Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
GILT FÜR:
Azure CLI ml Erweiterung v2 (current)
Das JSON-Quellschema finden Sie unter https://azuremlschemas.azureedge.net/latest/model.schema.json.
Hinweis
Die in diesem Dokument beschriebene YAML-Syntax basiert auf dem JSON-Schema für die neueste Version der ML CLI v2-Erweiterung. Die Funktion dieser Syntax wird nur mit der neuesten Version der ML CLI v2-Erweiterung garantiert. Die Schemas für ältere Erweiterungsversionen finden Sie unter https://azuremlschemasprod.azureedge.net/.
YAML-Syntax
| Schlüssel | type | BESCHREIBUNG | Zulässige Werte |
|---|---|---|---|
$schema |
Zeichenfolge | Das YAML-Schema. | |
name |
Zeichenfolge | Erforderlich. Name des Modells. | |
version |
INT | Version des Modells. Wenn nicht angegeben, generiert Azure Machine Learning automatisch eine Version. | |
description |
Zeichenfolge | Beschreibung des Modells. | |
tags |
Objekt (object) | Wörterbuch der Tags für das Modell. | |
path |
Zeichenfolge | Entweder ein lokaler Pfad zu den Modelldateien oder der URI eines Cloudpfads zu den Modelldateien. Dieser kann entweder auf eine Datei oder ein Verzeichnis verweisen. | |
type |
Zeichenfolge | Speicherformattyp des Modells. Anwendbar für no-code Bereitstellung szenarien. |
custom_model, mlflow_modeltriton_model |
flavors |
Objekt (object) | Geschmacksrichtungen des Modells. Jeder Modellspeicherformattyp kann einen oder mehrere unterstützte Flavors haben. Anwendbar für no-code Bereitstellung szenarien. | |
default_deployment_template |
Objekt (object) | Die Standardbereitstellungsvorlage für das Modell. | |
default_deployment_template.asset_id |
Zeichenfolge | Die Objekt-ID der Bereitstellungsvorlage. Format: azureml://registries/{registry_name}/deploymenttemplates/{template_name}/versions/{version}. |
Hinweise
Der Befehl az ml model kann zum Verwalten von Azure Machine Learning Modellen verwendet werden.
Beispiele
Beispiele sind im examples GitHub Repository verfügbar. Einige davon sind unten aufgeführt.
YAML: lokale Datei
$schema: https://azuremlschemas.azureedge.net/latest/model.schema.json
name: local-file-example
path: mlflow-model/model.pkl
description: Model created from local file.
YAML: lokaler Ordner im MLflow-Format
$schema: https://azuremlschemas.azureedge.net/latest/model.schema.json
name: local-mlflow-example
path: mlflow-model
type: mlflow_model
description: Model created from local MLflow model directory.
YAML: Standardbereitstellungsvorlage
$schema: https://azuremlschemas.azureedge.net/latest/model.schema.json
name: my-model
version: 1
path: ./model
default_deployment_template:
asset_id: azureml://registries/my-registry/deploymenttemplates/my-template/versions/1