Szolgáltatási korlátok az Azure Machine Learningben
Cikk
Ez a szakasz az Azure Machine Learning alapvető korlátait és szabályozási küszöbértékeit sorolja fel.
Fontos
Az Azure Machine Learning nem tárolja vagy dolgozza fel az adatokat azon a régión kívül, ahol üzembe helyezi.
Munkaterületek
Korlát
Érték
Munkaterület neve
2–32 karakter
Kísérletek
Korlát
Érték
Name (Név)
256 karakter
Description
5000 karakter
Címkék száma
50
A címkekulcs hossza
250 karakter
Címkeérték hossza
1000 karakter
Összetevő helye
1024 karakter
Futtatás
Korlát
Érték
Futtatások munkaterületenként
10 millió
RunId/ParentRunId
256 karakter
DataContainerId
261 karakter
DisplayName
256 karakter
Description
5000 karakter
Tulajdonságok száma
50
A tulajdonságkulcs hossza
100 karakter
Tulajdonságérték hossza
1000 karakter
Címkék száma
50
A címkekulcs hossza
100
Címkeérték hossza
1000 karakter
CancelUri / CompleteUri / DiagnosticsUri
1000 karakter
Hibaüzenet hossza
3000 karakter
Figyelmeztető üzenet hossza
300 karakter
Bemeneti adathalmazok száma
200
Kimeneti adathalmazok száma
20
Egyéni környezetek
Korlát
Érték
Fájlok száma a Docker buildkörnyezetében
100
Teljes fájlméret a Docker buildkörnyezetében
1 MB
Mérőszámok
Korlát
Érték
Futtatásonkénti metrikanevek
50
Metrikasorok metrikanév szerint
1 millió
Oszlopok metrikasoronként
15
Metrikaoszlop nevének hossza
255 karakter
Metrikaoszlop értékhossza
255 karakter
Feltöltött kötegenkénti metrikasorok
250
Megjegyzés
Ha futásonként eléri a metrikanevek korlátját, mert változókat formáz a metrikanévbe, érdemes inkább egy sormetrikát használni, ahol az egyik oszlop a változó értéke, a második oszlop pedig a metrikaérték.
Artifacts
Korlát
Érték
Összetevők száma futtatásonként
10 millió
Az összetevő elérési útjának maximális hossza
5000 karakter
Modellek
Korlát
Érték
Modellek száma munkaterületenként
5 millió modelltároló/verzió (beleértve a korábban törölt modelleket is)