az ml model

ID do modelo a ser excluído.

Aquisição automática de um token Azure Policy para esta operação de recurso.

O ID de referência de alteração relacionado para esta operação de recurso.

Caminho para uma pasta de projeto. Padrão: diretório atual.

Grupo de recursos correspondente ao espaço de trabalho fornecido.

Especifica a ID da assinatura.

Nome do espaço de trabalho.

Bandeira de verbosidade.

O nome do serviço implantado.

Aquisição automática de um token Azure Policy para esta operação de recurso.

Ativar ou não a autenticação de chave para este WebService. O padrão é False.

Habilitar ou não o AppInsights para este WebService. O padrão é False.

Com que frequência o autoscaler deve tentar dimensionar este WebService. O padrão é 1.

Ativar ou não o dimensionamento automático para este WebService. O padrão é True se num_replicas for Nenhum.

A utilização alvo (em percentagem de 100) que o autoscaler deve tentar manter para este WebService. O padrão é 70.

O número máximo de contêineres a serem usados ao dimensionar automaticamente este WebService. O padrão é 10.

O número mínimo de contêineres a serem usados ao dimensionar automaticamente este WebService. O padrão é 1.

Uma imagem personalizada para ser usada como imagem base. Se nenhuma imagem base for fornecida, a imagem base será usada com base em determinado parâmetro de tempo de execução.

Registro de imagem que contém a imagem base.

O número de núcleos de cpu a alocar para este WebService. Pode ser decimal. O padrão é 0.1.

O número máximo de núcleos de CPU que este Webservice tem permissão para usar. Pode ser decimal.

Caminho para o arquivo local que contém uma definição de ambiente conda a ser usada para a imagem.

O ID de referência de alteração relacionado para esta operação de recurso.

Se deve ou não habilitar a coleta de dados de modelo para este WebService. O padrão é False.

Nome do destino de computação. Aplicável apenas quando implantado no AKS.

Tipo de serviço de computação a ser implantado.

Versão do CUDA para instalar para imagens que precisam de suporte de GPU. A imagem da GPU deve ser usada em serviços Microsoft Azure como Azure Container Instances, Azure Machine Learning Compute, Máquinas Virtuais do Azure, e Azure Kubernetes Service. As versões suportadas são 9.0, 9.1 e 10.0. Se 'enable_gpu' estiver definido, o padrão será '9.1'.

Caminho para um arquivo JSON ou YAML contendo metadados de implantação.

Descrição do serviço implantado.

O nome dns para este WebService.

Caminho para o arquivo local contendo etapas adicionais do Docker a serem executadas ao configurar a imagem.

Directory for Azure Machine Learning Environment para deployment. É o mesmo caminho de diretório fornecido no comando 'az ml environment scaffold'.

Se deve ou não ativar o suporte à GPU na imagem. A imagem da GPU deve ser usada em serviços Microsoft Azure como Azure Container Instances, Azure Machine Learning Compute, Máquinas Virtuais do Azure, e Azure Kubernetes Service. O padrão é False.

Caminho para o arquivo local que contém o código a ser executado para o serviço (caminho relativo de source_directory se for fornecido).

Nome do Azure Machine Learning Environment para implementação.

Versão de um ambiente Azure Machine Learning existente para implementação.

Quando um Pod é iniciado e a sonda de vivacidade falha, o Kubernetes tentará --failure-threshold times antes de desistir. O padrão é 3. O valor mínimo é 1.

A quantidade de memória (em GB) a alocar para este WebService. Pode ser decimal.

A quantidade máxima de memória (em GB) que este Webservice tem permissão para usar. Pode ser decimal.

O número de núcleos de gpu a alocar para este WebService. O padrão é 1.

Caminho para um arquivo JSON ou YAML contendo configuração de inferência.

Número de segundos após o início do recipiente antes que as sondas de vivacidade sejam iniciadas. O padrão é 310.

Nome da chave para propriedades de criptografia em chaves gerenciadas pelo cliente (CMK) para ACI.

Versão da chave para propriedades de criptografia em chaves gerenciadas pelo cliente (CMK) para ACI.

Uma chave de autenticação primária a ser usada para este WebService.

Uma chave de autenticação secundária a ser usada para este WebService.

A região do Azure para implementar este Webservice. Se não for especificado, o local do espaço de trabalho será usado. Mais detalhes sobre as regiões disponíveis podem ser encontrados aqui: https://azure.microsoft.com/en-us/global-infrastructure/services/?regions=all& products=instâncias de contêiner.

A quantidade máxima de tempo que uma solicitação permanecerá na fila (em milissegundos) antes de retornar um erro 503. O padrão é 500.

A ID do modelo a ser implantado. Vários modelos podem ser especificados com argumentos -m adicionais. Os modelos precisam ser registrados primeiro.

Caminho para um arquivo JSON contendo metadados de registro de modelo. Vários modelos podem ser fornecidos usando vários parâmetros -f.

Namespace Kubernetes no qual implantar o serviço: até 63 caracteres alfanuméricos minúsculos ('a'-'z', '0'-'9') e hífen ('-'). O primeiro e o último caracteres não podem ser hífenes. Aplicável apenas quando implantado no AKS.

Sinalizar para não esperar por chamadas assíncronas.

O número de contêineres a serem alocados para este WebService. Não há padrão, se esse parâmetro não estiver definido, o autoscaler será habilitado por padrão.

Substitua o serviço existente se o nome entrar em conflito.

Caminho para uma pasta de projeto. Padrão: diretório atual.

Com que frequência (em segundos) realizar a sonda de vivacidade. O padrão é de 10 segundos. O valor mínimo é 1.

Caminho para um arquivo JSON contendo resultados de criação de perfil.

A porta local na qual expor o ponto de extremidade HTTP do serviço.

Propriedade chave/valor a ser adicionada (e.g. key=value). Várias propriedades podem ser especificadas com várias opções --property.

O número máximo de solicitações simultâneas por nó para permitir este WebService. O padrão é 1.

Grupo de recursos correspondente ao espaço de trabalho fornecido.

Qual tempo de execução usar para imagem. Os tempos de execução atuais suportados são 'spark-py' e 'python'spark-py|python|python-slim.

O cname para se o SSL estiver habilitado.

Um tempo limite a ser imposto para marcar chamadas para este WebService. O padrão é 60000.

Caminho para pastas que contêm todos os arquivos para criar a imagem.

Ativar ou não o SSL para este WebService. O padrão é False.

O arquivo de chave necessário se o SSL estiver habilitado.

O arquivo cert necessário se o SSL estiver habilitado.

Sucessos consecutivos mínimos para que a sonda de vivacidade seja considerada bem-sucedida depois de ter falhado. O padrão é 1. O valor mínimo é 1.

Nome da sub-rede dentro da vnet.

Especifica a ID da assinatura.

Tag chave/valor a ser adicionada (e.g. key=value). Várias tags podem ser especificadas com várias opções --tag.

Número de segundos após os quais a sonda de vivacidade expira. O padrão é de 2 segundos. O valor mínimo é 1.

Habilitar ou não a autenticação de token para este WebService. Ignorado se não estiver implantando no AKS. O padrão é False.

A quantidade de tráfego que a versão recebe em um ponto de extremidade. Pode ser decimal. O valor padrão é 0.

URL base do Vault para propriedades de criptografia em chaves gerenciadas pelo cliente (CMK) para ACI.

O nome da versão em um ponto de extremidade. O padrão é o nome do ponto de extremidade para a primeira versão.

Nome da rede virtual.

Nome do espaço de trabalho.

Bandeira de verbosidade.

ID do modelo.

Diretório de destino para o qual baixar o arquivo de modelo.

Aquisição automática de um token Azure Policy para esta operação de recurso.

O ID de referência de alteração relacionado para esta operação de recurso.

Substitua se o mesmo arquivo de nome existir no diretório de destino.

Caminho para uma pasta de projeto. Padrão: diretório atual.

Grupo de recursos correspondente ao espaço de trabalho fornecido.

Especifica a ID da assinatura.

Nome do espaço de trabalho que contém o modelo a ser exibido.

Bandeira de verbosidade.

Se fornecido, mostrará apenas modelos com o ID do conjunto de dados especificado.

Se fornecido, só retornará modelos com a versão mais recente.

Um nome de modelo opcional para filtrar a lista.

Caminho para uma pasta de projeto. Padrão: diretório atual.

Propriedade chave/valor a ser adicionada (e.g. key=value). Várias propriedades podem ser especificadas com várias opções --property.

Grupo de recursos correspondente ao espaço de trabalho fornecido.

Se fornecido, mostrará apenas modelos com o ID de execução especificado.

Especifica a ID da assinatura.

Tag chave/valor a ser adicionada (e.g. key=value). Várias tags podem ser especificadas com várias opções --tag.

Nome do espaço de trabalho que contém modelos a serem listados.

Bandeira de verbosidade.

Aquisição automática de um token Azure Policy para esta operação de recurso.

Caminho para o arquivo local que contém uma definição de ambiente conda a ser usada para o pacote.

O ID de referência de alteração relacionado para esta operação de recurso.

Directory for Azure Machine Learning Environment para empacotamento. É o mesmo caminho de diretório fornecido no comando 'az ml environment scaffold'.

Caminho para o arquivo local que contém o código a ser executado para o serviço (caminho relativo de source_directory se for fornecido).

Nome do Azure Machine Learning Environment para empacotamento.

Versão de um ambiente Azure Machine Learning existente para empacotamento.

Caminho para um arquivo JSON ou YAML contendo configuração de inferência.

Rótulo para dar a imagem da embalagem construída.

Nome para fornecer a imagem do pacote compilado.

A ID do modelo a ser empacotado. Vários modelos podem ser especificados com argumentos -m adicionais. Os modelos precisam ser registrados primeiro.

Caminho para um arquivo JSON contendo metadados de registro de modelo. Vários modelos podem ser fornecidos usando vários parâmetros -f.

Sinalizar para não esperar por chamadas assíncronas.

Caminho de saída para o contexto do docker. Se um caminho de saída for passado, em vez de criar uma imagem no ACR do espaço de trabalho, um dockerfile e o contexto de compilação necessário serão gravados nesse caminho.

Caminho para uma pasta de projeto. Padrão: diretório atual.

Grupo de recursos correspondente ao espaço de trabalho fornecido.

Qual tempo de execução usar para o pacote. Os tempos de execução atuais suportados são 'spark-py' e 'python'spark-py|python|python-slim.

Caminho para pastas que contêm todos os arquivos para criar a imagem.

Especifica a ID da assinatura.

Nome do espaço de trabalho.

Bandeira de verbosidade.

O nome do perfil do modelo.

Aquisição automática de um token Azure Policy para esta operação de recurso.

Uma imagem personalizada para ser usada como imagem base. Se nenhuma imagem base for fornecida, a imagem base será usada com base em determinado parâmetro de tempo de execução.

Registro de imagem que contém a imagem base.

Valor duplo para CPU máxima a ser usada durante a criação de perfil.

Caminho para o arquivo local que contém uma definição de ambiente conda a ser usada para a imagem.

O ID de referência de alteração relacionado para esta operação de recurso.

Descrição do perfil do modelo.

Directory for Azure Machine Learning Environment para deployment. É o mesmo caminho de diretório fornecido no comando 'az ml environment scaffold'.

Caminho para o arquivo local que contém o código a ser executado para o serviço (caminho relativo de source_directory se for fornecido).

Nome do Azure Machine Learning Environment para implementação.

Versão de um ambiente Azure Machine Learning existente para implementação.

Valor duplo para memória máxima a ser usada durante a criação de perfil.

Caminho para um arquivo JSON ou YAML contendo configuração de inferência.

ID do conjunto de dados tabulares a ser usado como entrada para o perfil.

A ID do modelo a ser implantado. Vários modelos podem ser especificados com argumentos -m adicionais. Os modelos precisam ser registrados primeiro.

Caminho para um arquivo JSON contendo metadados de registro de modelo. Vários modelos podem ser fornecidos usando vários parâmetros -f.

Caminho para um arquivo JSON onde os metadados dos resultados do perfil serão gravados. Usado como entrada para a implantação do modelo.

Grupo de recursos correspondente ao espaço de trabalho fornecido.

Caminho para pastas que contêm todos os arquivos para criar a imagem.

Especifica a ID da assinatura.

Nome do espaço de trabalho.

Bandeira de verbosidade.

Nome do modelo a registar.

Aquisição automática de um token Azure Policy para esta operação de recurso.

O caminho da nuvem onde a experiência é executada armazena o arquivo de modelo.

O número padrão de núcleos de CPU a serem alocados para este modelo. Pode ser decimal.

O ID de referência de alteração relacionado para esta operação de recurso.

Descrição do modelo.

O nome do experimento.

A quantidade padrão de memória (em GB) a ser alocada para este modelo. Pode ser decimal.

O número padrão de GPUs a serem alocadas para este modelo.

Enquadramento do modelo a registar. Frameworks atualmente suportados: TensorFlow, ScikitLearn, Onnx, Custom, Multi.

Versão Framework do modelo a registar (por exemplo, 1.0.0, 2.4.1).

Caminho completo do arquivo de modelo a ser registrado.

Caminho para um arquivo JSON onde os metadados de registro do modelo serão gravados. Usado como entrada para a implantação do modelo.

Caminho para uma pasta de projeto. Padrão: diretório atual.

Propriedade chave/valor a ser adicionada (e.g. key=value). Várias propriedades podem ser especificadas com várias opções --property.

Grupo de recursos correspondente ao espaço de trabalho fornecido.

A ID do experimento é executada de onde o modelo é registrado.

Caminho para um arquivo JSON contendo metadados de execução de experiência.

A ID do conjunto de dados de entrada de exemplo.

A ID do conjunto de dados de saída de exemplo.

Especifica a ID da assinatura.

Tag chave/valor a ser adicionada (e.g. key=value). Várias tags podem ser especificadas com várias opções --tag.

Nome do espaço de trabalho no qual registrar esse modelo.

Bandeira de verbosidade.

ID do modelo a mostrar.

Nome do modelo a mostrar.

Caminho para uma pasta de projeto. Padrão: diretório atual.

Grupo de recursos correspondente ao espaço de trabalho fornecido.

Se fornecido, mostrará apenas modelos com o ID de execução especificado.

Especifica a ID da assinatura.

Se fornecido, mostrará apenas modelos com o nome e a versão especificados.

Nome do espaço de trabalho que contém o modelo a ser exibido.

Bandeira de verbosidade.

ID do modelo.

Aquisição automática de um token Azure Policy para esta operação de recurso.

Propriedade chave/valor a ser adicionada (e.g. key=value). Várias propriedades podem ser especificadas com várias opções --add-property.

Tag chave/valor a ser adicionada (e.g. key=value). Várias tags podem ser especificadas com várias opções --add-tag.

O número padrão de núcleos de CPU a serem alocados para este modelo. Pode ser decimal.

O ID de referência de alteração relacionado para esta operação de recurso.

Descrição para atualizar o modelo com. Substituirá a descrição atual.

A quantidade padrão de memória (em GB) a ser alocada para este modelo. Pode ser decimal.

O número padrão de GPUs a serem alocadas para este modelo.

Caminho para uma pasta de projeto. Padrão: diretório atual.

Chave da tag a ser removida. Várias tags podem ser especificadas com várias opções --remove-tag.

Grupo de recursos correspondente ao espaço de trabalho fornecido.

A ID do conjunto de dados de entrada de exemplo.

A ID do conjunto de dados de saída de exemplo.

Especifica a ID da assinatura.

Nome do espaço de trabalho.

Bandeira de verbosidade.