Model 類別

將提供的數據集與此模型產生關聯。

add_dataset_references(datasets)

參數

例外狀況

將索引鍵值組新增至此模型的屬性字典。

add_properties(properties)

參數

將索引鍵值組新增至此模型的標記字典。

add_tags(tags)

參數

例外狀況

從其相關聯的工作區中刪除此模型。

delete()

例外狀況

從零個或多個 Model 物件部署 Webservice。

產生的 Webservice 是可用於推斷要求的即時端點。 Model 函 deploy 式類似於 deploy 類別的 Webservice 函式，但不會註冊模型。 如果您有已註冊的模型物件，請使用 Model deploy 函式。

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

參數

傳回

例外狀況

將 JSON 物件轉換成模型物件。

如果指定的工作區不是模型註冊的工作區，則轉換會失敗。

static deserialize(workspace, model_payload)

參數

傳回

將模型下載到本機檔系統的目標目錄。

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

參數

傳回

傳回模型的路徑。

函式會在下列位置搜尋模型。

如果 version 為 None：

1. 從遠端下載到快取 （如果提供工作區）
2. 從快取 azureml-models/$MODEL_NAME/$LATEST_VERSION/ 載入
3. ./$MODEL_NAME

如果 version 不是 None：

1. 從快取 azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/ 載入
2. 從遠端下載到快取 （如果提供工作區）

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

參數

傳回

例外狀況

傳回索引鍵/值組的字典，其中包含檔名和對應的SAS URL。

get_sas_urls()

傳回

使用選擇性篩選，擷取與所提供工作區相關聯的所有模型清單。

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)

參數

傳回

例外狀況

以 Docker 映像或 Dockerfile 組建內容的形式建立模型套件。

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

參數

傳回

列印用戶設定。

static print_configuration(models, inference_config, deployment_config, deployment_target)

參數

配置檔模型以取得資源需求建議。

這是一項長時間執行的作業，視數據集大小而定，最多可能需要 25 分鐘的時間。

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

參數

傳回

例外狀況

向提供的工作區註冊模型。

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)

參數

傳回

備註

除了模型檔案本身的內容之外，已註冊的模型也會儲存模型元數據，包括模型描述、標記和架構資訊，在工作區中管理和部署模型時很有用。 例如，使用標籤，您可以在工作區中列出模型時分類模型並套用篩選。

下列範例示範如何註冊指定標籤和描述的模型。

   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)

如果您有因實驗執行而產生的模型，您可以直接從執行對象註冊該模型，而不需要先將它下載到本機檔案。 若要這樣做，請使用 register_model 方法，如 類別中所述 Run 。

從此模型的標記字典中移除指定的索引鍵。

remove_tags(tags)

參數

將此模型轉換成 json 串行化字典。

serialize()

傳回

執行模型的就地更新。

已取代指定參數的現有值。

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

參數

例外狀況

執行模型的標記和屬性更新。

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

參數

例外狀況