Compartir a través de

Áreas de trabajo de Microsoft.MachineLearningServices/schedules 2022-10-01

  • Artículo

Definición de recursos de Bicep

El tipo de recurso workspaces/schedules se puede implementar con operaciones que tienen como destino:

Para obtener una lista de las propiedades modificadas en cada versión de api, consulte registro de cambios.

Formato de los recursos

Para crear un recurso Microsoft.MachineLearningServices/workspaces/schedules, agregue el siguiente bicep a la plantilla.

resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2022-10-01' = {
  name: 'string'
  parent: resourceSymbolicName
  properties: {
    action: {
      actionType: 'string'
      // For remaining properties, see ScheduleActionBase objects
    }
    description: 'string'
    displayName: 'string'
    isEnabled: bool
    properties: {
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
    }
    tags: {
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
    }
    trigger: {
      endTime: 'string'
      startTime: 'string'
      timeZone: 'string'
      triggerType: 'string'
      // For remaining properties, see TriggerBase objects
    }
  }
}

Objetos ScheduleActionBase

Establezca la propiedad actionType para especificar el tipo de objeto.

Para CreateJob, use:

  actionType: 'CreateJob'
  jobDefinition: {
    componentId: 'string'
    computeId: 'string'
    description: 'string'
    displayName: 'string'
    experimentName: 'string'
    identity: {
      identityType: 'string'
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived: bool
    properties: {
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
    }
    services: {
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
    }
    tags: {
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
    }
    jobType: 'string'
    // For remaining properties, see JobBaseProperties objects
  }

Para InvokeBatchEndpoint, use:

  actionType: 'InvokeBatchEndpoint'
  endpointInvocationDefinition: any()

Objetos JobBaseProperties

Establezca la propiedad jobType para especificar el tipo de objeto.

Para AutoML, use:

  jobType: 'AutoML'
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    properties: {
      {customized property}: any()
      {customized property}: any()
    }
    shmSize: 'string'
  }
  taskDetails: {
    logVerbosity: 'string'
    targetColumnName: 'string'
    trainingData: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    taskType: 'string'
    // For remaining properties, see AutoMLVertical objects
  }

Para Command, use:

  jobType: 'Command'
  codeId: 'string'
  command: 'string'
  distribution: {
    distributionType: 'string'
    // For remaining properties, see DistributionConfiguration objects
  }
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  limits: {
    jobLimitsType: 'string'
    timeout: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    properties: {
      {customized property}: any()
      {customized property}: any()
    }
    shmSize: 'string'
  }

Para Canalización, use:

  jobType: 'Pipeline'
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  jobs: {
    {customized property}: any()
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  settings: any()
  sourceJobId: 'string'

Para Barrido, use:

  jobType: 'Sweep'
  earlyTermination: {
    delayEvaluation: int
    evaluationInterval: int
    policyType: 'string'
    // For remaining properties, see EarlyTerminationPolicy objects
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  limits: {
    jobLimitsType: 'string'
    maxConcurrentTrials: int
    maxTotalTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  objective: {
    goal: 'string'
    primaryMetric: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  samplingAlgorithm: {
    samplingAlgorithmType: 'string'
    // For remaining properties, see SamplingAlgorithm objects
  }
  searchSpace: any()
  trial: {
    codeId: 'string'
    command: 'string'
    distribution: {
      distributionType: 'string'
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId: 'string'
    environmentVariables: {
      {customized property}: 'string'
    }
    resources: {
      dockerArgs: 'string'
      instanceCount: int
      instanceType: 'string'
      properties: {
        {customized property}: any()
        {customized property}: any()
      }
      shmSize: 'string'
    }
  }

Objetos IdentityConfiguration

Establezca la propiedad identityType para especificar el tipo de objeto.

Para AMLToken, use:

  identityType: 'AMLToken'

Para Administrado, use:

  identityType: 'Managed'
  clientId: 'string'
  objectId: 'string'
  resourceId: 'string'

Para UserIdentity, use:

  identityType: 'UserIdentity'

Objetos JobOutput

Establezca la propiedad jobOutputType para especificar el tipo de objeto.

Para custom_model, use:

  jobOutputType: 'custom_model'
  mode: 'string'
  uri: 'string'

Para mlflow_model, use:

  jobOutputType: 'mlflow_model'
  mode: 'string'
  uri: 'string'

Para mltable, use:

  jobOutputType: 'mltable'
  mode: 'string'
  uri: 'string'

Para triton_model, use:

  jobOutputType: 'triton_model'
  mode: 'string'
  uri: 'string'

Para uri_file, use:

  jobOutputType: 'uri_file'
  mode: 'string'
  uri: 'string'

Para uri_folder, use:

  jobOutputType: 'uri_folder'
  mode: 'string'
  uri: 'string'

Objetos AutoMLVertical

Establezca la propiedad taskType para especificar el tipo de objeto.

Para Clasificación, use:

  taskType: 'Classification'
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel: 'string'
  primaryMetric: 'string'
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

Para la previsión, use:

  taskType: 'Forecasting'
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  forecastingSettings: {
    countryOrRegionForHolidays: 'string'
    cvStepSize: int
    featureLags: 'string'
    forecastHorizon: {
      mode: 'string'
      // For remaining properties, see ForecastHorizon objects
    }
    frequency: 'string'
    seasonality: {
      mode: 'string'
      // For remaining properties, see Seasonality objects
    }
    shortSeriesHandlingConfig: 'string'
    targetAggregateFunction: 'string'
    targetLags: {
      mode: 'string'
      // For remaining properties, see TargetLags objects
    }
    targetRollingWindowSize: {
      mode: 'string'
      // For remaining properties, see TargetRollingWindowSize objects
    }
    timeColumnName: 'string'
    timeSeriesIdColumnNames: [
      'string'
    ]
    useStl: 'string'
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

Para ImageClassification, use:

  taskType: 'ImageClassification'
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    momentum: int
    nesterov: bool
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    trainingBatchSize: int
    trainingCropSize: int
    validationBatchSize: int
    validationCropSize: int
    validationResizeSize: int
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
    weightedLoss: int
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      momentum: 'string'
      nesterov: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      trainingBatchSize: 'string'
      trainingCropSize: 'string'
      validationBatchSize: 'string'
      validationCropSize: 'string'
      validationResizeSize: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
      weightedLoss: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int

Para ImageClassificationMultilabel, use:

  taskType: 'ImageClassificationMultilabel'
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    momentum: int
    nesterov: bool
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    trainingBatchSize: int
    trainingCropSize: int
    validationBatchSize: int
    validationCropSize: int
    validationResizeSize: int
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
    weightedLoss: int
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      momentum: 'string'
      nesterov: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      trainingBatchSize: 'string'
      trainingCropSize: 'string'
      validationBatchSize: 'string'
      validationCropSize: 'string'
      validationResizeSize: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
      weightedLoss: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int

Para ImageInstanceSegmentation, use:

  taskType: 'ImageInstanceSegmentation'
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    boxDetectionsPerImage: int
    boxScoreThreshold: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    imageSize: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    maxSize: int
    minSize: int
    modelName: 'string'
    modelSize: 'string'
    momentum: int
    multiScale: bool
    nesterov: bool
    nmsIouThreshold: int
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    tileGridSize: 'string'
    tileOverlapRatio: int
    tilePredictionsNmsThreshold: int
    trainingBatchSize: int
    validationBatchSize: int
    validationIouThreshold: int
    validationMetricType: 'string'
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
  }
  primaryMetric: 'MeanAveragePrecision'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      boxDetectionsPerImage: 'string'
      boxScoreThreshold: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      imageSize: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      maxSize: 'string'
      minSize: 'string'
      modelName: 'string'
      modelSize: 'string'
      momentum: 'string'
      multiScale: 'string'
      nesterov: 'string'
      nmsIouThreshold: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      tileGridSize: 'string'
      tileOverlapRatio: 'string'
      tilePredictionsNmsThreshold: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      validationIouThreshold: 'string'
      validationMetricType: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int

Para ImageObjectDetection, use:

  taskType: 'ImageObjectDetection'
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    boxDetectionsPerImage: int
    boxScoreThreshold: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    imageSize: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    maxSize: int
    minSize: int
    modelName: 'string'
    modelSize: 'string'
    momentum: int
    multiScale: bool
    nesterov: bool
    nmsIouThreshold: int
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    tileGridSize: 'string'
    tileOverlapRatio: int
    tilePredictionsNmsThreshold: int
    trainingBatchSize: int
    validationBatchSize: int
    validationIouThreshold: int
    validationMetricType: 'string'
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
  }
  primaryMetric: 'MeanAveragePrecision'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      boxDetectionsPerImage: 'string'
      boxScoreThreshold: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      imageSize: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      maxSize: 'string'
      minSize: 'string'
      modelName: 'string'
      modelSize: 'string'
      momentum: 'string'
      multiScale: 'string'
      nesterov: 'string'
      nmsIouThreshold: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      tileGridSize: 'string'
      tileOverlapRatio: 'string'
      tilePredictionsNmsThreshold: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      validationIouThreshold: 'string'
      validationMetricType: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int

Para Regresión, use:

  taskType: 'Regression'
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

Para TextClassification, use:

  taskType: 'TextClassification'
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  primaryMetric: 'string'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }

Para TextClassificationMultilabel, use:

  taskType: 'TextClassificationMultilabel'
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }

Para TextNER, use:

  taskType: 'TextNER'
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }

NCrossValidations (objetos)

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  mode: 'Auto'

Para Custom, use:

  mode: 'Custom'
  value: int

ForecastHorizon (objetos)

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  mode: 'Auto'

Para Custom, use:

  mode: 'Custom'
  value: int

Objetos de estacionalidad

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  mode: 'Auto'

Para Custom, use:

  mode: 'Custom'
  value: int

Objetos TargetLags

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  mode: 'Auto'

Para Custom, use:

  mode: 'Custom'
  values: [
    int
  ]

Objetos TargetRollingWindowSize

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  mode: 'Auto'

Para Custom, use:

  mode: 'Custom'
  value: int

Objetos EarlyTerminationPolicy

Establezca la propiedad policyType para especificar el tipo de objeto.

Para Bandido, use:

  policyType: 'Bandit'
  slackAmount: int
  slackFactor: int

Para MedianStopping, use:

  policyType: 'MedianStopping'

Para TruncationSelection, use:

  policyType: 'TruncationSelection'
  truncationPercentage: int

Objetos DistributionConfiguration

Establezca la propiedad distributionType para especificar el tipo de objeto.

Para Mpi, use:

  distributionType: 'Mpi'
  processCountPerInstance: int

Para PyTorch, use:

  distributionType: 'PyTorch'
  processCountPerInstance: int

Para TensorFlow, use:

  distributionType: 'TensorFlow'
  parameterServerCount: int
  workerCount: int

Objetos JobInput

Establezca la propiedad jobInputType para especificar el tipo de objeto.

Para custom_model, use:

  jobInputType: 'custom_model'
  mode: 'string'
  uri: 'string'

Para literal, use:

  jobInputType: 'literal'
  value: 'string'

Para mlflow_model, use:

  jobInputType: 'mlflow_model'
  mode: 'string'
  uri: 'string'

Para mltable, use:

  jobInputType: 'mltable'
  mode: 'string'
  uri: 'string'

Para triton_model, use:

  jobInputType: 'triton_model'
  mode: 'string'
  uri: 'string'

Para uri_file, use:

  jobInputType: 'uri_file'
  mode: 'string'
  uri: 'string'

Para uri_folder, use:

  jobInputType: 'uri_folder'
  mode: 'string'
  uri: 'string'

Objetos SamplingAlgorithm

Establezca la propiedad samplingAlgorithmType para especificar el tipo de objeto.

Para Bayesiano, use:

  samplingAlgorithmType: 'Bayesian'

Para Grid, use:

  samplingAlgorithmType: 'Grid'

Para Random, use:

  samplingAlgorithmType: 'Random'
  rule: 'string'
  seed: int

Objetos TriggerBase

Establezca la propiedad triggerType para especificar el tipo de objeto.

Para Cron, use:

  triggerType: 'Cron'
  expression: 'string'

Para Periodicidad, use:

  triggerType: 'Recurrence'
  frequency: 'string'
  interval: int
  schedule: {
    hours: [
      int
    ]
    minutes: [
      int
    ]
    monthDays: [
      int
    ]
    weekDays: [
      'string'
    ]
  }

Valores de propiedad

áreas de trabajo y programaciones

Nombre Descripción Value
name El nombre del recurso

Vea cómo establecer nombres y tipos para recursos secundarios en Bicep.		 string (obligatorio)
primario En Bicep, puede especificar el recurso primario para un recurso secundario. Solo tiene que agregar esta propiedad cuando el recurso secundario se declara fuera del recurso primario.

Para más información, consulte Recurso secundario fuera del recurso primario.		 Nombre simbólico del recurso de tipo: áreas de trabajo
properties [Obligatorio] Atributos adicionales de la entidad. ScheduleProperties (obligatorio)

ScheduleProperties

Nombre Descripción Valor
action [Obligatorio] Especifica la acción de la programación. ScheduleActionBase (obligatorio)
description Texto de descripción del recurso. string
DisplayName Nombre para mostrar de la programación. string
isEnabled ¿Está habilitada la programación? bool
properties Diccionario de propiedades de recursos. ResourceBaseProperties
etiquetas Diccionario de etiquetas. Las etiquetas se pueden agregar, quitar y actualizar. object
desencadenador [Obligatorio] Especifica los detalles del desencadenador. TriggerBase (obligatorio)

ScheduleActionBase

Nombre Descripción Valor
actionType Establecimiento del tipo de objeto CreateJob
InvokeBatchEndpoint (obligatorio)

JobScheduleAction

Nombre Descripción Valor
actionType [Obligatorio] Especifica el tipo de acción de la programación. 'CreateJob' (obligatorio)
jobDefinition [Obligatorio] Define los detalles de la definición de la acción Programar. JobBaseProperties (obligatorio)

JobBaseProperties

Nombre Descripción Valor
Componentid Id. de recurso de ARM del recurso de componente. string
computeId Id. de recurso de ARM del recurso de proceso. string
description Texto de descripción del recurso. string
DisplayName Nombre para mostrar del trabajo. string
experimentName Nombre del experimento al que pertenece el trabajo. Si no se establece, el trabajo se coloca en el experimento "Predeterminado". string
identidad Configuración de identidad. Si se establece, debe ser uno de AmlToken, ManagedIdentity, UserIdentity o null.
El valor predeterminado es AmlToken si es null.		 IdentityConfiguration
isArchived ¿Se archiva el recurso? bool
properties Diccionario de propiedades de recursos. ResourceBaseProperties
services Lista de jobEndpoints.
En el caso de los trabajos locales, un punto de conexión de trabajo tendrá un valor de punto de conexión de FileStreamObject.		 JobBaseServices
etiquetas Diccionario de etiquetas. Las etiquetas se pueden agregar, quitar y actualizar. object
jobType Establecimiento del tipo de objeto AutoML
Comando
Canalización
Barrido (obligatorio)

IdentityConfiguration

Nombre Descripción Valor
identityType Establecimiento del tipo de objeto AMLToken
Administrado
UserIdentity (obligatorio)

AmlToken

Nombre Descripción Valor
identityType [Obligatorio] Especifica el tipo de marco de identidad. 'AMLToken' (obligatorio)

ManagedIdentity

Nombre Descripción Valor
identityType [Obligatorio] Especifica el tipo de marco de identidad. 'Administrado' (obligatorio)
clientId Especifica una identidad asignada por el usuario por identificador de cliente. Para asignado por el sistema, no establezca este campo. string

Restricciones:
Longitud mínima = 36
Longitud máxima = 36
Patrón = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
objectId Especifica una identidad asignada por el usuario por identificador de objeto. Para asignado por el sistema, no establezca este campo. string

Restricciones:
Longitud mínima = 36
Longitud máxima = 36
Patrón = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId Especifica una identidad asignada por el usuario por el identificador de recurso de ARM. Para asignado por el sistema, no establezca este campo. string

UserIdentity

Nombre Descripción Valor
identityType [Obligatorio] Especifica el tipo de marco de identidad. 'UserIdentity' (obligatorio)

ResourceBaseProperties

Nombre Descripción Valor
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string

JobBaseServices

Nombre Descripción Valor
{propiedad personalizada} JobService

JobService

Nombre Descripción Valor
endpoint Dirección URL del punto de conexión. string
jobServiceType Tipo de punto de conexión. string
port Puerto para el punto de conexión. int
properties Propiedades adicionales que se van a establecer en el punto de conexión. JobServiceProperties

JobServiceProperties

Nombre Descripción Valor
{propiedad personalizada} string

AutoMLJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. 'AutoML' (obligatorio)
environmentId Identificador de recurso de ARM de la especificación del entorno para el trabajo.
Este es un valor opcional para proporcionar, si no se proporciona, AutoML se usará de forma predeterminada en la versión del entorno mantenido por AutoML de producción al ejecutar el trabajo.		 string
environmentVariables Variables de entorno incluidas en el trabajo. AutoMLJobEnvironmentVariables
outputs Asignación de enlaces de datos de salida usados en el trabajo. AutoMLJobOutputs
resources Configuración de recursos de proceso para el trabajo. JobResourceConfiguration
taskDetails [Obligatorio] Esto representa un escenario que puede ser una de las tablas,NLP/Image AutoMLVertical (obligatorio)

AutoMLJobEnvironmentVariables

Nombre Descripción Valor
{propiedad personalizada} string

AutoMLJobOutputs

Nombre Descripción Valor
{propiedad personalizada} JobOutput

JobOutput

Nombre Descripción Valor
description Descripción de la salida. string
jobOutputType Establecimiento del tipo de objeto custom_model
mlflow_model
mltable
triton_model
uri_file
uri_folder (obligatorio)

CustomModelJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'custom_model' (obligatorio)
mode Modo de entrega de recursos de salida. "ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

MLFlowModelJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'mlflow_model' (obligatorio)
mode Modo de entrega de recursos de salida. "ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

MLTableJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'mltable' (obligatorio)
mode Modo de entrega de recursos de salida. "ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

TritonModelJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'triton_model' (obligatorio)
mode Modo de entrega de recursos de salida. "ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

UriFileJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'uri_file' (obligatorio)
mode Modo de entrega de recursos de salida. "ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

UriFolderJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'uri_folder' (obligatorio)
mode Modo de entrega de recursos de salida. "ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

JobResourceConfiguration

Nombre Descripción Valor
dockerArgs Argumentos adicionales para pasar al comando de ejecución de Docker. Esto invalidaría los parámetros que ya ha establecido el sistema o en esta sección. Este parámetro solo se admite para los tipos de proceso de Azure ML. string
instanceCount Número opcional de instancias o nodos usados por el destino de proceso. int
instanceType Tipo opcional de máquina virtual que se usa como compatible con el destino de proceso. string
properties Contenedor de propiedades adicionales. ResourceConfigurationProperties
shmSize Tamaño del bloque de memoria compartida del contenedor de Docker. Debe estar en el formato de (número)(unidad) donde el número sea mayor que 0 y la unidad puede ser uno de b(bytes), k(kilobytes), m(megabytes) o g(gigabytes). string

Restricciones:
Patrón = \d+[bBkKmMgG]

ResourceConfigurationProperties

Nombre Descripción Valor
{propiedad personalizada} Para Bicep, puede usar la función any().
{propiedad personalizada} Para Bicep, puede usar la función any().

AutoMLVertical

Nombre Descripción Valor
logVerbosity Detalle del registro del trabajo. "Crítico"
'Depurar'
'Error'
'Info'
'NotSet'
'Advertencia'
targetColumnName Nombre de columna de destino: se trata de la columna de valores de predicción.
También conocido como nombre de columna de etiqueta en el contexto de las tareas de clasificación.		 string
trainingData [Obligatorio] Entrada de datos de entrenamiento. MLTableJobInput (obligatorio)
taskType Establecimiento del tipo de objeto Clasificación
Previsión
ImageClassification
ImageClassificationMultilabel
ImageInstanceSegmentation
ImageObjectDetection
Regresión
TextClassification
TextClassificationMultilabel
TextNER (obligatorio)

MLTableJobInput

Nombre Descripción Valor
description Descripción de la entrada. string
jobInputType [Obligatorio] Especifica el tipo de trabajo. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (obligatorio)
mode Modo de entrega de recursos de entrada. "Directo"
'Descargar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
"ReadWriteMount"
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

clasificación

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'Clasificación' (obligatorio)
cvSplitColumnNames Columnas que se van a usar para los datos cvSplit. string[]
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. TableVerticalFeaturizationSettings
limitSettings Restricciones de ejecución para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de plegamientos de validación cruzada que se van a aplicar en el conjunto de datos de entrenamiento
cuando no se proporciona el conjunto de datos de validación.		 NCrossValidations
positiveLabel Etiqueta positiva para el cálculo de métricas binarias. string
primaryMetric Métrica principal de la tarea. "AUCWeighted"
'Precisión'
'AveragePrecisionScoreWeighted'
"NormMacroRecall"
'PrecisionScoreWeighted'
testData Prueba de la entrada de datos. MLTableJobInput
testDataSize Fracción del conjunto de datos de prueba que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
trainingSettings Entradas para la fase de entrenamiento de un trabajo de AutoML. ClassificationTrainingSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
weightColumnName Nombre de la columna de peso de muestra. El aprendizaje automático automatizado admite una columna de peso como entrada, lo que provoca que las filas de los datos se puedan subir o bajar. string

TableVerticalFeaturizationSettings

Nombre Descripción Valor
blockedTransformers Estos transformadores no se utilizarán en caracterización. Matriz de cadenas que contiene cualquiera de:
'CatTargetEncoder'
'CountVectorizer'
'HashOneHotEncoder'
'LabelEncoder'
'NaiveBayes'
"OneHotEncoder"
'TextTargetEncoder'
'TfIdf'
'WoETargetEncoder'
'WordEmbedding'
columnNameAndTypes Diccionario de nombre de columna y su tipo (int, float, string, datetime, etc.). TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage Idioma del conjunto de datos, útil para los datos de texto. string
enableDnnFeaturization Determina si se deben usar caracterizadores basados en Dnn para la caracterización de datos. bool
mode Modo de caracterización: el usuario puede mantener el modo predeterminado "Automático" y AutoML se encargará de la transformación necesaria de los datos en la fase de caracterización.
Si se selecciona "Desactivado", no se realiza ninguna caracterización.
Si se selecciona "Personalizado", el usuario puede especificar entradas adicionales para personalizar cómo se realiza la caracterización.		 'Auto'
'Personalizado'
'Desactivado'
transformerParams El usuario puede especificar transformadores adicionales que se usarán junto con las columnas a las que se aplicaría y los parámetros para el constructor del transformador. TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Nombre Descripción Valor
{propiedad personalizada} string

TableVerticalFeaturizationSettingsTransformerParams

Nombre Descripción Valor
{propiedad personalizada} ColumnTransformer[]

ColumnTransformer

Nombre Descripción Valor
fields Campos en los que se va a aplicar la lógica del transformador. string[]
parámetros Propiedades diferentes que se van a pasar al transformador.
La entrada esperada es el diccionario de pares clave-valor en formato JSON.
 Para Bicep, puede usar la función any().

TableVerticalLimitSettings

Nombre Descripción Valor
enableEarlyTermination Habilitar la finalización anticipada determina si AutoMLJob finalizará pronto si no hay ninguna mejora de puntuación en las últimas 20 iteraciones. bool
exitScore Puntuación de salida del trabajo de AutoML. int
maxConcurrentTrials Iteraciones simultáneas máximas. int
maxCoresPerTrial Número máximo de núcleos por iteración. int
maxTrials Número de iteraciones. int
timeout Tiempo de espera del trabajo de AutoML. string
trialTimeout Tiempo de espera de iteración. string

NCrossValidations

Nombre Descripción Valor
mode Establecimiento del tipo de objeto Automático
Personalizado (obligatorio)

AutoNCrossValidations

Nombre Descripción Valor
mode [Obligatorio] Modo para determinar las validaciones cruzadas de N. 'Auto' (obligatorio)

CustomNCrossValidations

Nombre Descripción Valor
mode [Obligatorio] Modo para determinar las validaciones cruzadas de N. 'Custom' (obligatorio)
value [Obligatorio] Valor de N-Validaciones cruzadas. int (obligatorio)

ClassificationTrainingSettings

Nombre Descripción Valor
allowedTrainingAlgorithms Modelos permitidos para la tarea de clasificación. Matriz de cadenas que contiene cualquiera de:
"BernoulliNaiveBayes"
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
"LightGBM"
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
blockedTrainingAlgorithms Modelos bloqueados para la tarea de clasificación. Matriz de cadenas que contiene cualquiera de:
"BernoulliNaiveBayes"
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
"LightGBM"
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
enableDnnTraining Habilite la recomendación de modelos DNN. bool
enableModelExplainability Marca para activar la explicación en el mejor modelo. bool
enableOnnxCompatibleModels Marca para habilitar modelos compatibles con onnx. bool
enableStackEnsemble Habilite la ejecución del conjunto de pila. bool
enableVoteEnsemble Habilite la ejecución del conjunto de votación. bool
ensembleModelDownloadTimeout Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores.
Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.		 string
stackEnsembleSettings Configuración del conjunto de pila para la ejecución del conjunto de pila. StackEnsembleSettings

StackEnsembleSettings

Nombre Descripción Valor
stackMetaLearnerKWargs Parámetros opcionales para pasar al inicializador del meta-learner. Para Bicep, puede usar la función any().
stackMetaLearnerTrainPercentage Especifica la proporción del conjunto de entrenamiento (al elegir el tipo de entrenamiento y validación de entrenamiento) que se va a reservar para entrenar al meta-learner. El valor predeterminado es 0,2. int
stackMetaLearnerType El meta-learner es un modelo entrenado en la salida de los modelos heterogéneos individuales. "ElasticNet"
"ElasticNetCV"
'LightGBMClassifier'
'LightGBMRegressor'
'LinearRegression'
'LogisticRegression'
'LogisticRegressionCV'
'Ninguno'

Previsión

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. "Previsión" (obligatorio)
cvSplitColumnNames Columnas que se van a usar para los datos cvSplit. string[]
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. TableVerticalFeaturizationSettings
forecastingSettings Entradas específicas de la tarea de previsión. ForecastingSettings
limitSettings Restricciones de ejecución para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de plegamientos de validación cruzada que se van a aplicar en el conjunto de datos de entrenamiento
cuando no se proporciona el conjunto de datos de validación.		 NCrossValidations
primaryMetric Métrica principal para la tarea de previsión. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
testData Prueba de la entrada de datos. MLTableJobInput
testDataSize Fracción del conjunto de datos de prueba que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
trainingSettings Entradas para la fase de entrenamiento de un trabajo de AutoML. ForecastingTrainingSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
weightColumnName Nombre de la columna de peso de muestra. El aprendizaje automático automatizado admite una columna de peso como entrada, lo que provoca que las filas de los datos se puedan subir o bajar. string

ForecastingSettings

Nombre Descripción Valor
countryOrRegionForHolidays País o región para días festivos para las tareas de previsión.
Deben ser los códigos ISO 3166 de país o región de dos letras, por ejemplo, "US" o "GB".		 string
cvStepSize Número de períodos entre la hora de origen de un plegado cv y el siguiente plegado. Para
por ejemplo, si CVStepSize = 3 para los datos diarios, la hora de origen de cada plegamiento será
tres días separados.		 int
featureLags Marca para generar retardos para las características numéricas con "auto" o null. 'Auto'
'Ninguno'
forecastHorizon Horizonte de previsión máximo deseado en unidades de frecuencia de la serie temporal. ForecastHorizon
frequency Al pronosticar, este parámetro representa el período con el que se desea la previsión, por ejemplo, diaria, semanal, anual, etc. La frecuencia de previsión es la frecuencia del conjunto de datos de manera predeterminada. string
Estacionalidad Establezca la estacionalidad de la serie temporal como un múltiplo entero de la frecuencia de la serie.
Si la estacionalidad se establece en "auto", se infiere.		 Estacionalidad
shortSeriesHandlingConfig Parámetro que define si AutoML debe controlar series temporales cortas. 'Auto'
'Drop'
'Ninguno'
'Pad'
targetAggregateFunction Función que se usará para agregar la columna de destino de serie temporal según la frecuencia especificada por el usuario.
Si se establece TargetAggregateFunction, es decir, no "None", pero no se establece el parámetro freq, se genera el error. Las posibles funciones de agregación de destino son: "sum", "max", "min" y "mean".		 'Max'
'Mean'
'Min'
'Ninguno'
'Sum'
targetLags Número de períodos pasados para retrasar desde la columna de destino. TargetLags
targetRollingWindowSize Número de períodos pasados usados para crear un promedio de ventana gradual de la columna de destino. TargetRollingWindowSize
timeColumnName Nombre de la columna de hora. Este parámetro es obligatorio en la previsión para especificar la columna de fecha y hora en los datos de entrada que se usa para crear la serie temporal e inferir su frecuencia. string
timeSeriesIdColumnNames Nombres de las columnas que se usan para agrupar una serie temporal. Se puede usar para crear varias series.
Si no se define el nivel de detalle, el conjunto de datos se presupone una serie temporal. Este parámetro se usa con la previsión del tipo de tarea.		 string[]
useStl Configura la descomposición de STL de la columna de destino de la serie temporal. 'Ninguno'
'Temporada'
'SeasonTrend'

ForecastHorizon

Nombre Descripción Valor
mode Establecimiento del tipo de objeto Automático
Personalizado (obligatorio)

AutoForecastHorizon

Nombre Descripción Valor
mode [Obligatorio] Establecer el modo de selección de valores del horizonte de previsión. 'Auto' (obligatorio)

CustomForecastHorizon

Nombre Descripción Valor
mode [Obligatorio] Establecer el modo de selección de valores del horizonte de previsión. 'Custom' (obligatorio)
value [Obligatorio] Valor del horizonte de previsión. int (obligatorio)

Estacionalidad

Nombre Descripción Valor
mode Establecimiento del tipo de objeto Automático
Personalizado (obligatorio)

AutoSeasonality

Nombre Descripción Valor
mode [Obligatorio] Modo de estacionalidad. 'Auto' (obligatorio)

CustomSeasonality

Nombre Descripción Valor
mode [Obligatorio] Modo de estacionalidad. 'Custom' (obligatorio)
value [Obligatorio] Valor de estacionalidad. int (obligatorio)

TargetLags

Nombre Descripción Valor
mode Establecimiento del tipo de objeto Automático
Personalizado (obligatorio)

AutoTargetLags

Nombre Descripción Valor
mode [Obligatorio] Establecer el modo de retardo de destino: automático o personalizado 'Auto' (obligatorio)

CustomTargetLags

Nombre Descripción Valor
mode [Obligatorio] Establecer el modo de retardo de destino: automático o personalizado 'Custom' (obligatorio)
valores [Obligatorio] Establezca los valores de retardo de destino. int[] (obligatorio)

TargetRollingWindowSize

Nombre Descripción Valor
mode Establecimiento del tipo de objeto Automático
Personalizado (obligatorio)

AutoTargetRollingWindowSize

Nombre Descripción Valor
mode [Obligatorio] Modo de detección TargetRollingWindowSiz. 'Auto' (obligatorio)

CustomTargetRollingWindowSize

Nombre Descripción Valor
mode [Obligatorio] Modo de detección TargetRollingWindowSiz. 'Custom' (obligatorio)
value [Obligatorio] Valor targetRollingWindowSize. int (obligatorio)

ForecastingTrainingSettings

Nombre Descripción Valor
allowedTrainingAlgorithms Modelos permitidos para la tarea de previsión. Matriz de cadenas que contiene cualquiera de:
'Arimax'
'AutoArima'
'Average'
'DecisionTree'
"ElasticNet"
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
"LightGBM"
'Naive'
'Profeta'
'RandomForest'
'SGD'
'EstacionalAverage'
'SeasonalNaive'
'TCNForecaster'
'XGBoostRegressor'
blockedTrainingAlgorithms Modelos bloqueados para la tarea de previsión. Matriz de cadenas que contiene cualquiera de:
'Arimax'
'AutoArima'
'Average'
'DecisionTree'
"ElasticNet"
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
"LightGBM"
'Naive'
'Profeta'
'RandomForest'
'SGD'
'EstacionalAverage'
'SeasonalNaive'
'TCNForecaster'
'XGBoostRegressor'
enableDnnTraining Habilite la recomendación de modelos DNN. bool
enableModelExplainability Marca para activar la explicación en el mejor modelo. bool
enableOnnxCompatibleModels Marca para habilitar modelos compatibles con onnx. bool
enableStackEnsemble Habilite la ejecución del conjunto de pila. bool
enableVoteEnsemble Habilite la ejecución del conjunto de votación. bool
ensembleModelDownloadTimeout Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores.
Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.		 string
stackEnsembleSettings Configuración del conjunto de pila para la ejecución del conjunto de pila. StackEnsembleSettings

ImageClassification

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'ImageClassification' (obligatorio)
limitSettings [Obligatorio] Limite la configuración del trabajo de AutoML. ImageLimitSettings (obligatorio)
modelSettings Configuración usada para entrenar el modelo. ImageModelSettingsClassification
primaryMetric Métrica principal para optimizar esta tarea. "AUCWeighted"
'Precisión'
'AveragePrecisionScoreWeighted'
"NormMacroRecall"
'PrecisionScoreWeighted'
searchSpace Espacio de búsqueda para muestreo de diferentes combinaciones de modelos y sus hiperparámetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configuración relacionada con el barrido de hiperparámetros y el barrido de modelos. ImageSweepSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.
 int

ImageLimitSettings

Nombre Descripción Valor
maxConcurrentTrials Número máximo de iteraciones simultáneas de AutoML. int
maxTrials Número máximo de iteraciones de AutoML. int
timeout Tiempo de espera del trabajo de AutoML. string

ImageModelSettingsClassification

Nombre Descripción Valor
advancedSettings Configuración de escenarios avanzados. string
amsGradient Habilite AMSGrad cuando el optimizador sea "adam" o "adamw". bool
Aumentos Configuración para usar aumentos. string
beta1 Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. int
beta2 Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. int
checkpointFrequency Frecuencia para almacenar puntos de control del modelo. Debe ser un entero positivo. int
checkpointModel Modelo de punto de comprobación entrenado previamente para el entrenamiento incremental. MLFlowModelJobInput
checkpointRunId Identificador de una ejecución anterior que tiene un punto de control entrenado previamente para el entrenamiento incremental. string
distributed Si se va a usar el entrenamiento distribuido. bool
earlyStopping Habilite la lógica de detención temprana durante el entrenamiento. bool
earlyStoppingDelay Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de la métrica principal
se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.		 int
earlyStoppingPatience Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes
se detiene la ejecución. Debe ser un entero positivo.		 int
enableOnnxNormalization Habilite la normalización al exportar el modelo ONNX. bool
evaluationFrequency Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo. int
gradientAccumulationStep Acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin
actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar
los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.		 int
layersToFreeze Número de capas que se van a inmovilizar para el modelo. Debe ser un entero positivo.
Por ejemplo, pasar 2 como valor para "seresnext" significa
capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor
Ver: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1]. int
learningRateScheduler Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso". 'Ninguno'
'Paso'
"WarmupCosine"
modelName Nombre del modelo que se va a usar para el entrenamiento.
Para obtener más información sobre los modelos disponibles, visite la documentación oficial:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
momentum Valor de impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1]. int
Nesterov Habilite nesterov cuando el optimizador sea "sgd". bool
numberOfEpochs Número de épocas de entrenamiento. Debe ser un entero positivo. int
numberOfWorkers Número de trabajos del cargador de datos. Debe ser un entero no negativo. int
optimizer Tipo de optimizador. 'Adán'
'Adamw'
'Ninguno'
'Sgd'
randomSeed Inicialización aleatoria que se usará al usar el entrenamiento determinista. int
stepLRGamma Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1]. int
stepLRStepSize Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo. int
trainingBatchSize Tamaño del lote de entrenamiento. Debe ser un entero positivo. int
trainingCropSize Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de entrenamiento. Debe ser un entero positivo. int
validationBatchSize Tamaño del lote de validación. Debe ser un entero positivo. int
validationCropSize Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de validación. Debe ser un entero positivo. int
validationResizeSizeSize Tamaño de imagen al que se va a cambiar el tamaño antes de recortar para el conjunto de datos de validación. Debe ser un entero positivo. int
warmupCosineLRCycles Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1]. int
warmupCosineLRWarmupEpochs Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo. int
weightDecay Valor de descomposición de peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1]. int
weightedLoss Pérdida ponderada. Los valores aceptados son 0 sin pérdida ponderada.
1 para pérdida ponderada con sqrt. (class_weights). 2 para pérdida ponderada con class_weights. Debe ser 0, 1 o 2.
 int

MLFlowModelJobInput

Nombre Descripción Valor
description Descripción de la entrada. string
jobInputType [Obligatorio] Especifica el tipo de trabajo. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (obligatorio)
mode Modo de entrega de recursos de entrada. 'Directo'
'Descargar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

Nombre Descripción Valor
amsGradient Habilite AMSGrad cuando el optimizador sea "adam" o "adamw". string
Aumentos Configuración para usar aumentos. string
beta1 Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. string
beta2 Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. string
distributed Si se va a usar el entrenamiento del distribuidor. string
earlyStopping Habilite la lógica de detención temprana durante el entrenamiento. string
earlyStoppingDelay Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de la métrica principal
se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.		 string
earlyStoppingPatience Número mínimo de épocas o evaluaciones de validación sin mejora de métrica principal antes
se detiene la ejecución. Debe ser un entero positivo.		 string
enableOnnxNormalization Habilite la normalización al exportar el modelo ONNX. string
evaluationFrequency Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo. string
gradientAccumulationStep La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin
actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar
los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.		 string
layersToFreeze Número de capas que se van a inmovilizar para el modelo. Debe ser un entero positivo.
Por ejemplo, pasar 2 como valor para "seresnext" significa
capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor
Ver: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
learningRate Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1]. string
learningRateScheduler Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso". string
modelName Nombre del modelo que se va a usar para el entrenamiento.
Para obtener más información sobre los modelos disponibles, visite la documentación oficial:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
momentum Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1]. string
Nesterov Habilite nesterov cuando el optimizador sea "sgd". string
numberOfEpochs Número de épocas de entrenamiento. Debe ser un entero positivo. string
numberOfWorkers Número de trabajos del cargador de datos. Debe ser un entero no negativo. string
optimizer Tipo de optimizador. Debe ser "sgd", "adam" o "adamw". string
randomSeed Inicialización aleatoria que se usará al usar el entrenamiento determinista. string
stepLRGamma Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1]. string
stepLRStepSize Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo. string
trainingBatchSize Tamaño del lote de entrenamiento. Debe ser un entero positivo. string
trainingCropSize Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de entrenamiento. Debe ser un entero positivo. string
validationBatchSize Tamaño del lote de validación. Debe ser un entero positivo. string
validationCropSize Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de validación. Debe ser un entero positivo. string
validationResizeSizeSize Tamaño de imagen al que se va a cambiar el tamaño antes de recortar para el conjunto de datos de validación. Debe ser un entero positivo. string
warmupCosineLRCycles Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1]. string
warmupCosineLRWarmupEpochs Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo. string
weightDecay Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un valor flotante en el intervalo[0, 1]. string
weightedLoss Pérdida ponderada. Los valores aceptados son 0 sin pérdida ponderada.
1 para pérdida ponderada con sqrt. (class_weights). 2 para pérdida ponderada con class_weights. Debe ser 0, 1 o 2.
 string

ImageSweepSettings

Nombre Descripción Valor
earlyTermination Tipo de directiva de terminación anticipada. EarlyTerminationPolicy
samplingAlgorithm [Obligatorio] Tipo de los algoritmos de muestreo de hiperparámetros. 'Bayesiano'
'Grid'
'Random' (obligatorio)

EarlyTerminationPolicy

Nombre Descripción Valor
delayEvaluation Número de intervalos por los que se va a retrasar la primera evaluación. int
evaluationInterval Intervalo (número de ejecuciones) entre las evaluaciones de directivas. int
policyType Establecimiento del tipo de objeto Bandit
MedianStopping
TruncationSelection (obligatorio)

BanditPolicy

Nombre Descripción Valor
policyType [Obligatorio] Nombre de la configuración de directiva 'Bandido' (obligatorio)
slackAmount Distancia absoluta permitida desde la ejecución con mejor rendimiento. int
slackFactor Proporción de la distancia permitida desde la ejecución con mejor rendimiento. int

MedianStoppingPolicy

Nombre Descripción Valor
policyType [Obligatorio] Nombre de la configuración de directiva 'MedianStopping' (obligatorio)

TruncationSelectionPolicy

Nombre Descripción Valor
policyType [Obligatorio] Nombre de la configuración de directiva 'TruncationSelection' (obligatorio)
truncationPercentage El porcentaje de ejecuciones que se cancelarán en cada intervalo de evaluación. int

ImageClassificationMultilabel

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'ImageClassificationMultilabel' (obligatorio)
limitSettings [Obligatorio] Limite la configuración del trabajo de AutoML. ImageLimitSettings (obligatorio)
modelSettings Configuración usada para entrenar el modelo. ImageModelSettingsClassification
primaryMetric Métrica principal para optimizar esta tarea. 'AUCWeighted'
'Precisión'
'AveragePrecisionScoreWeighted'
'IOU'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configuración relacionada con barrido de hiperparámetros y barrido de modelos. ImageSweepSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.
 int

ImageInstanceSegmentation

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'ImageInstanceSegmentation' (obligatorio)
limitSettings [Obligatorio] Limite la configuración del trabajo de AutoML. ImageLimitSettings (obligatorio)
modelSettings Configuración usada para entrenar el modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica principal para optimizar esta tarea. 'MeanAveragePrecision'
searchSpace Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Configuración relacionada con barrido de hiperparámetros y barrido de modelos. ImageSweepSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.
 int

ImageModelSettingsObjectDetection

Nombre Descripción Valor
advancedSettings Configuración de escenarios avanzados. string
amsGradient Habilite AMSGrad cuando el optimizador sea "adam" o "adamw". bool
Aumentos Configuración para usar aumentos. string
beta1 Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. int
beta2 Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. int
boxDetectionsPerImage Número máximo de detecciones por imagen, para todas las clases. Debe ser un entero positivo.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 int
boxScoreThreshold Durante la inferencia, solo devuelve propuestas con una puntuación de clasificación mayor que
BoxScoreThreshold. Debe ser un float en el intervalo[0, 1].		 int
checkpointFrequency Frecuencia para almacenar puntos de control del modelo. Debe ser un entero positivo. int
checkpointModel Modelo de punto de comprobación entrenado previamente para el entrenamiento incremental. MLFlowModelJobInput
checkpointRunId Identificador de una ejecución anterior que tiene un punto de control entrenado previamente para el entrenamiento incremental. string
distributed Si se va a usar el entrenamiento distribuido. bool
earlyStopping Habilite la lógica de detención temprana durante el entrenamiento. bool
earlyStoppingDelay Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de la métrica principal
se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.		 int
earlyStoppingPatience Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes
se detiene la ejecución. Debe ser un entero positivo.		 int
enableOnnxNormalization Habilite la normalización al exportar el modelo ONNX. bool
evaluationFrequency Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo. int
gradientAccumulationStep Acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin
actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar
los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.		 int
imageSize Tamaño de la imagen para entrenamiento y validación. Debe ser un entero positivo.
Nota: La ejecución de entrenamiento puede entrar en CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 int
layersToFreeze Número de capas que se van a inmovilizar para el modelo. Debe ser un entero positivo.
Por ejemplo, pasar 2 como valor para "seresnext" significa
capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor
Ver: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1]. int
learningRateScheduler Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso". 'Ninguno'
'Paso'
"WarmupCosine"
Maxsize Tamaño máximo de la imagen que se va a volver a escalar antes de proporcionársela a la red troncal.
Debe ser un entero positivo. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 int
minSize Tamaño mínimo de la imagen que se va a volver a escalar antes de proporcionársela a la red troncal.
Debe ser un entero positivo. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 int
modelName Nombre del modelo que se va a usar para el entrenamiento.
Para obtener más información sobre los modelos disponibles, visite la documentación oficial:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
modelSize Tamaño del modelo. Debe ser "small", "medium", "large" o "xlarge".
Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño del modelo es demasiado grande.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 'ExtraLarge'
'Grande'
'Medio'
'Ninguno'
'Pequeño'
momentum Valor de impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1]. int
Multiescala Habilite la imagen de escala múltiple variando el tamaño de la imagen por +/- 50 %.
Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si no hay suficiente memoria de GPU.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 bool
Nesterov Habilite nesterov cuando el optimizador sea "sgd". bool
nmsIouThreshold Umbral IOU utilizado durante la inferencia en el procesamiento posterior de NMS. Debe ser un valor float en el intervalo [0, 1]. int
numberOfEpochs Número de épocas de entrenamiento. Debe ser un entero positivo. int
numberOfWorkers Número de trabajos del cargador de datos. Debe ser un entero no negativo. int
optimizer Tipo de optimizador. 'Adán'
'Adamw'
'Ninguno'
'Sgd'
randomSeed Inicialización aleatoria que se usará al usar el entrenamiento determinista. int
stepLRGamma Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1]. int
stepLRStepSize Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo. int
tileGridSize Tamaño de la cuadrícula que se usará para la colocación en mosaico de cada imagen. Nota: TileGridSize no debe ser
Ninguno para habilitar la lógica de detección de objetos pequeños. Cadena que contiene dos enteros en formato mxn.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
tileOverlapRatio Proporción de superposición entre mosaicos adyacentes en cada dimensión. Debe ser float en el intervalo [0, 1).
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 int
tilePredictionsNmsThreshold Umbral IOU que se usará para realizar NMS al combinar predicciones de mosaicos e imágenes.
Se usa en la validación o inferencia. Debe ser float en el intervalo [0, 1].
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 int
trainingBatchSize Tamaño del lote de entrenamiento. Debe ser un entero positivo. int
validationBatchSize Tamaño del lote de validación. Debe ser un entero positivo. int
validationIouThreshold Umbral IOU que se va a usar al calcular la métrica de validación. Debe ser float en el intervalo [0, 1]. int
validationMetricType Método de cálculo de métricas que se usará para las métricas de validación. 'Coco'
'CocoVoc'
'Ninguno'
'Voc'
warmupCosineLRCycles Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1]. int
warmupCosineLRWarmupEpochs Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo. int
weightDecay Valor de descomposición de peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1]. int

ImageModelDistributionSettingsObjectDetection

Nombre Descripción Valor
amsGradient Habilite AMSGrad cuando el optimizador sea "adam" o "adamw". string
Aumentos Configuración para usar aumentos. string
beta1 Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. string
beta2 Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. string
boxDetectionsPerImage Número máximo de detecciones por imagen, para todas las clases. Debe ser un entero positivo.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
boxScoreThreshold Durante la inferencia, solo devuelve propuestas con una puntuación de clasificación mayor que
BoxScoreThreshold. Debe ser un float en el intervalo[0, 1].		 string
distributed Si se va a usar el entrenamiento del distribuidor. string
earlyStopping Habilite la lógica de detención temprana durante el entrenamiento. string
earlyStoppingDelay Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de la métrica principal
se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.		 string
earlyStoppingPatience Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes
se detiene la ejecución. Debe ser un entero positivo.		 string
enableOnnxNormalization Habilite la normalización al exportar el modelo ONNX. string
evaluationFrequency Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo. string
gradientAccumulationStep Acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin
actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar
los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.		 string
imageSize Tamaño de la imagen para entrenamiento y validación. Debe ser un entero positivo.
Nota: La ejecución de entrenamiento puede entrar en CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 string
layersToFreeze Número de capas que se van a inmovilizar para el modelo. Debe ser un entero positivo.
Por ejemplo, pasar 2 como valor para "seresnext" significa
capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor
Ver: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
learningRate Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1]. string
learningRateScheduler Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso". string
Maxsize Tamaño máximo de la imagen que se va a volver a escalar antes de proporcionársela a la red troncal.
Debe ser un entero positivo. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
minSize Tamaño mínimo de la imagen que se va a volver a escalar antes de proporcionársela a la red troncal.
Debe ser un entero positivo. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
modelName Nombre del modelo que se va a usar para el entrenamiento.
Para obtener más información sobre los modelos disponibles, visite la documentación oficial:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
modelSize Tamaño del modelo. Debe ser "small", "medium", "large" o "xlarge".
Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño del modelo es demasiado grande.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 string
momentum Valor de impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1]. string
Multiescala Habilite la imagen de escala múltiple variando el tamaño de la imagen por +/- 50 %.
Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si no hay suficiente memoria de GPU.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 string
Nesterov Habilite nesterov cuando el optimizador sea "sgd". string
nmsIouThreshold Umbral IOU utilizado durante la inferencia en el procesamiento posterior de NMS. Debe ser float en el intervalo [0, 1]. string
numberOfEpochs Número de épocas de entrenamiento. Debe ser un entero positivo. string
numberOfWorkers Número de trabajos del cargador de datos. Debe ser un entero no negativo. string
optimizer Tipo de optimizador. Debe ser "sgd", "adam" o "adamw". string
randomSeed Inicialización aleatoria que se usará al usar el entrenamiento determinista. string
stepLRGamma Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1]. string
stepLRStepSize Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo. string
tileGridSize Tamaño de la cuadrícula que se usará para la colocación en mosaico de cada imagen. Nota: TileGridSize no debe ser
Ninguno para habilitar la lógica de detección de objetos pequeños. Cadena que contiene dos enteros en formato mxn.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
tileOverlapRatio Proporción de superposición entre mosaicos adyacentes en cada dimensión. Debe ser float en el intervalo [0, 1).
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
tilePredictionsNmsThreshold Umbral IOU que se usará para realizar NMS al combinar predicciones de mosaicos e imágenes.
Se usa en la validación o inferencia. Debe ser float en el intervalo [0, 1].
Nota: Esta configuración no se admite para el algoritmo "yolov5".
NMS: supresión no máxima		 string
trainingBatchSize Tamaño del lote de entrenamiento. Debe ser un entero positivo. string
validationBatchSize Tamaño del lote de validación. Debe ser un entero positivo. string
validationIouThreshold Umbral IOU que se va a usar al calcular la métrica de validación. Debe ser float en el intervalo [0, 1]. string
validationMetricType Método de cálculo de métricas que se usará para las métricas de validación. Debe ser "none", "coco", "voc" o "coco_voc". string
warmupCosineLRCycles Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1]. string
warmupCosineLRWarmupEpochs Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo. string
weightDecay Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un valor flotante en el intervalo[0, 1]. string

ImageObjectDetection

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'ImageObjectDetection' (obligatorio)
limitSettings [Obligatorio] Limite la configuración del trabajo de AutoML. ImageLimitSettings (obligatorio)
modelSettings Configuración usada para entrenar el modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica principal para optimizar esta tarea. 'MeanAveragePrecision'
searchSpace Espacio de búsqueda para muestreo de diferentes combinaciones de modelos y sus hiperparámetros. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Configuración relacionada con el barrido de hiperparámetros y el barrido de modelos. ImageSweepSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.
 int

Regresión

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'Regresión' (obligatorio)
cvSplitColumnNames Columnas que se van a usar para los datos cvSplit. string[]
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. TableVerticalFeaturizationSettings
limitSettings Restricciones de ejecución para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de plegamientos de validación cruzada que se van a aplicar en el conjunto de datos de entrenamiento
cuando no se proporciona el conjunto de datos de validación.		 NCrossValidations
primaryMetric Métrica principal para la tarea de regresión. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
testData Prueba de la entrada de datos. MLTableJobInput
testDataSize Fracción del conjunto de datos de prueba que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
trainingSettings Entradas para la fase de entrenamiento de un trabajo de AutoML. RegressionTrainingSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
weightColumnName Nombre de la columna de peso de muestra. El aprendizaje automático automatizado admite una columna de peso como entrada, lo que provoca que las filas de los datos se puedan subir o bajar. string

RegressionTrainingSettings

Nombre Descripción Valor
allowedTrainingAlgorithms Modelos permitidos para la tarea de regresión. Matriz de cadenas que contiene cualquiera de:
'DecisionTree'
"ElasticNet"
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
"LightGBM"
'RandomForest'
'SGD'
'XGBoostRegressor'
blockedTrainingAlgorithms Modelos bloqueados para la tarea de regresión. Matriz de cadenas que contiene cualquiera de:
'DecisionTree'
"ElasticNet"
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
"LightGBM"
'RandomForest'
'SGD'
'XGBoostRegressor'
enableDnnTraining Habilite la recomendación de modelos DNN. bool
enableModelExplainability Marca para activar la explicación en el mejor modelo. bool
enableOnnxCompatibleModels Marca para habilitar modelos compatibles con onnx. bool
enableStackEnsemble Habilite la ejecución del conjunto de pila. bool
enableVoteEnsemble Habilite la ejecución del conjunto de votación. bool
ensembleModelDownloadTimeout Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores.
Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.		 string
stackEnsembleSettings Configuración del conjunto de pila para la ejecución del conjunto de pila. StackEnsembleSettings

TextClassification

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'TextClassification' (obligatorio)
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. NlpVerticalFeaturizationSettings
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
primaryMetric Métrica principal para Text-Classification tarea. "AUCWeighted"
'Precisión'
'AveragePrecisionScoreWeighted'
"NormMacroRecall"
'PrecisionScoreWeighted'
validationData Entradas de datos de validación. MLTableJobInput

NlpVerticalFeaturizationSettings

Nombre Descripción Valor
datasetLanguage Idioma del conjunto de datos, útil para los datos de texto. string

NlpVerticalLimitSettings

Nombre Descripción Valor
maxConcurrentTrials Iteraciones de AutoML simultáneas máximas. int
maxTrials Número de iteraciones de AutoML. int
timeout Tiempo de espera del trabajo de AutoML. string

TextClassificationMultilabel

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'TextClassificationMultilabel' (obligatorio)
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. NlpVerticalFeaturizationSettings
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
validationData Entradas de datos de validación. MLTableJobInput

TextNer

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'TextNER' (obligatorio)
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. NlpVerticalFeaturizationSettings
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
validationData Entradas de datos de validación. MLTableJobInput

CommandJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. 'Command' (obligatorio)
codeId Identificador de recurso de ARM del recurso de código. string
command [Obligatorio] Comando que se va a ejecutar al iniciar el trabajo. P. ej. "python train.py" string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]
distribution Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch o null. DistributionConfiguration
environmentId [Obligatorio] Identificador de recurso de ARM de la especificación del entorno para el trabajo. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]
environmentVariables Variables de entorno incluidas en el trabajo. CommandJobEnvironmentVariables
inputs Asignación de enlaces de datos de entrada usados en el trabajo. CommandJobInputs
límites Límite de trabajos de comando. CommandJobLimits
outputs Asignación de enlaces de datos de salida usados en el trabajo. CommandJobOutputs
resources Configuración de recursos de proceso para el trabajo. JobResourceConfiguration

DistributionConfiguration

Nombre Descripción Valor
distributionType Establecimiento del tipo de objeto Mpi
PyTorch
TensorFlow (obligatorio)

Mpi

Nombre Descripción Valor
distributionType [Obligatorio] Especifica el tipo de marco de distribución. 'Mpi' (obligatorio)
processCountPerInstance Número de procesos por nodo MPI. int

PyTorch

Nombre Descripción Valor
distributionType [Obligatorio] Especifica el tipo de marco de distribución. 'PyTorch' (obligatorio)
processCountPerInstance Número de procesos por nodo. int

TensorFlow

Nombre Descripción Valor
distributionType [Obligatorio] Especifica el tipo de marco de distribución. 'TensorFlow' (obligatorio)
parameterServerCount Número de tareas del servidor de parámetros. int
workerCount Número de trabajadores. Si no se especifica, el valor predeterminado será el recuento de instancias. int

CommandJobEnvironmentVariables

Nombre Descripción Valor
{propiedad personalizada} string

CommandJobInputs

Nombre Descripción Valor
{propiedad personalizada} JobInput

JobInput

Nombre Descripción Valor
description Descripción de la entrada. string
jobInputType Establecimiento del tipo de objeto custom_model
literal
mlflow_model
mltable
triton_model
uri_file
uri_folder (obligatorio)

CustomModelJobInput

Nombre Descripción Valor
jobInputType [Obligatorio] Especifica el tipo de trabajo. 'custom_model' (obligatorio)
mode Modo de entrega de recursos de entrada. 'Directo'
'Descargar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

LiteralJobInput

Nombre Descripción Valor
jobInputType [Obligatorio] Especifica el tipo de trabajo. 'literal' (obligatorio)
value [Obligatorio] Valor literal de la entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

TritonModelJobInput

Nombre Descripción Valor
jobInputType [Obligatorio] Especifica el tipo de trabajo. 'triton_model' (obligatorio)
mode Modo de entrega de recursos de entrada. 'Directo'
'Descargar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

UriFileJobInput

Nombre Descripción Valor
jobInputType [Obligatorio] Especifica el tipo de trabajo. 'uri_file' (obligatorio)
mode Modo de entrega de recursos de entrada. 'Directo'
'Descargar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

UriFolderJobInput

Nombre Descripción Valor
jobInputType [Obligatorio] Especifica el tipo de trabajo. 'uri_folder' (obligatorio)
mode Modo de entrega de recursos de entrada. 'Directo'
'Descargar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

CommandJobLimits

Nombre Descripción Valor
jobLimitsType [Obligatorio] Tipo jobLimit. 'Comando'
'Barrido' (obligatorio)
timeout Duración máxima de la ejecución en formato ISO 8601, después de la cual se cancelará el trabajo. Solo admite la duración con una precisión tan baja como Segundos. string

CommandJobOutputs

Nombre Descripción Valor
{propiedad personalizada} JobOutput

PipelineJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. 'Pipeline' (obligatorio)
inputs Entradas para el trabajo de canalización. PipelineJobInputs
jobs Los trabajos construyen el trabajo de canalización. PipelineJobJobs
outputs Salidas para el trabajo de canalización PipelineJobOutputs
configuración Configuración de canalización, para cosas como ContinueRunOnStepFailure, etc. Para Bicep, puede usar la función any().
sourceJobId Id. de recurso de ARM del trabajo de origen. string

PipelineJobInputs

Nombre Descripción Valor
{propiedad personalizada} JobInput

PipelineJobJobs

Nombre Descripción Valor
{propiedad personalizada} Para Bicep, puede usar la función any().

PipelineJobOutputs

Nombre Descripción Valor
{propiedad personalizada} JobOutput

SweepJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. 'Barrido' (obligatorio)
earlyTermination Las directivas de terminación anticipada permiten cancelar ejecuciones con un rendimiento deficiente antes de que se completen EarlyTerminationPolicy
inputs Asignación de enlaces de datos de entrada usados en el trabajo. SweepJobInputs
límites Límite de trabajo de barrido. SweepJobLimits
objetivo [Obligatorio] Objetivo de optimización. Objetivo (obligatorio)
outputs Asignación de enlaces de datos de salida usados en el trabajo. SweepJobOutputs
samplingAlgorithm [Obligatorio] Algoritmo de muestreo de hiperparámetros SamplingAlgorithm (obligatorio)
searchSpace [Obligatorio] Diccionario que contiene cada parámetro y su distribución. La clave de diccionario es el nombre del parámetro . Para Bicep, puede usar la función any(). (obligatorio)
evaluación [Obligatorio] Definición del componente de prueba. TrialComponent (obligatorio)

SweepJobInputs

Nombre Descripción Valor
{propiedad personalizada} JobInput

SweepJobLimits

Nombre Descripción Valor
jobLimitsType [Obligatorio] Tipo jobLimit. 'Comando'
'Barrido' (obligatorio)
maxConcurrentTrials Número máximo de pruebas simultáneas del trabajo de barrido. int
maxTotalTrials Pruebas totales máximas del trabajo de barrido. int
timeout Duración máxima de la ejecución en formato ISO 8601, después de la cual se cancelará el trabajo. Solo admite la duración con una precisión tan baja como Segundos. string
trialTimeout Valor de tiempo de espera de prueba del trabajo de barrido. string

Objetivo

Nombre Descripción Valor
goal [Obligatorio] Define los objetivos de métrica admitidos para el ajuste de hiperparámetros. "Maximizar"
'Minimizar' (obligatorio)
primaryMetric [Obligatorio] Nombre de la métrica que se va a optimizar. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

SweepJobOutputs

Nombre Descripción Valor
{propiedad personalizada} JobOutput

SamplingAlgorithm

Nombre Descripción Valor
samplingAlgorithmType Establecimiento del tipo de objeto Bayesiano
Grid
Aleatorio (obligatorio)

BayesianSamplingAlgorithm

Nombre Descripción Valor
samplingAlgorithmType [Obligatorio] Algoritmo utilizado para generar valores de hiperparámetros, junto con las propiedades de configuración. 'Bayesiano' (obligatorio)

GridSamplingAlgorithm

Nombre Descripción Valor
samplingAlgorithmType [Obligatorio] Algoritmo utilizado para generar valores de hiperparámetros, junto con las propiedades de configuración. 'Grid' (obligatorio)

RandomSamplingAlgorithm

Nombre Descripción Valor
samplingAlgorithmType [Obligatorio] Algoritmo utilizado para generar valores de hiperparámetros, junto con las propiedades de configuración. 'Random' (obligatorio)
rule Tipo específico de algoritmo aleatorio 'Random'
'Sobol'
seed Entero opcional que se va a usar como inicialización para la generación de números aleatorios int

TrialComponent

Nombre Descripción Valor
codeId Id. de recurso de ARM del recurso de código. string
command [Obligatorio] Comando que se va a ejecutar al iniciar el trabajo. P. ej. "python train.py" string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]
distribution Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch o NULL. DistributionConfiguration
environmentId [Obligatorio] Identificador de recurso de ARM de la especificación del entorno para el trabajo. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]
environmentVariables Variables de entorno incluidas en el trabajo. TrialComponentEnvironmentVariables
resources Configuración de recursos de proceso para el trabajo. JobResourceConfiguration

TrialComponentEnvironmentVariables

Nombre Descripción Valor
{propiedad personalizada} string

EndpointScheduleAction

Nombre Descripción Valor
actionType [Obligatorio] Especifica el tipo de acción de la programación. 'InvokeBatchEndpoint' (obligatorio)
endpointInvocationDefinition [Obligatorio] Define los detalles de definición de la acción Programar.
{see href="TBD" /}

 Para Bicep, puede usar la función any(). (obligatorio)

TriggerBase

Nombre Descripción Valor
endTime Especifica la hora de finalización de la programación en ISO 8601, pero sin un desplazamiento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601.
El formato recommented sería "2022-06-01T00:00:01"
Si no está presente, la programación se ejecutará indefinidamente.		 string
startTime Especifica la hora de inicio de la programación en formato ISO 8601, pero sin un desplazamiento UTC. string
timeZone Especifica la zona horaria en la que se ejecuta la programación.
TimeZone debe seguir el formato de zona horaria de Windows. Consulte: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones />		 string
triggerType Establecimiento del tipo de objeto Cron
Periodicidad (obligatorio)

CronTrigger

Nombre Descripción Valor
triggerType [Obligatorio] 'Cron' (obligatorio)
expresión [Obligatorio] Especifica la expresión cron de la programación.
La expresión debe seguir el formato NCronTab.		 string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

RecurrenceTrigger

Nombre Descripción Valor
triggerType [Obligatorio] 'Periodicidad' (obligatorio)
frequency [Obligatorio] Frecuencia con la que se desencadena la programación. 'Día'
'Hora'
'Minuto'
'Mes'
'Semana' (obligatorio)
interval [Obligatorio] Especifica el intervalo de programación junto con la frecuencia. int (obligatorio)
schedule Programación de periodicidad. RecurrenceSchedule

RecurrenceSchedule

Nombre Descripción Valor
horas [Obligatorio] Lista de horas para la programación. int[] (obligatorio)
minutes [Obligatorio] Lista de minutos para la programación. int[] (obligatorio)
monthDays Lista de días de mes para la programación int[]
weekDays Lista de días para la programación. Matriz de cadenas que contiene cualquiera de:
'Viernes'
'Lunes'
"Sábado"
'Domingo'
'Jueves'
'Martes'
'Miércoles'

Definición de recursos de plantilla de ARM

El tipo de recurso workspaces/schedules se puede implementar con operaciones destinadas a:

Para obtener una lista de las propiedades modificadas en cada versión de API, consulte registro de cambios.

Formato de los recursos

Para crear un recurso Microsoft.MachineLearningServices/workspaces/schedules, agregue el siguiente json a la plantilla.

{
  "type": "Microsoft.MachineLearningServices/workspaces/schedules",
  "apiVersion": "2022-10-01",
  "name": "string",
  "properties": {
    "action": {
      "actionType": "string"
      // For remaining properties, see ScheduleActionBase objects
    },
    "description": "string",
    "displayName": "string",
    "isEnabled": "bool",
    "properties": {
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string"
    },
    "tags": {
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string"
    },
    "trigger": {
      "endTime": "string",
      "startTime": "string",
      "timeZone": "string",
      "triggerType": "string"
      // For remaining properties, see TriggerBase objects
    }
  }
}

Objetos ScheduleActionBase

Establezca la propiedad actionType para especificar el tipo de objeto.

Para CreateJob, use:

  "actionType": "CreateJob",
  "jobDefinition": {
    "componentId": "string",
    "computeId": "string",
    "description": "string",
    "displayName": "string",
    "experimentName": "string",
    "identity": {
      "identityType": "string"
      // For remaining properties, see IdentityConfiguration objects
    },
    "isArchived": "bool",
    "properties": {
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string"
    },
    "services": {
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "port": "int",
        "properties": {
          "{customized property}": "string"
        }
      }
    },
    "tags": {
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string"
    },
    "jobType": "string"
    // For remaining properties, see JobBaseProperties objects
  }

Para InvokeBatchEndpoint, use:

  "actionType": "InvokeBatchEndpoint",
  "endpointInvocationDefinition": {}

Objetos JobBaseProperties

Establezca la propiedad jobType para especificar el tipo de objeto.

Para AutoML, use:

  "jobType": "AutoML",
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "properties": {
      "{customized property}": {},
      "{customized property}": {}
    },
    "shmSize": "string"
  },
  "taskDetails": {
    "logVerbosity": "string",
    "targetColumnName": "string",
    "trainingData": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "taskType": "string"
    // For remaining properties, see AutoMLVertical objects
  }

En Comando, use:

  "jobType": "Command",
  "codeId": "string",
  "command": "string",
  "distribution": {
    "distributionType": "string"
    // For remaining properties, see DistributionConfiguration objects
  },
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "string"
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "limits": {
    "jobLimitsType": "string",
    "timeout": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "properties": {
      "{customized property}": {},
      "{customized property}": {}
    },
    "shmSize": "string"
  }

Para Canalización, use:

  "jobType": "Pipeline",
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "jobs": {
    "{customized property}": {}
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "settings": {},
  "sourceJobId": "string"

Para Barrido, use:

  "jobType": "Sweep",
  "earlyTermination": {
    "delayEvaluation": "int",
    "evaluationInterval": "int",
    "policyType": "string"
    // For remaining properties, see EarlyTerminationPolicy objects
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "limits": {
    "jobLimitsType": "string",
    "maxConcurrentTrials": "int",
    "maxTotalTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "objective": {
    "goal": "string",
    "primaryMetric": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "samplingAlgorithm": {
    "samplingAlgorithmType": "string"
    // For remaining properties, see SamplingAlgorithm objects
  },
  "searchSpace": {},
  "trial": {
    "codeId": "string",
    "command": "string",
    "distribution": {
      "distributionType": "string"
      // For remaining properties, see DistributionConfiguration objects
    },
    "environmentId": "string",
    "environmentVariables": {
      "{customized property}": "string"
    },
    "resources": {
      "dockerArgs": "string",
      "instanceCount": "int",
      "instanceType": "string",
      "properties": {
        "{customized property}": {},
        "{customized property}": {}
      },
      "shmSize": "string"
    }
  }

Objetos IdentityConfiguration

Establezca la propiedad identityType para especificar el tipo de objeto.

Para AMLToken, use:

  "identityType": "AMLToken"

Para Administrado, use:

  "identityType": "Managed",
  "clientId": "string",
  "objectId": "string",
  "resourceId": "string"

Para UserIdentity, use:

  "identityType": "UserIdentity"

Objetos JobOutput

Establezca la propiedad jobOutputType para especificar el tipo de objeto.

Para custom_model, use:

  "jobOutputType": "custom_model",
  "mode": "string",
  "uri": "string"

Para mlflow_model, use:

  "jobOutputType": "mlflow_model",
  "mode": "string",
  "uri": "string"

Para mltable, use:

  "jobOutputType": "mltable",
  "mode": "string",
  "uri": "string"

Para triton_model, use:

  "jobOutputType": "triton_model",
  "mode": "string",
  "uri": "string"

Para uri_file, use:

  "jobOutputType": "uri_file",
  "mode": "string",
  "uri": "string"

Para uri_folder, use:

  "jobOutputType": "uri_folder",
  "mode": "string",
  "uri": "string"

Objetos AutoMLVertical

Establezca la propiedad taskType para especificar el tipo de objeto.

Para Clasificación, use:

  "taskType": "Classification",
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "positiveLabel": "string",
  "primaryMetric": "string",
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

Para Previsión, use:

  "taskType": "Forecasting",
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "forecastingSettings": {
    "countryOrRegionForHolidays": "string",
    "cvStepSize": "int",
    "featureLags": "string",
    "forecastHorizon": {
      "mode": "string"
      // For remaining properties, see ForecastHorizon objects
    },
    "frequency": "string",
    "seasonality": {
      "mode": "string"
      // For remaining properties, see Seasonality objects
    },
    "shortSeriesHandlingConfig": "string",
    "targetAggregateFunction": "string",
    "targetLags": {
      "mode": "string"
      // For remaining properties, see TargetLags objects
    },
    "targetRollingWindowSize": {
      "mode": "string"
      // For remaining properties, see TargetRollingWindowSize objects
    },
    "timeColumnName": "string",
    "timeSeriesIdColumnNames": [ "string" ],
    "useStl": "string"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

Para ImageClassification, use:

  "taskType": "ImageClassification",
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "momentum": "int",
    "nesterov": "bool",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "trainingBatchSize": "int",
    "trainingCropSize": "int",
    "validationBatchSize": "int",
    "validationCropSize": "int",
    "validationResizeSize": "int",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int",
    "weightedLoss": "int"
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "momentum": "string",
      "nesterov": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "trainingBatchSize": "string",
      "trainingCropSize": "string",
      "validationBatchSize": "string",
      "validationCropSize": "string",
      "validationResizeSize": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string",
      "weightedLoss": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"

Para ImageClassificationMultilabel, use:

  "taskType": "ImageClassificationMultilabel",
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "momentum": "int",
    "nesterov": "bool",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "trainingBatchSize": "int",
    "trainingCropSize": "int",
    "validationBatchSize": "int",
    "validationCropSize": "int",
    "validationResizeSize": "int",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int",
    "weightedLoss": "int"
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "momentum": "string",
      "nesterov": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "trainingBatchSize": "string",
      "trainingCropSize": "string",
      "validationBatchSize": "string",
      "validationCropSize": "string",
      "validationResizeSize": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string",
      "weightedLoss": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"

Para ImageInstanceSegmentation, use:

  "taskType": "ImageInstanceSegmentation",
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "boxDetectionsPerImage": "int",
    "boxScoreThreshold": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "imageSize": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "maxSize": "int",
    "minSize": "int",
    "modelName": "string",
    "modelSize": "string",
    "momentum": "int",
    "multiScale": "bool",
    "nesterov": "bool",
    "nmsIouThreshold": "int",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "tileGridSize": "string",
    "tileOverlapRatio": "int",
    "tilePredictionsNmsThreshold": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "validationIouThreshold": "int",
    "validationMetricType": "string",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int"
  },
  "primaryMetric": "MeanAveragePrecision",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "boxDetectionsPerImage": "string",
      "boxScoreThreshold": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "imageSize": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "maxSize": "string",
      "minSize": "string",
      "modelName": "string",
      "modelSize": "string",
      "momentum": "string",
      "multiScale": "string",
      "nesterov": "string",
      "nmsIouThreshold": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "tileGridSize": "string",
      "tileOverlapRatio": "string",
      "tilePredictionsNmsThreshold": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "validationIouThreshold": "string",
      "validationMetricType": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"

Para ImageObjectDetection, use:

  "taskType": "ImageObjectDetection",
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "boxDetectionsPerImage": "int",
    "boxScoreThreshold": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "imageSize": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "maxSize": "int",
    "minSize": "int",
    "modelName": "string",
    "modelSize": "string",
    "momentum": "int",
    "multiScale": "bool",
    "nesterov": "bool",
    "nmsIouThreshold": "int",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "tileGridSize": "string",
    "tileOverlapRatio": "int",
    "tilePredictionsNmsThreshold": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "validationIouThreshold": "int",
    "validationMetricType": "string",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int"
  },
  "primaryMetric": "MeanAveragePrecision",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "boxDetectionsPerImage": "string",
      "boxScoreThreshold": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "imageSize": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "maxSize": "string",
      "minSize": "string",
      "modelName": "string",
      "modelSize": "string",
      "momentum": "string",
      "multiScale": "string",
      "nesterov": "string",
      "nmsIouThreshold": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "tileGridSize": "string",
      "tileOverlapRatio": "string",
      "tilePredictionsNmsThreshold": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "validationIouThreshold": "string",
      "validationMetricType": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"

Para Regresión, use:

  "taskType": "Regression",
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

Para TextClassification, use:

  "taskType": "TextClassification",
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "primaryMetric": "string",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }

Para TextClassificationMultilabel, use:

  "taskType": "TextClassificationMultilabel",
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }

Para TextNER, use:

  "taskType": "TextNER",
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }

NCrossValidations (objetos)

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  "mode": "Auto"

Para Custom, use:

  "mode": "Custom",
  "value": "int"

ForecastHorizon (objetos)

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  "mode": "Auto"

Para Custom, use:

  "mode": "Custom",
  "value": "int"

Objetos de estacionalidad

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  "mode": "Auto"

Para Custom, use:

  "mode": "Custom",
  "value": "int"

Objetos TargetLags

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  "mode": "Auto"

Para Custom, use:

  "mode": "Custom",
  "values": [ "int" ]

Objetos TargetRollingWindowSize

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  "mode": "Auto"

Para Custom, use:

  "mode": "Custom",
  "value": "int"

Objetos EarlyTerminationPolicy

Establezca la propiedad policyType para especificar el tipo de objeto.

Para Bandido, use:

  "policyType": "Bandit",
  "slackAmount": "int",
  "slackFactor": "int"

Para MedianStopping, use:

  "policyType": "MedianStopping"

Para TruncationSelection, use:

  "policyType": "TruncationSelection",
  "truncationPercentage": "int"

Objetos DistributionConfiguration

Establezca la propiedad distributionType para especificar el tipo de objeto.

Para Mpi, use:

  "distributionType": "Mpi",
  "processCountPerInstance": "int"

Para PyTorch, use:

  "distributionType": "PyTorch",
  "processCountPerInstance": "int"

Para TensorFlow, use:

  "distributionType": "TensorFlow",
  "parameterServerCount": "int",
  "workerCount": "int"

Objetos JobInput

Establezca la propiedad jobInputType para especificar el tipo de objeto.

Para custom_model, use:

  "jobInputType": "custom_model",
  "mode": "string",
  "uri": "string"

Para literal, use:

  "jobInputType": "literal",
  "value": "string"

Para mlflow_model, use:

  "jobInputType": "mlflow_model",
  "mode": "string",
  "uri": "string"

Para mltable, use:

  "jobInputType": "mltable",
  "mode": "string",
  "uri": "string"

Para triton_model, use:

  "jobInputType": "triton_model",
  "mode": "string",
  "uri": "string"

Para uri_file, use:

  "jobInputType": "uri_file",
  "mode": "string",
  "uri": "string"

Para uri_folder, use:

  "jobInputType": "uri_folder",
  "mode": "string",
  "uri": "string"

Objetos SamplingAlgorithm

Establezca la propiedad samplingAlgorithmType para especificar el tipo de objeto.

Para Bayesiano, use:

  "samplingAlgorithmType": "Bayesian"

Para Grid, use:

  "samplingAlgorithmType": "Grid"

Para Random, use:

  "samplingAlgorithmType": "Random",
  "rule": "string",
  "seed": "int"

Objetos TriggerBase

Establezca la propiedad triggerType para especificar el tipo de objeto.

Para Cron, use:

  "triggerType": "Cron",
  "expression": "string"

Para Periodicidad, use:

  "triggerType": "Recurrence",
  "frequency": "string",
  "interval": "int",
  "schedule": {
    "hours": [ "int" ],
    "minutes": [ "int" ],
    "monthDays": [ "int" ],
    "weekDays": [ "string" ]
  }

Valores de propiedad

áreas de trabajo y programaciones

Nombre Descripción Value
type Tipo de recurso "Microsoft.MachineLearningServices/workspaces/schedules"
apiVersion La versión de la API de recursos '2022-10-01'
name El nombre del recurso

Consulte cómo establecer nombres y tipos para recursos secundarios en plantillas de ARM json.		 string (obligatorio)
properties [Obligatorio] Atributos adicionales de la entidad. ScheduleProperties (obligatorio)

ScheduleProperties

Nombre Descripción Valor
action [Obligatorio] Especifica la acción de la programación. ScheduleActionBase (obligatorio)
description Texto de descripción del recurso. string
DisplayName Nombre para mostrar de la programación. string
isEnabled ¿Está habilitada la programación? bool
properties Diccionario de propiedades de recursos. ResourceBaseProperties
etiquetas Diccionario de etiquetas. Las etiquetas se pueden agregar, quitar y actualizar. object
desencadenador [Obligatorio] Especifica los detalles del desencadenador. TriggerBase (obligatorio)

ScheduleActionBase

Nombre Descripción Valor
actionType Establecimiento del tipo de objeto CreateJob
InvokeBatchEndpoint (obligatorio)

JobScheduleAction

Nombre Descripción Valor
actionType [Obligatorio] Especifica el tipo de acción de la programación. 'CreateJob' (obligatorio)
jobDefinition [Obligatorio] Define los detalles de la definición de la acción Programar. JobBaseProperties (obligatorio)

JobBaseProperties

Nombre Descripción Valor
Componentid Id. de recurso de ARM del recurso de componente. string
computeId Id. de recurso de ARM del recurso de proceso. string
description Texto de descripción del recurso. string
DisplayName Nombre para mostrar del trabajo. string
experimentName Nombre del experimento al que pertenece el trabajo. Si no se establece, el trabajo se coloca en el experimento "Predeterminado". string
identidad Configuración de identidad. Si se establece, debe ser uno de AmlToken, ManagedIdentity, UserIdentity o null.
El valor predeterminado es AmlToken si es null.		 IdentityConfiguration
isArchived ¿Se archiva el recurso? bool
properties Diccionario de propiedades de recursos. ResourceBaseProperties
services Lista de jobEndpoints.
En el caso de los trabajos locales, un punto de conexión de trabajo tendrá un valor de punto de conexión de FileStreamObject.		 JobBaseServices
etiquetas Diccionario de etiquetas. Las etiquetas se pueden agregar, quitar y actualizar. object
jobType Establecimiento del tipo de objeto AutoML
Comando
Canalización
Barrido (obligatorio)

IdentityConfiguration

Nombre Descripción Valor
identityType Establecimiento del tipo de objeto AMLToken
Administrado
UserIdentity (obligatorio)

AmlToken

Nombre Descripción Valor
identityType [Obligatorio] Especifica el tipo de marco de identidad. 'AMLToken' (obligatorio)

ManagedIdentity

Nombre Descripción Valor
identityType [Obligatorio] Especifica el tipo de marco de identidad. 'Administrado' (obligatorio)
clientId Especifica una identidad asignada por el usuario por identificador de cliente. Para asignado por el sistema, no establezca este campo. string

Restricciones:
Longitud mínima = 36
Longitud máxima = 36
Patrón = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
objectId Especifica una identidad asignada por el usuario por identificador de objeto. Para asignado por el sistema, no establezca este campo. string

Restricciones:
Longitud mínima = 36
Longitud máxima = 36
Patrón = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId Especifica una identidad asignada por el usuario por el identificador de recurso de ARM. En el caso de asignados por el sistema, no establezca este campo. string

UserIdentity

Nombre Descripción Valor
identityType [Obligatorio] Especifica el tipo de marco de identidad. 'UserIdentity' (obligatorio)

ResourceBaseProperties

Nombre Descripción Valor
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string

JobBaseServices

Nombre Descripción Valor
{propiedad personalizada} JobService

JobService

Nombre Descripción Valor
endpoint Dirección URL del punto de conexión. string
jobServiceType Tipo de punto de conexión. string
port Puerto para el punto de conexión. int
properties Propiedades adicionales que se van a establecer en el punto de conexión. JobServiceProperties

JobServiceProperties

Nombre Descripción Valor
{propiedad personalizada} string

AutoMLJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. 'AutoML' (obligatorio)
environmentId Identificador de recurso de ARM de la especificación del entorno para el trabajo.
Este es un valor opcional para proporcionar, si no se proporciona, AutoML usará de forma predeterminada la versión del entorno mantenido de AutoML de producción al ejecutar el trabajo.		 string
environmentVariables Variables de entorno incluidas en el trabajo. AutoMLJobEnvironmentVariables
outputs Asignación de enlaces de datos de salida usados en el trabajo. AutoMLJobOutputs
resources Configuración de recursos de proceso para el trabajo. JobResourceConfiguration
taskDetails [Obligatorio] Esto representa un escenario que puede ser una de las tablas/NLP/Image. AutoMLVertical (obligatorio)

AutoMLJobEnvironmentVariables

Nombre Descripción Valor
{propiedad personalizada} string

AutoMLJobOutputs

Nombre Descripción Valor
{propiedad personalizada} JobOutput

JobOutput

Nombre Descripción Valor
description Descripción de la salida. string
jobOutputType Establecimiento del tipo de objeto custom_model
mlflow_model
mltable
triton_model
uri_file
uri_folder (obligatorio)

CustomModelJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'custom_model' (obligatorio)
mode Modo de entrega de recursos de salida. 'ReadWriteMount'
'Cargar'
uri URI del recurso de salida. string

MLFlowModelJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'mlflow_model' (obligatorio)
mode Modo de entrega de recursos de salida. 'ReadWriteMount'
'Cargar'
uri URI del recurso de salida. string

MLTableJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'mltable' (obligatorio)
mode Modo de entrega de recursos de salida. 'ReadWriteMount'
'Cargar'
uri URI del recurso de salida. string

TritonModelJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'triton_model' (obligatorio)
mode Modo de entrega de recursos de salida. 'ReadWriteMount'
'Cargar'
uri URI del recurso de salida. string

UriFileJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'uri_file' (obligatorio)
mode Modo de entrega de recursos de salida. 'ReadWriteMount'
'Cargar'
uri URI del recurso de salida. string

UriFolderJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'uri_folder' (obligatorio)
mode Modo de entrega de recursos de salida. 'ReadWriteMount'
'Cargar'
uri URI del recurso de salida. string

JobResourceConfiguration

Nombre Descripción Valor
dockerArgs Argumentos adicionales para pasar al comando de ejecución de Docker. Esto invalidaría los parámetros ya establecidos por el sistema o en esta sección. Este parámetro solo se admite para los tipos de proceso de Azure ML. string
instanceCount Número opcional de instancias o nodos usados por el destino de proceso. int
instanceType Tipo opcional de máquina virtual que se usa como compatible con el destino de proceso. string
properties Contenedor de propiedades adicionales. ResourceConfigurationProperties
shmSize Tamaño del bloque de memoria compartida del contenedor de Docker. Debe estar en el formato de (número)(unidad) donde el número como mayor que 0 y la unidad puede ser uno de b(bytes), k(kilobytes), m(megabytes) o g(gigabytes). string

Restricciones:
Patrón = \d+[bBkKmMgG]

ResourceConfigurationProperties

Nombre Descripción Valor
{propiedad personalizada}
{propiedad personalizada}

AutoMLVertical

Nombre Descripción Valor
logVerbosity Detalle del registro del trabajo. 'Crítico'
'Depurar'
'Error'
'Info'
'NotSet'
'Advertencia'
targetColumnName Nombre de columna de destino: se trata de la columna de valores de predicción.
También se conoce como nombre de columna de etiqueta en el contexto de las tareas de clasificación.		 string
trainingData [Obligatorio] Entrada de datos de entrenamiento. MLTableJobInput (obligatorio)
taskType Establecimiento del tipo de objeto Clasificación
Previsión
ImageClassification
ImageClassificationMultilabel
ImageInstanceSegmentation
ImageObjectDetection
Regresión
TextClassification
TextClassificationMultilabel
TextNER (obligatorio)

MLTableJobInput

Nombre Descripción Valor
description Descripción de la entrada. string
jobInputType [Obligatorio] Especifica el tipo de trabajo. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (obligatorio)
mode Modo de entrega de recursos de entrada. 'Directo'
'Descargar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

clasificación

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'Clasificación' (obligatorio)
cvSplitColumnNames Columnas que se usarán para los datos CVSplit. string[]
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. TableVerticalFeaturizationSettings
limitSettings Restricciones de ejecución para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de plegamientos de validación cruzada que se van a aplicar en el conjunto de datos de entrenamiento
cuando no se proporciona el conjunto de datos de validación.		 NCrossValidations
positiveLabel Etiqueta positiva para el cálculo de métricas binarias. string
primaryMetric Métrica principal de la tarea. "AUCWeighted"
'Precisión'
'AveragePrecisionScoreWeighted'
"NormMacroRecall"
'PrecisionScoreWeighted'
testData Prueba de la entrada de datos. MLTableJobInput
testDataSize Fracción del conjunto de datos de prueba que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
trainingSettings Entradas para la fase de entrenamiento de un trabajo de AutoML. ClassificationTrainingSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
weightColumnName Nombre de la columna de peso de muestra. El aprendizaje automático automatizado admite una columna de peso como entrada, lo que provoca que las filas de los datos se puedan subir o bajar. string

TableVerticalFeaturizationSettings

Nombre Descripción Valor
blockedTransformers Estos transformadores no se utilizarán en caracterización. Matriz de cadenas que contiene cualquiera de:
'CatTargetEncoder'
'CountVectorizer'
'HashOneHotEncoder'
'LabelEncoder'
'NaiveBayes'
"OneHotEncoder"
'TextTargetEncoder'
'TfIdf'
'WoETargetEncoder'
'WordEmbedding'
columnNameAndTypes Diccionario de nombre de columna y su tipo (int, float, string, datetime, etc.). TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage Idioma del conjunto de datos, útil para los datos de texto. string
enableDnnFeaturization Determina si se deben usar caracterizadores basados en Dnn para la caracterización de datos. bool
mode Modo de caracterización: el usuario puede mantener el modo predeterminado "Automático" y AutoML se encargará de la transformación necesaria de los datos en la fase de caracterización.
Si se selecciona "Desactivado", no se realiza ninguna caracterización.
Si se selecciona "Personalizado", el usuario puede especificar entradas adicionales para personalizar cómo se realiza la caracterización.		 'Auto'
'Personalizado'
'Desactivado'
transformerParams El usuario puede especificar transformadores adicionales que se usarán junto con las columnas a las que se aplicaría y los parámetros para el constructor del transformador. TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Nombre Descripción Valor
{propiedad personalizada} string

TableVerticalFeaturizationSettingsTransformerParams

Nombre Descripción Valor
{propiedad personalizada} ColumnTransformer[]

ColumnTransformer

Nombre Descripción Valor
fields Campos en los que se va a aplicar la lógica del transformador. string[]
parámetros Diferentes propiedades que se van a pasar al transformador.
La entrada esperada es el diccionario de pares clave-valor en formato JSON.

TableVerticalLimitSettings

Nombre Descripción Valor
enableEarlyTermination Habilitar la terminación anticipada, determina si AutoMLJob finalizará pronto si no hay ninguna mejora de puntuación en las últimas 20 iteraciones. bool
exitScore Puntuación de salida para el trabajo de AutoML. int
maxConcurrentTrials Número máximo de iteraciones simultáneas. int
maxCoresPerTrial Número máximo de núcleos por iteración. int
maxTrials Número de iteraciones. int
timeout Tiempo de espera del trabajo de AutoML. string
trialTimeout Tiempo de espera de iteración. string

NCrossValidations

Nombre Descripción Valor
mode Establecimiento del tipo de objeto Automático
Personalizado (obligatorio)

AutoNCrossValidations

Nombre Descripción Valor
mode [Obligatorio] Modo para determinar las validaciones N cruzadas. 'Auto' (obligatorio)

CustomNCrossValidations

Nombre Descripción Valor
mode [Obligatorio] Modo para determinar las validaciones N cruzadas. 'Custom' (obligatorio)
value [Obligatorio] Valor de las validaciones de N-Cross. int (obligatorio)

ClassificationTrainingSettings

Nombre Descripción Valor
allowedTrainingAlgorithms Modelos permitidos para la tarea de clasificación. Matriz de cadenas que contiene cualquiera de:
'BernoulliNaiveBayes'
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
blockedTrainingAlgorithms Modelos bloqueados para la tarea de clasificación. Matriz de cadenas que contiene cualquiera de:
'BernoulliNaiveBayes'
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
enableDnnTraining Habilite la recomendación de modelos DNN. bool
enableModelExplainability Marca para activar la explicación en el mejor modelo. bool
enableOnnxCompatibleModels Marca para habilitar modelos compatibles con onnx. bool
enableStackEnsemble Habilite la ejecución del conjunto de pila. bool
enableVoteEnsemble Habilite la ejecución del conjunto de votación. bool
ensembleModelDownloadTimeout Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores.
Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.		 string
stackEnsembleSettings Configuración del conjunto de pila para la ejecución del conjunto de pila. StackEnsembleSettings

StackEnsembleSettings

Nombre Descripción Valor
stackMetaLearnerKWargs Parámetros opcionales para pasar al inicializador del meta-learner.
stackMetaLearnerTrainPercentage Especifica la proporción del conjunto de entrenamiento (al elegir el tipo de entrenamiento y validación de entrenamiento) que se va a reservar para entrenar al meta-learner. El valor predeterminado es 0,2. int
stackMetaLearnerType El meta-learner es un modelo entrenado en la salida de los modelos heterogéneos individuales. "ElasticNet"
"ElasticNetCV"
'LightGBMClassifier'
'LightGBMRegressor'
'LinearRegression'
'LogisticRegression'
'LogisticRegressionCV'
'Ninguno'

Previsión

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. "Previsión" (obligatorio)
cvSplitColumnNames Columnas que se van a usar para los datos cvSplit. string[]
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. TableVerticalFeaturizationSettings
forecastingSettings Entradas específicas de la tarea de previsión. ForecastingSettings
limitSettings Restricciones de ejecución para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de plegamientos de validación cruzada que se van a aplicar en el conjunto de datos de entrenamiento
cuando no se proporciona el conjunto de datos de validación.		 NCrossValidations
primaryMetric Métrica principal para la tarea de previsión. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
testData Prueba de la entrada de datos. MLTableJobInput
testDataSize Fracción del conjunto de datos de prueba que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
trainingSettings Entradas para la fase de entrenamiento de un trabajo de AutoML. ForecastingTrainingSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
weightColumnName Nombre de la columna de peso de muestra. El aprendizaje automático automatizado admite una columna de peso como entrada, lo que provoca que las filas de los datos se puedan subir o bajar. string

ForecastingSettings

Nombre Descripción Valor
countryOrRegionForHolidays País o región para días festivos para las tareas de previsión.
Deben ser los códigos ISO 3166 de país o región de dos letras, por ejemplo, "US" o "GB".		 string
cvStepSize Número de períodos entre la hora de origen de un plegado cv y el siguiente plegado. Para
por ejemplo, si CVStepSize = 3 para los datos diarios, la hora de origen de cada plegamiento será
tres días separados.		 int
featureLags Marca para generar retardos para las características numéricas con "auto" o null. 'Auto'
'Ninguno'
forecastHorizon Horizonte de previsión máximo deseado en unidades de frecuencia de la serie temporal. ForecastHorizon
frequency Al pronosticar, este parámetro representa el período con el que se desea la previsión, por ejemplo, diaria, semanal, anual, etc. La frecuencia de previsión es la frecuencia del conjunto de datos de manera predeterminada. string
Estacionalidad Establezca la estacionalidad de la serie temporal como un múltiplo entero de la frecuencia de la serie.
Si la estacionalidad se establece en "auto", se infiere.		 Estacionalidad
shortSeriesHandlingConfig Parámetro que define si AutoML debe controlar series temporales cortas. 'Auto'
'Drop'
'Ninguno'
'Pad'
targetAggregateFunction Función que se usará para agregar la columna de destino de serie temporal según la frecuencia especificada por el usuario.
Si se establece TargetAggregateFunction, es decir, no "None", pero no se establece el parámetro freq, se genera el error. Las posibles funciones de agregación de destino son: "sum", "max", "min" y "mean".		 'Max'
'Mean'
'Min'
'Ninguno'
'Sum'
targetLags Número de períodos pasados para retrasar desde la columna de destino. TargetLags
targetRollingWindowSize Número de períodos pasados usados para crear un promedio de ventana gradual de la columna de destino. TargetRollingWindowSize
timeColumnName Nombre de la columna de hora. Este parámetro es obligatorio en la previsión para especificar la columna de fecha y hora en los datos de entrada que se usa para crear la serie temporal e inferir su frecuencia. string
timeSeriesIdColumnNames Nombres de las columnas que se usan para agrupar una serie temporal. Se puede usar para crear varias series.
Si no se define el nivel de detalle, el conjunto de datos se presupone una serie temporal. Este parámetro se usa con la previsión del tipo de tarea.		 string[]
useStl Configura la descomposición de STL de la columna de destino de la serie temporal. 'Ninguno'
'Temporada'
'SeasonTrend'

ForecastHorizon

Nombre Descripción Valor
mode Establecimiento del tipo de objeto Automático
Personalizado (obligatorio)

AutoForecastHorizon

Nombre Descripción Valor
mode [Obligatorio] Establecer el modo de selección de valores del horizonte de previsión. 'Auto' (obligatorio)

CustomForecastHorizon

Nombre Descripción Valor
mode [Obligatorio] Establecer el modo de selección de valores del horizonte de previsión. 'Custom' (obligatorio)
value [Obligatorio] Valor del horizonte de previsión. int (obligatorio)

Estacionalidad

Nombre Descripción Valor
mode Establecimiento del tipo de objeto Automático
Personalizado (obligatorio)

AutoSeasonality

Nombre Descripción Valor
mode [Obligatorio] Modo de estacionalidad. 'Auto' (obligatorio)

CustomSeasonality

Nombre Descripción Valor
mode [Obligatorio] Modo de estacionalidad. 'Custom' (obligatorio)
value [Obligatorio] Valor de estacionalidad. int (obligatorio)

TargetLags

Nombre Descripción Valor
mode Establecimiento del tipo de objeto Automático
Personalizado (obligatorio)

AutoTargetLags

Nombre Descripción Valor
mode [Obligatorio] Establecer el modo de retardo de destino: Automático/Personalizado 'Auto' (obligatorio)

CustomTargetLags

Nombre Descripción Valor
mode [Obligatorio] Establecer el modo de retardo de destino: Automático/Personalizado 'Custom' (obligatorio)
valores [Obligatorio] Establezca los valores de retardo de destino. int[] (obligatorio)

TargetRollingWindowSize

Nombre Descripción Valor
mode Establecimiento del tipo de objeto Automático
Personalizado (obligatorio)

AutoTargetRollingWindowSize

Nombre Descripción Valor
mode [Obligatorio] Modo de detección TargetRollingWindowSiz. 'Auto' (obligatorio)

CustomTargetRollingWindowSize

Nombre Descripción Valor
mode [Obligatorio] Modo de detección TargetRollingWindowSiz. 'Custom' (obligatorio)
value [Obligatorio] Valor TargetRollingWindowSize. int (obligatorio)

ForecastingTrainingSettings

Nombre Descripción Valor
allowedTrainingAlgorithms Modelos permitidos para la tarea de previsión. Matriz de cadenas que contiene cualquiera de:
'Arimax'
'AutoArima'
'Average'
'DecisionTree'
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naive'
'Profeta'
'RandomForest'
'SGD'
'SeasonalAverage'
'SeasonalNaive'
'TCNForecaster'
'XGBoostRegressor'
blockedTrainingAlgorithms Modelos bloqueados para la tarea de previsión. Matriz de cadenas que contiene cualquiera de:
'Arimax'
'AutoArima'
'Average'
'DecisionTree'
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naive'
'Profeta'
'RandomForest'
'SGD'
'SeasonalAverage'
'SeasonalNaive'
'TCNForecaster'
'XGBoostRegressor'
enableDnnTraining Habilite la recomendación de modelos DNN. bool
enableModelExplainability Marca para activar la explicación en el mejor modelo. bool
enableOnnxCompatibleModels Marca para habilitar modelos compatibles con onnx. bool
enableStackEnsemble Habilite la ejecución del conjunto de pila. bool
enableVoteEnsemble Habilite la ejecución del conjunto de votación. bool
ensembleModelDownloadTimeout Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores.
Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.		 string
stackEnsembleSettings Configuración del conjunto de pila para la ejecución del conjunto de pila. StackEnsembleSettings

ImageClassification

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'ImageClassification' (obligatorio)
limitSettings [Obligatorio] Limite la configuración del trabajo de AutoML. ImageLimitSettings (obligatorio)
modelSettings Configuración usada para entrenar el modelo. ImageModelSettingsClassification
primaryMetric Métrica principal para optimizar esta tarea. "AUCWeighted"
'Precisión'
'AveragePrecisionScoreWeighted'
"NormMacroRecall"
'PrecisionScoreWeighted'
searchSpace Espacio de búsqueda para muestreo de diferentes combinaciones de modelos y sus hiperparámetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configuración relacionada con el barrido de hiperparámetros y el barrido de modelos. ImageSweepSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.
 int

ImageLimitSettings

Nombre Descripción Valor
maxConcurrentTrials Número máximo de iteraciones simultáneas de AutoML. int
maxTrials Número máximo de iteraciones de AutoML. int
timeout Tiempo de espera del trabajo de AutoML. string

ImageModelSettingsClassification

Nombre Descripción Valor
advancedSettings Configuración de escenarios avanzados. string
amsGradient Habilite AMSGrad cuando el optimizador sea "adam" o "adamw". bool
Aumentos Configuración para usar aumentos. string
beta1 Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. int
beta2 Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. int
checkpointFrequency Frecuencia para almacenar puntos de control del modelo. Debe ser un entero positivo. int
checkpointModel Modelo de punto de control entrenado previamente para el entrenamiento incremental. MLFlowModelJobInput
checkpointRunId Identificador de una ejecución anterior que tiene un punto de control entrenado previamente para el entrenamiento incremental. string
distributed Si se va a usar el entrenamiento distribuido. bool
earlyStopping Habilite la lógica de detención temprana durante el entrenamiento. bool
earlyStoppingDelay Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de la métrica principal
se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.		 int
earlyStoppingPatience Número mínimo de épocas o evaluaciones de validación sin mejora de métrica principal antes
se detiene la ejecución. Debe ser un entero positivo.		 int
enableOnnxNormalization Habilite la normalización al exportar el modelo ONNX. bool
evaluationFrequency Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo. int
gradientAccumulationStep La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin
actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar
los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.		 int
layersToFreeze Número de capas que se van a inmovilizar para el modelo. Debe ser un entero positivo.
Por ejemplo, pasar 2 como valor para "seresnext" significa
capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor
Ver: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1]. int
learningRateScheduler Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso". 'Ninguno'
'Paso'
"WarmupCosine"
modelName Nombre del modelo que se va a usar para el entrenamiento.
Para obtener más información sobre los modelos disponibles, visite la documentación oficial:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
momentum Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1]. int
Nesterov Habilite nesterov cuando el optimizador sea "sgd". bool
numberOfEpochs Número de épocas de entrenamiento. Debe ser un entero positivo. int
numberOfWorkers Número de trabajos del cargador de datos. Debe ser un entero no negativo. int
optimizer Tipo de optimizador. 'Adam'
'Adamw'
'Ninguno'
'Sgd'
randomSeed Inicialización aleatoria que se usará al usar el entrenamiento determinista. int
stepLRGamma Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1]. int
stepLRStepSize Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo. int
trainingBatchSize Tamaño del lote de entrenamiento. Debe ser un entero positivo. int
trainingCropSize Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de entrenamiento. Debe ser un entero positivo. int
validationBatchSize Tamaño del lote de validación. Debe ser un entero positivo. int
validationCropSize Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de validación. Debe ser un entero positivo. int
validationResizeSizeSize Tamaño de imagen al que se va a cambiar el tamaño antes de recortar para el conjunto de datos de validación. Debe ser un entero positivo. int
warmupCosineLRCycles Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1]. int
warmupCosineLRWarmupEpochs Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo. int
weightDecay Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un valor flotante en el intervalo[0, 1]. int
weightedLoss Pérdida ponderada. Los valores aceptados son 0 sin pérdida ponderada.
1 para pérdida ponderada con sqrt. (class_weights). 2 para pérdida ponderada con class_weights. Debe ser 0, 1 o 2.
 int

MLFlowModelJobInput

Nombre Descripción Valor
description Descripción de la entrada. string
jobInputType [Obligatorio] Especifica el tipo de trabajo. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (obligatorio)
mode Modo de entrega de recursos de entrada. "Directo"
'Descargar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
"ReadWriteMount"
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

Nombre Descripción Valor
amsGradient Habilite AMSGrad cuando el optimizador sea "adam" o "adamw". string
Aumentos Configuración para usar aumentos. string
beta1 Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. string
beta2 Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. string
distributed Si se va a usar el entrenamiento del distribuidor. string
earlyStopping Habilite la lógica de detención temprana durante el entrenamiento. string
earlyStoppingDelay Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de la métrica principal
se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.		 string
earlyStoppingPatience Número mínimo de épocas o evaluaciones de validación sin mejora de métrica principal antes
se detiene la ejecución. Debe ser un entero positivo.		 string
enableOnnxNormalization Habilite la normalización al exportar el modelo ONNX. string
evaluationFrequency Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo. string
gradientAccumulationStep La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin
actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar
los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.		 string
layersToFreeze Número de capas que se van a inmovilizar para el modelo. Debe ser un entero positivo.
Por ejemplo, pasar 2 como valor para "seresnext" significa
capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor
Ver: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
learningRate Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1]. string
learningRateScheduler Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso". string
modelName Nombre del modelo que se va a usar para el entrenamiento.
Para obtener más información sobre los modelos disponibles, visite la documentación oficial:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
momentum Valor de impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1]. string
Nesterov Habilite nesterov cuando el optimizador sea "sgd". string
numberOfEpochs Número de épocas de entrenamiento. Debe ser un entero positivo. string
numberOfWorkers Número de trabajos del cargador de datos. Debe ser un entero no negativo. string
optimizer Tipo de optimizador. Debe ser "sgd", "adam" o "adamw". string
randomSeed Inicialización aleatoria que se usará al usar el entrenamiento determinista. string
stepLRGamma Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1]. string
stepLRStepSize Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo. string
trainingBatchSize Tamaño del lote de entrenamiento. Debe ser un entero positivo. string
trainingCropSize Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de entrenamiento. Debe ser un entero positivo. string
validationBatchSize Tamaño del lote de validación. Debe ser un entero positivo. string
validationCropSize Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de validación. Debe ser un entero positivo. string
validationResizeSizeSize Tamaño de imagen al que se va a cambiar el tamaño antes de recortar para el conjunto de datos de validación. Debe ser un entero positivo. string
warmupCosineLRCycles Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1]. string
warmupCosineLRWarmupEpochs Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo. string
weightDecay Valor de descomposición de peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1]. string
weightedLoss Pérdida ponderada. Los valores aceptados son 0 sin pérdida ponderada.
1 para pérdida ponderada con sqrt. (class_weights). 2 para pérdida ponderada con class_weights. Debe ser 0, 1 o 2.
 string

ImageSweepSettings

Nombre Descripción Valor
earlyTermination Tipo de directiva de terminación anticipada. EarlyTerminationPolicy
samplingAlgorithm [Obligatorio] Tipo de los algoritmos de muestreo de hiperparámetros. 'Bayesiano'
'Grid'
'Random' (obligatorio)

EarlyTerminationPolicy

Nombre Descripción Valor
delayEvaluation Número de intervalos por los que se va a retrasar la primera evaluación. int
evaluationInterval Intervalo (número de ejecuciones) entre las evaluaciones de directivas. int
policyType Establecimiento del tipo de objeto Bandit
MedianStopping
TruncationSelection (obligatorio)

BanditPolicy

Nombre Descripción Valor
policyType [Obligatorio] Nombre de la configuración de directiva 'Bandido' (obligatorio)
slackAmount Distancia absoluta permitida desde la ejecución con mejor rendimiento. int
slackFactor Proporción de la distancia permitida desde la ejecución con mejor rendimiento. int

MedianStoppingPolicy

Nombre Descripción Valor
policyType [Obligatorio] Nombre de la configuración de directiva 'MedianStopping' (obligatorio)

TruncationSelectionPolicy

Nombre Descripción Valor
policyType [Obligatorio] Nombre de la configuración de directiva 'TruncationSelection' (obligatorio)
truncationPercentage El porcentaje de ejecuciones que se cancelarán en cada intervalo de evaluación. int

ImageClassificationMultilabel

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'ImageClassificationMultilabel' (obligatorio)
limitSettings [Obligatorio] Limite la configuración del trabajo de AutoML. ImageLimitSettings (obligatorio)
modelSettings Configuración usada para entrenar el modelo. ImageModelSettingsClassification
primaryMetric Métrica principal para optimizar esta tarea. "AUCWeighted"
'Precisión'
'AveragePrecisionScoreWeighted'
'IOU'
"NormMacroRecall"
'PrecisionScoreWeighted'
searchSpace Espacio de búsqueda para muestreo de diferentes combinaciones de modelos y sus hiperparámetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configuración relacionada con el barrido de hiperparámetros y el barrido de modelos. ImageSweepSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.
 int

ImageInstanceSegmentation

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'ImageInstanceSegmentation' (obligatorio)
limitSettings [Obligatorio] Limite la configuración del trabajo de AutoML. ImageLimitSettings (obligatorio)
modelSettings Configuración usada para entrenar el modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica principal para optimizar esta tarea. 'MeanAveragePrecision'
searchSpace Espacio de búsqueda para muestreo de diferentes combinaciones de modelos y sus hiperparámetros. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Configuración relacionada con el barrido de hiperparámetros y el barrido de modelos. ImageSweepSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.
 int

ImageModelSettingsObjectDetection

Nombre Descripción Valor
advancedSettings Configuración de escenarios avanzados. string
amsGradient Habilite AMSGrad cuando el optimizador sea "adam" o "adamw". bool
Aumentos Configuración para usar aumentos. string
beta1 Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. int
beta2 Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. int
boxDetectionsPerImage Número máximo de detecciones por imagen, para todas las clases. Debe ser un entero positivo.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 int
boxScoreThreshold Durante la inferencia, solo devuelve propuestas con una puntuación de clasificación mayor que
BoxScoreThreshold. Debe ser un valor flotante en el intervalo[0, 1].		 int
checkpointFrequency Frecuencia para almacenar puntos de control del modelo. Debe ser un entero positivo. int
checkpointModel Modelo de punto de control entrenado previamente para el entrenamiento incremental. MLFlowModelJobInput
checkpointRunId Identificador de una ejecución anterior que tiene un punto de control entrenado previamente para el entrenamiento incremental. string
distributed Si se va a usar el entrenamiento distribuido. bool
earlyStopping Habilite la lógica de detención temprana durante el entrenamiento. bool
earlyStoppingDelay Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de la métrica principal
se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.		 int
earlyStoppingPatience Número mínimo de épocas o evaluaciones de validación sin mejora de métrica principal antes
se detiene la ejecución. Debe ser un entero positivo.		 int
enableOnnxNormalization Habilite la normalización al exportar el modelo ONNX. bool
evaluationFrequency Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo. int
gradientAccumulationStep La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin
actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar
los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.		 int
imageSize Tamaño de la imagen para entrenamiento y validación. Debe ser un entero positivo.
Nota: La ejecución de entrenamiento puede entrar en CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 int
layersToFreeze Número de capas que se van a inmovilizar para el modelo. Debe ser un entero positivo.
Por ejemplo, pasar 2 como valor para "seresnext" significa
capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor
Ver: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1]. int
learningRateScheduler Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso". 'Ninguno'
'Paso'
"WarmupCosine"
Maxsize Tamaño máximo de la imagen que se va a volver a escalar antes de proporcionársela a la red troncal.
Debe ser un entero positivo. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 int
minSize Tamaño mínimo de la imagen que se va a volver a escalar antes de proporcionársela a la red troncal.
Debe ser un entero positivo. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 int
modelName Nombre del modelo que se va a usar para el entrenamiento.
Para obtener más información sobre los modelos disponibles, visite la documentación oficial:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
modelSize Tamaño del modelo. Debe ser "small", "medium", "large" o "xlarge".
Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño del modelo es demasiado grande.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 'ExtraLarge'
'Grande'
'Medio'
'Ninguno'
'Pequeño'
momentum Valor de impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1]. int
Multiescala Habilite la imagen de escala múltiple variando el tamaño de la imagen por +/- 50 %.
Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si no hay suficiente memoria de GPU.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 bool
Nesterov Habilite nesterov cuando el optimizador sea "sgd". bool
nmsIouThreshold Umbral IOU utilizado durante la inferencia en el procesamiento posterior de NMS. Debe ser un valor float en el intervalo [0, 1]. int
numberOfEpochs Número de épocas de entrenamiento. Debe ser un entero positivo. int
numberOfWorkers Número de trabajos del cargador de datos. Debe ser un entero no negativo. int
optimizer Tipo de optimizador. 'Adán'
'Adamw'
'Ninguno'
'Sgd'
randomSeed Inicialización aleatoria que se usará al usar el entrenamiento determinista. int
stepLRGamma Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1]. int
stepLRStepSize Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo. int
tileGridSize Tamaño de la cuadrícula que se usará para la colocación en mosaico de cada imagen. Nota: TileGridSize no debe ser
Ninguno para habilitar la lógica de detección de objetos pequeños. Cadena que contiene dos enteros en formato mxn.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
tileOverlapRatio Proporción de superposición entre mosaicos adyacentes en cada dimensión. Debe ser float en el intervalo [0, 1).
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 int
tilePredictionsNmsThreshold Umbral IOU que se usará para realizar NMS al combinar predicciones de mosaicos e imágenes.
Se usa en la validación o inferencia. Debe ser float en el intervalo [0, 1].
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 int
trainingBatchSize Tamaño del lote de entrenamiento. Debe ser un entero positivo. int
validationBatchSize Tamaño del lote de validación. Debe ser un entero positivo. int
validationIouThreshold Umbral IOU que se va a usar al calcular la métrica de validación. Debe ser float en el intervalo [0, 1]. int
validationMetricType Método de cálculo de métricas que se usará para las métricas de validación. 'Coco'
'CocoVoc'
'Ninguno'
'Voc'
warmupCosineLRCycles Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1]. int
warmupCosineLRWarmupEpochs Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo. int
weightDecay Valor de descomposición de peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1]. int

ImageModelDistributionSettingsObjectDetection

Nombre Descripción Valor
amsGradient Habilite AMSGrad cuando el optimizador sea "adam" o "adamw". string
Aumentos Configuración para usar aumentos. string
beta1 Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. string
beta2 Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. string
boxDetectionsPerImage Número máximo de detecciones por imagen, para todas las clases. Debe ser un entero positivo.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
boxScoreThreshold Durante la inferencia, solo devuelve propuestas con una puntuación de clasificación mayor que
BoxScoreThreshold. Debe ser un float en el intervalo[0, 1].		 string
distributed Si se va a usar el entrenamiento del distribuidor. string
earlyStopping Habilite la lógica de detención temprana durante el entrenamiento. string
earlyStoppingDelay Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de la métrica principal
se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.		 string
earlyStoppingPatience Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes
se detiene la ejecución. Debe ser un entero positivo.		 string
enableOnnxNormalization Habilite la normalización al exportar el modelo ONNX. string
evaluationFrequency Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo. string
gradientAccumulationStep Acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin
actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar
los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.		 string
imageSize Tamaño de la imagen para entrenamiento y validación. Debe ser un entero positivo.
Nota: La ejecución de entrenamiento puede entrar en CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 string
layersToFreeze Número de capas que se van a inmovilizar para el modelo. Debe ser un entero positivo.
Por ejemplo, pasar 2 como valor para "seresnext" significa
capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor
Ver: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
learningRate Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1]. string
learningRateScheduler Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso". string
Maxsize Tamaño máximo de la imagen que se va a volver a escalar antes de proporcionársela a la red troncal.
Debe ser un entero positivo. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
minSize Tamaño mínimo de la imagen que se va a volver a escalar antes de proporcionársela a la red troncal.
Debe ser un entero positivo. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
modelName Nombre del modelo que se va a usar para el entrenamiento.
Para obtener más información sobre los modelos disponibles, visite la documentación oficial:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
modelSize Tamaño del modelo. Debe ser "small", "medium", "large" o "xlarge".
Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño del modelo es demasiado grande.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 string
momentum Valor de impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1]. string
Multiescala Habilite la imagen de escala múltiple variando el tamaño de la imagen por +/- 50 %.
Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si no hay suficiente memoria de GPU.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 string
Nesterov Habilite nesterov cuando el optimizador sea "sgd". string
nmsIouThreshold Umbral IOU utilizado durante la inferencia en el procesamiento posterior de NMS. Debe ser float en el intervalo [0, 1]. string
numberOfEpochs Número de épocas de entrenamiento. Debe ser un entero positivo. string
numberOfWorkers Número de trabajos del cargador de datos. Debe ser un entero no negativo. string
optimizer Tipo de optimizador. Debe ser "sgd", "adam" o "adamw". string
randomSeed Inicialización aleatoria que se usará al usar el entrenamiento determinista. string
stepLRGamma Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1]. string
stepLRStepSize Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo. string
tileGridSize Tamaño de la cuadrícula que se usará para la colocación en mosaico de cada imagen. Nota: TileGridSize no debe ser
Ninguno para habilitar la lógica de detección de objetos pequeños. Cadena que contiene dos enteros en formato mxn.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
tileOverlapRatio Proporción de superposición entre mosaicos adyacentes en cada dimensión. Debe ser float en el intervalo [0, 1).
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
tilePredictionsNmsThreshold Umbral IOU que se usará para realizar NMS al combinar predicciones de mosaicos e imágenes.
Se usa en la validación o inferencia. Debe ser float en el intervalo [0, 1].
Nota: Esta configuración no se admite para el algoritmo "yolov5".
NMS: supresión no máxima		 string
trainingBatchSize Tamaño del lote de entrenamiento. Debe ser un entero positivo. string
validationBatchSize Tamaño del lote de validación. Debe ser un entero positivo. string
validationIouThreshold Umbral IOU que se va a usar al calcular la métrica de validación. Debe ser float en el intervalo [0, 1]. string
validationMetricType Método de cálculo de métricas que se usará para las métricas de validación. Debe ser "none", "coco", "voc" o "coco_voc". string
warmupCosineLRCycles Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1]. string
warmupCosineLRWarmupEpochs Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo. string
weightDecay Valor de descomposición de peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1]. string

ImageObjectDetection

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'ImageObjectDetection' (obligatorio)
limitSettings [Obligatorio] Limite la configuración del trabajo de AutoML. ImageLimitSettings (obligatorio)
modelSettings Configuración usada para entrenar el modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica principal para optimizar esta tarea. 'MeanAveragePrecision'
searchSpace Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Configuración relacionada con barrido de hiperparámetros y barrido de modelos. ImageSweepSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.
 int

Regresión

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'Regresión' (obligatorio)
cvSplitColumnNames Columnas que se usarán para los datos CVSplit. string[]
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. TableVerticalFeaturizationSettings
limitSettings Restricciones de ejecución para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de plegamientos de validación cruzada que se aplicarán en el conjunto de datos de entrenamiento
cuando no se proporciona el conjunto de datos de validación.		 NCrossValidations
primaryMetric Métrica principal para la tarea de regresión. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
testData Prueba de la entrada de datos. MLTableJobInput
testDataSize Fracción del conjunto de datos de prueba que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
trainingSettings Entradas para la fase de entrenamiento de un trabajo de AutoML. RegressionTrainingSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
weightColumnName Nombre de la columna de peso de muestra. El aprendizaje automático automatizado admite una columna de peso como entrada, lo que provoca que las filas de los datos se puedan subir o bajar. string

RegressionTrainingSettings

Nombre Descripción Valor
allowedTrainingAlgorithms Modelos permitidos para la tarea de regresión. Matriz de cadenas que contiene cualquiera de:
'DecisionTree'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
blockedTrainingAlgorithms Modelos bloqueados para la tarea de regresión. Matriz de cadenas que contiene cualquiera de:
'DecisionTree'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
"LightGBM"
'RandomForest'
'SGD'
'XGBoostRegressor'
enableDnnTraining Habilite la recomendación de modelos DNN. bool
enableModelExplainability Marca para activar la explicación en el mejor modelo. bool
enableOnnxCompatibleModels Marca para habilitar modelos compatibles con onnx. bool
enableStackEnsemble Habilite la ejecución del conjunto de pila. bool
enableVoteEnsemble Habilite la ejecución del conjunto de votación. bool
ensembleModelDownloadTimeout Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores.
Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.		 string
stackEnsembleSettings Configuración del conjunto de pila para la ejecución del conjunto de pila. StackEnsembleSettings

TextClassification

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'TextClassification' (obligatorio)
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. NlpVerticalFeaturizationSettings
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
primaryMetric Métrica principal para Text-Classification tarea. "AUCWeighted"
'Precisión'
'AveragePrecisionScoreWeighted'
"NormMacroRecall"
'PrecisionScoreWeighted'
validationData Entradas de datos de validación. MLTableJobInput

NlpVerticalFeaturizationSettings

Nombre Descripción Valor
datasetLanguage Idioma del conjunto de datos, útil para los datos de texto. string

NlpVerticalLimitSettings

Nombre Descripción Valor
maxConcurrentTrials Iteraciones de AutoML simultáneas máximas. int
maxTrials Número de iteraciones de AutoML. int
timeout Tiempo de espera del trabajo de AutoML. string

TextClassificationMultilabel

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'TextClassificationMultilabel' (obligatorio)
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. NlpVerticalFeaturizationSettings
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
validationData Entradas de datos de validación. MLTableJobInput

TextNer

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'TextNER' (obligatorio)
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. NlpVerticalFeaturizationSettings
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
validationData Entradas de datos de validación. MLTableJobInput

CommandJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. 'Command' (obligatorio)
codeId Id. de recurso de ARM del recurso de código. string
command [Obligatorio] Comando que se va a ejecutar al iniciar el trabajo. P. ej. "python train.py" string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]
distribution Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch o NULL. DistributionConfiguration
environmentId [Obligatorio] Identificador de recurso de ARM de la especificación del entorno para el trabajo. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]
environmentVariables Variables de entorno incluidas en el trabajo. CommandJobEnvironmentVariables
inputs Asignación de enlaces de datos de entrada usados en el trabajo. CommandJobInputs
límites Límite de trabajo de comando. CommandJobLimits
outputs Asignación de enlaces de datos de salida usados en el trabajo. CommandJobOutputs
resources Configuración de recursos de proceso para el trabajo. JobResourceConfiguration

DistributionConfiguration

Nombre Descripción Valor
distributionType Establecimiento del tipo de objeto Mpi
PyTorch
TensorFlow (obligatorio)

Mpi

Nombre Descripción Valor
distributionType [Obligatorio] Especifica el tipo de marco de distribución. 'Mpi' (obligatorio)
processCountPerInstance Número de procesos por nodo MPI. int

PyTorch

Nombre Descripción Valor
distributionType [Obligatorio] Especifica el tipo de marco de distribución. 'PyTorch' (obligatorio)
processCountPerInstance Número de procesos por nodo. int

TensorFlow

Nombre Descripción Valor
distributionType [Obligatorio] Especifica el tipo de marco de distribución. 'TensorFlow' (obligatorio)
parameterServerCount Número de tareas del servidor de parámetros. int
workerCount Número de trabajadores. Si no se especifica, el valor predeterminado será el recuento de instancias. int

CommandJobEnvironmentVariables

Nombre Descripción Valor
{propiedad personalizada} string

CommandJobInputs

Nombre Descripción Valor
{propiedad personalizada} JobInput

JobInput

Nombre Descripción Valor
description Descripción de la entrada. string
jobInputType Establecimiento del tipo de objeto custom_model
literal
mlflow_model
mltable
triton_model
uri_file
uri_folder (obligatorio)

CustomModelJobInput

Nombre Descripción Valor
jobInputType [Obligatorio] Especifica el tipo de trabajo. 'custom_model' (obligatorio)
mode Modo de entrega de recursos de entrada. "Directo"
'Descargar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
"ReadWriteMount"
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

LiteralJobInput

Nombre Descripción Valor
jobInputType [Obligatorio] Especifica el tipo de trabajo. 'literal' (obligatorio)
value [Obligatorio] Valor literal de la entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

TritonModelJobInput

Nombre Descripción Valor
jobInputType [Obligatorio] Especifica el tipo de trabajo. 'triton_model' (obligatorio)
mode Modo de entrega de recursos de entrada. "Directo"
'Descargar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
"ReadWriteMount"
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

UriFileJobInput

Nombre Descripción Valor
jobInputType [Obligatorio] Especifica el tipo de trabajo. 'uri_file' (obligatorio)
mode Modo de entrega de recursos de entrada. "Directo"
'Descargar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
"ReadWriteMount"
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

UriFolderJobInput

Nombre Descripción Valor
jobInputType [Obligatorio] Especifica el tipo de trabajo. 'uri_folder' (obligatorio)
mode Modo de entrega de recursos de entrada. "Directo"
'Descargar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

CommandJobLimits

Nombre Descripción Valor
jobLimitsType [Obligatorio] Tipo jobLimit. 'Comando'
'Barrido' (obligatorio)
timeout Duración máxima de la ejecución en formato ISO 8601, después de la cual se cancelará el trabajo. Solo admite la duración con una precisión tan baja como Segundos. string

CommandJobOutputs

Nombre Descripción Valor
{propiedad personalizada} JobOutput

PipelineJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. 'Pipeline' (obligatorio)
inputs Entradas para el trabajo de canalización. PipelineJobInputs
jobs Los trabajos construyen el trabajo de canalización. PipelineJobJobs
outputs Salidas para el trabajo de canalización PipelineJobOutputs
configuración Configuración de canalización, para cosas como ContinueRunOnStepFailure, etc.
sourceJobId Id. de recurso de ARM del trabajo de origen. string

PipelineJobInputs

Nombre Descripción Valor
{propiedad personalizada} JobInput

PipelineJobJobs

Nombre Descripción Valor
{propiedad personalizada}

PipelineJobOutputs

Nombre Descripción Valor
{propiedad personalizada} JobOutput

SweepJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. 'Barrido' (obligatorio)
earlyTermination Las directivas de terminación anticipada permiten cancelar ejecuciones con un rendimiento deficiente antes de que se completen EarlyTerminationPolicy
inputs Asignación de enlaces de datos de entrada usados en el trabajo. SweepJobInputs
límites Límite de trabajo de barrido. SweepJobLimits
objetivo [Obligatorio] Objetivo de optimización. Objetivo (obligatorio)
outputs Asignación de enlaces de datos de salida usados en el trabajo. SweepJobOutputs
samplingAlgorithm [Obligatorio] Algoritmo de muestreo de hiperparámetros SamplingAlgorithm (obligatorio)
searchSpace [Obligatorio] Diccionario que contiene cada parámetro y su distribución. La clave de diccionario es el nombre del parámetro .
evaluación [Obligatorio] Definición del componente de prueba. TrialComponent (obligatorio)

SweepJobInputs

Nombre Descripción Valor
{propiedad personalizada} JobInput

SweepJobLimits

Nombre Descripción Valor
jobLimitsType [Obligatorio] Tipo jobLimit. 'Comando'
'Barrido' (obligatorio)
maxConcurrentTrials Número máximo de pruebas simultáneas del trabajo de barrido. int
maxTotalTrials Pruebas totales máximas del trabajo de barrido. int
timeout Duración máxima de la ejecución en formato ISO 8601, después de la cual se cancelará el trabajo. Solo admite la duración con una precisión tan baja como Segundos. string
trialTimeout Valor de tiempo de espera de prueba del trabajo de barrido. string

Objetivo

Nombre Descripción Valor
goal [Obligatorio] Define los objetivos de métrica admitidos para el ajuste de hiperparámetros. "Maximizar"
'Minimizar' (obligatorio)
primaryMetric [Obligatorio] Nombre de la métrica que se va a optimizar. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

SweepJobOutputs

Nombre Descripción Valor
{propiedad personalizada} JobOutput

SamplingAlgorithm

Nombre Descripción Valor
samplingAlgorithmType Establecimiento del tipo de objeto Bayesiano
Grid
Aleatorio (obligatorio)

BayesianSamplingAlgorithm

Nombre Descripción Valor
samplingAlgorithmType [Obligatorio] Algoritmo utilizado para generar valores de hiperparámetros, junto con las propiedades de configuración. 'Bayesiano' (obligatorio)

GridSamplingAlgorithm

Nombre Descripción Valor
samplingAlgorithmType [Obligatorio] Algoritmo utilizado para generar valores de hiperparámetros, junto con las propiedades de configuración. 'Grid' (obligatorio)

RandomSamplingAlgorithm

Nombre Descripción Valor
samplingAlgorithmType [Obligatorio] Algoritmo utilizado para generar valores de hiperparámetros, junto con las propiedades de configuración. 'Random' (obligatorio)
rule Tipo específico de algoritmo aleatorio 'Random'
'Sobol'
seed Entero opcional que se va a usar como inicialización para la generación de números aleatorios int

TrialComponent

Nombre Descripción Valor
codeId Id. de recurso de ARM del recurso de código. string
command [Obligatorio] Comando que se va a ejecutar al iniciar el trabajo. P. ej. "python train.py" string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]
distribution Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch o NULL. DistributionConfiguration
environmentId [Obligatorio] Identificador de recurso de ARM de la especificación del entorno para el trabajo. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]
environmentVariables Variables de entorno incluidas en el trabajo. TrialComponentEnvironmentVariables
resources Configuración de recursos de proceso para el trabajo. JobResourceConfiguration

TrialComponentEnvironmentVariables

Nombre Descripción Valor
{propiedad personalizada} string

EndpointScheduleAction

Nombre Descripción Valor
actionType [Obligatorio] Especifica el tipo de acción de la programación. 'InvokeBatchEndpoint' (obligatorio)
endpointInvocationDefinition [Obligatorio] Define los detalles de definición de la acción Programar.
{see href="TBD" /}

TriggerBase

Nombre Descripción Valor
endTime Especifica la hora de finalización de la programación en ISO 8601, pero sin un desplazamiento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601.
El formato recommented sería "2022-06-01T00:00:01"
Si no está presente, la programación se ejecutará indefinidamente.		 string
startTime Especifica la hora de inicio de la programación en formato ISO 8601, pero sin un desplazamiento UTC. string
timeZone Especifica la zona horaria en la que se ejecuta la programación.
TimeZone debe seguir el formato de zona horaria de Windows. Consulte: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones />		 string
triggerType Establecimiento del tipo de objeto Cron
Periodicidad (obligatorio)

CronTrigger

Nombre Descripción Valor
triggerType [Obligatorio] 'Cron' (obligatorio)
expresión [Obligatorio] Especifica la expresión cron de la programación.
La expresión debe seguir el formato NCronTab.		 string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

RecurrenceTrigger

Nombre Descripción Valor
triggerType [Obligatorio] 'Periodicidad' (obligatorio)
frequency [Obligatorio] Frecuencia con la que se desencadena la programación. 'Día'
'Hora'
'Minuto'
'Mes'
'Semana' (obligatorio)
interval [Obligatorio] Especifica el intervalo de programación junto con la frecuencia. int (obligatorio)
schedule Programación de periodicidad. RecurrenceSchedule

RecurrenceSchedule

Nombre Descripción Valor
horas [Obligatorio] Lista de horas para la programación. int[] (obligatorio)
minutes [Obligatorio] Lista de minutos para la programación. int[] (obligatorio)
monthDays Lista de días de mes para la programación int[]
weekDays Lista de días para la programación. Matriz de cadenas que contiene cualquiera de:
'Viernes'
'Lunes'
"Sábado"
'Domingo'
'Jueves'
"Martes"
'Miércoles'

Definición de recursos de Terraform (proveedor AzAPI)

El tipo de recurso workspaces/schedules se puede implementar con operaciones que tienen como destino:

  • Grupos de recursos

Para obtener una lista de las propiedades modificadas en cada versión de api, consulte registro de cambios.

Formato de los recursos

Para crear un recurso Microsoft.MachineLearningServices/workspaces/schedules, agregue el siguiente terraform a la plantilla.

resource "azapi_resource" "symbolicname" {
  type = "Microsoft.MachineLearningServices/workspaces/schedules@2022-10-01"
  name = "string"
  parent_id = "string"
  body = jsonencode({
    properties = {
      action = {
        actionType = "string"
        // For remaining properties, see ScheduleActionBase objects
      }
      description = "string"
      displayName = "string"
      isEnabled = bool
      properties = {
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
      }
      tags = {
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
      }
      trigger = {
        endTime = "string"
        startTime = "string"
        timeZone = "string"
        triggerType = "string"
        // For remaining properties, see TriggerBase objects
      }
    }
  })
}

Objetos ScheduleActionBase

Establezca la propiedad actionType para especificar el tipo de objeto.

Para CreateJob, use:

  actionType = "CreateJob"
  jobDefinition = {
    componentId = "string"
    computeId = "string"
    description = "string"
    displayName = "string"
    experimentName = "string"
    identity {
      identityType = "string"
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived = bool
    properties = {
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
    }
    services = {
      {customized property} = {
        endpoint = "string"
        jobServiceType = "string"
        port = int
        properties = {
          {customized property} = "string"
        }
      }
    }
    tags = {
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
    }
    jobType = "string"
    // For remaining properties, see JobBaseProperties objects
  }

Para InvokeBatchEndpoint, use:

  actionType = "InvokeBatchEndpoint"

Objetos JobBaseProperties

Establezca la propiedad jobType para especificar el tipo de objeto.

Para AutoML, use:

  jobType = "AutoML"
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    properties = {}
    shmSize = "string"
  }
  taskDetails = {
    logVerbosity = "string"
    targetColumnName = "string"
    trainingData = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    taskType = "string"
    // For remaining properties, see AutoMLVertical objects
  }

Para Command, use:

  jobType = "Command"
  codeId = "string"
  command = "string"
  distribution = {
    distributionType = "string"
    // For remaining properties, see DistributionConfiguration objects
  }
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  limits = {
    jobLimitsType = "string"
    timeout = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    properties = {}
    shmSize = "string"
  }

Para Canalización, use:

  jobType = "Pipeline"
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  jobs = {}
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  sourceJobId = "string"

Para Barrido, use:

  jobType = "Sweep"
  earlyTermination = {
    delayEvaluation = int
    evaluationInterval = int
    policyType = "string"
    // For remaining properties, see EarlyTerminationPolicy objects
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  limits = {
    jobLimitsType = "string"
    maxConcurrentTrials = int
    maxTotalTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  objective = {
    goal = "string"
    primaryMetric = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  samplingAlgorithm = {
    samplingAlgorithmType = "string"
    // For remaining properties, see SamplingAlgorithm objects
  }
  trial = {
    codeId = "string"
    command = "string"
    distribution = {
      distributionType = "string"
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId = "string"
    environmentVariables = {
      {customized property} = "string"
    }
    resources = {
      dockerArgs = "string"
      instanceCount = int
      instanceType = "string"
      properties = {}
      shmSize = "string"
    }
  }

Objetos IdentityConfiguration

Establezca la propiedad identityType para especificar el tipo de objeto.

Para AMLToken, use:

  identityType = "AMLToken"

Para Administrado, use:

  identityType = "Managed"
  clientId = "string"
  objectId = "string"
  resourceId = "string"

Para UserIdentity, use:

  identityType = "UserIdentity"

Objetos JobOutput

Establezca la propiedad jobOutputType para especificar el tipo de objeto.

Para custom_model, use:

  jobOutputType = "custom_model"
  mode = "string"
  uri = "string"

Para mlflow_model, use:

  jobOutputType = "mlflow_model"
  mode = "string"
  uri = "string"

Para mltable, use:

  jobOutputType = "mltable"
  mode = "string"
  uri = "string"

Para triton_model, use:

  jobOutputType = "triton_model"
  mode = "string"
  uri = "string"

Para uri_file, use:

  jobOutputType = "uri_file"
  mode = "string"
  uri = "string"

Para uri_folder, use:

  jobOutputType = "uri_folder"
  mode = "string"
  uri = "string"

Objetos AutoMLVertical

Establezca la propiedad taskType para especificar el tipo de objeto.

Para Clasificación, use:

  taskType = "Classification"
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel = "string"
  primaryMetric = "string"
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

Para la previsión, use:

  taskType = "Forecasting"
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  forecastingSettings = {
    countryOrRegionForHolidays = "string"
    cvStepSize = int
    featureLags = "string"
    forecastHorizon = {
      mode = "string"
      // For remaining properties, see ForecastHorizon objects
    }
    frequency = "string"
    seasonality = {
      mode = "string"
      // For remaining properties, see Seasonality objects
    }
    shortSeriesHandlingConfig = "string"
    targetAggregateFunction = "string"
    targetLags = {
      mode = "string"
      // For remaining properties, see TargetLags objects
    }
    targetRollingWindowSize = {
      mode = "string"
      // For remaining properties, see TargetRollingWindowSize objects
    }
    timeColumnName = "string"
    timeSeriesIdColumnNames = [
      "string"
    ]
    useStl = "string"
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

Para ImageClassification, use:

  taskType = "ImageClassification"
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    momentum = int
    nesterov = bool
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    trainingBatchSize = int
    trainingCropSize = int
    validationBatchSize = int
    validationCropSize = int
    validationResizeSize = int
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
    weightedLoss = int
  }
  primaryMetric = "string"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      momentum = "string"
      nesterov = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      trainingBatchSize = "string"
      trainingCropSize = "string"
      validationBatchSize = "string"
      validationCropSize = "string"
      validationResizeSize = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
      weightedLoss = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int

Para ImageClassificationMultilabel, use:

  taskType = "ImageClassificationMultilabel"
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    momentum = int
    nesterov = bool
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    trainingBatchSize = int
    trainingCropSize = int
    validationBatchSize = int
    validationCropSize = int
    validationResizeSize = int
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
    weightedLoss = int
  }
  primaryMetric = "string"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      momentum = "string"
      nesterov = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      trainingBatchSize = "string"
      trainingCropSize = "string"
      validationBatchSize = "string"
      validationCropSize = "string"
      validationResizeSize = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
      weightedLoss = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int

Para ImageInstanceSegmentation, use:

  taskType = "ImageInstanceSegmentation"
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    boxDetectionsPerImage = int
    boxScoreThreshold = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    imageSize = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    maxSize = int
    minSize = int
    modelName = "string"
    modelSize = "string"
    momentum = int
    multiScale = bool
    nesterov = bool
    nmsIouThreshold = int
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    tileGridSize = "string"
    tileOverlapRatio = int
    tilePredictionsNmsThreshold = int
    trainingBatchSize = int
    validationBatchSize = int
    validationIouThreshold = int
    validationMetricType = "string"
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
  }
  primaryMetric = "MeanAveragePrecision"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      boxDetectionsPerImage = "string"
      boxScoreThreshold = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      imageSize = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      maxSize = "string"
      minSize = "string"
      modelName = "string"
      modelSize = "string"
      momentum = "string"
      multiScale = "string"
      nesterov = "string"
      nmsIouThreshold = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      tileGridSize = "string"
      tileOverlapRatio = "string"
      tilePredictionsNmsThreshold = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      validationIouThreshold = "string"
      validationMetricType = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int

Para ImageObjectDetection, use:

  taskType = "ImageObjectDetection"
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    boxDetectionsPerImage = int
    boxScoreThreshold = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    imageSize = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    maxSize = int
    minSize = int
    modelName = "string"
    modelSize = "string"
    momentum = int
    multiScale = bool
    nesterov = bool
    nmsIouThreshold = int
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    tileGridSize = "string"
    tileOverlapRatio = int
    tilePredictionsNmsThreshold = int
    trainingBatchSize = int
    validationBatchSize = int
    validationIouThreshold = int
    validationMetricType = "string"
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
  }
  primaryMetric = "MeanAveragePrecision"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      boxDetectionsPerImage = "string"
      boxScoreThreshold = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      imageSize = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      maxSize = "string"
      minSize = "string"
      modelName = "string"
      modelSize = "string"
      momentum = "string"
      multiScale = "string"
      nesterov = "string"
      nmsIouThreshold = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      tileGridSize = "string"
      tileOverlapRatio = "string"
      tilePredictionsNmsThreshold = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      validationIouThreshold = "string"
      validationMetricType = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int

Para Regresión, use:

  taskType = "Regression"
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

Para TextClassification, use:

  taskType = "TextClassification"
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  primaryMetric = "string"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }

Para TextClassificationMultilabel, use:

  taskType = "TextClassificationMultilabel"
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }

Para TextNER, use:

  taskType = "TextNER"
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }

NCrossValidations (objetos)

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  mode = "Auto"

Para Custom, use:

  mode = "Custom"
  value = int

ForecastHorizon (objetos)

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  mode = "Auto"

Para Custom, use:

  mode = "Custom"
  value = int

Objetos de estacionalidad

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  mode = "Auto"

Para Custom, use:

  mode = "Custom"
  value = int

Objetos TargetLags

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  mode = "Auto"

Para Custom, use:

  mode = "Custom"
  values = [
    int
  ]

Objetos TargetRollingWindowSize

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  mode = "Auto"

Para Custom, use:

  mode = "Custom"
  value = int

Objetos EarlyTerminationPolicy

Establezca la propiedad policyType para especificar el tipo de objeto.

Para Bandido, use:

  policyType = "Bandit"
  slackAmount = int
  slackFactor = int

Para MedianStopping, use:

  policyType = "MedianStopping"

Para TruncationSelection, use:

  policyType = "TruncationSelection"
  truncationPercentage = int

Objetos DistributionConfiguration

Establezca la propiedad distributionType para especificar el tipo de objeto.

Para Mpi, use:

  distributionType = "Mpi"
  processCountPerInstance = int

Para PyTorch, use:

  distributionType = "PyTorch"
  processCountPerInstance = int

Para TensorFlow, use:

  distributionType = "TensorFlow"
  parameterServerCount = int
  workerCount = int

Objetos JobInput

Establezca la propiedad jobInputType para especificar el tipo de objeto.

Para custom_model, use:

  jobInputType = "custom_model"
  mode = "string"
  uri = "string"

Para literal, use:

  jobInputType = "literal"
  value = "string"

Para mlflow_model, use:

  jobInputType = "mlflow_model"
  mode = "string"
  uri = "string"

Para mltable, use:

  jobInputType = "mltable"
  mode = "string"
  uri = "string"

Para triton_model, use:

  jobInputType = "triton_model"
  mode = "string"
  uri = "string"

Para uri_file, use:

  jobInputType = "uri_file"
  mode = "string"
  uri = "string"

Para uri_folder, use:

  jobInputType = "uri_folder"
  mode = "string"
  uri = "string"

Objetos SamplingAlgorithm

Establezca la propiedad samplingAlgorithmType para especificar el tipo de objeto.

Para Bayesiano, use:

  samplingAlgorithmType = "Bayesian"

Para Grid, use:

  samplingAlgorithmType = "Grid"

Para Random, use:

  samplingAlgorithmType = "Random"
  rule = "string"
  seed = int

Objetos TriggerBase

Establezca la propiedad triggerType para especificar el tipo de objeto.

Para Cron, use:

  triggerType = "Cron"
  expression = "string"

Para Periodicidad, use:

  triggerType = "Recurrence"
  frequency = "string"
  interval = int
  schedule = {
    hours = [
      int
    ]
    minutes = [
      int
    ]
    monthDays = [
      int
    ]
    weekDays = [
      "string"
    ]
  }

Valores de propiedad

áreas de trabajo y programaciones

Nombre Descripción Value
type Tipo de recurso "Microsoft.MachineLearningServices/workspaces/schedules@2022-10-01"
name El nombre del recurso string (obligatorio)
parent_id Identificador del recurso que es el elemento primario de este recurso. Identificador del recurso de tipo: áreas de trabajo
properties [Obligatorio] Atributos adicionales de la entidad. ScheduleProperties (obligatorio)

ScheduleProperties

Nombre Descripción Valor
action [Obligatorio] Especifica la acción de la programación. ScheduleActionBase (obligatorio)
description Texto de descripción del recurso. string
DisplayName Nombre para mostrar de la programación. string
isEnabled ¿Está habilitada la programación? bool
properties Diccionario de propiedades de recursos. ResourceBaseProperties
etiquetas Diccionario de etiquetas. Las etiquetas se pueden agregar, quitar y actualizar. object
desencadenador [Obligatorio] Especifica los detalles del desencadenador. TriggerBase (obligatorio)

ScheduleActionBase

Nombre Descripción Valor
actionType Establecimiento del tipo de objeto CreateJob
InvokeBatchEndpoint (obligatorio)

JobScheduleAction

Nombre Descripción Valor
actionType [Obligatorio] Especifica el tipo de acción de la programación. "CreateJob" (obligatorio)
jobDefinition [Obligatorio] Define los detalles de la definición de la acción Programar. JobBaseProperties (obligatorio)

JobBaseProperties

Nombre Descripción Valor
Componentid Id. de recurso de ARM del recurso de componente. string
computeId Id. de recurso de ARM del recurso de proceso. string
description Texto de descripción del recurso. string
DisplayName Nombre para mostrar del trabajo. string
experimentName Nombre del experimento al que pertenece el trabajo. Si no se establece, el trabajo se coloca en el experimento "Predeterminado". string
identidad Configuración de identidad. Si se establece, debe ser uno de AmlToken, ManagedIdentity, UserIdentity o null.
El valor predeterminado es AmlToken si es null.		 IdentityConfiguration
isArchived ¿Se archiva el recurso? bool
properties Diccionario de propiedades de recursos. ResourceBaseProperties
services Lista de jobEndpoints.
En el caso de los trabajos locales, un punto de conexión de trabajo tendrá un valor de punto de conexión de FileStreamObject.		 JobBaseServices
etiquetas Diccionario de etiquetas. Las etiquetas se pueden agregar, quitar y actualizar. object
jobType Establecimiento del tipo de objeto AutoML
Comando
Canalización
Barrido (obligatorio)

IdentityConfiguration

Nombre Descripción Valor
identityType Establecimiento del tipo de objeto AMLToken
Administrado
UserIdentity (obligatorio)

AmlToken

Nombre Descripción Valor
identityType [Obligatorio] Especifica el tipo de marco de identidad. "AMLToken" (obligatorio)

ManagedIdentity

Nombre Descripción Valor
identityType [Obligatorio] Especifica el tipo de marco de identidad. "Administrado" (obligatorio)
clientId Especifica una identidad asignada por el usuario por identificador de cliente. Para asignado por el sistema, no establezca este campo. string

Restricciones:
Longitud mínima = 36
Longitud máxima = 36
Patrón = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
objectId Especifica una identidad asignada por el usuario por identificador de objeto. Para asignado por el sistema, no establezca este campo. string

Restricciones:
Longitud mínima = 36
Longitud máxima = 36
Patrón = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId Especifica una identidad asignada por el usuario por el identificador de recurso de ARM. Para asignado por el sistema, no establezca este campo. string

UserIdentity

Nombre Descripción Valor
identityType [Obligatorio] Especifica el tipo de marco de identidad. "UserIdentity" (obligatorio)

ResourceBaseProperties

Nombre Descripción Valor
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string

JobBaseServices

Nombre Descripción Valor
{propiedad personalizada} JobService

JobService

Nombre Descripción Valor
endpoint Dirección URL del punto de conexión. string
jobServiceType Tipo de punto de conexión. string
port Puerto para el punto de conexión. int
properties Propiedades adicionales que se van a establecer en el punto de conexión. JobServiceProperties

JobServiceProperties

Nombre Descripción Valor
{propiedad personalizada} string

AutoMLJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. "AutoML" (obligatorio)
environmentId Identificador de recurso de ARM de la especificación del entorno para el trabajo.
Este es un valor opcional para proporcionar, si no se proporciona, AutoML se usará de forma predeterminada en la versión del entorno mantenido por AutoML de producción al ejecutar el trabajo.		 string
environmentVariables Variables de entorno incluidas en el trabajo. AutoMLJobEnvironmentVariables
outputs Asignación de enlaces de datos de salida usados en el trabajo. AutoMLJobOutputs
resources Configuración de recursos de proceso para el trabajo. JobResourceConfiguration
taskDetails [Obligatorio] Esto representa un escenario que puede ser una de las tablas,NLP/Image AutoMLVertical (obligatorio)

AutoMLJobEnvironmentVariables

Nombre Descripción Valor
{propiedad personalizada} string

AutoMLJobOutputs

Nombre Descripción Valor
{propiedad personalizada} JobOutput

JobOutput

Nombre Descripción Valor
description Descripción de la salida. string
jobOutputType Establecimiento del tipo de objeto custom_model
mlflow_model
mltable
triton_model
uri_file
uri_folder (obligatorio)

CustomModelJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. "custom_model" (obligatorio)
mode Modo de entrega de recursos de salida. "ReadWriteMount"
"Cargar"
uri URI del recurso de salida. string

MLFlowModelJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. "mlflow_model" (obligatorio)
mode Modo de entrega de recursos de salida. "ReadWriteMount"
"Cargar"
uri URI del recurso de salida. string

MLTableJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. "mltable" (obligatorio)
mode Modo de entrega de recursos de salida. "ReadWriteMount"
"Cargar"
uri URI del recurso de salida. string

TritonModelJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. "triton_model" (obligatorio)
mode Modo de entrega de recursos de salida. "ReadWriteMount"
"Cargar"
uri URI del recurso de salida. string

UriFileJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. "uri_file" (obligatorio)
mode Modo de entrega de recursos de salida. "ReadWriteMount"
"Cargar"
uri URI del recurso de salida. string

UriFolderJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. "uri_folder" (obligatorio)
mode Modo de entrega de recursos de salida. "ReadWriteMount"
"Cargar"
uri URI del recurso de salida. string

JobResourceConfiguration

Nombre Descripción Valor
dockerArgs Argumentos adicionales para pasar al comando de ejecución de Docker. Esto invalidaría los parámetros que ya ha establecido el sistema o en esta sección. Este parámetro solo se admite para los tipos de proceso de Azure ML. string
instanceCount Número opcional de instancias o nodos usados por el destino de proceso. int
instanceType Tipo opcional de máquina virtual que se usa como compatible con el destino de proceso. string
properties Contenedor de propiedades adicionales. ResourceConfigurationProperties
shmSize Tamaño del bloque de memoria compartida del contenedor de Docker. Debe estar en el formato de (número)(unidad) donde el número sea mayor que 0 y la unidad puede ser uno de b(bytes), k(kilobytes), m(megabytes) o g(gigabytes). string

Restricciones:
Patrón = \d+[bBkKmMgG]

ResourceConfigurationProperties

Nombre Descripción Valor
{propiedad personalizada}
{propiedad personalizada}

AutoMLVertical

Nombre Descripción Valor
logVerbosity Detalle del registro del trabajo. "Crítico"
"Depurar"
"Error"
"Información"
"NotSet"
"Warning"
targetColumnName Nombre de columna de destino: se trata de la columna de valores de predicción.
También conocido como nombre de columna de etiqueta en el contexto de las tareas de clasificación.		 string
trainingData [Obligatorio] Entrada de datos de entrenamiento. MLTableJobInput (obligatorio)
taskType Establecimiento del tipo de objeto Clasificación
Previsión
ImageClassification
ImageClassificationMultilabel
ImageInstanceSegmentation
ImageObjectDetection
Regresión
TextClassification
TextClassificationMultilabel
TextNER (obligatorio)

MLTableJobInput

Nombre Descripción Valor
description Descripción de la entrada. string
jobInputType [Obligatorio] Especifica el tipo de trabajo. "custom_model"
"literal"
"mlflow_model"
"mltable"
"triton_model"
"uri_file"
"uri_folder" (obligatorio)
mode Modo de entrega de recursos de entrada. "Directo"
"Descargar"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

clasificación

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. "Clasificación" (obligatorio)
cvSplitColumnNames Columnas que se van a usar para los datos cvSplit. string[]
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. TableVerticalFeaturizationSettings
limitSettings Restricciones de ejecución para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de plegamientos de validación cruzada que se van a aplicar en el conjunto de datos de entrenamiento
cuando no se proporciona el conjunto de datos de validación.		 NCrossValidations
positiveLabel Etiqueta positiva para el cálculo de métricas binarias. string
primaryMetric Métrica principal de la tarea. "AUCWeighted"
"Precisión"
"AveragePrecisionScoreWeighted"
"NormMacroRecall"
"PrecisionScoreWeighted"
testData Prueba de la entrada de datos. MLTableJobInput
testDataSize Fracción del conjunto de datos de prueba que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
trainingSettings Entradas para la fase de entrenamiento de un trabajo de AutoML. ClassificationTrainingSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
weightColumnName Nombre de la columna de peso de muestra. El aprendizaje automático automatizado admite una columna de peso como entrada, lo que provoca que las filas de los datos se puedan subir o bajar. string

TableVerticalFeaturizationSettings

Nombre Descripción Valor
blockedTransformers Estos transformadores no se utilizarán en caracterización. Matriz de cadenas que contiene cualquiera de:
"CatTargetEncoder"
"CountVectorizer"
"HashOneHotEncoder"
"LabelEncoder"
"NaiveBayes"
"OneHotEncoder"
"TextTargetEncoder"
"TfIdf"
"WoETargetEncoder"
"WordEmbedding"
columnNameAndTypes Diccionario de nombre de columna y su tipo (int, float, string, datetime, etc.). TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage Idioma del conjunto de datos, útil para los datos de texto. string
enableDnnFeaturization Determina si se deben usar los caracterizadores basados en Dnn para la caracterización de datos. bool
mode Modo de caracterización: el usuario puede mantener el modo predeterminado "Auto" y AutoML se encargará de la transformación necesaria de los datos en la fase de caracterización.
Si se selecciona "Desactivado", no se realiza ninguna caracterización.
Si se selecciona "Personalizado", el usuario puede especificar entradas adicionales para personalizar cómo se realiza la caracterización.		 "Auto"
"Custom"
"Desactivado"
transformerParams El usuario puede especificar transformadores adicionales que se usarán junto con las columnas a las que se aplicaría y parámetros para el constructor de transformadores. TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Nombre Descripción Valor
{propiedad personalizada} string

TableVerticalFeaturizationSettingsTransformerParams

Nombre Descripción Valor
{propiedad personalizada} ColumnTransformer[]

ColumnTransformer

Nombre Descripción Valor
fields Campos en los que se va a aplicar la lógica del transformador. string[]
parámetros Diferentes propiedades que se van a pasar al transformador.
La entrada esperada es el diccionario de pares clave-valor en formato JSON.

TableVerticalLimitSettings

Nombre Descripción Valor
enableEarlyTermination Habilitar la terminación anticipada, determina si AutoMLJob finalizará pronto si no hay ninguna mejora de puntuación en las últimas 20 iteraciones. bool
exitScore Puntuación de salida para el trabajo de AutoML. int
maxConcurrentTrials Número máximo de iteraciones simultáneas. int
maxCoresPerTrial Número máximo de núcleos por iteración. int
maxTrials Número de iteraciones. int
timeout Tiempo de espera del trabajo de AutoML. string
trialTimeout Tiempo de espera de iteración. string

NCrossValidations

Nombre Descripción Valor
mode Establecimiento del tipo de objeto Automático
Personalizado (obligatorio)

AutoNCrossValidations

Nombre Descripción Valor
mode [Obligatorio] Modo para determinar las validaciones N cruzadas. "Auto" (obligatorio)

CustomNCrossValidations

Nombre Descripción Valor
mode [Obligatorio] Modo para determinar las validaciones N cruzadas. "Personalizado" (obligatorio)
value [Obligatorio] Valor de las validaciones de N-Cross. int (obligatorio)

ClassificationTrainingSettings

Nombre Descripción Valor
allowedTrainingAlgorithms Modelos permitidos para la tarea de clasificación. Matriz de cadenas que contiene cualquiera de:
"BernoulliNaiveBayes"
"DecisionTree"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LightGBM"
"LinearSVM"
"LogisticRegression"
"MultinomialNaiveBayes"
"RandomForest"
"SGD"
"SVM"
"XGBoostClassifier"
blockedTrainingAlgorithms Modelos bloqueados para la tarea de clasificación. Matriz de cadenas que contiene cualquiera de:
"BernoulliNaiveBayes"
"DecisionTree"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LightGBM"
"LinearSVM"
"LogisticRegression"
"MultinomialNaiveBayes"
"RandomForest"
"SGD"
"SVM"
"XGBoostClassifier"
enableDnnTraining Habilite la recomendación de modelos DNN. bool
enableModelExplainability Marca para activar la explicación en el mejor modelo. bool
enableOnnxCompatibleModels Marca para habilitar modelos compatibles con onnx. bool
enableStackEnsemble Habilite la ejecución del conjunto de pila. bool
enableVoteEnsemble Habilite la ejecución del conjunto de votación. bool
ensembleModelDownloadTimeout Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores.
Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.		 string
stackEnsembleSettings Configuración del conjunto de pila para la ejecución del conjunto de pila. StackEnsembleSettings

StackEnsembleSettings

Nombre Descripción Valor
stackMetaLearnerKWargs Parámetros opcionales para pasar al inicializador del meta-learner.
stackMetaLearnerTrainPercentage Especifica la proporción del conjunto de entrenamiento (al elegir el tipo de entrenamiento y validación de entrenamiento) que se va a reservar para entrenar al meta-learner. El valor predeterminado es 0,2. int
stackMetaLearnerType El meta-learner es un modelo entrenado en la salida de los modelos heterogéneos individuales. "ElasticNet"
"ElasticNetCV"
"LightGBMClassifier"
"LightGBMRegressor"
"LinearRegression"
"LogisticRegression"
"LogisticRegressionCV"
"None"

Previsión

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. "Previsión" (obligatorio)
cvSplitColumnNames Columnas que se van a usar para los datos cvSplit. string[]
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. TableVerticalFeaturizationSettings
forecastingSettings Entradas específicas de la tarea de previsión. ForecastingSettings
limitSettings Restricciones de ejecución para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de plegamientos de validación cruzada que se van a aplicar en el conjunto de datos de entrenamiento
cuando no se proporciona el conjunto de datos de validación.		 NCrossValidations
primaryMetric Métrica principal para la tarea de previsión. "NormalizedMeanAbsoluteError"
"NormalizedRootMeanSquaredError"
"R2Score"
"SpearmanCorrelation"
testData Prueba de la entrada de datos. MLTableJobInput
testDataSize Fracción del conjunto de datos de prueba que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
trainingSettings Entradas para la fase de entrenamiento de un trabajo de AutoML. ForecastingTrainingSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
weightColumnName Nombre de la columna de peso de muestra. El aprendizaje automático automatizado admite una columna de peso como entrada, lo que provoca que las filas de los datos se puedan subir o bajar. string

ForecastingSettings

Nombre Descripción Valor
countryOrRegionForHolidays País o región para días festivos para las tareas de previsión.
Deben ser los códigos ISO 3166 de país o región de dos letras, por ejemplo, "US" o "GB".		 string
cvStepSize Número de períodos entre el tiempo de origen de un plegamiento CV y el siguiente plegado. Para
por ejemplo, si CVStepSize = 3 para los datos diarios, la hora de origen de cada plegamiento será
tres días separados.		 int
featureLags Marca para generar retardos para las características numéricas con "auto" o null. "Auto"
"None"
forecastHorizon Horizonte de previsión máximo deseado en unidades de frecuencia de la serie temporal. ForecastHorizon
frequency Al pronosticar, este parámetro representa el período con el que se desea la previsión, por ejemplo, diaria, semanal, anual, etc. La frecuencia de previsión es la frecuencia del conjunto de datos de manera predeterminada. string
Estacionalidad Establezca la estacionalidad de la serie temporal como un múltiplo entero de la frecuencia de la serie.
Si la estacionalidad se establece en "auto", se infiere.		 Estacionalidad
shortSeriesHandlingConfig Parámetro que define si AutoML debe controlar series temporales cortas. "Auto"
"Quitar"
"None"
"Pad"
targetAggregateFunction Función que se usará para agregar la columna de destino de serie temporal según la frecuencia especificada por el usuario.
Si se establece TargetAggregateFunction, es decir, no "None", pero no se establece el parámetro freq, se genera el error. Las posibles funciones de agregación de destino son: "sum", "max", "min" y "mean".		 "Max"
"Media"
"Min"
"None"
"Suma"
targetLags Número de períodos pasados para retrasar desde la columna de destino. TargetLags
targetRollingWindowSize Número de períodos pasados usados para crear un promedio de ventana gradual de la columna de destino. TargetRollingWindowSize
timeColumnName Nombre de la columna de hora. Este parámetro es obligatorio en la previsión para especificar la columna de fecha y hora en los datos de entrada que se usa para crear la serie temporal e inferir su frecuencia. string
timeSeriesIdColumnNames Nombres de las columnas que se usan para agrupar una serie temporal. Se puede usar para crear varias series.
Si no se define el nivel de detalle, el conjunto de datos se presupone una serie temporal. Este parámetro se usa con la previsión del tipo de tarea.		 string[]
useStl Configura la descomposición de STL de la columna de destino de la serie temporal. "None"
"Temporada"
"SeasonTrend"

ForecastHorizon

Nombre Descripción Valor
mode Establecimiento del tipo de objeto Automático
Personalizado (obligatorio)

AutoForecastHorizon

Nombre Descripción Valor
mode [Obligatorio] Establecer el modo de selección de valores del horizonte de previsión. "Auto" (obligatorio)

CustomForecastHorizon

Nombre Descripción Valor
mode [Obligatorio] Establecer el modo de selección de valores del horizonte de previsión. "Personalizado" (obligatorio)
value [Obligatorio] Valor del horizonte de previsión. int (obligatorio)

Estacionalidad

Nombre Descripción Valor
mode Establecimiento del tipo de objeto Automático
Personalizado (obligatorio)

AutoSeasonality

Nombre Descripción Valor
mode [Obligatorio] Modo de estacionalidad. "Auto" (obligatorio)

CustomSeasonality

Nombre Descripción Valor
mode [Obligatorio] Modo de estacionalidad. "Personalizado" (obligatorio)
value [Obligatorio] Valor de estacionalidad. int (obligatorio)

TargetLags

Nombre Descripción Valor
mode Establecimiento del tipo de objeto Automático
Personalizado (obligatorio)

AutoTargetLags

Nombre Descripción Valor
mode [Obligatorio] Establecer el modo de retardo de destino: automático o personalizado "Auto" (obligatorio)

CustomTargetLags

Nombre Descripción Valor
mode [Obligatorio] Establecer el modo de retardo de destino: automático o personalizado "Personalizado" (obligatorio)
valores [Obligatorio] Establezca los valores de retardo de destino. int[] (obligatorio)

TargetRollingWindowSize

Nombre Descripción Valor
mode Establecimiento del tipo de objeto Automático
Personalizado (obligatorio)

AutoTargetRollingWindowSize

Nombre Descripción Valor
mode [Obligatorio] Modo de detección TargetRollingWindowSiz. "Auto" (obligatorio)

CustomTargetRollingWindowSize

Nombre Descripción Valor
mode [Obligatorio] Modo de detección TargetRollingWindowSiz. "Personalizado" (obligatorio)
value [Obligatorio] Valor targetRollingWindowSize. int (obligatorio)

ForecastingTrainingSettings

Nombre Descripción Valor
allowedTrainingAlgorithms Modelos permitidos para la tarea de previsión. Matriz de cadenas que contiene cualquiera de:
"Arimax"
"AutoArima"
"Promedio"
"DecisionTree"
"ElasticNet"
"ExponencialSmoothing"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LassoLars"
"LightGBM"
"Naive"
"Profeta"
"RandomForest"
"SGD"
"EstacionalAverage"
"SeasonalNaive"
"TCNForecaster"
"XGBoostRegressor"
blockedTrainingAlgorithms Modelos bloqueados para la tarea de previsión. Matriz de cadenas que contiene cualquiera de:
"Arimax"
"AutoArima"
"Promedio"
"DecisionTree"
"ElasticNet"
"ExponencialSmoothing"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LassoLars"
"LightGBM"
"Naive"
"Profeta"
"RandomForest"
"SGD"
"EstacionalAverage"
"SeasonalNaive"
"TCNForecaster"
"XGBoostRegressor"
enableDnnTraining Habilite la recomendación de modelos DNN. bool
enableModelExplainability Marca para activar la explicación en el mejor modelo. bool
enableOnnxCompatibleModels Marca para habilitar modelos compatibles con onnx. bool
enableStackEnsemble Habilite la ejecución del conjunto de pila. bool
enableVoteEnsemble Habilite la ejecución del conjunto de votación. bool
ensembleModelDownloadTimeout Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores.
Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.		 string
stackEnsembleSettings Configuración del conjunto de pila para la ejecución del conjunto de pila. StackEnsembleSettings

ImageClassification

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. "ImageClassification" (obligatorio)
limitSettings [Obligatorio] Limite la configuración del trabajo de AutoML. ImageLimitSettings (obligatorio)
modelSettings Configuración usada para entrenar el modelo. ImageModelSettingsClassification
primaryMetric Métrica principal para optimizar esta tarea. "AUCWeighted"
"Precisión"
"AveragePrecisionScoreWeighted"
"NormMacroRecall"
"PrecisionScoreWeighted"
searchSpace Espacio de búsqueda para muestreo de diferentes combinaciones de modelos y sus hiperparámetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configuración relacionada con el barrido de hiperparámetros y el barrido de modelos. ImageSweepSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.
 int

ImageLimitSettings

Nombre Descripción Valor
maxConcurrentTrials Número máximo de iteraciones simultáneas de AutoML. int
maxTrials Número máximo de iteraciones de AutoML. int
timeout Tiempo de espera del trabajo de AutoML. string

ImageModelSettingsClassification

Nombre Descripción Valor
advancedSettings Configuración de escenarios avanzados. string
amsGradient Habilite AMSGrad cuando el optimizador sea "adam" o "adamw". bool
Aumentos Configuración para usar aumentos. string
beta1 Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. int
beta2 Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. int
checkpointFrequency Frecuencia para almacenar puntos de control del modelo. Debe ser un entero positivo. int
checkpointModel Modelo de punto de comprobación entrenado previamente para el entrenamiento incremental. MLFlowModelJobInput
checkpointRunId Identificador de una ejecución anterior que tiene un punto de control entrenado previamente para el entrenamiento incremental. string
distributed Si se va a usar el entrenamiento distribuido. bool
earlyStopping Habilite la lógica de detención temprana durante el entrenamiento. bool
earlyStoppingDelay Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de la métrica principal
se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.		 int
earlyStoppingPatience Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes
se detiene la ejecución. Debe ser un entero positivo.		 int
enableOnnxNormalization Habilite la normalización al exportar el modelo ONNX. bool
evaluationFrequency Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo. int
gradientAccumulationStep Acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin
actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar
los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.		 int
layersToFreeze Número de capas que se van a inmovilizar para el modelo. Debe ser un entero positivo.
Por ejemplo, pasar 2 como valor para "seresnext" significa
capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor
Ver: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1]. int
learningRateScheduler Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso". "None"
"Paso"
"WarmupCosine"
modelName Nombre del modelo que se va a usar para el entrenamiento.
Para obtener más información sobre los modelos disponibles, visite la documentación oficial:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
momentum Valor de impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1]. int
Nesterov Habilite nesterov cuando el optimizador sea "sgd". bool
numberOfEpochs Número de épocas de entrenamiento. Debe ser un entero positivo. int
numberOfWorkers Número de trabajos del cargador de datos. Debe ser un entero no negativo. int
optimizer Tipo de optimizador. "Adán"
"Adamw"
"None"
"Sgd"
randomSeed Inicialización aleatoria que se usará al usar el entrenamiento determinista. int
stepLRGamma Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1]. int
stepLRStepSize Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo. int
trainingBatchSize Tamaño del lote de entrenamiento. Debe ser un entero positivo. int
trainingCropSize Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de entrenamiento. Debe ser un entero positivo. int
validationBatchSize Tamaño del lote de validación. Debe ser un entero positivo. int
validationCropSize Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de validación. Debe ser un entero positivo. int
validationResizeSizeSize Tamaño de imagen al que se va a cambiar el tamaño antes de recortar para el conjunto de datos de validación. Debe ser un entero positivo. int
warmupCosineLRCycles Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1]. int
warmupCosineLRWarmupEpochs Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo. int
weightDecay Valor de descomposición de peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1]. int
weightedLoss Pérdida ponderada. Los valores aceptados son 0 sin pérdida ponderada.
1 para pérdida ponderada con sqrt. (class_weights). 2 para pérdida ponderada con class_weights. Debe ser 0, 1 o 2.
 int

MLFlowModelJobInput

Nombre Descripción Valor
description Descripción de la entrada. string
jobInputType [Obligatorio] Especifica el tipo de trabajo. "custom_model"
"literal"
"mlflow_model"
"mltable"
"triton_model"
"uri_file"
"uri_folder" (obligatorio)
mode Modo de entrega de recursos de entrada. "Directo"
"Descargar"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

Nombre Descripción Valor
amsGradient Habilite AMSGrad cuando el optimizador sea "adam" o "adamw". string
Aumentos Configuración para usar aumentos. string
beta1 Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. string
beta2 Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. string
distributed Si se va a usar el entrenamiento del distribuidor. string
earlyStopping Habilite la lógica de detención temprana durante el entrenamiento. string
earlyStoppingDelay Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de la métrica principal
se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.		 string
earlyStoppingPatience Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes
se detiene la ejecución. Debe ser un entero positivo.		 string
enableOnnxNormalization Habilite la normalización al exportar el modelo ONNX. string
evaluationFrequency Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo. string
gradientAccumulationStep Acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin
actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar
los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.		 string
layersToFreeze Número de capas que se van a inmovilizar para el modelo. Debe ser un entero positivo.
Por ejemplo, pasar 2 como valor para "seresnext" significa
capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor
Ver: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
learningRate Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1]. string
learningRateScheduler Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso". string
modelName Nombre del modelo que se va a usar para el entrenamiento.
Para obtener más información sobre los modelos disponibles, visite la documentación oficial:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
momentum Valor de impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1]. string
Nesterov Habilite nesterov cuando el optimizador sea "sgd". string
numberOfEpochs Número de épocas de entrenamiento. Debe ser un entero positivo. string
numberOfWorkers Número de trabajos del cargador de datos. Debe ser un entero no negativo. string
optimizer Tipo de optimizador. Debe ser "sgd", "adam" o "adamw". string
randomSeed Inicialización aleatoria que se usará al usar el entrenamiento determinista. string
stepLRGamma Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1]. string
stepLRStepSize Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo. string
trainingBatchSize Tamaño del lote de entrenamiento. Debe ser un entero positivo. string
trainingCropSize Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de entrenamiento. Debe ser un entero positivo. string
validationBatchSize Tamaño del lote de validación. Debe ser un entero positivo. string
validationCropSize Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de validación. Debe ser un entero positivo. string
validationResizeSizeSize Tamaño de imagen al que se va a cambiar el tamaño antes de recortar para el conjunto de datos de validación. Debe ser un entero positivo. string
warmupCosineLRCycles Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1]. string
warmupCosineLRWarmupEpochs Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo. string
weightDecay Valor de descomposición de peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1]. string
weightedLoss Pérdida ponderada. Los valores aceptados son 0 sin pérdida ponderada.
1 para pérdida ponderada con sqrt. (class_weights). 2 para pérdida ponderada con class_weights. Debe ser 0, 1 o 2.
 string

ImageSweepSettings

Nombre Descripción Valor
earlyTermination Tipo de directiva de terminación anticipada. EarlyTerminationPolicy
samplingAlgorithm [Obligatorio] Tipo de los algoritmos de muestreo de hiperparámetros. "Bayesiano"
"Cuadrícula"
"Aleatorio" (obligatorio)

EarlyTerminationPolicy

Nombre Descripción Valor
delayEvaluation Número de intervalos por los que se va a retrasar la primera evaluación. int
evaluationInterval Intervalo (número de ejecuciones) entre las evaluaciones de directivas. int
policyType Establecimiento del tipo de objeto Bandit
MedianStopping
TruncationSelection (obligatorio)

BanditPolicy

Nombre Descripción Valor
policyType [Obligatorio] Nombre de la configuración de directiva "Bandido" (obligatorio)
slackAmount Distancia absoluta permitida desde la ejecución con mejor rendimiento. int
slackFactor Relación de la distancia permitida desde la ejecución con mejor rendimiento. int

MedianStoppingPolicy

Nombre Descripción Valor
policyType [Obligatorio] Nombre de la configuración de directiva "MedianStopping" (obligatorio)

TruncationSelectionPolicy

Nombre Descripción Valor
policyType [Obligatorio] Nombre de la configuración de directiva "TruncationSelection" (obligatorio)
truncationPercentage El porcentaje de ejecuciones que se cancelarán en cada intervalo de evaluación. int

ImageClassificationMultilabel

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. "ImageClassificationMultilabel" (obligatorio)
limitSettings [Obligatorio] Limite la configuración del trabajo de AutoML. ImageLimitSettings (obligatorio)
modelSettings Configuración usada para entrenar el modelo. ImageModelSettingsClassification
primaryMetric Métrica principal para optimizar esta tarea. "AUCWeighted"
"Precisión"
"AveragePrecisionScoreWeighted"
"IOU"
"NormMacroRecall"
"PrecisionScoreWeighted"
searchSpace Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configuración relacionada con barrido de hiperparámetros y barrido de modelos. ImageSweepSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.
 int

ImageInstanceSegmentation

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. "ImageInstanceSegmentation" (obligatorio)
limitSettings [Obligatorio] Limite la configuración del trabajo de AutoML. ImageLimitSettings (obligatorio)
modelSettings Configuración usada para entrenar el modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica principal para optimizar esta tarea. "MeanAveragePrecision"
searchSpace Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Configuración relacionada con barrido de hiperparámetros y barrido de modelos. ImageSweepSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.
 int

ImageModelSettingsObjectDetection

Nombre Descripción Valor
advancedSettings Configuración de escenarios avanzados. string
amsGradient Habilite AMSGrad cuando el optimizador sea "adam" o "adamw". bool
Aumentos Configuración para usar aumentos. string
beta1 Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. int
beta2 Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. int
boxDetectionsPerImage Número máximo de detecciones por imagen, para todas las clases. Debe ser un entero positivo.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 int
boxScoreThreshold Durante la inferencia, solo devuelve propuestas con una puntuación de clasificación mayor que
BoxScoreThreshold. Debe ser un float en el intervalo[0, 1].		 int
checkpointFrequency Frecuencia para almacenar puntos de control del modelo. Debe ser un entero positivo. int
checkpointModel Modelo de punto de comprobación entrenado previamente para el entrenamiento incremental. MLFlowModelJobInput
checkpointRunId Identificador de una ejecución anterior que tiene un punto de control entrenado previamente para el entrenamiento incremental. string
distributed Si se va a usar el entrenamiento distribuido. bool
earlyStopping Habilite la lógica de detención temprana durante el entrenamiento. bool
earlyStoppingDelay Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de la métrica principal
se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.		 int
earlyStoppingPatience Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes
se detiene la ejecución. Debe ser un entero positivo.		 int
enableOnnxNormalization Habilite la normalización al exportar el modelo ONNX. bool
evaluationFrequency Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo. int
gradientAccumulationStep Acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin
actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar
los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.		 int
imageSize Tamaño de la imagen para entrenamiento y validación. Debe ser un entero positivo.
Nota: La ejecución de entrenamiento puede entrar en CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 int
layersToFreeze Número de capas que se van a inmovilizar para el modelo. Debe ser un entero positivo.
Por ejemplo, pasar 2 como valor para "seresnext" significa
capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor
Ver: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1]. int
learningRateScheduler Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso". "None"
"Paso"
"WarmupCosine"
Maxsize Tamaño máximo de la imagen que se va a volver a escalar antes de proporcionársela a la red troncal.
Debe ser un entero positivo. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 int
minSize Tamaño mínimo de la imagen que se va a volver a escalar antes de proporcionársela a la red troncal.
Debe ser un entero positivo. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 int
modelName Nombre del modelo que se va a usar para el entrenamiento.
Para obtener más información sobre los modelos disponibles, visite la documentación oficial:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
modelSize Tamaño del modelo. Debe ser "small", "medium", "large" o "xlarge".
Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño del modelo es demasiado grande.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 "ExtraLarge"
"Grande"
"Medio"
"None"
"Pequeño"
momentum Valor de impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1]. int
Multiescala Habilite la imagen de escala múltiple variando el tamaño de la imagen por +/- 50 %.
Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si no hay suficiente memoria de GPU.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 bool
Nesterov Habilite nesterov cuando el optimizador sea "sgd". bool
nmsIouThreshold Umbral IOU utilizado durante la inferencia en el procesamiento posterior de NMS. Debe ser un valor float en el intervalo [0, 1]. int
numberOfEpochs Número de épocas de entrenamiento. Debe ser un entero positivo. int
numberOfWorkers Número de trabajos del cargador de datos. Debe ser un entero no negativo. int
optimizer Tipo de optimizador. "Adán"
"Adamw"
"None"
"Sgd"
randomSeed Inicialización aleatoria que se usará al usar el entrenamiento determinista. int
stepLRGamma Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1]. int
stepLRStepSize Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo. int
tileGridSize Tamaño de la cuadrícula que se usará para la colocación en mosaico de cada imagen. Nota: TileGridSize no debe ser
Ninguno para habilitar la lógica de detección de objetos pequeños. Cadena que contiene dos enteros en formato mxn.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
tileOverlapRatio Proporción de superposición entre mosaicos adyacentes en cada dimensión. Debe ser float en el intervalo [0, 1).
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 int
tilePredictionsNmsThreshold Umbral IOU que se usará para realizar NMS al combinar predicciones de mosaicos e imágenes.
Se usa en la validación o inferencia. Debe ser float en el intervalo [0, 1].
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 int
trainingBatchSize Tamaño del lote de entrenamiento. Debe ser un entero positivo. int
validationBatchSize Tamaño del lote de validación. Debe ser un entero positivo. int
validationIouThreshold Umbral IOU que se va a usar al calcular la métrica de validación. Debe ser float en el intervalo [0, 1]. int
validationMetricType Método de cálculo de métricas que se usará para las métricas de validación. "Coco"
"CocoVoc"
"None"
"Voc"
warmupCosineLRCycles Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1]. int
warmupCosineLRWarmupEpochs Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo. int
weightDecay Valor de descomposición de peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1]. int

ImageModelDistributionSettingsObjectDetection

Nombre Descripción Valor
amsGradient Habilite AMSGrad cuando el optimizador sea "adam" o "adamw". string
Aumentos Configuración para usar aumentos. string
beta1 Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. string
beta2 Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1]. string
boxDetectionsPerImage Número máximo de detecciones por imagen, para todas las clases. Debe ser un entero positivo.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
boxScoreThreshold Durante la inferencia, solo devuelve propuestas con una puntuación de clasificación mayor que
BoxScoreThreshold. Debe ser un float en el intervalo[0, 1].		 string
distributed Si se va a usar el entrenamiento del distribuidor. string
earlyStopping Habilite la lógica de detención temprana durante el entrenamiento. string
earlyStoppingDelay Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de la métrica principal
se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.		 string
earlyStoppingPatience Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes
se detiene la ejecución. Debe ser un entero positivo.		 string
enableOnnxNormalization Habilite la normalización al exportar el modelo ONNX. string
evaluationFrequency Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo. string
gradientAccumulationStep La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin
actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar
los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.		 string
imageSize Tamaño de la imagen para entrenamiento y validación. Debe ser un entero positivo.
Nota: La ejecución de entrenamiento puede entrar en CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 string
layersToFreeze Número de capas que se van a inmovilizar para el modelo. Debe ser un entero positivo.
Por ejemplo, pasar 2 como valor para "seresnext" significa
capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor
Ver: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
learningRate Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1]. string
learningRateScheduler Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso". string
Maxsize Tamaño máximo de la imagen que se va a volver a escalar antes de proporcionársela a la red troncal.
Debe ser un entero positivo. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
minSize Tamaño mínimo de la imagen que se va a volver a escalar antes de proporcionársela a la red troncal.
Debe ser un entero positivo. Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
modelName Nombre del modelo que se va a usar para el entrenamiento.
Para obtener más información sobre los modelos disponibles, visite la documentación oficial:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
modelSize Tamaño del modelo. Debe ser "small", "medium", "large" o "xlarge".
Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si el tamaño del modelo es demasiado grande.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 string
momentum Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1]. string
Multiescala Habilite la imagen a escala múltiple variando el tamaño de la imagen en +/- 50 %.
Nota: La ejecución del entrenamiento puede llegar a CUDA OOM si no hay suficiente memoria de GPU.
Nota: Esta configuración solo se admite para el algoritmo "yolov5".		 string
Nesterov Habilite nesterov cuando el optimizador sea "sgd". string
nmsIouThreshold Umbral IOU utilizado durante la inferencia en el procesamiento posterior de NMS. Debe ser float en el intervalo [0, 1]. string
numberOfEpochs Número de épocas de entrenamiento. Debe ser un entero positivo. string
numberOfWorkers Número de trabajos del cargador de datos. Debe ser un entero no negativo. string
optimizer Tipo de optimizador. Debe ser "sgd", "adam" o "adamw". string
randomSeed Inicialización aleatoria que se usará al usar el entrenamiento determinista. string
stepLRGamma Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1]. string
stepLRStepSize Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo. string
tileGridSize Tamaño de la cuadrícula que se usará para la colocación en mosaico de cada imagen. Nota: TileGridSize no debe ser
Ninguno para habilitar la lógica de detección de objetos pequeños. Cadena que contiene dos enteros en formato mxn.
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
tileOverlapRatio Proporción de superposición entre mosaicos adyacentes en cada dimensión. Debe ser float en el intervalo [0, 1).
Nota: Esta configuración no se admite para el algoritmo "yolov5".		 string
tilePredictionsNmsThreshold Umbral IOU que se usará para realizar NMS al combinar predicciones de mosaicos e imágenes.
Se usa en la validación o inferencia. Debe ser float en el intervalo [0, 1].
Nota: Esta configuración no se admite para el algoritmo "yolov5".
NMS: supresión no máxima		 string
trainingBatchSize Tamaño del lote de entrenamiento. Debe ser un entero positivo. string
validationBatchSize Tamaño del lote de validación. Debe ser un entero positivo. string
validationIouThreshold Umbral IOU que se va a usar al calcular la métrica de validación. Debe ser float en el intervalo [0, 1]. string
validationMetricType Método de cálculo de métricas que se usará para las métricas de validación. Debe ser "none", "coco", "voc" o "coco_voc". string
warmupCosineLRCycles Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1]. string
warmupCosineLRWarmupEpochs Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo. string
weightDecay Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un valor flotante en el intervalo[0, 1]. string

ImageObjectDetection

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. "ImageObjectDetection" (obligatorio)
limitSettings [Obligatorio] Limite la configuración del trabajo de AutoML. ImageLimitSettings (obligatorio)
modelSettings Configuración usada para entrenar el modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica principal para optimizar esta tarea. "MeanAveragePrecision"
searchSpace Espacio de búsqueda para muestreo de diferentes combinaciones de modelos y sus hiperparámetros. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Configuración relacionada con el barrido de hiperparámetros y el barrido de modelos. ImageSweepSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.
 int

Regresión

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. "Regresión" (obligatorio)
cvSplitColumnNames Columnas que se van a usar para los datos cvSplit. string[]
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. TableVerticalFeaturizationSettings
limitSettings Restricciones de ejecución para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de plegamientos de validación cruzada que se van a aplicar en el conjunto de datos de entrenamiento
cuando no se proporciona el conjunto de datos de validación.		 NCrossValidations
primaryMetric Métrica principal para la tarea de regresión. "NormalizedMeanAbsoluteError"
"NormalizedRootMeanSquaredError"
"R2Score"
"SpearmanCorrelation"
testData Prueba de la entrada de datos. MLTableJobInput
testDataSize Fracción del conjunto de datos de prueba que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
trainingSettings Entradas para la fase de entrenamiento de un trabajo de AutoML. RegressionTrainingSettings
validationData Entradas de datos de validación. MLTableJobInput
validationDataSize Fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación.
Valores entre (0,0 , 1,0)
Se aplica cuando no se proporciona el conjunto de datos de validación.		 int
weightColumnName Nombre de la columna de peso de muestra. El aprendizaje automático automatizado admite una columna de peso como entrada, lo que provoca que las filas de los datos se puedan subir o bajar. string

RegressionTrainingSettings

Nombre Descripción Valor
allowedTrainingAlgorithms Modelos permitidos para la tarea de regresión. Matriz de cadenas que contiene cualquiera de:
"DecisionTree"
"ElasticNet"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LassoLars"
"LightGBM"
"RandomForest"
"SGD"
"XGBoostRegressor"
blockedTrainingAlgorithms Modelos bloqueados para la tarea de regresión. Matriz de cadenas que contiene cualquiera de:
"DecisionTree"
"ElasticNet"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LassoLars"
"LightGBM"
"RandomForest"
"SGD"
"XGBoostRegressor"
enableDnnTraining Habilite la recomendación de modelos DNN. bool
enableModelExplainability Marca para activar la explicación en el mejor modelo. bool
enableOnnxCompatibleModels Marca para habilitar modelos compatibles con onnx. bool
enableStackEnsemble Habilite la ejecución del conjunto de pila. bool
enableVoteEnsemble Habilite la ejecución del conjunto de votación. bool
ensembleModelDownloadTimeout Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores.
Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.		 string
stackEnsembleSettings Configuración del conjunto de pila para la ejecución del conjunto de pila. StackEnsembleSettings

TextClassification

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. "TextClassification" (obligatorio)
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. NlpVerticalFeaturizationSettings
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
primaryMetric Métrica principal para Text-Classification tarea. "AUCWeighted"
"Precisión"
"AveragePrecisionScoreWeighted"
"NormMacroRecall"
"PrecisionScoreWeighted"
validationData Entradas de datos de validación. MLTableJobInput

NlpVerticalFeaturizationSettings

Nombre Descripción Valor
datasetLanguage Idioma del conjunto de datos, útil para los datos de texto. string

NlpVerticalLimitSettings

Nombre Descripción Valor
maxConcurrentTrials Iteraciones de AutoML simultáneas máximas. int
maxTrials Número de iteraciones de AutoML. int
timeout Tiempo de espera del trabajo de AutoML. string

TextClassificationMultilabel

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. "TextClassificationMultilabel" (obligatorio)
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. NlpVerticalFeaturizationSettings
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
validationData Entradas de datos de validación. MLTableJobInput

TextNer

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. "TextNER" (obligatorio)
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. NlpVerticalFeaturizationSettings
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
validationData Entradas de datos de validación. MLTableJobInput

CommandJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. "Command" (obligatorio)
codeId Identificador de recurso de ARM del recurso de código. string
command [Obligatorio] Comando que se va a ejecutar al iniciar el trabajo. P. ej. "python train.py" string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]
distribution Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch o null. DistributionConfiguration
environmentId [Obligatorio] Identificador de recurso de ARM de la especificación del entorno para el trabajo. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]
environmentVariables Variables de entorno incluidas en el trabajo. CommandJobEnvironmentVariables
inputs Asignación de enlaces de datos de entrada usados en el trabajo. CommandJobInputs
límites Límite de trabajos de comando. CommandJobLimits
outputs Asignación de enlaces de datos de salida usados en el trabajo. CommandJobOutputs
resources Configuración de recursos de proceso para el trabajo. JobResourceConfiguration

DistributionConfiguration

Nombre Descripción Valor
distributionType Establecimiento del tipo de objeto Mpi
PyTorch
TensorFlow (obligatorio)

Mpi

Nombre Descripción Valor
distributionType [Obligatorio] Especifica el tipo de marco de distribución. "Mpi" (obligatorio)
processCountPerInstance Número de procesos por nodo MPI. int

PyTorch

Nombre Descripción Valor
distributionType [Obligatorio] Especifica el tipo de marco de distribución. "PyTorch" (obligatorio)
processCountPerInstance Número de procesos por nodo. int

TensorFlow

Nombre Descripción Valor
distributionType [Obligatorio] Especifica el tipo de marco de distribución. "TensorFlow" (obligatorio)
parameterServerCount Número de tareas del servidor de parámetros. int
workerCount Número de trabajadores. Si no se especifica, el valor predeterminado será el recuento de instancias. int

CommandJobEnvironmentVariables

Nombre Descripción Valor
{propiedad personalizada} string

CommandJobInputs

Nombre Descripción Valor
{propiedad personalizada} JobInput

JobInput

Nombre Descripción Valor
description Descripción de la entrada. string
jobInputType Establecimiento del tipo de objeto custom_model
literal
mlflow_model
mltable
triton_model
uri_file
uri_folder (obligatorio)

CustomModelJobInput

Nombre Descripción Valor
jobInputType [Obligatorio] Especifica el tipo de trabajo. "custom_model" (obligatorio)
mode Modo de entrega de recursos de entrada. "Directo"
"Descargar"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

LiteralJobInput

Nombre Descripción Valor
jobInputType [Obligatorio] Especifica el tipo de trabajo. "literal" (obligatorio)
value [Obligatorio] Valor literal de la entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

TritonModelJobInput

Nombre Descripción Valor
jobInputType [Obligatorio] Especifica el tipo de trabajo. "triton_model" (obligatorio)
mode Modo de entrega de recursos de entrada. "Directo"
"Descargar"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

UriFileJobInput

Nombre Descripción Valor
jobInputType [Obligatorio] Especifica el tipo de trabajo. "uri_file" (obligatorio)
mode Modo de entrega de recursos de entrada. "Directo"
"Descargar"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

UriFolderJobInput

Nombre Descripción Valor
jobInputType [Obligatorio] Especifica el tipo de trabajo. "uri_folder" (obligatorio)
mode Modo de entrega de recursos de entrada. "Directo"
"Descargar"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
uri [Obligatorio] URI de recurso de entrada. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

CommandJobLimits

Nombre Descripción Valor
jobLimitsType [Obligatorio] Tipo jobLimit. "Comando"
"Barrido" (obligatorio)
timeout Duración máxima de la ejecución en formato ISO 8601, después de la cual se cancelará el trabajo. Solo admite la duración con una precisión tan baja como Segundos. string

CommandJobOutputs

Nombre Descripción Valor
{propiedad personalizada} JobOutput

PipelineJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. "Canalización" (obligatorio)
inputs Entradas para el trabajo de canalización. PipelineJobInputs
jobs Los trabajos construyen el trabajo de canalización. PipelineJobJobs
outputs Salidas para el trabajo de canalización PipelineJobOutputs
configuración Configuración de canalización, para cosas como ContinueRunOnStepFailure, etc.
sourceJobId Id. de recurso de ARM del trabajo de origen. string

PipelineJobInputs

Nombre Descripción Valor
{propiedad personalizada} JobInput

PipelineJobJobs

Nombre Descripción Valor
{propiedad personalizada}

PipelineJobOutputs

Nombre Descripción Valor
{propiedad personalizada} JobOutput

SweepJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. "Barrido" (obligatorio)
earlyTermination Las directivas de terminación anticipada permiten cancelar ejecuciones de bajo rendimiento antes de que se completen. EarlyTerminationPolicy
inputs Asignación de enlaces de datos de entrada usados en el trabajo. SweepJobInputs
límites Límite de trabajo de barrido. SweepJobLimits
objetivo [Obligatorio] Objetivo de optimización. Objetivo (obligatorio)
outputs Asignación de enlaces de datos de salida usados en el trabajo. SweepJobOutputs
samplingAlgorithm [Obligatorio] Algoritmo de muestreo de hiperparámetros SamplingAlgorithm (obligatorio)
searchSpace [Obligatorio] Diccionario que contiene cada parámetro y su distribución. La clave de diccionario es el nombre del parámetro.
evaluación [Obligatorio] Definición del componente de prueba. TrialComponent (obligatorio)

SweepJobInputs

Nombre Descripción Valor
{propiedad personalizada} JobInput

SweepJobLimits

Nombre Descripción Valor
jobLimitsType [Obligatorio] Tipo JobLimit. "Comando"
"Barrido" (obligatorio)
maxConcurrentTrials Pruebas simultáneas máximas del trabajo de barrido. int
maxTotalTrials Pruebas totales máximas del trabajo de barrido. int
timeout Duración máxima de la ejecución en formato ISO 8601, después del cual se cancelará el trabajo. Solo admite la duración con una precisión tan baja como Segundos. string
trialTimeout Valor de tiempo de espera de prueba del trabajo de barrido. string

Objetivo

Nombre Descripción Valor
goal [Obligatorio] Define los objetivos de métrica admitidos para el ajuste de hiperparámetros "Maximizar"
"Minimizar" (obligatorio)
primaryMetric [Obligatorio] Nombre de la métrica que se va a optimizar. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

SweepJobOutputs

Nombre Descripción Valor
{propiedad personalizada} JobOutput

SamplingAlgorithm

Nombre Descripción Valor
samplingAlgorithmType Establecimiento del tipo de objeto Bayesiano
Grid
Aleatorio (obligatorio)

BayesianSamplingAlgorithm

Nombre Descripción Valor
samplingAlgorithmType [Obligatorio] El algoritmo usado para generar valores de hiperparámetros, junto con las propiedades de configuración "Bayesiano" (obligatorio)

GridSamplingAlgorithm

Nombre Descripción Valor
samplingAlgorithmType [Obligatorio] El algoritmo usado para generar valores de hiperparámetros, junto con las propiedades de configuración "Grid" (obligatorio)

RandomSamplingAlgorithm

Nombre Descripción Valor
samplingAlgorithmType [Obligatorio] El algoritmo usado para generar valores de hiperparámetros, junto con las propiedades de configuración "Aleatorio" (obligatorio)
rule Tipo específico de algoritmo aleatorio "Aleatorio"
"Sobol"
seed Entero opcional que se usará como inicialización para la generación de números aleatorios. int

TrialComponent

Nombre Descripción Valor
codeId Identificador de recurso de ARM del recurso de código. string
command [Obligatorio] Comando que se va a ejecutar al iniciar el trabajo. P. ej. "python train.py" string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]
distribution Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch o null. DistributionConfiguration
environmentId [Obligatorio] Identificador de recurso de ARM de la especificación del entorno para el trabajo. string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]
environmentVariables Variables de entorno incluidas en el trabajo. TrialComponentEnvironmentVariables
resources Configuración de recursos de proceso para el trabajo. JobResourceConfiguration

TrialComponentEnvironmentVariables

Nombre Descripción Valor
{propiedad personalizada} string

EndpointScheduleAction

Nombre Descripción Valor
actionType [Obligatorio] Especifica el tipo de acción de la programación. "InvokeBatchEndpoint" (obligatorio)
endpointInvocationDefinition [Obligatorio] Define los detalles de la definición de la acción Programar.
{see href="TBD" /}

TriggerBase

Nombre Descripción Valor
endTime Especifica la hora de finalización de la programación en ISO 8601, pero sin un desplazamiento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601.
El formato recommented sería "2022-06-01T00:00:01"
Si no está presente, la programación se ejecutará indefinidamente.		 string
startTime Especifica la hora de inicio de la programación en formato ISO 8601, pero sin un desplazamiento UTC. string
timeZone Especifica la zona horaria en la que se ejecuta la programación.
TimeZone debe seguir el formato de zona horaria de Windows. Consulte: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones />		 string
triggerType Establecimiento del tipo de objeto Cron
Periodicidad (obligatorio)

CronTrigger

Nombre Descripción Valor
triggerType [Obligatorio] "Cron" (obligatorio)
expresión [Obligatorio] Especifica la expresión cron de la programación.
La expresión debe seguir el formato NCronTab.		 string (obligatorio)

Restricciones:
Patrón = [a-zA-Z0-9_]

RecurrenceTrigger

Nombre Descripción Valor
triggerType [Obligatorio] "Periodicidad" (obligatorio)
frequency [Obligatorio] Frecuencia con la que se desencadena la programación. "Día"
"Hora"
"Minuto"
"Mes"
"Semana" (obligatorio)
interval [Obligatorio] Especifica el intervalo de programación junto con la frecuencia. int (obligatorio)
schedule Programación de periodicidad. RecurrenceSchedule

RecurrenceSchedule

Nombre Descripción Valor
horas [Obligatorio] Lista de horas para la programación. int[] (obligatorio)
minutes [Obligatorio] Lista de minutos para la programación. int[] (obligatorio)
monthDays Lista de días de mes para la programación int[]
weekDays Lista de días para la programación. Matriz de cadenas que contiene cualquiera de:
"Friday"
"Monday"
"Saturday"
"Sunday"
"Thursday"
"Tuesday"
"Wednesday"