: None
_workspace
Workspace

Espace de travail à partir duquel récupérer un modèle. Impossible d’utiliser à distance. Si aucun cache local n’est spécifié, il est recherché.

Valeur par défaut: None

Retours

Type Description
str

Chemin d’accès sur le disque au modèle.

Exceptions

Type Description
ModelNotFoundException

get_sas_urls

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

get_sas_urls()

Retours

Type Description
dict

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

list

Récupérez 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
Workspace

Objet d’espace de travail à partir duquel récupérer des modèles.
name
str

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

Valeur par défaut: None
tags
list

Filtre en fonction de la liste fournie, par « clé » ou « [clé, valeur] ». Ex. ['key', ['key2', 'key2 value']]

Valeur par défaut: None
properties
list

Filtre en fonction de la liste fournie, par « clé » ou « [clé, valeur] ». Ex. ['key', ['key2', 'key2 value']]

Valeur par défaut: None
run_id
str

Filtre en fonction de l’ID d’exécution fourni.

Valeur par défaut: None
latest
bool

Si la valeur est true, retourne uniquement les modèles avec la dernière version.

Valeur par défaut: False
dataset_id
str

Filtre en fonction de l’ID de jeu de données fourni.

Valeur par défaut: None
expand
bool

Si la valeur est true, retourne des modèles avec toutes les sous-propriétés remplies, par exemple, l’exécution, le jeu de données et l’expérience. La définition de cette valeur sur false doit accélérer la saisie semi-automatique de la méthode list() en cas de nombreux modèles.

Valeur par défaut: True
page_count
int

Nombre d’éléments à récupérer dans une page. Prend actuellement en charge les valeurs jusqu’à 255. La valeur par défaut est 255.

Valeur par défaut: 255
model_framework
str

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

Valeur par défaut: None

Retours

Type Description
list[Model]

Liste de modèles, éventuellement filtrée.

Exceptions

Type Description
WebserviceException

package

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

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

Paramètres

Nom Description
workspace
Obligatoire
Workspace

Espace de travail dans lequel créer le package.
models
Obligatoire
list[Model]

Liste des objets Model à inclure dans le package. Il peut s’agir d’une liste vide.
inference_config
InferenceConfig

Objet InferenceConfig pour configurer l’opération des modèles. Cela doit inclure un objet Environment.

Valeur par défaut: None
generate_dockerfile
bool

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

Valeur par défaut: False
image_name
str

Lors de la création d’une image, nom de l’image résultante.

Valeur par défaut: None
image_label
str

Lors de la création d’une image, l’étiquette de l’image résultante.

Valeur par défaut: None

Retours

Type Description
ModelPackage

Objet ModelPackage.

print_configuration

Imprimez la configuration utilisateur.

static print_configuration(models, inference_config, deployment_config, deployment_target)

Paramètres

Nom Description
models
Obligatoire
list[Model]

Liste d’objets de modèle. Il peut s’agir d’une liste vide.
inference_config
Obligatoire
InferenceConfig

Objet InferenceConfig utilisé pour déterminer les propriétés de modèle requises.
deployment_config
Obligatoire
WebserviceDeploymentConfiguration

WebserviceDeploymentConfiguration utilisé pour configurer le service web.
deployment_target
Obligatoire
ComputeTarget

A ComputeTarget pour déployer le service Web vers.

profile

Profile le modèle pour obtenir des recommandations relatives aux besoins en ressources.

Il s’agit d’une opération longue pouvant 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
Workspace

Objet Workspace dans lequel profiler le modèle.
profile_name
Obligatoire
str

Nom de l’exécution du profilage.
models
Obligatoire
list[Model]

Liste d’objets de modèle. Il peut s’agir d’une liste vide.
inference_config
Obligatoire
InferenceConfig

Objet InferenceConfig utilisé pour déterminer les propriétés de modèle requises.
input_dataset
Obligatoire
Dataset

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

Nombre de cœurs de processeur à utiliser sur la plus grande instance de test. Prend actuellement en charge les valeurs jusqu’à 3,5.

Valeur par défaut: None
memory_in_gb
float

Quantité de mémoire (en Go) à utiliser sur la plus grande instance de test. Peut être une décimale. Prend actuellement en charge les valeurs 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
ModelProfile

Exceptions

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

register

Inscrivez 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
Workspace

Espace de travail avec lequel inscrire le modèle.
model_path
Obligatoire
str

Chemin d’accès sur le système de fichiers local où se trouvent les ressources du modèle. Il peut s’agir d’un pointeur direct vers un seul fichier ou dossier. Si vous pointez vers un dossier, le child_paths paramètre peut être utilisé pour spécifier des fichiers individuels à regrouper en tant qu’objet Model, par opposition à l’utilisation de l’intégralité du contenu du dossier.
model_name
Obligatoire
str

Nom avec lequel inscrire le modèle.
tags
dict(<xref:{str : str}>)

Dictionnaire facultatif d’étiquettes de valeur de clé à affecter au modèle.

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

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

Valeur par défaut: None
description
str

Description textuelle du modèle.

Valeur par défaut: None
datasets
list[(str, AbstractDataset)]

Liste de tuples où le premier élément décrit la relation dataset-model et le deuxième élément est le 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 Framework classe 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
list[str]

Si elles sont fournies conjointement avec un model_path dossier, seuls les fichiers spécifiés sont regroupés dans l’objet Model.

Valeur par défaut: None
sample_input_dataset
AbstractDataset

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

Valeur par défaut: None
sample_output_dataset
AbstractDataset

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

Valeur par défaut: None
resource_configuration
ResourceConfiguration

Configuration de ressource pour exécuter le modèle inscrit.

Valeur par défaut: None

Retours

Type Description
Model

Objet de modèle inscrit.

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 balises et les informations d’infrastructure, qui sont utiles lors de la gestion et du déploiement du modèle dans votre espace de travail. Par exemple, avec des balises, vous pouvez catégoriser vos modèles et appliquer des filtres lors de la description des 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)

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

remove_tags

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

remove_tags(tags)

Paramètres

Nom Description
tags
Obligatoire
list[str]

Liste des clés à supprimer

serialize

Convertissez ce modèle en dictionnaire sérialisé json.

serialize()

Retours

Type Description
dict

Représentation json de ce modèle

update

Effectuez 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 de balises avec lequel mettre à jour le modèle. Ces balises remplacent les balises 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
AbstractDataset

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
AbstractDataset

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
ResourceConfiguration

Configuration des ressources à utiliser pour exécuter le modèle inscrit.

Valeur par défaut: None

Exceptions

Type Description
WebserviceException

update_tags_properties

Effectuez une mise à jour des balises 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
list[str]

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
WebserviceException