Compartir a través de

Áreas de trabajo de Microsoft.MachineLearningServices/jobs 2023-06-01-preview

  • Artículo

Definición de recursos de Bicep

El tipo de recurso workspaces/jobs 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/jobs, agregue el siguiente bicep a la plantilla.

resource symbolicname 'Microsoft.MachineLearningServices/workspaces/jobs@2023-06-01-preview' = {
  name: 'string'
  parent: resourceSymbolicName
  properties: {
    componentId: 'string'
    computeId: 'string'
    description: 'string'
    displayName: 'string'
    experimentName: 'string'
    identity: {
      identityType: 'string'
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived: bool
    notificationSetting: {
      emailOn: [
        'string'
      ]
      emails: [
        'string'
      ]
      webhooks: {
        {customized property}: {
          eventType: 'string'
          webhookType: 'string'
          // For remaining properties, see Webhook objects
        }
      }
    }
    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'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
    }
    secretsConfiguration: {
      {customized property}: {
        uri: 'string'
        workspaceSecretName: 'string'
      }
      {customized property}: {
        uri: 'string'
        workspaceSecretName: 'string'
      }
    }
    services: {
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        nodes: {
          nodesValueType: 'string'
          // For remaining properties, see Nodes objects
        }
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        nodes: {
          nodesValueType: 'string'
          // For remaining properties, see Nodes objects
        }
        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'
      {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
  }
}

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
    }
  }
  queueSettings: {
    jobTier: 'string'
    priority: int
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    locations: [
      'string'
    ]
    maxInstanceCount: int
    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
  }

En Comando, use:

  jobType: 'Command'
  autologgerSettings: {
    mlflowAutologger: 'string'
  }
  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
    }
  }
  queueSettings: {
    jobTier: 'string'
    priority: int
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    locations: [
      'string'
    ]
    maxInstanceCount: int
    properties: {
      {customized property}: any()
      {customized property}: any()
    }
    shmSize: 'string'
  }

Para Etiquetado, use:

  jobType: 'Labeling'
  dataConfiguration: {
    dataId: 'string'
    incrementalDataRefresh: 'string'
  }
  jobInstructions: {
    uri: 'string'
  }
  labelCategories: {
    {customized property}: {
      classes: {
        {customized property}: {
          displayName: 'string'
          subclasses: {
            {customized property}: {}
        }
      }
      displayName: 'string'
      multiSelect: 'string'
    }
    {customized property}: {
      classes: {
        {customized property}: {
          displayName: 'string'
          subclasses: {
            {customized property}: {}
        }
      }
      displayName: 'string'
      multiSelect: 'string'
    }
  }
  labelingJobMediaProperties: {
    mediaType: 'string'
    // For remaining properties, see LabelingJobMediaProperties objects
  }
  mlAssistConfiguration: {
    mlAssist: 'string'
    // For remaining properties, see MLAssistConfiguration objects
  }

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 Spark, use:

  jobType: 'Spark'
  archives: [
    'string'
  ]
  args: 'string'
  codeId: 'string'
  conf: {
    {customized property}: 'string'
  }
  entry: {
    sparkJobEntryType: 'string'
    // For remaining properties, see SparkJobEntry objects
  }
  environmentId: 'string'
  files: [
    'string'
  ]
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  jars: [
    'string'
  ]
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  pyFiles: [
    'string'
  ]
  queueSettings: {
    jobTier: 'string'
    priority: int
  }
  resources: {
    instanceType: 'string'
    runtimeVersion: '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
    }
  }
  queueSettings: {
    jobTier: 'string'
    priority: int
  }
  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'
      locations: [
        'string'
      ]
      maxInstanceCount: int
      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 de webhook

Establezca la propiedad webhookType para especificar el tipo de objeto.

Para AzureDevOps, use:

  webhookType: 'AzureDevOps'

Objetos de nodos

Establezca la propiedad nodesValueType para especificar el tipo de objeto.

Para Todo, use:

  nodesValueType: 'All'

Objetos JobOutput

Establezca la propiedad jobOutputType para especificar el tipo de objeto.

Para custom_model, use:

  jobOutputType: 'custom_model'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  mode: 'string'
  uri: 'string'

Para mlflow_model, use:

  jobOutputType: 'mlflow_model'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  mode: 'string'
  uri: 'string'

Para mltable, use:

  jobOutputType: 'mltable'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  mode: 'string'
  uri: 'string'

Para triton_model, use:

  jobOutputType: 'triton_model'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  mode: 'string'
  uri: 'string'

Para uri_file, use:

  jobOutputType: 'uri_file'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  mode: 'string'
  uri: 'string'

Para uri_folder, use:

  jobOutputType: 'uri_folder'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  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()
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxNodes: int
    maxTrials: int
    sweepConcurrentTrials: int
    sweepTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel: 'string'
  primaryMetric: 'string'
  searchSpace: [
    {
      booster: 'string'
      boostingType: 'string'
      growPolicy: 'string'
      learningRate: 'string'
      maxBin: 'string'
      maxDepth: 'string'
      maxLeaves: 'string'
      minDataInLeaf: 'string'
      minSplitGain: 'string'
      modelName: 'string'
      nEstimators: 'string'
      numLeaves: 'string'
      preprocessorName: 'string'
      regAlpha: 'string'
      regLambda: 'string'
      subsample: 'string'
      subsampleFreq: 'string'
      treeMethod: 'string'
      withMean: 'string'
      withStd: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: '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'
    }
    trainingMode: '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: any()
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  forecastingSettings: {
    countryOrRegionForHolidays: 'string'
    cvStepSize: int
    featureLags: 'string'
    featuresUnknownAtForecastTime: [
      '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
    maxNodes: int
    maxTrials: int
    sweepConcurrentTrials: int
    sweepTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      booster: 'string'
      boostingType: 'string'
      growPolicy: 'string'
      learningRate: 'string'
      maxBin: 'string'
      maxDepth: 'string'
      maxLeaves: 'string'
      minDataInLeaf: 'string'
      minSplitGain: 'string'
      modelName: 'string'
      nEstimators: 'string'
      numLeaves: 'string'
      preprocessorName: 'string'
      regAlpha: 'string'
      regLambda: 'string'
      subsample: 'string'
      subsampleFreq: 'string'
      treeMethod: 'string'
      withMean: 'string'
      withStd: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: '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'
    }
    trainingMode: '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'
    logTrainingMetrics: 'string'
    logValidationLoss: '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'
    logTrainingMetrics: 'string'
    logValidationLoss: '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()
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxNodes: int
    maxTrials: int
    sweepConcurrentTrials: int
    sweepTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      booster: 'string'
      boostingType: 'string'
      growPolicy: 'string'
      learningRate: 'string'
      maxBin: 'string'
      maxDepth: 'string'
      maxLeaves: 'string'
      minDataInLeaf: 'string'
      minSplitGain: 'string'
      modelName: 'string'
      nEstimators: 'string'
      numLeaves: 'string'
      preprocessorName: 'string'
      regAlpha: 'string'
      regLambda: 'string'
      subsample: 'string'
      subsampleFreq: 'string'
      treeMethod: 'string'
      withMean: 'string'
      withStd: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: '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'
    }
    trainingMode: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

Para TextClassification, use:

  taskType: 'TextClassification'
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  fixedParameters: {
    gradientAccumulationSteps: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    numberOfEpochs: int
    trainingBatchSize: int
    validationBatchSize: int
    warmupRatio: int
    weightDecay: int
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxNodes: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      gradientAccumulationSteps: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      numberOfEpochs: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      warmupRatio: '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'
  }

Para TextClassificationMultilabel, use:

  taskType: 'TextClassificationMultilabel'
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  fixedParameters: {
    gradientAccumulationSteps: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    numberOfEpochs: int
    trainingBatchSize: int
    validationBatchSize: int
    warmupRatio: int
    weightDecay: int
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxNodes: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  searchSpace: [
    {
      gradientAccumulationSteps: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      numberOfEpochs: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      warmupRatio: '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'
  }

Para TextNER, use:

  taskType: 'TextNER'
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  fixedParameters: {
    gradientAccumulationSteps: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    numberOfEpochs: int
    trainingBatchSize: int
    validationBatchSize: int
    warmupRatio: int
    weightDecay: int
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxNodes: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  searchSpace: [
    {
      gradientAccumulationSteps: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      numberOfEpochs: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      warmupRatio: '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'
  }

NCrossValidations (objetos)

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  mode: 'Auto'

Para Personalizado, use:

  mode: 'Custom'
  value: int

Objetos EarlyTerminationPolicy

Establezca la propiedad policyType para especificar el tipo de objeto.

Para Bandit, use:

  policyType: 'Bandit'
  slackAmount: int
  slackFactor: int

Para MedianStopping, use:

  policyType: 'MedianStopping'

Para TruncationSelection, use:

  policyType: 'TruncationSelection'
  truncationPercentage: int

ForecastHorizon (objetos)

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  mode: 'Auto'

Para Personalizado, use:

  mode: 'Custom'
  value: int

Objetos de estacionalidad

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  mode: 'Auto'

Para Personalizado, use:

  mode: 'Custom'
  value: int

Objetos TargetLags

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  mode: 'Auto'

Para Personalizado, use:

  mode: 'Custom'
  values: [
    int
  ]

Objetos TargetRollingWindowSize

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  mode: 'Auto'

Para Personalizado, use:

  mode: 'Custom'
  value: 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 Ray, use:

  distributionType: 'Ray'
  address: 'string'
  dashboardPort: int
  headNodeAdditionalArgs: 'string'
  includeDashboard: bool
  port: int
  workerNodeAdditionalArgs: 'string'

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'

LabelingJobMediaProperties (objetos)

Establezca la propiedad mediaType para especificar el tipo de objeto.

En Image (Imagen), use:

  mediaType: 'Image'
  annotationType: 'string'

Para Text, use:

  mediaType: 'Text'
  annotationType: 'string'

Objetos MLAssistConfiguration

Establezca la propiedad mlAssist para especificar el tipo de objeto.

Para Deshabilitado, use:

  mlAssist: 'Disabled'

Para Habilitado, use:

  mlAssist: 'Enabled'
  inferencingComputeBinding: 'string'
  trainingComputeBinding: 'string'

Objetos SparkJobEntry

Establezca la propiedad sparkJobEntryType para especificar el tipo de objeto.

Para SparkJobPythonEntry, use:

  sparkJobEntryType: 'SparkJobPythonEntry'
  file: 'string'

Para SparkJobScalaEntry, use:

  sparkJobEntryType: 'SparkJobScalaEntry'
  className: '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'
  logbase: 'string'
  rule: 'string'
  seed: int

Valores de propiedad

áreas de trabajo o trabajos

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. 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
notificationSetting Configuración de notificación para el trabajo NotificationSetting
properties Diccionario de propiedades de recursos. ResourceBaseProperties
secretsConfiguration Configuración para que los secretos estén disponibles durante el tiempo de ejecución. JobBaseSecretsConfiguration
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
Etiquetado
Canalización
Spark
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. 'Managed' (obligatorio)
clientId Especifica una identidad asignada por el usuario por identificador de cliente. En el caso de asignados 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. En el caso de asignados 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)

NotificationSetting

Nombre Descripción Valor
emailOn Enviar notificación por correo electrónico al usuario en el tipo de notificación especificado Matriz de cadenas que contiene cualquiera de:
'JobCancelled'
'JobCompleted'
'JobFailed'
emails Esta es la lista de destinatarios de correo electrónico que tiene una limitación de 499 caracteres en total concat con separador de comas string[]
webhooks Enviar devolución de llamada de webhook a un servicio. La clave es un nombre proporcionado por el usuario para el webhook. NotificationSettingWebhooks

NotificationSettingWebhooks

Nombre Descripción Valor
{propiedad personalizada} Webhook

webhook

Nombre Descripción Valor
eventType Devolución de llamada de envío en un evento de notificación especificado string
webhookType Establecimiento del tipo de objeto AzureDevOps (obligatorio)

AzureDevOpsWebhook

Nombre Descripción Valor
webhookType [Obligatorio] Especifica el tipo de servicio que se va a enviar una devolución de llamada. "AzureDevOps" (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
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string

JobBaseSecretsConfiguration

Nombre Descripción Valor
{propiedad personalizada} SecretConfiguration
{propiedad personalizada} SecretConfiguration

SecretConfiguration

Nombre Descripción Valor
uri Uri secreto.
Uri de ejemplo: https://myvault.vault.azure.net/secrets/mysecretname/secretversion		 string
workspaceSecretName Nombre del secreto en el almacén de claves del área de trabajo. string

JobBaseServices

Nombre Descripción Valor
{propiedad personalizada} JobService
{propiedad personalizada} JobService

JobService

Nombre Descripción Valor
endpoint Dirección URL del punto de conexión. string
jobServiceType Tipo de punto de conexión. string
nodes Nodos en los que el usuario desea iniciar el servicio.
Si los nodos no se establecen o se establecen en null, el servicio solo se iniciará en el nodo de líder.		 Nodos
port Puerto para el punto de conexión establecido por el usuario. int
properties Propiedades adicionales que se van a establecer en el punto de conexión. JobServiceProperties

Nodos

Nombre Descripción Valor
nodesValueType Establecimiento del tipo de objeto Todos (obligatorios)

AllNodes

Nombre Descripción Valor
nodesValueType [Obligatorio] Tipo del valor nodos 'All' (obligatorio)

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
queueSettings Configuración de cola para el trabajo QueueSettings
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)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

AutoDeleteSetting

Nombre Descripción Valor
condición Cuándo comprobar si un recurso ha expirado 'CreatedGreaterThan'
'LastAccessedGreaterThan'
value Valor de condición de expiración. string

MLFlowModelJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'mlflow_model' (obligatorio)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

MLTableJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'mltable' (obligatorio)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

TritonModelJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'triton_model' (obligatorio)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

UriFileJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'uri_file' (obligatorio)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

UriFolderJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'uri_folder' (obligatorio)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

QueueSettings

Nombre Descripción Valor
jobTier Controla el nivel de trabajo de proceso "Básico"
'Null'
"Premium"
'Spot'
'Estándar'
priority Controla la prioridad del trabajo en un proceso. int

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
locations Ubicaciones donde se puede ejecutar el trabajo. string[]
maxInstanceCount Número máximo opcional permitido de instancias o nodos que va a usar el destino de proceso.
Para su uso con entrenamiento elástico, actualmente compatible solo con el tipo de distribución pyTorch.		 int
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:
Longitud mínima = 1
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
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. TableFixedParameters
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'
searchSpace Espacio de búsqueda para muestreo de diferentes combinaciones de modelos y sus hiperparámetros. TableParameterSubspace[]
sweepSettings Configuración para el barrido de modelos y el ajuste de hiperparámetros. TableSweepSettings
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().

TableFixedParameters

Nombre Descripción Valor
Booster Especifique el tipo de aumento, por ejemplo, gbdt para XGBoost. string
boostingType Especifique el tipo de aumento, por ejemplo, gbdt para LightGBM. string
growPolicy Especifique la directiva de crecimiento, que controla la forma en que se agregan nuevos nodos al árbol. string
learningRate Velocidad de aprendizaje para el procedimiento de entrenamiento. int
maxBin Especifique el número máximo de cubos discretos para las características continuas del cubo . int
maxDepth Especifique la profundidad máxima para limitar la profundidad del árbol explícitamente. int
maxLeaves Especifique las hojas máximas para limitar explícitamente las hojas del árbol. int
minDataInLeaf Número mínimo de datos por hoja. int
minSplitGain Reducción mínima de pérdida necesaria para realizar una partición adicional en un nodo hoja del árbol. int
modelName Nombre del modelo que se va a entrenar. string
nEstimators Especifique el número de árboles (o redondeos) en un modelo. int
numLeaves Especifique el número de hojas. int
preprocessorName Nombre del preprocesador que se va a usar. string
regAlpha Término de regularización L1 en pesos. int
regLambda Término de regularización L2 en pesos. int
subsample Proporción de subsample de la instancia de entrenamiento. int
subsampleFreq Frecuencia de submuestra. int
treeMethod Especifique el método de árbol. string
withMean Si es true, centre antes de escalar los datos con StandardScalar. bool
withStd Si es true, escale los datos con varianza unitaria con StandardScalar. bool

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
maxNodes Número máximo de nodos que se van a usar para el experimento. int
maxTrials Número de iteraciones. int
sweepConcurrentTrials Número de ejecuciones de barrido simultáneas que el usuario quiere desencadenar. int
sweepTrials Número de ejecuciones de barrido que el usuario quiere desencadenar. 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)

TableParameterSubspace

Nombre Descripción Valor
Booster Especifique el tipo de aumento, por ejemplo, gbdt para XGBoost. string
boostingType Especifique el tipo de aumento, por ejemplo, gbdt para LightGBM. string
growPolicy Especifique la directiva de crecimiento, que controla la forma en que se agregan nuevos nodos al árbol. string
learningRate Velocidad de aprendizaje para el procedimiento de entrenamiento. string
maxBin Especifique el número máximo de cubos discretos para las características continuas del cubo . string
maxDepth Especifique la profundidad máxima para limitar la profundidad del árbol explícitamente. string
maxLeaves Especifique las hojas máximas para limitar explícitamente las hojas del árbol. string
minDataInLeaf Número mínimo de datos por hoja. string
minSplitGain Reducción mínima de pérdida necesaria para realizar una partición adicional en un nodo hoja del árbol. string
modelName Nombre del modelo que se va a entrenar. string
nEstimators Especifique el número de árboles (o redondeos) en un modelo. string
numLeaves Especifique el número de hojas. string
preprocessorName Nombre del preprocesador que se va a usar. string
regAlpha Término de regularización L1 en pesos. string
regLambda Término de regularización L2 en pesos. string
subsample Proporción de subsample de la instancia de entrenamiento. string
subsampleFreq Frecuencia de subsample string
treeMethod Especifique el método de árbol. string
withMean Si es true, centre antes de escalar los datos con StandardScalar. string
withStd Si es true, escale los datos con varianza unitaria con StandardScalar. string

TableSweepSettings

Nombre Descripción Valor
earlyTermination Tipo de directiva de terminación anticipada para el trabajo de barrido. EarlyTerminationPolicy
samplingAlgorithm [Obligatorio] Tipo de algoritmo de muestreo. '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

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
trainingMode Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido" por ahora, pero en el futuro puede dar lugar a una selección de modo mixto o heurística basada en modo. El valor predeterminado es "auto".
Si "Distribuido", solo se usa la caracterización distribuida y se eligen los algoritmos distribuidos.
Si "NonDistributed" solo se eligen algoritmos no distribuidos.
 'Auto'
"Distribuido"
'NonDistributed'

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
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. TableFixedParameters
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'
searchSpace Espacio de búsqueda para muestreo de diferentes combinaciones de modelos y sus hiperparámetros. TableParameterSubspace[]
sweepSettings Configuración del barrido de modelos y ajuste de hiperparámetros. TableSweepSettings
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'
'Ninguno'
featuresUnknownAtForecastTime Columnas de características que están disponibles para el entrenamiento pero desconocidas en el momento de la previsión o la inferencia.
Si no se establece features_unknown_at_forecast_time, se supone que todas las columnas de características del conjunto de datos se conocen en el momento de la inferencia.		 string[]
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
trainingMode Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido" por ahora, pero en el futuro puede dar lugar a la selección de modo mixto o heurística. El valor predeterminado es "auto".
Si "Distributed" solo se usa la caracterización distribuida y se eligen algoritmos distribuidos.
Si "NonDistributed" solo se eligen algoritmos no distribuidos.
 'Auto'
"Distribuido"
'NonDistributed'

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 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

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 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:
Longitud mínima = 1
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 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)

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"
logTrainingMetrics Habilite las métricas de entrenamiento de computación y registro. 'Deshabilitar'
'Habilitar'
logValidationLoss Habilite la computación y la pérdida de validación de registro. 'Deshabilitar'
'Habilitar'
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 del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1]. int
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".		 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. '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
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 la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un valor flotante 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 valor flotante 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
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 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
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. TableFixedParameters
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'
searchSpace Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros. TableParameterSubspace[]
sweepSettings Configuración del barrido de modelos y ajuste de hiperparámetros. TableSweepSettings
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
trainingMode Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido" por ahora, pero en el futuro puede dar lugar a una selección de modo mixto o heurística basada en modo. El valor predeterminado es "auto".
Si "Distribuido", solo se usa la caracterización distribuida y se eligen los algoritmos distribuidos.
Si "NonDistributed" solo se eligen algoritmos no distribuidos.
 'Auto'
"Distribuido"
'NonDistributed'

TextClassification

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'TextClassification' (obligatorio)
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. NlpVerticalFeaturizationSettings
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. NlpFixedParameters
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
primaryMetric Métrica principal para Text-Classification tarea. "AUCWeighted"
'Precisión'
'AveragePrecisionScoreWeighted'
"NormMacroRecall"
'PrecisionScoreWeighted'
searchSpace Espacio de búsqueda para muestreo de diferentes combinaciones de modelos y sus hiperparámetros. NlpParameterSubspace[]
sweepSettings Configuración para el barrido de modelos y el ajuste de hiperparámetros. NlpSweepSettings
validationData Entradas de datos de validación. MLTableJobInput

NlpVerticalFeaturizationSettings

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

NlpFixedParameters

Nombre Descripción Valor
gradientAccumulationSteps Número de pasos para acumular degradados antes de ejecutar un paso hacia atrás. int
learningRate Velocidad de aprendizaje para el procedimiento de entrenamiento. int
learningRateScheduler Tipo de programación de velocidad de aprendizaje que se va a usar durante el procedimiento de entrenamiento. 'Constante'
'ConstantWithWarmup'
"Coseno"
"CosineWithRestarts"
'Lineal'
'Ninguno'
'Polinomio'
modelName Nombre del modelo que se va a entrenar. string
numberOfEpochs Número de épocas de entrenamiento. int
trainingBatchSize Tamaño del lote para el procedimiento de entrenamiento. int
validationBatchSize Tamaño del lote que se va a usar durante la evaluación. int
warmupRatio La relación de preparación, usada junto con LrSchedulerType. int
weightDecay La disminución del peso para el procedimiento de entrenamiento. int

NlpVerticalLimitSettings

Nombre Descripción Valor
maxConcurrentTrials Iteraciones de AutoML simultáneas máximas. int
maxNodes Número máximo de nodos que se van a usar para el experimento. int
maxTrials Número de iteraciones de AutoML. int
timeout Tiempo de espera del trabajo de AutoML. string
trialTimeout Tiempo de espera para pruebas individuales de HD. string

NlpParameterSubspace

Nombre Descripción Valor
gradientAccumulationSteps Número de pasos para acumular degradados antes de ejecutar un paso hacia atrás. string
learningRate Velocidad de aprendizaje para el procedimiento de entrenamiento. string
learningRateScheduler Tipo de programación de velocidad de aprendizaje que se va a usar durante el procedimiento de entrenamiento. string
modelName Nombre del modelo que se va a entrenar. string
numberOfEpochs Número de épocas de entrenamiento. string
trainingBatchSize Tamaño del lote para el procedimiento de entrenamiento. string
validationBatchSize Tamaño del lote que se va a usar durante la evaluación. string
warmupRatio La relación de preparación, usada junto con LrSchedulerType. string
weightDecay La disminución del peso para el procedimiento de entrenamiento. string

NlpSweepSettings

Nombre Descripción Valor
earlyTermination Tipo de directiva de terminación anticipada para el trabajo de barrido. EarlyTerminationPolicy
samplingAlgorithm [Obligatorio] Tipo de algoritmo de muestreo. 'Bayesiano'
'Grid'
'Random' (obligatorio)

TextClassificationMultilabel

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'TextClassificationMultilabel' (obligatorio)
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. NlpVerticalFeaturizationSettings
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. NlpFixedParameters
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
searchSpace Espacio de búsqueda para muestreo de diferentes combinaciones de modelos y sus hiperparámetros. NlpParameterSubspace[]
sweepSettings Configuración para el barrido de modelos y el ajuste de hiperparámetros. NlpSweepSettings
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
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. NlpFixedParameters
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
searchSpace Espacio de búsqueda para muestreo de diferentes combinaciones de modelos y sus hiperparámetros. NlpParameterSubspace[]
sweepSettings Configuración para el barrido de modelos y el ajuste de hiperparámetros. NlpSweepSettings
validationData Entradas de datos de validación. MLTableJobInput

CommandJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. 'Command' (obligatorio)
autologgerSettings Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch o null. AutologgerSettings
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, Ray o null. DistributionConfiguration
environmentId [Obligatorio] Identificador de recurso de ARM de la especificación del entorno para el trabajo. string (obligatorio)

Restricciones:
Longitud mínima = 1
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
queueSettings Configuración de cola para el trabajo QueueSettings
resources Configuración de recursos de proceso para el trabajo. JobResourceConfiguration

AutologgerSettings

Nombre Descripción Valor
mlflowAutologger [Obligatorio] Indica si el registrador automático de mlflow está habilitado. 'Deshabilitado'
'Habilitado' (obligatorio)

DistributionConfiguration

Nombre Descripción Valor
distributionType Establecimiento del tipo de objeto Mpi
PyTorch
Raya
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

Raya

Nombre Descripción Valor
distributionType [Obligatorio] Especifica el tipo de marco de distribución. 'Ray' (obligatorio)
address Dirección del nodo principal de Ray. string
dashboardPort Puerto al que se va a enlazar el servidor del panel. int
headNodeAdditionalArgs Argumentos adicionales pasados al inicio del rayo en el nodo principal. string
includeDashboard Proporcione este argumento para iniciar la GUI del panel de Ray. bool
port Puerto del proceso del rayo de cabeza. int
workerNodeAdditionalArgs Argumentos adicionales pasados al inicio de ray en el nodo de trabajo. string

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:
Longitud mínima = 1
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:
Longitud mínima = 1
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:
Longitud mínima = 1
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:
Longitud mínima = 1
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:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]

CommandJobLimits

Nombre Descripción Valor
jobLimitsType [Obligatorio] Tipo JobLimit. 'Command'
'Barrido' (obligatorio)
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

CommandJobOutputs

Nombre Descripción Valor
{propiedad personalizada} JobOutput

LabelingJobProperties

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
dataConfiguration Configuración de los datos usados en el trabajo. LabelingDataConfiguration
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
jobInstructions Instrucciones de etiquetado del trabajo. LabelingJobInstructions
jobType [Obligatorio] Especifica el tipo de trabajo. 'AutoML'
'Command'
'Etiquetado'
'Canalización'
"Spark"
'Barrido' (obligatorio)
labelCategories Etiquetar categorías del trabajo. LabelingJobLabelCategories
labelingJobMediaProperties Propiedades específicas del tipo de medio en el trabajo. LabelingJobMediaProperties
mlAssistConfiguration Configuración de la característica MLAssist en el trabajo. MLAssistConfiguration
notificationSetting Configuración de notificación para el trabajo NotificationSetting
properties Diccionario de propiedades de recursos. ResourceBaseProperties
secretsConfiguration Configuración para que los secretos estén disponibles durante el tiempo de ejecución. JobBaseSecretsConfiguration
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

LabelingDataConfiguration

Nombre Descripción Valor
dataId Identificador de recurso del recurso de datos para realizar el etiquetado. string
incrementalDataRefresh Indica si se va a habilitar la actualización incremental de datos. 'Deshabilitado'
'Habilitado'

LabelingJobInstructions

Nombre Descripción Valor
uri Vínculo a una página con instrucciones de etiquetado detalladas para los etiquetadores. string

LabelingJobLabelCategories

Nombre Descripción Valor
{propiedad personalizada} LabelCategory
{propiedad personalizada} LabelCategory

LabelCategory

Nombre Descripción Valor
clases Diccionario de clases de etiqueta en esta categoría. LabelCategoryClasses
DisplayName Nombre para mostrar de la categoría de etiqueta. string
Multiselect Indica si se permite seleccionar varias clases en esta categoría. 'Deshabilitado'
'Habilitado'

LabelCategoryClasses

Nombre Descripción Valor
{propiedad personalizada} LabelClass

LabelClass

Nombre Descripción Valor
DisplayName Nombre para mostrar de la clase de etiqueta. string
Subclases Diccionario de subclases de la clase de etiqueta. LabelClassSubclasses

LabelClassSubclasses

Nombre Descripción Valor
{propiedad personalizada} LabelClass

LabelingJobMediaProperties

Nombre Descripción Valor
mediaType Establecimiento del tipo de objeto Imagen
Texto (obligatorio)

LabelingJobImageProperties

Nombre Descripción Valor
mediaType [Obligatorio] Tipo de medio del trabajo. 'Image' (obligatorio)
annotationType Tipo de anotación del trabajo de etiquetado de imágenes. 'BoundingBox'
'Clasificación'
'InstanceSegmentation'

LabelingJobTextProperties

Nombre Descripción Valor
mediaType [Obligatorio] Tipo de medio del trabajo. 'Text' (obligatorio)
annotationType Tipo de anotación del trabajo de etiquetado de texto. 'Clasificación'
'NamedEntityRecognition'

MLAssistConfiguration

Nombre Descripción Valor
mlAssist Establecimiento del tipo de objeto Deshabilitada
Habilitado (obligatorio)

MLAssistConfigurationDisabled

Nombre Descripción Valor
mlAssist [Obligatorio] Indica si la característica MLAssist está habilitada. 'Disabled' (obligatorio)

MLAssistConfigurationEnabled

Nombre Descripción Valor
mlAssist [Obligatorio] Indica si la característica MLAssist está habilitada. 'Habilitado' (obligatorio)
inferencingComputeBinding [Obligatorio] Enlace de proceso de AML usado en la inferencia. string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]
trainingComputeBinding [Obligatorio] Enlace de proceso de AML usado en el entrenamiento. string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]

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

SparkJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. 'Spark' (obligatorio)
archives Archivar archivos usados en el trabajo. string[]
args Argumentos para el trabajo. string
codeId [Obligatorio] Identificador de recurso de ARM del recurso de código. string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]
conf Propiedades configuradas por Spark. SparkJobConf
entry [Obligatorio] Entrada que se va a ejecutar al iniciar el trabajo. SparkJobEntry (obligatorio)
environmentId Identificador de recurso de ARM de la especificación del entorno para el trabajo. string
archivos Archivos usados en el trabajo. string[]
inputs Asignación de enlaces de datos de entrada usados en el trabajo. SparkJobInputs
jars Archivos Jar usados en el trabajo. string[]
outputs Asignación de enlaces de datos de salida usados en el trabajo. SparkJobOutputs
pyFiles Archivos de Python usados en el trabajo. string[]
queueSettings Configuración de cola para el trabajo QueueSettings
resources Configuración de recursos de proceso para el trabajo. SparkResourceConfiguration

SparkJobConf

Nombre Descripción Valor
{propiedad personalizada} string

SparkJobEntry

Nombre Descripción Valor
sparkJobEntryType Establecimiento del tipo de objeto SparkJobPythonEntry
SparkJobScalaEntry (obligatorio)

SparkJobPythonEntry

Nombre Descripción Valor
sparkJobEntryType [Obligatorio] Tipo del punto de entrada del trabajo. 'SparkJobPythonEntry' (obligatorio)
archivo [Obligatorio] Ruta de acceso relativa del archivo de Python para el punto de entrada del trabajo. string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]

SparkJobScalaEntry

Nombre Descripción Valor
sparkJobEntryType [Obligatorio] Tipo del punto de entrada del trabajo. 'SparkJobScalaEntry' (obligatorio)
className [Obligatorio] Nombre de clase de Scala usado como punto de entrada. string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]

SparkJobInputs

Nombre Descripción Valor
{propiedad personalizada} JobInput

SparkJobOutputs

Nombre Descripción Valor
{propiedad personalizada} JobOutput

SparkResourceConfiguration

Nombre Descripción Valor
instanceType Tipo opcional de máquina virtual que se usa como compatible con el destino de proceso. string
runtimeVersion Versión del entorno de ejecución de Spark que se usa para el trabajo. string

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
queueSettings Configuración de cola para el trabajo QueueSettings
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:
Longitud mínima = 1
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)
logbase Número positivo opcional o e en formato de cadena que se usará como base para el muestreo aleatorio basado en registros string
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:
Longitud mínima = 1
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

Plantillas de inicio rápido

Las siguientes plantillas de inicio rápido implementan este tipo de recurso.

Plantilla Descripción
Creación de un trabajo de clasificación de AutoML de Azure Machine Learning

Implementación en Azure		 Esta plantilla crea un trabajo de clasificación de AutoML de Azure Machine Learning para averiguar el mejor modelo para predecir si un cliente se suscribirá a un depósito a plazo fijo con una entidad financiera.
Creación de un trabajo de comando de Azure Machine Learning

Implementación en Azure		 Esta plantilla crea un trabajo de comando de Azure Machine Learning con un script de hello_world básico
Creación de un trabajo de barrido de Azure Machine Learning

Implementación en Azure		 Esta plantilla crea un trabajo de barrido de Azure Machine Learning para el ajuste de hiperparámetros.

Definición de recursos de plantilla de ARM

El tipo de recurso workspaces/jobs 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/jobs, agregue el siguiente json a la plantilla.

{
  "type": "Microsoft.MachineLearningServices/workspaces/jobs",
  "apiVersion": "2023-06-01-preview",
  "name": "string",
  "properties": {
    "componentId": "string",
    "computeId": "string",
    "description": "string",
    "displayName": "string",
    "experimentName": "string",
    "identity": {
      "identityType": "string"
      // For remaining properties, see IdentityConfiguration objects
    },
    "isArchived": "bool",
    "notificationSetting": {
      "emailOn": [ "string" ],
      "emails": [ "string" ],
      "webhooks": {
        "{customized property}": {
          "eventType": "string",
          "webhookType": "string"
          // For remaining properties, see Webhook objects
        }
      }
    },
    "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",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string"
    },
    "secretsConfiguration": {
      "{customized property}": {
        "uri": "string",
        "workspaceSecretName": "string"
      },
      "{customized property}": {
        "uri": "string",
        "workspaceSecretName": "string"
      }
    },
    "services": {
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "nodes": {
          "nodesValueType": "string"
          // For remaining properties, see Nodes objects
        },
        "port": "int",
        "properties": {
          "{customized property}": "string"
        }
      },
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "nodes": {
          "nodesValueType": "string"
          // For remaining properties, see Nodes objects
        },
        "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",
      "{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
  }
}

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
    }
  },
  "queueSettings": {
    "jobTier": "string",
    "priority": "int"
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "locations": [ "string" ],
    "maxInstanceCount": "int",
    "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",
  "autologgerSettings": {
    "mlflowAutologger": "string"
  },
  "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
    }
  },
  "queueSettings": {
    "jobTier": "string",
    "priority": "int"
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "locations": [ "string" ],
    "maxInstanceCount": "int",
    "properties": {
      "{customized property}": {},
      "{customized property}": {}
    },
    "shmSize": "string"
  }

Para Etiquetado, use:

  "jobType": "Labeling",
  "dataConfiguration": {
    "dataId": "string",
    "incrementalDataRefresh": "string"
  },
  "jobInstructions": {
    "uri": "string"
  },
  "labelCategories": {
    "{customized property}": {
      "classes": {
        "{customized property}": {
          "displayName": "string",
          "subclasses": {
            "{customized property}": {}
        }
      },
      "displayName": "string",
      "multiSelect": "string"
    },
    "{customized property}": {
      "classes": {
        "{customized property}": {
          "displayName": "string",
          "subclasses": {
            "{customized property}": {}
        }
      },
      "displayName": "string",
      "multiSelect": "string"
    }
  },
  "labelingJobMediaProperties": {
    "mediaType": "string"
    // For remaining properties, see LabelingJobMediaProperties objects
  },
  "mlAssistConfiguration": {
    "mlAssist": "string"
    // For remaining properties, see MLAssistConfiguration objects
  }

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 Spark, use:

  "jobType": "Spark",
  "archives": [ "string" ],
  "args": "string",
  "codeId": "string",
  "conf": {
    "{customized property}": "string"
  },
  "entry": {
    "sparkJobEntryType": "string"
    // For remaining properties, see SparkJobEntry objects
  },
  "environmentId": "string",
  "files": [ "string" ],
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "jars": [ "string" ],
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "pyFiles": [ "string" ],
  "queueSettings": {
    "jobTier": "string",
    "priority": "int"
  },
  "resources": {
    "instanceType": "string",
    "runtimeVersion": "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
    }
  },
  "queueSettings": {
    "jobTier": "string",
    "priority": "int"
  },
  "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",
      "locations": [ "string" ],
      "maxInstanceCount": "int",
      "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 de webhook

Establezca la propiedad webhookType para especificar el tipo de objeto.

Para AzureDevOps, use:

  "webhookType": "AzureDevOps"

Objetos de nodos

Establezca la propiedad nodesValueType para especificar el tipo de objeto.

Para Todo, use:

  "nodesValueType": "All"

Objetos JobOutput

Establezca la propiedad jobOutputType para especificar el tipo de objeto.

Para custom_model, use:

  "jobOutputType": "custom_model",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "mode": "string",
  "uri": "string"

Para mlflow_model, use:

  "jobOutputType": "mlflow_model",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "mode": "string",
  "uri": "string"

Para mltable, use:

  "jobOutputType": "mltable",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "mode": "string",
  "uri": "string"

Para triton_model, use:

  "jobOutputType": "triton_model",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "mode": "string",
  "uri": "string"

Para uri_file, use:

  "jobOutputType": "uri_file",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "mode": "string",
  "uri": "string"

Para uri_folder, use:

  "jobOutputType": "uri_folder",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "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": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "sweepConcurrentTrials": "int",
    "sweepTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "positiveLabel": "string",
  "primaryMetric": "string",
  "searchSpace": [
    {
      "booster": "string",
      "boostingType": "string",
      "growPolicy": "string",
      "learningRate": "string",
      "maxBin": "string",
      "maxDepth": "string",
      "maxLeaves": "string",
      "minDataInLeaf": "string",
      "minSplitGain": "string",
      "modelName": "string",
      "nEstimators": "string",
      "numLeaves": "string",
      "preprocessorName": "string",
      "regAlpha": "string",
      "regLambda": "string",
      "subsample": "string",
      "subsampleFreq": "string",
      "treeMethod": "string",
      "withMean": "string",
      "withStd": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "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"
    },
    "trainingMode": "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": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "forecastingSettings": {
    "countryOrRegionForHolidays": "string",
    "cvStepSize": "int",
    "featureLags": "string",
    "featuresUnknownAtForecastTime": [ "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",
    "maxNodes": "int",
    "maxTrials": "int",
    "sweepConcurrentTrials": "int",
    "sweepTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "booster": "string",
      "boostingType": "string",
      "growPolicy": "string",
      "learningRate": "string",
      "maxBin": "string",
      "maxDepth": "string",
      "maxLeaves": "string",
      "minDataInLeaf": "string",
      "minSplitGain": "string",
      "modelName": "string",
      "nEstimators": "string",
      "numLeaves": "string",
      "preprocessorName": "string",
      "regAlpha": "string",
      "regLambda": "string",
      "subsample": "string",
      "subsampleFreq": "string",
      "treeMethod": "string",
      "withMean": "string",
      "withStd": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "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"
    },
    "trainingMode": "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",
    "logTrainingMetrics": "string",
    "logValidationLoss": "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",
    "logTrainingMetrics": "string",
    "logValidationLoss": "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": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "sweepConcurrentTrials": "int",
    "sweepTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "booster": "string",
      "boostingType": "string",
      "growPolicy": "string",
      "learningRate": "string",
      "maxBin": "string",
      "maxDepth": "string",
      "maxLeaves": "string",
      "minDataInLeaf": "string",
      "minSplitGain": "string",
      "modelName": "string",
      "nEstimators": "string",
      "numLeaves": "string",
      "preprocessorName": "string",
      "regAlpha": "string",
      "regLambda": "string",
      "subsample": "string",
      "subsampleFreq": "string",
      "treeMethod": "string",
      "withMean": "string",
      "withStd": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "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"
    },
    "trainingMode": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

Para TextClassification, use:

  "taskType": "TextClassification",
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "fixedParameters": {
    "gradientAccumulationSteps": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "numberOfEpochs": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "warmupRatio": "int",
    "weightDecay": "int"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "gradientAccumulationSteps": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "numberOfEpochs": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "warmupRatio": "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"
  }

Para TextClassificationMultilabel, use:

  "taskType": "TextClassificationMultilabel",
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "fixedParameters": {
    "gradientAccumulationSteps": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "numberOfEpochs": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "warmupRatio": "int",
    "weightDecay": "int"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "searchSpace": [
    {
      "gradientAccumulationSteps": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "numberOfEpochs": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "warmupRatio": "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"
  }

Para TextNER, use:

  "taskType": "TextNER",
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "fixedParameters": {
    "gradientAccumulationSteps": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "numberOfEpochs": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "warmupRatio": "int",
    "weightDecay": "int"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "searchSpace": [
    {
      "gradientAccumulationSteps": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "numberOfEpochs": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "warmupRatio": "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"
  }

NCrossValidations (objetos)

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

  "mode": "Auto"

Para Personalizado, use:

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

Objetos EarlyTerminationPolicy

Establezca la propiedad policyType para especificar el tipo de objeto.

Para Bandit, use:

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

Para MedianStopping, use:

  "policyType": "MedianStopping"

Para TruncationSelection, use:

  "policyType": "TruncationSelection",
  "truncationPercentage": "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 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 Ray, use:

  "distributionType": "Ray",
  "address": "string",
  "dashboardPort": "int",
  "headNodeAdditionalArgs": "string",
  "includeDashboard": "bool",
  "port": "int",
  "workerNodeAdditionalArgs": "string"

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"

LabelingJobMediaProperties (objetos)

Establezca la propiedad mediaType para especificar el tipo de objeto.

En Image (Imagen), use:

  "mediaType": "Image",
  "annotationType": "string"

Para Text, use:

  "mediaType": "Text",
  "annotationType": "string"

Objetos MLAssistConfiguration

Establezca la propiedad mlAssist para especificar el tipo de objeto.

Para Deshabilitado, use:

  "mlAssist": "Disabled"

Para Habilitado, use:

  "mlAssist": "Enabled",
  "inferencingComputeBinding": "string",
  "trainingComputeBinding": "string"

Objetos SparkJobEntry

Establezca la propiedad sparkJobEntryType para especificar el tipo de objeto.

Para SparkJobPythonEntry, use:

  "sparkJobEntryType": "SparkJobPythonEntry",
  "file": "string"

Para SparkJobScalaEntry, use:

  "sparkJobEntryType": "SparkJobScalaEntry",
  "className": "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",
  "logbase": "string",
  "rule": "string",
  "seed": "int"

Valores de propiedad

áreas de trabajo o trabajos

Nombre Descripción Value
type Tipo de recurso "Microsoft.MachineLearningServices/workspaces/jobs"
apiVersion La versión de la API de recursos "2023-06-01-preview"
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. 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
notificationSetting Configuración de notificación para el trabajo NotificationSetting
properties Diccionario de propiedades de recursos. ResourceBaseProperties
secretsConfiguration Configuración para que los secretos estén disponibles durante el tiempo de ejecución. JobBaseSecretsConfiguration
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
Etiquetado
Canalización
Spark
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)

NotificationSetting

Nombre Descripción Valor
emailOn Enviar notificación por correo electrónico al usuario en el tipo de notificación especificado Matriz de cadenas que contiene cualquiera de:
"JobCancelled"
"JobCompleted"
'JobFailed'
emails Esta es la lista de destinatarios de correo electrónico que tiene una limitación de 499 caracteres en total concat con separador de comas. string[]
webhooks Enviar devolución de llamada de webhook a un servicio. La clave es un nombre proporcionado por el usuario para el webhook. NotificationSettingWebhooks

NotificationSettingWebhooks

Nombre Descripción Valor
{propiedad personalizada} Webhook

webhook

Nombre Descripción Valor
eventType Enviar devolución de llamada en un evento de notificación especificado string
webhookType Establecimiento del tipo de objeto AzureDevOps (obligatorio)

AzureDevOpsWebhook

Nombre Descripción Valor
webhookType [Obligatorio] Especifica el tipo de servicio que se va a enviar una devolución de llamada. "AzureDevOps" (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
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string

JobBaseSecretsConfiguration

Nombre Descripción Valor
{propiedad personalizada} SecretConfiguration
{propiedad personalizada} SecretConfiguration

SecretConfiguration

Nombre Descripción Valor
uri Uri del secreto.
URI de ejemplo: https://myvault.vault.azure.net/secrets/mysecretname/secretversion		 string
workspaceSecretName Nombre del secreto en el almacén de claves del área de trabajo. string

JobBaseServices

Nombre Descripción Valor
{propiedad personalizada} JobService
{propiedad personalizada} JobService

JobService

Nombre Descripción Valor
endpoint Dirección URL del punto de conexión. string
jobServiceType Tipo de punto de conexión. string
nodes Nodos en los que el usuario desea iniciar el servicio.
Si los nodos no se establecen o se establecen en null, el servicio solo se iniciará en el nodo líder.		 Nodos
port Puerto para el punto de conexión establecido por el usuario. int
properties Propiedades adicionales que se van a establecer en el punto de conexión. JobServiceProperties

Nodos

Nombre Descripción Valor
nodesValueType Establecimiento del tipo de objeto Todos (obligatorios)

AllNodes

Nombre Descripción Valor
nodesValueType [Obligatorio] Tipo del valor nodos 'All' (obligatorio)

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
queueSettings Configuración de cola para el trabajo QueueSettings
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)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

AutoDeleteSetting

Nombre Descripción Valor
condición Cuándo comprobar si un recurso ha expirado 'CreatedGreaterThan'
'LastAccessedGreaterThan'
value Valor de condición de expiración. string

MLFlowModelJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'mlflow_model' (obligatorio)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

MLTableJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'mltable' (obligatorio)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

TritonModelJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'triton_model' (obligatorio)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

UriFileJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'uri_file' (obligatorio)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

UriFolderJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. 'uri_folder' (obligatorio)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
'Cargar'
uri URI del recurso de salida. string

QueueSettings

Nombre Descripción Valor
jobTier Controla el nivel de trabajo de proceso "Básico"
'Null'
"Premium"
'Spot'
'Estándar'
priority Controla la prioridad del trabajo en un proceso. int

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
locations Ubicaciones donde se puede ejecutar el trabajo. string[]
maxInstanceCount Número máximo opcional permitido de instancias o nodos que va a usar el destino de proceso.
Para su uso con entrenamiento elástico, actualmente compatible solo con el tipo de distribución pyTorch.		 int
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'
'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:
Longitud mínima = 1
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
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. TableFixedParameters
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
positiveLabel Etiqueta positiva para el cálculo de métricas binarias. string
primaryMetric Métrica principal de la tarea. 'AUCWeighted'
'Precisión'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros. TableParameterSubspace[]
sweepSettings Configuración del barrido de modelos y ajuste de hiperparámetros. TableSweepSettings
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'
'Personalizado'
'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.

TableFixedParameters

Nombre Descripción Valor
Booster Especifique el tipo de aumento, por ejemplo, gbdt para XGBoost. string
boostingType Especifique el tipo de potenciación, por ejemplo, gbdt para LightGBM. string
growPolicy Especifique la directiva de crecimiento, que controla la forma en que se agregan nuevos nodos al árbol. string
learningRate Velocidad de aprendizaje para el procedimiento de entrenamiento. int
maxBin Especifique el número máximo de contenedores discretos en las características continuas del cubo. int
maxDepth Especifique la profundidad máxima para limitar explícitamente la profundidad del árbol. int
maxLeaves Especifique las hojas máximas para limitar explícitamente las hojas del árbol. int
minDataInLeaf Número mínimo de datos por hoja. int
minSplitGain Reducción mínima de pérdida necesaria para realizar una partición adicional en un nodo hoja del árbol. int
modelName Nombre del modelo que se va a entrenar. string
nEstimators Especifique el número de árboles (o redondeos) en un modelo. int
numLeaves Especifique el número de hojas. int
preprocessorName Nombre del preprocesador que se va a usar. string
regAlpha Término de regularización L1 en pesos. int
regLambda Término de regularización L2 en pesos. int
subsample Proporción de subsample de la instancia de entrenamiento. int
subsampleFreq Frecuencia de submuestra. int
treeMethod Especifique el método de árbol. string
withMean Si es true, centre antes de escalar los datos con StandardScalar. bool
withStd Si es true, escale los datos con varianza unitaria con StandardScalar. bool

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
maxNodes Número máximo de nodos que se van a usar para el experimento. int
maxTrials Número de iteraciones. int
sweepConcurrentTrials Número de ejecuciones de barrido simultáneas que el usuario quiere desencadenar. int
sweepTrials Número de ejecuciones de barrido que el usuario quiere desencadenar. 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)

TableParameterSubspace

Nombre Descripción Valor
Booster Especifique el tipo de aumento, por ejemplo, gbdt para XGBoost. string
boostingType Especifique el tipo de aumento, por ejemplo, gbdt para LightGBM. string
growPolicy Especifique la directiva de crecimiento, que controla la forma en que se agregan nuevos nodos al árbol. string
learningRate Velocidad de aprendizaje para el procedimiento de entrenamiento. string
maxBin Especifique el número máximo de cubos discretos para las características continuas del cubo . string
maxDepth Especifique la profundidad máxima para limitar explícitamente la profundidad del árbol. string
maxLeaves Especifique las hojas máximas para limitar explícitamente las hojas del árbol. string
minDataInLeaf Número mínimo de datos por hoja. string
minSplitGain Reducción mínima de pérdida necesaria para realizar una partición adicional en un nodo hoja del árbol. string
modelName Nombre del modelo que se va a entrenar. string
nEstimators Especifique el número de árboles (o redondeos) en un modelo. string
numLeaves Especifique el número de hojas. string
preprocessorName Nombre del preprocesador que se va a usar. string
regAlpha Término de regularización L1 en pesos. string
regLambda Término de regularización L2 en pesos. string
subsample Proporción de subsamples de la instancia de entrenamiento. string
subsampleFreq Frecuencia de submuestra string
treeMethod Especifique el método de árbol. string
withMean Si es true, centre antes de escalar los datos con StandardScalar. string
withStd Si es true, escale los datos con varianza unitaria con StandardScalar. string

TableSweepSettings

Nombre Descripción Valor
earlyTermination Tipo de directiva de terminación anticipada para el trabajo de barrido. EarlyTerminationPolicy
samplingAlgorithm [Obligatorio] Tipo de algoritmo de muestreo. '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 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

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
trainingMode Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido" por ahora, pero en el futuro puede dar lugar a la selección de modo mixto o heurística. El valor predeterminado es "auto".
Si "Distributed" solo se usa la caracterización distribuida y se eligen algoritmos distribuidos.
Si "NonDistributed" solo se eligen algoritmos no distribuidos.
 'Auto'
"Distribuido"
'NonDistributed'

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 el 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 usarán para los datos CVSplit. string[]
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. TableVerticalFeaturizationSettings
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. TableFixedParameters
forecastingSettings Previsión de entradas específicas de la tarea. ForecastingSettings
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 previsión. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
searchSpace Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros. TableParameterSubspace[]
sweepSettings Configuración del barrido de modelos y ajuste de hiperparámetros. TableSweepSettings
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'
'Ninguno'
featuresUnknownAtForecastTime Columnas de características que están disponibles para el entrenamiento pero desconocidas en el momento de la previsión o la inferencia.
Si no se establece features_unknown_at_forecast_time, se supone que todas las columnas de características del conjunto de datos se conocen en el momento de la inferencia.		 string[]
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'
'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
trainingMode Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido" por ahora, pero en el futuro puede dar lugar a una selección de modo mixto o heurística basada en modo. El valor predeterminado es "auto".
Si "Distribuido", solo se usa la caracterización distribuida y se eligen los algoritmos distribuidos.
Si "NonDistributed" solo se eligen algoritmos no distribuidos.
 'Auto'
"Distribuido"
'NonDistributed'

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 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

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:
Longitud mínima = 1
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 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)

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"
logTrainingMetrics Habilite las métricas de entrenamiento de computación y registro. 'Deshabilitar'
'Habilitar'
logValidationLoss Habilite la computación y la pérdida de validación de registro. 'Deshabilitar'
'Habilitar'
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 del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1]. int
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".		 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. '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
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 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
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. TableFixedParameters
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'
searchSpace Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros. TableParameterSubspace[]
sweepSettings Configuración del barrido de modelos y ajuste de hiperparámetros. TableSweepSettings
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
trainingMode Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido" por ahora, pero en el futuro puede dar lugar a la selección de modo mixto o heurística. El valor predeterminado es "auto".
Si "Distributed" solo se usa la caracterización distribuida y se eligen algoritmos distribuidos.
Si "NonDistributed" solo se eligen algoritmos no distribuidos.
 'Auto'
"Distribuido"
'NonDistributed'

TextClassification

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'TextClassification' (obligatorio)
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. NlpVerticalFeaturizationSettings
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. NlpFixedParameters
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
primaryMetric Métrica principal para Text-Classification tarea. 'AUCWeighted'
'Precisión'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros. NlpParameterSubspace[]
sweepSettings Configuración del barrido de modelos y ajuste de hiperparámetros. NlpSweepSettings
validationData Entradas de datos de validación. MLTableJobInput

NlpVerticalFeaturizationSettings

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

NlpFixedParameters

Nombre Descripción Valor
gradientAccumulationSteps Número de pasos para acumular degradados antes de ejecutar un paso hacia atrás. int
learningRate Velocidad de aprendizaje para el procedimiento de entrenamiento. int
learningRateScheduler Tipo de programación de velocidad de aprendizaje que se va a usar durante el procedimiento de entrenamiento. 'Constante'
'ConstantWithWarmup'
'Coseno'
'CosineWithRestarts'
'Lineal'
'Ninguno'
'Polinomial'
modelName Nombre del modelo que se va a entrenar. string
numberOfEpochs Número de épocas de entrenamiento. int
trainingBatchSize Tamaño del lote para el procedimiento de entrenamiento. int
validationBatchSize Tamaño del lote que se va a usar durante la evaluación. int
warmupRatio La relación de preparación, usada junto con LrSchedulerType. int
weightDecay Descomposición del peso para el procedimiento de entrenamiento. int

NlpVerticalLimitSettings

Nombre Descripción Valor
maxConcurrentTrials Iteraciones automáticas simultáneas máximas. int
maxNodes Número máximo de nodos que se usarán para el experimento. int
maxTrials Número de iteraciones de AutoML. int
timeout Tiempo de espera del trabajo de AutoML. string
trialTimeout Tiempo de espera de las pruebas de HD individuales. string

NlpParameterSubspace

Nombre Descripción Valor
gradientAccumulationSteps Número de pasos para acumular degradados antes de ejecutar un paso hacia atrás. string
learningRate Velocidad de aprendizaje para el procedimiento de entrenamiento. string
learningRateScheduler Tipo de programación de velocidad de aprendizaje que se va a usar durante el procedimiento de entrenamiento. string
modelName Nombre del modelo que se va a entrenar. string
numberOfEpochs Número de épocas de entrenamiento. string
trainingBatchSize Tamaño del lote para el procedimiento de entrenamiento. string
validationBatchSize Tamaño del lote que se va a usar durante la evaluación. string
warmupRatio La relación de preparación, usada junto con LrSchedulerType. string
weightDecay Descomposición del peso para el procedimiento de entrenamiento. string

NlpSweepSettings

Nombre Descripción Valor
earlyTermination Tipo de directiva de terminación anticipada para el trabajo de barrido. EarlyTerminationPolicy
samplingAlgorithm [Obligatorio] Tipo de algoritmo de muestreo. 'Bayesiano'
'Grid'
'Random' (obligatorio)

TextClassificationMultilabel

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. 'TextClassificationMultilabel' (obligatorio)
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. NlpVerticalFeaturizationSettings
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. NlpFixedParameters
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
searchSpace Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros. NlpParameterSubspace[]
sweepSettings Configuración del barrido de modelos y ajuste de hiperparámetros. NlpSweepSettings
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
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. NlpFixedParameters
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
searchSpace Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros. NlpParameterSubspace[]
sweepSettings Configuración del barrido de modelos y ajuste de hiperparámetros. NlpSweepSettings
validationData Entradas de datos de validación. MLTableJobInput

CommandJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. 'Command' (obligatorio)
autologgerSettings Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch o NULL. AutologgerSettings
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, Ray o null. DistributionConfiguration
environmentId [Obligatorio] Identificador de recurso de ARM de la especificación del entorno para el trabajo. string (obligatorio)

Restricciones:
Longitud mínima = 1
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
queueSettings Configuración de cola para el trabajo QueueSettings
resources Configuración de recursos de proceso para el trabajo. JobResourceConfiguration

AutologgerSettings

Nombre Descripción Valor
mlflowAutologger [Obligatorio] Indica si el registrador automático de mlflow está habilitado. 'Deshabilitado'
'Habilitado' (obligatorio)

DistributionConfiguration

Nombre Descripción Valor
distributionType Establecimiento del tipo de objeto Mpi
PyTorch
Raya
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

Raya

Nombre Descripción Valor
distributionType [Obligatorio] Especifica el tipo de marco de distribución. 'Ray' (obligatorio)
address Dirección del nodo principal de Ray. string
dashboardPort Puerto al que se va a enlazar el servidor de panel. int
headNodeAdditionalArgs Argumentos adicionales pasados al inicio de ray en el nodo principal. string
includeDashboard Proporcione este argumento para iniciar la GUI del panel de Ray. bool
port Puerto del proceso del rayo de cabeza. int
workerNodeAdditionalArgs Argumentos adicionales pasados al inicio de ray en el nodo de trabajo. string

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:
Longitud mínima = 1
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:
Longitud mínima = 1
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:
Longitud mínima = 1
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:
Longitud mínima = 1
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:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]

CommandJobLimits

Nombre Descripción Valor
jobLimitsType [Obligatorio] Tipo JobLimit. 'Command'
'Barrido' (obligatorio)
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

CommandJobOutputs

Nombre Descripción Valor
{propiedad personalizada} JobOutput

LabelingJobProperties

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
dataConfiguration Configuración de los datos usados en el trabajo. LabelingDataConfiguration
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
jobInstructions Instrucciones de etiquetado del trabajo. LabelingJobInstructions
jobType [Obligatorio] Especifica el tipo de trabajo. 'AutoML'
'Command'
'Etiquetado'
'Canalización'
"Spark"
'Barrido' (obligatorio)
labelCategories Etiquetar categorías del trabajo. LabelingJobLabelCategories
labelingJobMediaProperties Propiedades específicas del tipo de medio en el trabajo. LabelingJobMediaProperties
mlAssistConfiguration Configuración de la característica MLAssist en el trabajo. MLAssistConfiguration
notificationSetting Configuración de notificación para el trabajo NotificationSetting
properties Diccionario de propiedades de recursos. ResourceBaseProperties
secretsConfiguration Configuración para que los secretos estén disponibles durante el tiempo de ejecución. JobBaseSecretsConfiguration
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

LabelingDataConfiguration

Nombre Descripción Valor
dataId Identificador de recurso del recurso de datos para realizar el etiquetado. string
incrementalDataRefresh Indica si se va a habilitar la actualización incremental de datos. 'Deshabilitado'
'Habilitado'

LabelingJobInstructions

Nombre Descripción Valor
uri Vínculo a una página con instrucciones de etiquetado detalladas para los etiquetadores. string

LabelingJobLabelCategories

Nombre Descripción Valor
{propiedad personalizada} LabelCategory
{propiedad personalizada} LabelCategory

LabelCategory

Nombre Descripción Valor
clases Diccionario de clases de etiqueta en esta categoría. LabelCategoryClasses
DisplayName Nombre para mostrar de la categoría de etiqueta. string
Multiselect Indica si se permite seleccionar varias clases en esta categoría. 'Deshabilitado'
'Habilitado'

LabelCategoryClasses

Nombre Descripción Valor
{propiedad personalizada} LabelClass

LabelClass

Nombre Descripción Valor
DisplayName Nombre para mostrar de la clase de etiqueta. string
Subclases Diccionario de subclases de la clase de etiqueta. LabelClassSubclasses

LabelClassSubclasses

Nombre Descripción Valor
{propiedad personalizada} LabelClass

LabelingJobMediaProperties

Nombre Descripción Valor
mediaType Establecimiento del tipo de objeto Imagen
Texto (obligatorio)

LabelingJobImageProperties

Nombre Descripción Valor
mediaType [Obligatorio] Tipo de medio del trabajo. 'Image' (obligatorio)
annotationType Tipo de anotación del trabajo de etiquetado de imágenes. 'BoundingBox'
'Clasificación'
'InstanceSegmentation'

LabelingJobTextProperties

Nombre Descripción Valor
mediaType [Obligatorio] Tipo de medio del trabajo. 'Text' (obligatorio)
annotationType Tipo de anotación del trabajo de etiquetado de texto. 'Clasificación'
'NamedEntityRecognition'

MLAssistConfiguration

Nombre Descripción Valor
mlAssist Establecimiento del tipo de objeto Deshabilitado
Habilitado (obligatorio)

MLAssistConfigurationDisabled

Nombre Descripción Valor
mlAssist [Obligatorio] Indica si la característica MLAssist está habilitada. 'Disabled' (obligatorio)

MLAssistConfigurationEnabled

Nombre Descripción Valor
mlAssist [Obligatorio] Indica si la característica MLAssist está habilitada. 'Habilitado' (obligatorio)
inferencingComputeBinding [Obligatorio] Enlace de proceso de AML usado en la inferencia. string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]
trainingComputeBinding [Obligatorio] Enlace de proceso de AML usado en el entrenamiento. string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]

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

SparkJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. 'Spark' (obligatorio)
archives Archivar archivos usados en el trabajo. string[]
args Argumentos para el trabajo. string
codeId [Obligatorio] Id. de recurso de ARM del recurso de código. string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]
conf Propiedades configuradas por Spark. SparkJobConf
entry [Obligatorio] Entrada que se va a ejecutar al iniciar el trabajo. SparkJobEntry (obligatorio)
environmentId Identificador de recurso de ARM de la especificación del entorno para el trabajo. string
archivos Archivos usados en el trabajo. string[]
inputs Asignación de enlaces de datos de entrada usados en el trabajo. SparkJobInputs
jars Archivos Jar usados en el trabajo. string[]
outputs Asignación de enlaces de datos de salida usados en el trabajo. SparkJobOutputs
pyFiles Archivos de Python usados en el trabajo. string[]
queueSettings Configuración de cola para el trabajo QueueSettings
resources Configuración de recursos de proceso para el trabajo. SparkResourceConfiguration

SparkJobConf

Nombre Descripción Valor
{propiedad personalizada} string

SparkJobEntry

Nombre Descripción Valor
sparkJobEntryType Establecimiento del tipo de objeto SparkJobPythonEntry
SparkJobScalaEntry (obligatorio)

SparkJobPythonEntry

Nombre Descripción Valor
sparkJobEntryType [Obligatorio] Tipo del punto de entrada del trabajo. "SparkJobPythonEntry" (obligatorio)
archivo [Obligatorio] Ruta de acceso relativa del archivo de Python para el punto de entrada del trabajo. string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]

SparkJobScalaEntry

Nombre Descripción Valor
sparkJobEntryType [Obligatorio] Tipo del punto de entrada del trabajo. 'SparkJobScalaEntry' (obligatorio)
className [Obligatorio] Nombre de clase de Scala usado como punto de entrada. string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]

SparkJobInputs

Nombre Descripción Valor
{propiedad personalizada} JobInput

SparkJobOutputs

Nombre Descripción Valor
{propiedad personalizada} JobOutput

SparkResourceConfiguration

Nombre Descripción Valor
instanceType Tipo opcional de máquina virtual que se usa como compatible con el destino de proceso. string
runtimeVersion Versión del entorno de ejecución de Spark que se usa para el trabajo. string

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
queueSettings Configuración de cola para el trabajo QueueSettings
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:
Longitud mínima = 1
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)
logbase Número positivo opcional o e en formato de cadena que se usará como base para el muestreo aleatorio basado en registros string
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:
Longitud mínima = 1
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

Plantillas de inicio rápido

Las siguientes plantillas de inicio rápido implementan este tipo de recurso.

Plantilla Descripción
Creación de un trabajo de clasificación de AutoML de Azure Machine Learning

Implementación en Azure		 Esta plantilla crea un trabajo de clasificación de AutoML de Azure Machine Learning para averiguar el mejor modelo para predecir si un cliente se suscribirá a un depósito a plazo fijo con una entidad financiera.
Creación de un trabajo de comando de Azure Machine Learning

Implementación en Azure		 Esta plantilla crea un trabajo de comando de Azure Machine Learning con un script de hello_world básico
Creación de un trabajo de barrido de Azure Machine Learning

Implementación en Azure		 Esta plantilla crea un trabajo de barrido de Azure Machine Learning para el ajuste de hiperparámetros.

Definición de recursos de Terraform (proveedor AzAPI)

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

  • 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/jobs, agregue el siguiente terraform a la plantilla.

resource "azapi_resource" "symbolicname" {
  type = "Microsoft.MachineLearningServices/workspaces/jobs@2023-06-01-preview"
  name = "string"
  parent_id = "string"
  body = jsonencode({
    properties = {
      componentId = "string"
      computeId = "string"
      description = "string"
      displayName = "string"
      experimentName = "string"
      identity = {
        identityType = "string"
        // For remaining properties, see IdentityConfiguration objects
      }
      isArchived = bool
      notificationSetting = {
        emailOn = [
          "string"
        ]
        emails = [
          "string"
        ]
        webhooks = {
          {customized property} = {
            eventType = "string"
            webhookType = "string"
            // For remaining properties, see Webhook objects
          }
        }
      }
      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"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
      }
      secretsConfiguration = {
        {customized property} = {
          uri = "string"
          workspaceSecretName = "string"
        }
        {customized property} = {
          uri = "string"
          workspaceSecretName = "string"
        }
      }
      services = {
        {customized property} = {
          endpoint = "string"
          jobServiceType = "string"
          nodes = {
            nodesValueType = "string"
            // For remaining properties, see Nodes objects
          }
          port = int
          properties = {
            {customized property} = "string"
          }
        }
        {customized property} = {
          endpoint = "string"
          jobServiceType = "string"
          nodes = {
            nodesValueType = "string"
            // For remaining properties, see Nodes objects
          }
          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"
        {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
    }
  })
}

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
    }
  }
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    locations = [
      "string"
    ]
    maxInstanceCount = int
    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
  }

En Comando, use:

  jobType = "Command"
  autologgerSettings = {
    mlflowAutologger = "string"
  }
  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
    }
  }
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    locations = [
      "string"
    ]
    maxInstanceCount = int
    properties = {}
    shmSize = "string"
  }

Para Etiquetado, use:

  jobType = "Labeling"
  dataConfiguration = {
    dataId = "string"
    incrementalDataRefresh = "string"
  }
  jobInstructions = {
    uri = "string"
  }
  labelCategories = {
    {customized property} = {
      classes = {
        {customized property} = {
          displayName = "string"
          subclasses = {
            {customized property} = {}
        }
      }
      displayName = "string"
      multiSelect = "string"
    }
    {customized property} = {
      classes = {
        {customized property} = {
          displayName = "string"
          subclasses = {
            {customized property} = {}
        }
      }
      displayName = "string"
      multiSelect = "string"
    }
  }
  labelingJobMediaProperties = {
    mediaType = "string"
    // For remaining properties, see LabelingJobMediaProperties objects
  }
  mlAssistConfiguration = {
    mlAssist = "string"
    // For remaining properties, see MLAssistConfiguration objects
  }

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 Spark, use:

  jobType = "Spark"
  archives = [
    "string"
  ]
  args = "string"
  codeId = "string"
  conf = {
    {customized property} = "string"
  }
  entry = {
    sparkJobEntryType = "string"
    // For remaining properties, see SparkJobEntry objects
  }
  environmentId = "string"
  files = [
    "string"
  ]
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  jars = [
    "string"
  ]
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  pyFiles = [
    "string"
  ]
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  resources = {
    instanceType = "string"
    runtimeVersion = "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
    }
  }
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  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"
      locations = [
        "string"
      ]
      maxInstanceCount = int
      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 de webhook

Establezca la propiedad webhookType para especificar el tipo de objeto.

Para AzureDevOps, use:

  webhookType = "AzureDevOps"

Objetos de nodos

Establezca la propiedad nodesValueType para especificar el tipo de objeto.

Para Todo, use:

  nodesValueType = "All"

Objetos JobOutput

Establezca la propiedad jobOutputType para especificar el tipo de objeto.

Para custom_model, use:

  jobOutputType = "custom_model"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  mode = "string"
  uri = "string"

Para mlflow_model, use:

  jobOutputType = "mlflow_model"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  mode = "string"
  uri = "string"

Para mltable, use:

  jobOutputType = "mltable"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  mode = "string"
  uri = "string"

Para triton_model, use:

  jobOutputType = "triton_model"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  mode = "string"
  uri = "string"

Para uri_file, use:

  jobOutputType = "uri_file"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  mode = "string"
  uri = "string"

Para uri_folder, use:

  jobOutputType = "uri_folder"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  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"
          ]
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxNodes = int
    maxTrials = int
    sweepConcurrentTrials = int
    sweepTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel = "string"
  primaryMetric = "string"
  searchSpace = [
    {
      booster = "string"
      boostingType = "string"
      growPolicy = "string"
      learningRate = "string"
      maxBin = "string"
      maxDepth = "string"
      maxLeaves = "string"
      minDataInLeaf = "string"
      minSplitGain = "string"
      modelName = "string"
      nEstimators = "string"
      numLeaves = "string"
      preprocessorName = "string"
      regAlpha = "string"
      regLambda = "string"
      subsample = "string"
      subsampleFreq = "string"
      treeMethod = "string"
      withMean = "string"
      withStd = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "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"
    }
    trainingMode = "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"
          ]
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  forecastingSettings = {
    countryOrRegionForHolidays = "string"
    cvStepSize = int
    featureLags = "string"
    featuresUnknownAtForecastTime = [
      "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
    maxNodes = int
    maxTrials = int
    sweepConcurrentTrials = int
    sweepTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  searchSpace = [
    {
      booster = "string"
      boostingType = "string"
      growPolicy = "string"
      learningRate = "string"
      maxBin = "string"
      maxDepth = "string"
      maxLeaves = "string"
      minDataInLeaf = "string"
      minSplitGain = "string"
      modelName = "string"
      nEstimators = "string"
      numLeaves = "string"
      preprocessorName = "string"
      regAlpha = "string"
      regLambda = "string"
      subsample = "string"
      subsampleFreq = "string"
      treeMethod = "string"
      withMean = "string"
      withStd = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "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"
    }
    trainingMode = "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"
    logTrainingMetrics = "string"
    logValidationLoss = "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"
    logTrainingMetrics = "string"
    logValidationLoss = "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"
          ]
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxNodes = int
    maxTrials = int
    sweepConcurrentTrials = int
    sweepTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  searchSpace = [
    {
      booster = "string"
      boostingType = "string"
      growPolicy = "string"
      learningRate = "string"
      maxBin = "string"
      maxDepth = "string"
      maxLeaves = "string"
      minDataInLeaf = "string"
      minSplitGain = "string"
      modelName = "string"
      nEstimators = "string"
      numLeaves = "string"
      preprocessorName = "string"
      regAlpha = "string"
      regLambda = "string"
      subsample = "string"
      subsampleFreq = "string"
      treeMethod = "string"
      withMean = "string"
      withStd = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "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"
    }
    trainingMode = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

Para TextClassification, use:

  taskType = "TextClassification"
  featurizationSettings = {
    datasetLanguage = "string"
  }
  fixedParameters = {
    gradientAccumulationSteps = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    numberOfEpochs = int
    trainingBatchSize = int
    validationBatchSize = int
    warmupRatio = int
    weightDecay = int
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxNodes = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  primaryMetric = "string"
  searchSpace = [
    {
      gradientAccumulationSteps = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      numberOfEpochs = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      warmupRatio = "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"
  }

Para TextClassificationMultilabel, use:

  taskType = "TextClassificationMultilabel"
  featurizationSettings = {
    datasetLanguage = "string"
  }
  fixedParameters = {
    gradientAccumulationSteps = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    numberOfEpochs = int
    trainingBatchSize = int
    validationBatchSize = int
    warmupRatio = int
    weightDecay = int
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxNodes = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  searchSpace = [
    {
      gradientAccumulationSteps = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      numberOfEpochs = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      warmupRatio = "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"
  }

Para TextNER, use:

  taskType = "TextNER"
  featurizationSettings = {
    datasetLanguage = "string"
  }
  fixedParameters = {
    gradientAccumulationSteps = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    numberOfEpochs = int
    trainingBatchSize = int
    validationBatchSize = int
    warmupRatio = int
    weightDecay = int
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxNodes = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  searchSpace = [
    {
      gradientAccumulationSteps = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      numberOfEpochs = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      warmupRatio = "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"
  }

NCrossValidations (objetos)

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

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 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 Ray, use:

  distributionType = "Ray"
  address = "string"
  dashboardPort = int
  headNodeAdditionalArgs = "string"
  includeDashboard = bool
  port = int
  workerNodeAdditionalArgs = "string"

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"

LabelingJobMediaProperties (objetos)

Establezca la propiedad mediaType para especificar el tipo de objeto.

En Image (Imagen), use:

  mediaType = "Image"
  annotationType = "string"

Para Text, use:

  mediaType = "Text"
  annotationType = "string"

Objetos MLAssistConfiguration

Establezca la propiedad mlAssist para especificar el tipo de objeto.

Para Deshabilitado, use:

  mlAssist = "Disabled"

Para Habilitado, use:

  mlAssist = "Enabled"
  inferencingComputeBinding = "string"
  trainingComputeBinding = "string"

Objetos SparkJobEntry

Establezca la propiedad sparkJobEntryType para especificar el tipo de objeto.

Para SparkJobPythonEntry, use:

  sparkJobEntryType = "SparkJobPythonEntry"
  file = "string"

Para SparkJobScalaEntry, use:

  sparkJobEntryType = "SparkJobScalaEntry"
  className = "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"
  logbase = "string"
  rule = "string"
  seed = int

Valores de propiedad

áreas de trabajo o trabajos

Nombre Descripción Value
type Tipo de recurso "Microsoft.MachineLearningServices/workspaces/jobs@2023-06-01-preview"
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. 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
notificationSetting Configuración de notificación para el trabajo NotificationSetting
properties Diccionario de propiedades de recursos. ResourceBaseProperties
secretsConfiguration Configuración para que los secretos estén disponibles durante el tiempo de ejecución. JobBaseSecretsConfiguration
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
Etiquetado
Canalización
Spark
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)

NotificationSetting

Nombre Descripción Valor
emailOn Enviar notificación por correo electrónico al usuario en el tipo de notificación especificado Matriz de cadenas que contiene cualquiera de:
"JobCancelled"
"JobCompleted"
"JobFailed"
emails Esta es la lista de destinatarios de correo electrónico que tiene una limitación de 499 caracteres en total concat con separador de comas. string[]
webhooks Enviar devolución de llamada de webhook a un servicio. La clave es un nombre proporcionado por el usuario para el webhook. NotificationSettingWebhooks

NotificationSettingWebhooks

Nombre Descripción Valor
{propiedad personalizada} Webhook

webhook

Nombre Descripción Valor
eventType Devolución de llamada de envío en un evento de notificación especificado string
webhookType Establecimiento del tipo de objeto AzureDevOps (obligatorio)

AzureDevOpsWebhook

Nombre Descripción Valor
webhookType [Obligatorio] Especifica el tipo de servicio que se va a enviar una devolución de llamada. "AzureDevOps" (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
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string
{propiedad personalizada} string

JobBaseSecretsConfiguration

Nombre Descripción Valor
{propiedad personalizada} SecretConfiguration
{propiedad personalizada} SecretConfiguration

SecretConfiguration

Nombre Descripción Valor
uri Uri secreto.
Uri de ejemplo: https://myvault.vault.azure.net/secrets/mysecretname/secretversion		 string
workspaceSecretName Nombre del secreto en el almacén de claves del área de trabajo. string

JobBaseServices

Nombre Descripción Valor
{propiedad personalizada} JobService
{propiedad personalizada} JobService

JobService

Nombre Descripción Valor
endpoint Dirección URL del punto de conexión. string
jobServiceType Tipo de punto de conexión. string
nodes Nodos en los que el usuario desea iniciar el servicio.
Si los nodos no se establecen o se establecen en null, el servicio solo se iniciará en el nodo de líder.		 Nodos
port Puerto para el punto de conexión establecido por el usuario. int
properties Propiedades adicionales que se van a establecer en el punto de conexión. JobServiceProperties

Nodos

Nombre Descripción Valor
nodesValueType Establecimiento del tipo de objeto Todos (obligatorios)

AllNodes

Nombre Descripción Valor
nodesValueType [Obligatorio] Tipo del valor nodos "All" (obligatorio)

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
queueSettings Configuración de cola para el trabajo QueueSettings
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)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
"Cargar"
uri URI del recurso de salida. string

AutoDeleteSetting

Nombre Descripción Valor
condición Cuándo comprobar si un recurso ha expirado "CreatedGreaterThan"
"LastAccessedGreaterThan"
value Valor de condición de expiración. string

MLFlowModelJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. "mlflow_model" (obligatorio)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
"Cargar"
uri URI del recurso de salida. string

MLTableJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. "mltable" (obligatorio)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
"Cargar"
uri URI del recurso de salida. string

TritonModelJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. "triton_model" (obligatorio)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
"Cargar"
uri URI del recurso de salida. string

UriFileJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. "uri_file" (obligatorio)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
"Cargar"
uri URI del recurso de salida. string

UriFolderJobOutput

Nombre Descripción Valor
jobOutputType [Obligatorio] Especifica el tipo de trabajo. "uri_folder" (obligatorio)
assetName Nombre del recurso de salida. string
assetVersion Versión del recurso de salida. string
autoDeleteSetting Configuración de eliminación automática del recurso de datos de salida. AutoDeleteSetting
mode Modo de entrega de recursos de salida. "Directo"
"ReadWriteMount"
"Cargar"
uri URI del recurso de salida. string

QueueSettings

Nombre Descripción Valor
jobTier Controla el nivel de trabajo de proceso "Básica"
"Null"
"Premium"
"Spot"
"Estándar"
priority Controla la prioridad del trabajo en un proceso. int

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
locations Ubicaciones donde se puede ejecutar el trabajo. string[]
maxInstanceCount Número máximo opcional permitido de instancias o nodos que va a usar el destino de proceso.
Para su uso con entrenamiento elástico, actualmente compatible solo con el tipo de distribución pyTorch.		 int
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 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:
Longitud mínima = 1
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
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. TableFixedParameters
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
positiveLabel Etiqueta positiva para el cálculo de métricas binarias. string
primaryMetric Métrica principal de la tarea. "AUCWeighted"
"Precisión"
"AveragePrecisionScoreWeighted"
"NormMacroRecall"
"PrecisionScoreWeighted"
searchSpace Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros. TableParameterSubspace[]
sweepSettings Configuración del barrido de modelos y ajuste de hiperparámetros. TableSweepSettings
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.

TableFixedParameters

Nombre Descripción Valor
Booster Especifique el tipo de aumento, por ejemplo, gbdt para XGBoost. string
boostingType Especifique el tipo de potenciación, por ejemplo, gbdt para LightGBM. string
growPolicy Especifique la directiva de crecimiento, que controla la forma en que se agregan nuevos nodos al árbol. string
learningRate Velocidad de aprendizaje para el procedimiento de entrenamiento. int
maxBin Especifique el número máximo de contenedores discretos en las características continuas del cubo. int
maxDepth Especifique la profundidad máxima para limitar explícitamente la profundidad del árbol. int
maxLeaves Especifique las hojas máximas para limitar explícitamente las hojas del árbol. int
minDataInLeaf Número mínimo de datos por hoja. int
minSplitGain Reducción mínima de pérdida necesaria para realizar una partición adicional en un nodo hoja del árbol. int
modelName Nombre del modelo que se va a entrenar. string
nEstimators Especifique el número de árboles (o redondeos) en un modelo. int
numLeaves Especifique el número de hojas. int
preprocessorName Nombre del preprocesador que se va a usar. string
regAlpha Término de regularización L1 en pesos. int
regLambda Término de regularización L2 en pesos. int
subsample Proporción de subsamples de la instancia de entrenamiento. int
subsampleFreq Frecuencia de submuestra. int
treeMethod Especifique el método de árbol. string
withMean Si es true, centre antes de escalar los datos con StandardScalar. bool
withStd Si es true, escale los datos con varianza unitaria con StandardScalar. bool

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
maxNodes Número máximo de nodos que se usarán para el experimento. int
maxTrials Número de iteraciones. int
sweepConcurrentTrials Número de ejecuciones de barrido simultáneas que el usuario quiere desencadenar. int
sweepTrials Número de ejecuciones de barrido que el usuario quiere desencadenar. 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)

TableParameterSubspace

Nombre Descripción Valor
Booster Especifique el tipo de aumento, por ejemplo, gbdt para XGBoost. string
boostingType Especifique el tipo de potenciación, por ejemplo, gbdt para LightGBM. string
growPolicy Especifique la directiva de crecimiento, que controla la forma en que se agregan nuevos nodos al árbol. string
learningRate Velocidad de aprendizaje para el procedimiento de entrenamiento. string
maxBin Especifique el número máximo de contenedores discretos en las características continuas del cubo. string
maxDepth Especifique la profundidad máxima para limitar explícitamente la profundidad del árbol. string
maxLeaves Especifique las hojas máximas para limitar explícitamente las hojas del árbol. string
minDataInLeaf Número mínimo de datos por hoja. string
minSplitGain Reducción mínima de pérdida necesaria para realizar una partición adicional en un nodo hoja del árbol. string
modelName Nombre del modelo que se va a entrenar. string
nEstimators Especifique el número de árboles (o redondeos) en un modelo. string
numLeaves Especifique el número de hojas. string
preprocessorName Nombre del preprocesador que se va a usar. string
regAlpha Término de regularización L1 en pesos. string
regLambda Término de regularización L2 en pesos. string
subsample Proporción de subsamples de la instancia de entrenamiento. string
subsampleFreq Frecuencia de submuestra string
treeMethod Especifique el método de árbol. string
withMean Si es true, centre antes de escalar los datos con StandardScalar. string
withStd Si es true, escale los datos con varianza unitaria con StandardScalar. string

TableSweepSettings

Nombre Descripción Valor
earlyTermination Tipo de directiva de terminación anticipada para el trabajo de barrido. EarlyTerminationPolicy
samplingAlgorithm [Obligatorio] Tipo de algoritmo de muestreo. "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 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

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
trainingMode Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido" por ahora, pero en el futuro puede dar lugar a una selección de modo mixto o heurística basada en modo. El valor predeterminado es "auto".
Si "Distribuido", solo se usa la caracterización distribuida y se eligen los algoritmos distribuidos.
Si "NonDistributed" solo se eligen algoritmos no distribuidos.
 "Automático"
"Distribuido"
"NonDistributed"

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 usarán para los datos CVSplit. string[]
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. TableVerticalFeaturizationSettings
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. TableFixedParameters
forecastingSettings Previsión de entradas específicas de la tarea. ForecastingSettings
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 previsión. "NormalizedMeanAbsoluteError"
"NormalizedRootMeanSquaredError"
"R2Score"
"SpearmanCorrelation"
searchSpace Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros. TableParameterSubspace[]
sweepSettings Configuración del barrido de modelos y ajuste de hiperparámetros. TableSweepSettings
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"
featuresUnknownAtForecastTime Columnas de características que están disponibles para el entrenamiento pero desconocidas en el momento de la previsión o la inferencia.
Si no se establece features_unknown_at_forecast_time, se supone que todas las columnas de características del conjunto de datos se conocen en el momento de la inferencia.		 string[]
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/Personalizado "Auto" (obligatorio)

CustomTargetLags

Nombre Descripción Valor
mode [Obligatorio] Establecer el modo de retardo de destino: Automático/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"
"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"
"Promedio"
"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
trainingMode Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido" por ahora, pero en el futuro puede dar lugar a una selección de modo mixto o heurística basada en modo. El valor predeterminado es "auto".
Si "Distribuido", solo se usa la caracterización distribuida y se eligen los algoritmos distribuidos.
Si "NonDistributed" solo se eligen algoritmos no distribuidos.
 "Automático"
"Distribuido"
"NonDistributed"

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 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 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:
Longitud mínima = 1
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"
"Cuadrícula"
"Aleatorio" (obligatorio)

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". "None"
"Paso"
"WarmupCosine"
logTrainingMetrics Habilite las métricas de entrenamiento de computación y registro. “Deshabilitar”
"Habilitar”
logValidationLoss Habilite la computación y la pérdida de validación de registro. “Deshabilitar”
"Habilitar”
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 del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1]. int
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".		 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 la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un valor flotante 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 valor flotante 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
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. TableFixedParameters
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"
searchSpace Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros. TableParameterSubspace[]
sweepSettings Configuración del barrido de modelos y ajuste de hiperparámetros. TableSweepSettings
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
trainingMode Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido" por ahora, pero en el futuro puede dar lugar a una selección de modo mixto o heurística basada en modo. El valor predeterminado es "auto".
Si "Distribuido", solo se usa la caracterización distribuida y se eligen los algoritmos distribuidos.
Si "NonDistributed" solo se eligen algoritmos no distribuidos.
 "Automático"
"Distribuido"
"NonDistributed"

TextClassification

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. "TextClassification" (obligatorio)
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. NlpVerticalFeaturizationSettings
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. NlpFixedParameters
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
primaryMetric Métrica principal para Text-Classification tarea. "AUCWeighted"
"Precisión"
"AveragePrecisionScoreWeighted"
"NormMacroRecall"
"PrecisionScoreWeighted"
searchSpace Espacio de búsqueda para muestreo de diferentes combinaciones de modelos y sus hiperparámetros. NlpParameterSubspace[]
sweepSettings Configuración para el barrido de modelos y el ajuste de hiperparámetros. NlpSweepSettings
validationData Entradas de datos de validación. MLTableJobInput

NlpVerticalFeaturizationSettings

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

NlpFixedParameters

Nombre Descripción Valor
gradientAccumulationSteps Número de pasos para acumular degradados antes de ejecutar un paso hacia atrás. int
learningRate Velocidad de aprendizaje para el procedimiento de entrenamiento. int
learningRateScheduler Tipo de programación de velocidad de aprendizaje que se va a usar durante el procedimiento de entrenamiento. "Constante"
"ConstantWithWarmup"
"Coseno"
"CosineWithRestarts"
"Lineal"
"None"
"Polinomial"
modelName Nombre del modelo que se va a entrenar. string
numberOfEpochs Número de épocas de entrenamiento. int
trainingBatchSize Tamaño del lote para el procedimiento de entrenamiento. int
validationBatchSize Tamaño del lote que se va a usar durante la evaluación. int
warmupRatio La relación de preparación, usada junto con LrSchedulerType. int
weightDecay La disminución del peso para el procedimiento de entrenamiento. int

NlpVerticalLimitSettings

Nombre Descripción Valor
maxConcurrentTrials Iteraciones de AutoML simultáneas máximas. int
maxNodes Número máximo de nodos que se van a usar para el experimento. int
maxTrials Número de iteraciones de AutoML. int
timeout Tiempo de espera del trabajo de AutoML. string
trialTimeout Tiempo de espera para pruebas individuales de HD. string

NlpParameterSubspace

Nombre Descripción Valor
gradientAccumulationSteps Número de pasos para acumular degradados antes de ejecutar un paso hacia atrás. string
learningRate Velocidad de aprendizaje para el procedimiento de entrenamiento. string
learningRateScheduler Tipo de programación de velocidad de aprendizaje que se va a usar durante el procedimiento de entrenamiento. string
modelName Nombre del modelo que se va a entrenar. string
numberOfEpochs Número de épocas de entrenamiento. string
trainingBatchSize Tamaño del lote para el procedimiento de entrenamiento. string
validationBatchSize Tamaño del lote que se va a usar durante la evaluación. string
warmupRatio La relación de preparación, usada junto con LrSchedulerType. string
weightDecay La disminución del peso para el procedimiento de entrenamiento. string

NlpSweepSettings

Nombre Descripción Valor
earlyTermination Tipo de directiva de terminación anticipada para el trabajo de barrido. EarlyTerminationPolicy
samplingAlgorithm [Obligatorio] Tipo de algoritmo de muestreo. "Bayesiano"
"Cuadrícula"
"Aleatorio" (obligatorio)

TextClassificationMultilabel

Nombre Descripción Valor
taskType [Obligatorio] Tipo de tarea para AutoMLJob. "TextClassificationMultilabel" (obligatorio)
featurizationSettings Entradas de caracterización necesarias para el trabajo de AutoML. NlpVerticalFeaturizationSettings
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. NlpFixedParameters
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
searchSpace Espacio de búsqueda para muestreo de diferentes combinaciones de modelos y sus hiperparámetros. NlpParameterSubspace[]
sweepSettings Configuración para el barrido de modelos y el ajuste de hiperparámetros. NlpSweepSettings
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
fixedParameters Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento. NlpFixedParameters
limitSettings Restricciones de ejecución para AutoMLJob. NlpVerticalLimitSettings
searchSpace Espacio de búsqueda para muestreo de diferentes combinaciones de modelos y sus hiperparámetros. NlpParameterSubspace[]
sweepSettings Configuración para el barrido de modelos y el ajuste de hiperparámetros. NlpSweepSettings
validationData Entradas de datos de validación. MLTableJobInput

CommandJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. "Command" (obligatorio)
autologgerSettings Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch o null. AutologgerSettings
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, Ray o null. DistributionConfiguration
environmentId [Obligatorio] Identificador de recurso de ARM de la especificación del entorno para el trabajo. string (obligatorio)

Restricciones:
Longitud mínima = 1
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
queueSettings Configuración de cola para el trabajo QueueSettings
resources Configuración de recursos de proceso para el trabajo. JobResourceConfiguration

AutologgerSettings

Nombre Descripción Valor
mlflowAutologger [Obligatorio] Indica si el registrador automático de mlflow está habilitado. "Deshabilitado"
"Habilitado" (obligatorio)

DistributionConfiguration

Nombre Descripción Valor
distributionType Establecimiento del tipo de objeto Mpi
PyTorch
Raya
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

Raya

Nombre Descripción Valor
distributionType [Obligatorio] Especifica el tipo de marco de distribución. "Ray" (obligatorio)
address Dirección del nodo principal de Ray. string
dashboardPort Puerto al que se va a enlazar el servidor de panel. int
headNodeAdditionalArgs Argumentos adicionales pasados al inicio de ray en el nodo principal. string
includeDashboard Proporcione este argumento para iniciar la GUI del panel de Ray. bool
port Puerto del proceso del rayo de cabeza. int
workerNodeAdditionalArgs Argumentos adicionales pasados al inicio de ray en el nodo de trabajo. string

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:
Longitud mínima = 1
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:
Longitud mínima = 1
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:
Longitud mínima = 1
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:
Longitud mínima = 1
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:
Longitud mínima = 1
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

LabelingJobProperties

Nombre Descripción Valor
Componentid Id. de recurso de ARM del recurso de componente. string
computeId Identificador de recurso de ARM del recurso de proceso. string
dataConfiguration Configuración de datos usados en el trabajo. LabelingDataConfiguration
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
jobInstructions Instrucciones de etiquetado del trabajo. LabelingJobInstructions
jobType [Obligatorio] Especifica el tipo de trabajo. "AutoML"
"Comando"
"Etiquetado"
"Canalización"
"Spark"
"Barrido" (obligatorio)
labelCategories Categorías de etiqueta del trabajo. LabelingJobLabelCategories
labelingJobMediaProperties Propiedades específicas del tipo de medio en el trabajo. LabelingJobMediaProperties
mlAssistConfiguration Configuración de la característica MLAssist en el trabajo. MLAssistConfiguration
notificationSetting Configuración de notificación para el trabajo NotificationSetting
properties Diccionario de propiedades de recurso. ResourceBaseProperties
secretsConfiguration Configuración de secretos que se van a poner a disposición durante el tiempo de ejecución. JobBaseSecretsConfiguration
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

LabelingDataConfiguration

Nombre Descripción Valor
dataId Identificador de recurso del recurso de datos para realizar el etiquetado. string
incrementalDataRefresh Indica si se va a habilitar la actualización incremental de datos. "Deshabilitado"
"Habilitado"

LabelingJobInstructions

Nombre Descripción Valor
uri Vínculo a una página con instrucciones de etiquetado detalladas para los etiquetadores. string

LabelingJobLabelCategories

Nombre Descripción Valor
{propiedad personalizada} LabelCategory
{propiedad personalizada} LabelCategory

LabelCategory

Nombre Descripción Valor
clases Diccionario de clases de etiqueta en esta categoría. LabelCategoryClasses
DisplayName Nombre para mostrar de la categoría de etiqueta. string
Multiselect Indica si se permite seleccionar varias clases en esta categoría. "Deshabilitado"
"Habilitado"

LabelCategoryClasses

Nombre Descripción Valor
{propiedad personalizada} LabelClass

LabelClass

Nombre Descripción Valor
DisplayName Nombre para mostrar de la clase de etiqueta. string
Subclases Diccionario de subclases de la clase label. LabelClassSubclasses

LabelClassSubclasses

Nombre Descripción Valor
{propiedad personalizada} LabelClass

LabelingJobMediaProperties

Nombre Descripción Valor
mediaType Establecimiento del tipo de objeto Imagen
Texto (obligatorio)

LabelingJobImageProperties

Nombre Descripción Valor
mediaType [Obligatorio] Tipo de medio del trabajo. "Imagen" (obligatorio)
annotationType Tipo de anotación del trabajo de etiquetado de imágenes. "BoundingBox"
"Clasificación"
"InstanceSegmentation"

LabelingJobTextProperties

Nombre Descripción Valor
mediaType [Obligatorio] Tipo de medio del trabajo. "Texto" (obligatorio)
annotationType Tipo de anotación del trabajo de etiquetado de texto. "Clasificación"
"NamedEntityRecognition"

MLAssistConfiguration

Nombre Descripción Valor
mlAssist Establecimiento del tipo de objeto Deshabilitado
Habilitado (obligatorio)

MLAssistConfigurationDisabled

Nombre Descripción Valor
mlAssist [Obligatorio] Indica si la característica MLAssist está habilitada. "Deshabilitado" (obligatorio)

MLAssistConfigurationEnabled

Nombre Descripción Valor
mlAssist [Obligatorio] Indica si la característica MLAssist está habilitada. "Habilitado" (obligatorio)
inferencingComputeBinding [Obligatorio] Enlace de proceso de AML usado en la inferencia. string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]
trainingComputeBinding [Obligatorio] Enlace de proceso de AML usado en el entrenamiento. string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]

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

SparkJob

Nombre Descripción Valor
jobType [Obligatorio] Especifica el tipo de trabajo. "Spark" (obligatorio)
archives Archivar archivos usados en el trabajo. string[]
args Argumentos para el trabajo. string
codeId [Obligatorio] Identificador de recurso de ARM del recurso de código. string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]
conf Propiedades configuradas por Spark. SparkJobConf
entry [Obligatorio] Entrada que se va a ejecutar al iniciar el trabajo. SparkJobEntry (obligatorio)
environmentId Identificador de recurso de ARM de la especificación del entorno para el trabajo. string
archivos Archivos usados en el trabajo. string[]
inputs Asignación de enlaces de datos de entrada usados en el trabajo. SparkJobInputs
jars Archivos Jar usados en el trabajo. string[]
outputs Asignación de enlaces de datos de salida usados en el trabajo. SparkJobOutputs
pyFiles Archivos de Python usados en el trabajo. string[]
queueSettings Configuración de cola para el trabajo QueueSettings
resources Configuración de recursos de proceso para el trabajo. SparkResourceConfiguration

SparkJobConf

Nombre Descripción Valor
{propiedad personalizada} string

SparkJobEntry

Nombre Descripción Valor
sparkJobEntryType Establecimiento del tipo de objeto SparkJobPythonEntry
SparkJobScalaEntry (obligatorio)

SparkJobPythonEntry

Nombre Descripción Valor
sparkJobEntryType [Obligatorio] Tipo del punto de entrada del trabajo. "SparkJobPythonEntry" (obligatorio)
archivo [Obligatorio] Ruta de acceso relativa del archivo de Python para el punto de entrada del trabajo. string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]

SparkJobScalaEntry

Nombre Descripción Valor
sparkJobEntryType [Obligatorio] Tipo del punto de entrada del trabajo. "SparkJobScalaEntry" (obligatorio)
className [Obligatorio] Nombre de clase de Scala usado como punto de entrada. string (obligatorio)

Restricciones:
Longitud mínima = 1
Patrón = [a-zA-Z0-9_]

SparkJobInputs

Nombre Descripción Valor
{propiedad personalizada} JobInput

SparkJobOutputs

Nombre Descripción Valor
{propiedad personalizada} JobOutput

SparkResourceConfiguration

Nombre Descripción Valor
instanceType Tipo opcional de máquina virtual que se usa como compatible con el destino de proceso. string
runtimeVersion Versión del entorno de ejecución de Spark que se usa para el trabajo. string

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
queueSettings Configuración de cola para el trabajo QueueSettings
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:
Longitud mínima = 1
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. "Aleatorio" (obligatorio)
logbase Número positivo opcional o e en formato de cadena que se usará como base para el muestreo aleatorio basado en registros string
rule Tipo específico de algoritmo aleatorio "Aleatorio"
"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:
Longitud mínima = 1
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