Áreas de trabajo de Microsoft.MachineLearningServices/jobs 2023-06-01-preview
Definición de recursos de Bicep
El tipo de recurso workspaces/jobs se puede implementar con operaciones destinadas a:
- Grupos de recursos: consulte los comandos de implementación del grupo 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 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 serátres 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 |
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 |
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 |
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:
- Grupos de recursos: consulte los comandos de implementación del grupo 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 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 serátres 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 |
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 |
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 |
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 serátres 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 |
Comentarios
https://aka.ms/ContentUserFeedback.
Próximamente: A lo largo de 2024 iremos eliminando gradualmente GitHub Issues como mecanismo de comentarios sobre el contenido y lo sustituiremos por un nuevo sistema de comentarios. Para más información, vea:Enviar y ver comentarios de