Aree di lavoro Microsoft.MachineLearningServices/pianificazioni 2022-12-01-preview
Definizione di risorsa Bicep
Il tipo di risorsa aree di lavoro/pianificazioni può essere distribuito con operazioni destinate a:
Per un elenco delle proprietà modificate in ogni versione dell'API, vedere log delle modifiche.
Formato risorsa
Per creare una risorsa Microsoft.MachineLearningServices/workspaces/schedules, aggiungere il bicep seguente al modello.
resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2022-12-01-preview' = {
name: 'string'
parent: resourceSymbolicName
properties: {
action: {
actionType: 'string'
// For remaining properties, see ScheduleActionBase objects
}
description: 'string'
displayName: 'string'
isEnabled: bool
properties: {
{customized property}: 'string'
}
tags: {}
trigger: {
endTime: 'string'
startTime: 'string'
timeZone: 'string'
triggerType: 'string'
// For remaining properties, see TriggerBase objects
}
}
}
Oggetti ScheduleActionBase
Impostare la proprietà actionType
Per CreateJob, usare:
actionType: 'CreateJob'
jobDefinition: {
componentId: 'string'
computeId: 'string'
description: 'string'
displayName: 'string'
experimentName: 'string'
identity: {
identityType: 'string'
// For remaining properties, see IdentityConfiguration objects
}
isArchived: bool
properties: {
{customized property}: 'string'
}
services: {
{customized property}: {
endpoint: 'string'
jobServiceType: 'string'
nodes: {
nodesValueType: 'string'
// For remaining properties, see Nodes objects
}
port: int
properties: {
{customized property}: 'string'
}
}
}
tags: {}
jobType: 'string'
// For remaining properties, see JobBaseProperties objects
}
Per InvokeBatchEndpoint, usare:
actionType: 'InvokeBatchEndpoint'
endpointInvocationDefinition: any()
Oggetti JobBaseProperties
Impostare la proprietà jobType per specificare il tipo di oggetto.
Per AutoML, usare:
jobType: 'AutoML'
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
properties: {
{customized property}: any()
}
shmSize: 'string'
}
taskDetails: {
logVerbosity: 'string'
targetColumnName: 'string'
trainingData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
taskType: 'string'
// For remaining properties, see AutoMLVertical objects
}
Per Comando, usare:
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
}
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
properties: {
{customized property}: any()
}
shmSize: 'string'
}
Per etichettatura, usare:
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'
}
}
labelingJobMediaProperties: {
mediaType: 'string'
// For remaining properties, see LabelingJobMediaProperties objects
}
mlAssistConfiguration: {
mlAssist: 'string'
// For remaining properties, see MLAssistConfiguration objects
}
Per Pipeline, usare:
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'
Per Spark, usare:
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'
]
resources: {
instanceType: 'string'
runtimeVersion: 'string'
}
Per Sweep, usare:
jobType: 'Sweep'
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
limits: {
jobLimitsType: 'string'
maxConcurrentTrials: int
maxTotalTrials: int
timeout: 'string'
trialTimeout: 'string'
}
objective: {
goal: 'string'
primaryMetric: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
samplingAlgorithm: {
samplingAlgorithmType: 'string'
// For remaining properties, see SamplingAlgorithm objects
}
searchSpace: any()
trial: {
codeId: 'string'
command: 'string'
distribution: {
distributionType: 'string'
// For remaining properties, see DistributionConfiguration objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
properties: {
{customized property}: any()
}
shmSize: 'string'
}
}
Oggetti IdentityConfiguration
Impostare la proprietà identityType
Per AMLToken, usare:
identityType: 'AMLToken'
Per gestito, usare:
identityType: 'Managed'
clientId: 'string'
objectId: 'string'
resourceId: 'string'
Per UserIdentity, usare:
identityType: 'UserIdentity'
Oggetti Nodi
Impostare la proprietà nodesValueType per specificare il tipo di oggetto.
Per Tutti i, usare:
nodesValueType: 'All'
Oggetti JobOutput
Impostare la proprietà jobOutputType
Per custom_model, usare:
jobOutputType: 'custom_model'
assetName: 'string'
assetVersion: 'string'
mode: 'string'
uri: 'string'
Per mlflow_model, usare:
jobOutputType: 'mlflow_model'
assetName: 'string'
assetVersion: 'string'
mode: 'string'
uri: 'string'
Per mltable, usare:
jobOutputType: 'mltable'
assetName: 'string'
assetVersion: 'string'
mode: 'string'
uri: 'string'
Per triton_model, usare:
jobOutputType: 'triton_model'
assetName: 'string'
assetVersion: 'string'
mode: 'string'
uri: 'string'
Per uri_file, usare:
jobOutputType: 'uri_file'
assetName: 'string'
assetVersion: 'string'
mode: 'string'
uri: 'string'
Per uri_folder, usare:
jobOutputType: 'uri_folder'
assetName: 'string'
assetVersion: 'string'
mode: 'string'
uri: 'string'
Oggetti AutoMLVertical
Impostare la proprietà taskType
Per Classificazione, usare:
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'
Per Previsione, usare:
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'
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'
Per ImageClassification, usare:
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
Per ImageClassificationMultilabel, usare:
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
Per ImageInstanceSegmentation, usare:
taskType: 'ImageInstanceSegmentation'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
boxDetectionsPerImage: int
boxScoreThreshold: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
imageSize: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
maxSize: int
minSize: int
modelName: 'string'
modelSize: 'string'
momentum: int
multiScale: bool
nesterov: bool
nmsIouThreshold: int
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
tileGridSize: 'string'
tileOverlapRatio: int
tilePredictionsNmsThreshold: int
trainingBatchSize: int
validationBatchSize: int
validationIouThreshold: int
validationMetricType: 'string'
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
}
primaryMetric: 'MeanAveragePrecision'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
boxDetectionsPerImage: 'string'
boxScoreThreshold: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
imageSize: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
maxSize: 'string'
minSize: 'string'
modelName: 'string'
modelSize: 'string'
momentum: 'string'
multiScale: 'string'
nesterov: 'string'
nmsIouThreshold: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
tileGridSize: 'string'
tileOverlapRatio: 'string'
tilePredictionsNmsThreshold: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
validationIouThreshold: 'string'
validationMetricType: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Per ImageObjectDetection, usare:
taskType: 'ImageObjectDetection'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
boxDetectionsPerImage: int
boxScoreThreshold: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
imageSize: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
maxSize: int
minSize: int
modelName: 'string'
modelSize: 'string'
momentum: int
multiScale: bool
nesterov: bool
nmsIouThreshold: int
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
tileGridSize: 'string'
tileOverlapRatio: int
tilePredictionsNmsThreshold: int
trainingBatchSize: int
validationBatchSize: int
validationIouThreshold: int
validationMetricType: 'string'
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
}
primaryMetric: 'MeanAveragePrecision'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
boxDetectionsPerImage: 'string'
boxScoreThreshold: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
imageSize: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
maxSize: 'string'
minSize: 'string'
modelName: 'string'
modelSize: 'string'
momentum: 'string'
multiScale: 'string'
nesterov: 'string'
nmsIouThreshold: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
tileGridSize: 'string'
tileOverlapRatio: 'string'
tilePredictionsNmsThreshold: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
validationIouThreshold: 'string'
validationMetricType: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Per regressione, usare:
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'
Per TextClassification, usare:
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'
}
Per TextClassificationMultilabel, usare:
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'
}
Per TextNER, usare:
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'
}
Oggetti NCrossValidations
Impostare la proprietà modalità
Per automatico, usare:
mode: 'Auto'
Per personalizzato, usare:
mode: 'Custom'
value: int
Oggetti EarlyTerminationPolicy
Impostare la proprietà policyType
Per Bandit, usare:
policyType: 'Bandit'
slackAmount: int
slackFactor: int
Per MedianStopping, usare:
policyType: 'MedianStopping'
Per TruncationSelection, usare:
policyType: 'TruncationSelection'
truncationPercentage: int
Oggetti ForecastHorizon
Impostare la proprietà modalità
Per automatico, usare:
mode: 'Auto'
Per personalizzato, usare:
mode: 'Custom'
value: int
Oggetti stagionalità
Impostare la proprietà modalità
Per automatico, usare:
mode: 'Auto'
Per personalizzato, usare:
mode: 'Custom'
value: int
Oggetti TargetLags
Impostare la proprietà modalità
Per automatico, usare:
mode: 'Auto'
Per personalizzato, usare:
mode: 'Custom'
values: [
int
]
Oggetti TargetRollingWindowSize
Impostare la proprietà modalità
Per automatico, usare:
mode: 'Auto'
Per personalizzato, usare:
mode: 'Custom'
value: int
Oggetti DistributionConfiguration
Impostare la proprietà distributionType
Per Mpi, usare:
distributionType: 'Mpi'
processCountPerInstance: int
Per PyTorch, usare:
distributionType: 'PyTorch'
processCountPerInstance: int
Per TensorFlow, usare:
distributionType: 'TensorFlow'
parameterServerCount: int
workerCount: int
Oggetti JobInput
Impostare la proprietà jobInputType
Per custom_model, usare:
jobInputType: 'custom_model'
mode: 'string'
uri: 'string'
Per valore letterale, usare:
jobInputType: 'literal'
value: 'string'
Per mlflow_model, usare:
jobInputType: 'mlflow_model'
mode: 'string'
uri: 'string'
Per mltable, usare:
jobInputType: 'mltable'
mode: 'string'
uri: 'string'
Per triton_model, usare:
jobInputType: 'triton_model'
mode: 'string'
uri: 'string'
Per uri_file, usare:
jobInputType: 'uri_file'
mode: 'string'
uri: 'string'
Per uri_folder, usare:
jobInputType: 'uri_folder'
mode: 'string'
uri: 'string'
Oggetti LabelingJobMediaProperties
Impostare la proprietà mediaType
Per Image, usare:
mediaType: 'Image'
annotationType: 'string'
Per testo, usare:
mediaType: 'Text'
annotationType: 'string'
Oggetti MLAssistConfiguration
Impostare la proprietà mlAssist
Per Disabilitato, usare:
mlAssist: 'Disabled'
Per Abilitato, usare:
mlAssist: 'Enabled'
inferencingComputeBinding: 'string'
trainingComputeBinding: 'string'
Oggetti SparkJobEntry
Impostare la proprietà sparkJobEntryType
Per SparkJobPythonEntry, usare:
sparkJobEntryType: 'SparkJobPythonEntry'
file: 'string'
Per SparkJobScalaEntry, usare:
sparkJobEntryType: 'SparkJobScalaEntry'
className: 'string'
Oggetti SamplingAlgorithm
Impostare la proprietà samplingAlgorithmType per specificare il tipo di oggetto.
Per bayesian, usare:
samplingAlgorithmType: 'Bayesian'
Per Grid, usare:
samplingAlgorithmType: 'Grid'
Per casuale, usare:
samplingAlgorithmType: 'Random'
logbase: 'string'
rule: 'string'
seed: int
Oggetti TriggerBase
Impostare la proprietà triggerType
Per Cron, usare:
triggerType: 'Cron'
expression: 'string'
Per ricorrenza, usare:
triggerType: 'Recurrence'
frequency: 'string'
interval: int
schedule: {
hours: [
int
]
minutes: [
int
]
monthDays: [
int
]
weekDays: [
'string'
]
}
Valori delle proprietà
aree di lavoro/pianificazioni
| Nome | Descrizione | Valore |
|---|---|---|
| nome | Nome della risorsa Vedere come impostare nomi e tipi per le risorse figlio in Bicep. |
stringa (obbligatorio) |
| genitore | In Bicep è possibile specificare la risorsa padre per una risorsa figlio. È necessario aggiungere questa proprietà solo quando la risorsa figlio viene dichiarata all'esterno della risorsa padre. Per altre informazioni, vedere risorsa figlio all'esterno della risorsa padre. |
Nome simbolico per la risorsa di tipo: aree di lavoro |
| proprietà | [Obbligatorio] Attributi aggiuntivi dell'entità. | Proprietà pianificazione (obbligatorio) |
Proprietà pianificazione
| Nome | Descrizione | Valore |
|---|---|---|
| azione | [Obbligatorio] Specifica l'azione della pianificazione | ScheduleActionBase (obbligatorio) |
| descrizione | Testo della descrizione dell'asset. | corda |
| displayName | Nome visualizzato della pianificazione. | corda |
| isEnabled | La pianificazione è abilitata? | Bool |
| proprietà | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
| Tag | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | oggetto |
| Grilletto | [Obbligatorio] Specifica i dettagli del trigger | triggerbase (obbligatorio) |
ScheduleActionBase
| Nome | Descrizione | Valore |
|---|---|---|
| actionType | Impostare il tipo di oggetto |
CreateJob InvokeBatchEndpoint (obbligatorio) |
JobScheduleAction
JobBaseProperties
| Nome | Descrizione | Valore |
|---|---|---|
| componentId | ID risorsa ARM della risorsa componente. | corda |
| computeId | ID risorsa ARM della risorsa di calcolo. | corda |
| descrizione | Testo della descrizione dell'asset. | corda |
| displayName | Nome visualizzato del processo. | corda |
| experimentName | Nome dell'esperimento a cui appartiene il processo. Se non è impostato, il processo viene inserito nell'esperimento "Default". | corda |
| identità | Configurazione dell'identità. Se impostato, deve essere uno di AmlToken, ManagedIdentity, UserIdentity o Null. L'impostazione predefinita è AmlToken se null. |
IdentityConfiguration |
| isArchived | L'asset è archiviato? | Bool |
| proprietà | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
| servizi | Elenco di JobEndpoints. Per i processi locali, un endpoint di processo avrà un valore endpoint di FileStreamObject. |
JobBaseServices |
| Tag | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | oggetto |
| jobType | Impostare il tipo di oggetto |
AutoML comando etichettatura pipeline Spark sweep (obbligatorio) |
IdentityConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| identityType | Impostare il tipo di oggetto |
AMLToken gestito UserIdentity (obbligatorio) |
AmlToken
| Nome | Descrizione | Valore |
|---|---|---|
| identityType | [Obbligatorio] Specifica il tipo di framework di gestione delle identità. | 'AMLToken' (obbligatorio) |
ManagedIdentity
| Nome | Descrizione | Valore |
|---|---|---|
| identityType | [Obbligatorio] Specifica il tipo di framework di gestione delle identità. | 'Managed' (obbligatorio) |
| clientId | Specifica un'identità assegnata dall'utente in base all'ID client. Per l'assegnazione del sistema, non impostare questo campo. | corda Vincoli: Lunghezza minima = 36 Lunghezza massima = 36 Pattern = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| objectId | Specifica un'identità assegnata dall'utente in base all'ID oggetto. Per l'assegnazione del sistema, non impostare questo campo. | corda Vincoli: Lunghezza minima = 36 Lunghezza massima = 36 Pattern = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| resourceId | Specifica un'identità assegnata dall'utente in base all'ID risorsa arm. Per l'assegnazione del sistema, non impostare questo campo. | corda |
UserIdentity
| Nome | Descrizione | Valore |
|---|---|---|
| identityType | [Obbligatorio] Specifica il tipo di framework di gestione delle identità. | 'UserIdentity' (obbligatorio) |
ResourceBaseProperties
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
JobBaseServices
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobService |
JobService
| Nome | Descrizione | Valore |
|---|---|---|
| Endpoint | URL per l'endpoint. | corda |
| jobServiceType | Tipo di endpoint. | corda |
| nodi | Nodi su cui l'utente vuole avviare il servizio. Se i nodi non sono impostati o impostati su Null, il servizio verrà avviato solo nel nodo leader. |
nodi |
| porto | Porta per l'endpoint impostato dall'utente. | Int |
| proprietà | Proprietà aggiuntive da impostare nell'endpoint. | JobServiceProperties |
Nodi
| Nome | Descrizione | Valore |
|---|---|---|
| nodesValueType | Impostare il tipo di oggetto | Tutte le (obbligatorio) |
AllNodes
| Nome | Descrizione | Valore |
|---|---|---|
| nodesValueType | [Obbligatorio] Tipo del valore Nodes | 'All' (obbligatorio) |
JobServiceProperties
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
AutoMLJob
| Nome | Descrizione | Valore |
|---|---|---|
| jobType | [Obbligatorio] Specifica il tipo di processo. | 'AutoML' (obbligatorio) |
| environmentId | ID risorsa ARM della specifica Ambiente per il processo. Questo è un valore facoltativo da specificare, se non specificato, l'impostazione predefinita di AutoML è la versione dell'ambiente curato per la produzione durante l'esecuzione del processo. |
corda |
| environmentVariables | Variabili di ambiente incluse nel processo. | AutoMLJobEnvironmentVariables |
| Uscite | Mapping dei data binding di output usati nel processo. | AutoMLJobOutputs |
| risorse | Configurazione delle risorse di calcolo per il processo. | JobResourceConfiguration |
| taskDetails | [Obbligatorio] Questo scenario rappresenta uno scenario che può essere una delle tabelle/NLP/Image | AutomaticoMLVertical (obbligatorio) |
AutoMLJobEnvironmentVariables
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
AutoMLJobOutputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobOutput |
JobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| descrizione | Descrizione per l'output. | corda |
| jobOutputType | Impostare il tipo di oggetto |
custom_model mlflow_model mltable triton_model uri_file uri_folder (obbligatorio) |
CustomModelJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'custom_model' (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
| Uri | URI dell'asset di output. | corda |
MLFlowModelJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'mlflow_model' (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
| Uri | URI dell'asset di output. | corda |
MLTableJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'mltable' (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
| Uri | URI dell'asset di output. | corda |
ModelModelJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'triton_model' (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
| Uri | URI dell'asset di output. | corda |
UriFileJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'uri_file' (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
| Uri | URI dell'asset di output. | corda |
UriFolderJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'uri_folder' (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
| Uri | URI dell'asset di output. | corda |
JobResourceConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| dockerArgs | Argomenti aggiuntivi da passare al comando docker run. L'override di tutti i parametri già impostati dal sistema o in questa sezione. Questo parametro è supportato solo per i tipi di calcolo di Azure ML. | corda |
| instanceCount | Numero facoltativo di istanze o nodi usati dalla destinazione di calcolo. | Int |
| instanceType | Tipo facoltativo di macchina virtuale usato come supportato dalla destinazione di calcolo. | corda |
| proprietà | Contenitore di proprietà aggiuntive. | ResourceConfigurationProperties |
| shmSize | Dimensioni del blocco di memoria condiviso del contenitore Docker. Deve essere nel formato (numero)(unità) in cui il numero deve essere maggiore di 0 e l'unità può essere uno di b(byte), k(kilobyte), m(megabyte) o g(gigabyte). | corda Vincoli: Pattern = \d+[bBkKmMgG] |
ResourceConfigurationProperties
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | Per Bicep, è possibile usare la funzione any() |
AutoMLVertical
| Nome | Descrizione | Valore |
|---|---|---|
| logVerbosity | Registrare il livello di dettaglio per il processo. | 'Critico' 'Debug' 'Error' 'Info' 'NotSet' 'Avviso' |
| targetColumnName | Nome colonna di destinazione: colonna dei valori di stima. Noto anche come nome di colonna etichetta nel contesto delle attività di classificazione. |
corda |
| trainingData | [Obbligatorio] Input dei dati di training. | MLTableJobInput (obbligatorio) |
| taskType | Impostare il tipo di oggetto |
classificazione previsione ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation imageObjectDetection regressione TextClassification TextClassificationMultilabel TextNER (obbligatorio) |
MLTableJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| descrizione | Descrizione per l'input. | corda |
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
Classificazione
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'Classification' (obbligatorio) |
| cvSplitColumnNames | Colonne da utilizzare per i dati CVSplit. | string[] |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | TableFixedParameters |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Numero di riduzioni di convalida incrociata da applicare al set di dati di training quando il set di dati di convalida non viene fornito. |
NCrossValidations |
| positiveLabel | Etichetta positiva per il calcolo delle metriche binarie. | corda |
| primaryMetric | Metrica primaria per l'attività. | 'AUCWeighted' 'Accuratezza' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | TableParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | TableSweepSettings |
| testData | Testare l'input dei dati. | MLTableJobInput |
| testDataSize | Frazione del set di dati di test da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| trainingSettings | Input per la fase di training per un processo AutoML. | ClassificationTrainingSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| weightColumnName | Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso delle righe nei dati verso l'alto o verso il basso. | corda |
TableVerticalFeaturizationSettings
| Nome | Descrizione | Valore |
|---|---|---|
| blockedTransformers | Questi trasformatori non devono essere utilizzati nella definizione delle caratteristiche. | Matrice di stringhe contenente uno dei seguenti elementi: 'CatTargetEncoder' 'CountVectorizer' 'HashOneHotEncoder' 'LabelEncoder' 'NaiveBayes' 'OneHotEncoder' 'TextTargetEncoder' 'TfIdf' 'WoETargetEncoder' 'WordEmbedding' |
| columnNameAndTypes | Dizionario del nome della colonna e del relativo tipo (int, float, string, datetime e così via). | tableVerticalFeaturizationSettingsColumnNameAndTypes |
| datasetLanguage | Lingua del set di dati, utile per i dati di testo. | corda |
| enableDnnFeaturization | Determina se utilizzare gli strumenti di funzionalità basati su Dnn per la definizione delle caratteristiche dei dati. | Bool |
| modo | Modalità di definizione delle caratteristiche: l'utente può mantenere la modalità predefinita "Auto" e AutoML si occuperà della trasformazione necessaria dei dati nella fase di definizione delle caratteristiche. Se l'opzione 'Off' è selezionata, non viene eseguita alcuna definizione di funzionalità. Se l'opzione 'Custom' è selezionata, l'utente può specificare input aggiuntivi per personalizzare la modalità di definizione delle caratteristiche. |
'Auto' 'Custom' 'Off' |
| transformerParams | L'utente può specificare trasformatori aggiuntivi da utilizzare insieme alle colonne a cui verrebbe applicato e parametri per il costruttore del trasformatore. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
TableVerticalFeaturizationSettingsTransformerParams
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | ColumnTransformer [] |
ColumnTransformer
| Nome | Descrizione | Valore |
|---|---|---|
| Campi | Campi su cui applicare la logica del trasformatore. | string[] |
| Parametri | Proprietà diverse da passare al trasformatore. L'input previsto è un dizionario di coppie chiave,valore in formato JSON. |
Per Bicep, è possibile usare la funzione any() |
TableFixedParameters
| Nome | Descrizione | Valore |
|---|---|---|
| Booster | Specificare il tipo di boosting, ad esempio gbdt per XGBoost. | corda |
| boostingType | Specificare il tipo di boosting, ad esempio gbdt per LightGBM. | corda |
| growPolicy | Specificare i criteri di aumento, che controllano il modo in cui vengono aggiunti nuovi nodi all'albero. | corda |
| learningRate | Frequenza di apprendimento per la procedura di training. | Int |
| maxBin | Specificare il numero massimo di contenitori discreti per raggruppare le funzionalità continue. | Int |
| maxDepth | Specificare la profondità massima per limitare in modo esplicito la profondità dell'albero. | Int |
| maxLeaves | Specificare le foglie massime per limitare in modo esplicito le foglie dell'albero. | Int |
| minDataInLeaf | Numero minimo di dati per foglia. | Int |
| minSplitGain | Riduzione minima della perdita necessaria per eseguire un'ulteriore partizione in un nodo foglia dell'albero. | Int |
| modelName | Nome del modello di cui eseguire il training. | corda |
| nEstimators | Specificare il numero di alberi (o arrotondamenti) in un modello. | Int |
| numLeaves | Specificare il numero di foglie. | Int |
| preprocessorName | Nome del preprocessore da usare. | corda |
| regAlpha | L1 termine di regolarizzazione sui pesi. | Int |
| regLambda | Termine di regolarizzazione L2 sui pesi. | Int |
| sottosample | Rapporto di sottosample dell'istanza di training. | Int |
| subsampleFreq | Frequenza della sottosaempio. | Int |
| treeMethod | Specificare il metodo della struttura ad albero. | corda |
| withMean | Se true, centra prima di ridimensionare i dati con StandardScalar. | Bool |
| withStd | Se true, ridimensionare i dati con Varianza unità con StandardScalar. | Bool |
TableVerticalLimitSettings
| Nome | Descrizione | Valore |
|---|---|---|
| enableEarlyTermination | Abilitare la terminazione anticipata, determina se AutoMLJob terminerà in anticipo se negli ultimi 20 iterazioni non è presente alcun miglioramento del punteggio. | Bool |
| exitScore | Punteggio di uscita per il processo AutoML. | Int |
| maxConcurrentTrials | Numero massimo di iterazioni simultanee. | Int |
| maxCoresPerTrial | Numero massimo di core per iterazione. | Int |
| maxNodes | Numero massimo di nodi da usare per l'esperimento. | Int |
| maxTrials | Numero di iterazioni. | Int |
| sweepConcurrentTrials | Numero di esecuzioni di sweep simultanee che l'utente vuole attivare. | Int |
| sweepTrials | Numero di esecuzioni di sweep che l'utente vuole attivare. | Int |
| Timeout | Timeout del processo AutoML. | corda |
| trialTimeout | Timeout di iterazione. | corda |
NCrossValidations
| Nome | Descrizione | Valore |
|---|---|---|
| modo | Impostare il tipo di oggetto |
automatico personalizzato (obbligatorio) |
AutoNCrossValidations
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità per determinare le convalide tra N. | 'Auto' (obbligatorio) |
CustomNCrossValidations
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità per determinare le convalide tra N. | 'Custom' (obbligatorio) |
| valore | [Obbligatorio] Valore delle convalide incrociate N. | int (obbligatorio) |
TableParameterSubspace
| Nome | Descrizione | Valore |
|---|---|---|
| Booster | Specificare il tipo di boosting, ad esempio gbdt per XGBoost. | corda |
| boostingType | Specificare il tipo di boosting, ad esempio gbdt per LightGBM. | corda |
| growPolicy | Specificare i criteri di aumento, che controllano il modo in cui vengono aggiunti nuovi nodi all'albero. | corda |
| learningRate | Frequenza di apprendimento per la procedura di training. | corda |
| maxBin | Specificare il numero massimo di contenitori discreti per raggruppare le funzionalità continue. | corda |
| maxDepth | Specificare la profondità massima per limitare in modo esplicito la profondità dell'albero. | corda |
| maxLeaves | Specificare le foglie massime per limitare in modo esplicito le foglie dell'albero. | corda |
| minDataInLeaf | Numero minimo di dati per foglia. | corda |
| minSplitGain | Riduzione minima della perdita necessaria per eseguire un'ulteriore partizione in un nodo foglia dell'albero. | corda |
| modelName | Nome del modello di cui eseguire il training. | corda |
| nEstimators | Specificare il numero di alberi (o arrotondamenti) in un modello. | corda |
| numLeaves | Specificare il numero di foglie. | corda |
| preprocessorName | Nome del preprocessore da usare. | corda |
| regAlpha | L1 termine di regolarizzazione sui pesi. | corda |
| regLambda | Termine di regolarizzazione L2 sui pesi. | corda |
| sottosample | Rapporto di sottosample dell'istanza di training. | corda |
| subsampleFreq | Frequenza delle sottosample | corda |
| treeMethod | Specificare il metodo della struttura ad albero. | corda |
| withMean | Se true, centra prima di ridimensionare i dati con StandardScalar. | corda |
| withStd | Se true, ridimensionare i dati con Varianza unità con StandardScalar. | corda |
TableSweepSettings
| Nome | Descrizione | Valore |
|---|---|---|
| earlyTermination | Tipo di criteri di terminazione anticipata per il processo di sweep. | EarlyTerminationPolicy |
| campionamentoAlgorithm | [Obbligatorio] Tipo di algoritmo di campionamento. | 'Bayesian' 'Grid' 'Random' (obbligatorio) |
EarlyTerminationPolicy
| Nome | Descrizione | Valore |
|---|---|---|
| delayEvaluation | Numero di intervalli in base ai quali ritardare la prima valutazione. | Int |
| evaluationInterval | Intervallo (numero di esecuzioni) tra le valutazioni dei criteri. | Int |
| policyType | Impostare il tipo di oggetto |
Bandit MedianStopping truncationSelection (obbligatorio) |
BanditPolicy
| Nome | Descrizione | Valore |
|---|---|---|
| policyType | [Obbligatorio] Nome della configurazione dei criteri | 'Bandit' (obbligatorio) |
| slackAmount | Distanza assoluta consentita dalla migliore esecuzione. | Int |
| slackFactor | Rapporto tra la distanza consentita e l'esecuzione con prestazioni migliori. | Int |
MedianStoppingPolicy
| Nome | Descrizione | Valore |
|---|---|---|
| policyType | [Obbligatorio] Nome della configurazione dei criteri | 'MedianStopping' (obbligatorio) |
TruncationSelectionPolicy
| Nome | Descrizione | Valore |
|---|---|---|
| policyType | [Obbligatorio] Nome della configurazione dei criteri | 'TruncationSelection' (obbligatorio) |
| truncationPercentage | Percentuale di esecuzioni da annullare a ogni intervallo di valutazione. | Int |
ClassificationTrainingSettings
| Nome | Descrizione | Valore |
|---|---|---|
| allowedTrainingAlgorithms | Modelli consentiti per l'attività di classificazione. | Matrice di stringhe contenente uno dei seguenti elementi: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier' |
| blockedTrainingAlgorithms | Modelli bloccati per l'attività di classificazione. | Matrice di stringhe contenente uno dei seguenti elementi: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier' |
| enableDnnTraining | Abilitare la raccomandazione dei modelli DNN. | Bool |
| enableModelExplainability | Flag per attivare la spiegazione sul modello migliore. | Bool |
| enableOnnxCompatibleModels | Flag per l'abilitazione di modelli compatibili con onnx. | Bool |
| enableStackEnsemble | Abilitare l'esecuzione dell'insieme dello stack. | Bool |
| enableVoteEnsemble | Abilitare l'esecuzione dell'ensemble di voto. | Bool |
| ensembleModelDownloadTimeout | Durante la generazione di modelli VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati dalle esecuzioni figlio precedenti. Configurare questo parametro con un valore superiore a 300 sec, se è necessario più tempo. |
corda |
| stackEnsembleSettings | Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
| trainingMode | Modalità TrainingMode: l'impostazione di "auto" equivale a impostarla su "non distribuita" per il momento, tuttavia in futuro potrebbe comportare la selezione della modalità mista o della modalità basata sull'euristica. Il valore predefinito è 'auto'. Se 'Distributed' viene usata solo la funzionalità distribuita e vengono scelti gli algoritmi distribuiti. Se 'NonDistributed' vengono scelti solo gli algoritmi non distribuiti. |
'Auto' 'Distribuito' 'NonDistributed' |
StackEnsembleSettings
| Nome | Descrizione | Valore |
|---|---|---|
| stackMetaLearnerKWargs | Parametri facoltativi da passare all'inizializzatore del meta-learner. | Per Bicep, è possibile usare la funzione any() |
| stackMetaLearnerTrainPercentage | Specifica la proporzione del set di training (quando si sceglie il tipo di training e di convalida) da riservare per il training del meta-apprendimento. Il valore predefinito è 0,2. | Int |
| stackMetaLearnerType | Il meta-learner è un modello sottoposto a training sull'output dei singoli modelli eterogenei. | 'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'Nessuno' |
Previsione
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'Forecasting' (obbligatorio) |
| cvSplitColumnNames | Colonne da utilizzare per i dati CVSplit. | string[] |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | TableFixedParameters |
| forecastingSettings | Previsione di input specifici dell'attività. | ForecastingSettings |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Numero di riduzioni di convalida incrociata da applicare al set di dati di training quando il set di dati di convalida non viene fornito. |
NCrossValidations |
| primaryMetric | Metrica primaria per l'attività di previsione. | 'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'SpearmanCorrelation' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | TableParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | TableSweepSettings |
| testData | Testare l'input dei dati. | MLTableJobInput |
| testDataSize | Frazione del set di dati di test da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| trainingSettings | Input per la fase di training per un processo AutoML. | ForecastingTrainingSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| weightColumnName | Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso delle righe nei dati verso l'alto o verso il basso. | corda |
ForecastingSettings
| Nome | Descrizione | Valore |
|---|---|---|
| countryOrRegionForHolidays | Paese o area geografica per le vacanze per le attività di previsione. Devono essere codici PAESE/area geografica ISO 3166, ad esempio 'US' o 'GB'. |
corda |
| cvStepSize | Numero di periodi tra l'ora di origine di una piega cv e la piega successiva. Per ad esempio, se CVStepSize = 3 per i dati giornalieri, l'ora di origine per ogni piega saràtre giorni a parte. |
Int |
| featureLags | Flag per la generazione di ritardi per le funzionalità numeriche con 'auto' o Null. | 'Auto' 'Nessuno' |
| forecastHorizon | L'orizzonte di previsione massimo desiderato in unità di frequenza delle serie temporali. | ForecastHorizon |
| frequenza | Durante la previsione, questo parametro rappresenta il periodo con cui si desidera eseguire la previsione, ad esempio giornaliera, settimanale, annuale e così via. La frequenza di previsione è la frequenza del set di dati per impostazione predefinita. | corda |
| stagionalità | Impostare la stagionalità delle serie temporali come numero intero multiplo della frequenza della serie. Se la stagionalità è impostata su "auto", verrà dedotta. |
stagionalità |
| shortSeriesHandlingConfig | Parametro che definisce come se AutoML deve gestire serie temporali brevi. | 'Auto' 'Drop' 'Nessuno' 'Pad' |
| targetAggregateFunction | Funzione da utilizzare per aggregare la colonna di destinazione della serie temporale in modo che sia conforme a una frequenza specificata dall'utente. Se targetAggregateFunction è impostato, ad esempio non 'None', ma il parametro freq non è impostato, viene generato l'errore. Le possibili funzioni di aggregazione di destinazione sono: "sum", "max", "min" e "mean". |
'Max' 'Mean' 'Min' 'Nessuno' 'Sum' |
| targetLags | Numero di periodi passati di ritardo dalla colonna di destinazione. | TargetLags |
| targetRollingWindowSize | Numero di periodi passati utilizzati per creare una media della finestra mobile della colonna di destinazione. | TargetRollingWindowSize |
| timeColumnName | Nome della colonna temporale. Questo parametro è obbligatorio quando si prevede di specificare la colonna datetime nei dati di input usati per compilare la serie temporale e dedurre la relativa frequenza. | corda |
| timeSeriesIdColumnNames | Nomi delle colonne utilizzate per raggruppare un timeeries. Può essere usato per creare più serie. Se la granularità non è definita, si presuppone che il set di dati sia una serie temporale. Questo parametro viene usato con la previsione del tipo di attività. |
string[] |
| useStl | Configurare la sCOMposizione STL della colonna di destinazione della serie temporale. | 'Nessuno' 'Season' 'SeasonTrend' |
ForecastHorizon
| Nome | Descrizione | Valore |
|---|---|---|
| modo | Impostare il tipo di oggetto |
automatico personalizzato (obbligatorio) |
AutoForecastHorizon
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Impostare la modalità di selezione del valore dell'orizzonte di previsione. | 'Auto' (obbligatorio) |
CustomForecastHorizon
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Impostare la modalità di selezione del valore dell'orizzonte di previsione. | 'Custom' (obbligatorio) |
| valore | [Obbligatorio] Valore dell'orizzonte di previsione. | int (obbligatorio) |
Stagionalità
| Nome | Descrizione | Valore |
|---|---|---|
| modo | Impostare il tipo di oggetto |
automatico personalizzato (obbligatorio) |
AutoSeasonality
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità stagionalità. | 'Auto' (obbligatorio) |
CustomSeasonality
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità stagionalità. | 'Custom' (obbligatorio) |
| valore | [Obbligatorio] Valore stagionalità. | int (obbligatorio) |
TargetLags
| Nome | Descrizione | Valore |
|---|---|---|
| modo | Impostare il tipo di oggetto |
automatico personalizzato (obbligatorio) |
AutoTargetLags
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Impostare la modalità di ritardo di destinazione - Auto/Personalizzato | 'Auto' (obbligatorio) |
CustomTargetLags
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Impostare la modalità di ritardo di destinazione - Auto/Personalizzato | 'Custom' (obbligatorio) |
| valori | [Obbligatorio] Impostare i valori di ritardo di destinazione. | int[] (obbligatorio) |
TargetRollingWindowSize
| Nome | Descrizione | Valore |
|---|---|---|
| modo | Impostare il tipo di oggetto |
automatico personalizzato (obbligatorio) |
AutoTargetRollingWindowSize
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità di rilevamento TargetRollingWindowSiz. | 'Auto' (obbligatorio) |
CustomTargetRollingWindowSize
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità di rilevamento TargetRollingWindowSiz. | 'Custom' (obbligatorio) |
| valore | [Obbligatorio] Valore TargetRollingWindowSize. | int (obbligatorio) |
ForecastingTrainingSettings
| Nome | Descrizione | Valore |
|---|---|---|
| allowedTrainingAlgorithms | Modelli consentiti per l'attività di previsione. | Matrice di stringhe contenente uno dei seguenti elementi: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' 'Profeta' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor' |
| blockedTrainingAlgorithms | Modelli bloccati per l'attività di previsione. | Matrice di stringhe contenente uno dei seguenti elementi: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' 'Profeta' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor' |
| enableDnnTraining | Abilitare la raccomandazione dei modelli DNN. | Bool |
| enableModelExplainability | Flag per attivare la spiegazione sul modello migliore. | Bool |
| enableOnnxCompatibleModels | Flag per l'abilitazione di modelli compatibili con onnx. | Bool |
| enableStackEnsemble | Abilitare l'esecuzione dell'insieme dello stack. | Bool |
| enableVoteEnsemble | Abilitare l'esecuzione dell'ensemble di voto. | Bool |
| ensembleModelDownloadTimeout | Durante la generazione di modelli VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati dalle esecuzioni figlio precedenti. Configurare questo parametro con un valore superiore a 300 sec, se è necessario più tempo. |
corda |
| stackEnsembleSettings | Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
| trainingMode | Modalità TrainingMode: l'impostazione di "auto" equivale a impostarla su "non distribuita" per il momento, tuttavia in futuro potrebbe comportare la selezione della modalità mista o della modalità basata sull'euristica. Il valore predefinito è 'auto'. Se 'Distributed' viene usata solo la funzionalità distribuita e vengono scelti gli algoritmi distribuiti. Se 'NonDistributed' vengono scelti solo gli algoritmi non distribuiti. |
'Auto' 'Distribuito' 'NonDistributed' |
ImageClassification
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'ImageClassification' (obbligatorio) |
| limitSettings | [Obbligatorio] Limitare le impostazioni per il processo AutoML. | ImageLimitSettings (obbligatorio) |
| modelSettings | Impostazioni usate per il training del modello. | ImageModelSettingsClassification |
| primaryMetric | Metrica primaria da ottimizzare per questa attività. | 'AUCWeighted' 'Accuratezza' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | ImageModelDistributionSettingsClassification[] |
| sweepSettings | Sweep del modello e sweep degli iperparametri per le impostazioni correlate. | ImageSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
ImageLimitSettings
| Nome | Descrizione | Valore |
|---|---|---|
| maxConcurrentTrials | Numero massimo di iterazioni AutoML simultanee. | Int |
| maxTrials | Numero massimo di iterazioni AutoML. | Int |
| Timeout | Timeout del processo AutoML. | corda |
ImageModelSettingsClassification
MLFlowModelJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| descrizione | Descrizione per l'input. | corda |
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
| Nome | Descrizione | Valore |
|---|---|---|
| amsGradient | Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'. | corda |
| incrementi | Impostazioni per l'uso di Augmentations. | corda |
| beta1 | Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| beta2 | Valore di 'beta2' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| distribuito | Indica se usare il training di distributer. | corda |
| earlyStopping | Abilitare la logica di arresto anticipato durante il training. | corda |
| earlyStoppingDelay | Numero minimo di periodi o valutazioni di convalida da attendere prima del miglioramento della metrica primaria viene monitorato per l'arresto anticipato. Deve essere un numero intero positivo. |
corda |
| earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie prima l'esecuzione viene arrestata. Deve essere un numero intero positivo. |
corda |
| enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | corda |
| evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un numero intero positivo. | corda |
| gradientAccumulationStep | L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornamento dei pesi del modello durante l'accumulo delle sfumature di tali passaggi e quindi uso gradienti accumulati per calcolare gli aggiornamenti del peso. Deve essere un numero intero positivo. |
corda |
| layersToFreeze | Numero di livelli da bloccare per il modello. Deve essere un numero intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa livello di congelamento0 e layer1. Per un elenco completo dei modelli supportati e i dettagli sul blocco del livello, vedere see: /azure/machine-learning/how-to-auto-train-image-models. |
corda |
| learningRate | Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio". | corda |
| modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: /azure/machine-learning/how-to-auto-train-image-models. |
corda |
| slancio | Valore di momentum quando optimizer è 'sgd'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| nesterov | Abilitare nesterov quando optimizer è "sgd". | corda |
| numberOfEpochs | Numero di periodi di training. Deve essere un numero intero positivo. | corda |
| numberOfWorkers | Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo. | corda |
| ottimizzatore | Tipo di ottimizzatore. Deve essere 'sgd', 'adam', o 'adamw'. | corda |
| randomSeed | Valore di inizializzazione casuale da usare quando si usa il training deterministico. | corda |
| stepLRGamma | Il valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è 'step'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| stepLRStepSize | Valore delle dimensioni del passaggio quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un numero intero positivo. | corda |
| trainingBatchSize | Dimensioni batch di training. Deve essere un numero intero positivo. | corda |
| trainingCropSize | Dimensioni di ritaglio delle immagini che vengono immesse nella rete neurale per il set di dati di training. Deve essere un numero intero positivo. | corda |
| validationBatchSize | Dimensioni batch di convalida. Deve essere un numero intero positivo. | corda |
| validationCropSize | Dimensione ritaglio immagine che viene immessa nella rete neurale per il set di dati di convalida. Deve essere un numero intero positivo. | corda |
| validationResizeSize | Dimensioni dell'immagine in cui ridimensionare prima del ritaglio per il set di dati di convalida. Deve essere un numero intero positivo. | corda |
| warmupCosineLRCycles | Il valore del ciclo coseno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un valore float nell'intervallo [0, 1]. | corda |
| warmupCosineLRWarmupEpochs | Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un numero intero positivo. | corda |
| weightDecay | Valore del decadimento del peso quando optimizer è 'sgd', 'adam' o 'adamw'. Deve essere un valore float nell'intervallo[0, 1]. | corda |
| weightedLoss | Perdita ponderata. I valori accettati sono 0 per nessuna perdita ponderata. 1 per perdita ponderata con sqrt. (class_weights). 2 per perdita ponderata con class_weights. Deve essere 0 o 1 o 2. |
corda |
ImageSweepSettings
| Nome | Descrizione | Valore |
|---|---|---|
| earlyTermination | Tipo di criteri di terminazione anticipata. | EarlyTerminationPolicy |
| campionamentoAlgorithm | [Obbligatorio] Tipo degli algoritmi di campionamento degli iperparametri. | 'Bayesian' 'Grid' 'Random' (obbligatorio) |
ImageClassificationMultilabel
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'ImageClassificationMultilabel' (obbligatorio) |
| limitSettings | [Obbligatorio] Limitare le impostazioni per il processo AutoML. | ImageLimitSettings (obbligatorio) |
| modelSettings | Impostazioni usate per il training del modello. | ImageModelSettingsClassification |
| primaryMetric | Metrica primaria da ottimizzare per questa attività. | 'AUCWeighted' 'Accuratezza' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | ImageModelDistributionSettingsClassification[] |
| sweepSettings | Sweep del modello e sweep degli iperparametri per le impostazioni correlate. | ImageSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
ImageInstanceSegmentation
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'ImageInstanceSegmentation' (obbligatorio) |
| limitSettings | [Obbligatorio] Limitare le impostazioni per il processo AutoML. | ImageLimitSettings (obbligatorio) |
| modelSettings | Impostazioni usate per il training del modello. | ImageModelSettingsObjectDetection |
| primaryMetric | Metrica primaria da ottimizzare per questa attività. | 'MeanAveragePrecision' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | ImageModelDistributionSettingsObjectDetection[] |
| sweepSettings | Sweep del modello e sweep degli iperparametri per le impostazioni correlate. | ImageSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
ImageModelSettingsObjectDetection
ImageModelDistributionSettingsObjectDetection
| Nome | Descrizione | Valore |
|---|---|---|
| amsGradient | Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'. | corda |
| incrementi | Impostazioni per l'uso di Augmentations. | corda |
| beta1 | Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| beta2 | Valore di 'beta2' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| boxDetectionsPerImage | Numero massimo di rilevamenti per immagine, per tutte le classi. Deve essere un numero intero positivo. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
corda |
| boxScoreThreshold | Durante l'inferenza, restituisce solo proposte con un punteggio di classificazione maggiore di BoxScoreThreshold. Deve essere un valore float nell'intervallo[0, 1]. |
corda |
| distribuito | Indica se usare il training di distributer. | corda |
| earlyStopping | Abilitare la logica di arresto anticipato durante il training. | corda |
| earlyStoppingDelay | Numero minimo di periodi o valutazioni di convalida da attendere prima del miglioramento della metrica primaria viene monitorato per l'arresto anticipato. Deve essere un numero intero positivo. |
corda |
| earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie prima l'esecuzione viene arrestata. Deve essere un numero intero positivo. |
corda |
| enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | corda |
| evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un numero intero positivo. | corda |
| gradientAccumulationStep | L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornamento dei pesi del modello durante l'accumulo delle sfumature di tali passaggi e quindi uso gradienti accumulati per calcolare gli aggiornamenti del peso. Deve essere un numero intero positivo. |
corda |
| imageSize | Dimensioni dell'immagine per il training e la convalida. Deve essere un numero intero positivo. Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5". |
corda |
| layersToFreeze | Numero di livelli da bloccare per il modello. Deve essere un numero intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa livello di congelamento0 e layer1. Per un elenco completo dei modelli supportati e i dettagli sul blocco del livello, vedere see: /azure/machine-learning/how-to-auto-train-image-models. |
corda |
| learningRate | Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio". | corda |
| maxSize | Dimensioni massime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un numero intero positivo. Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
corda |
| minSize | Dimensioni minime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un numero intero positivo. Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
corda |
| modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: /azure/machine-learning/how-to-auto-train-image-models. |
corda |
| modelSize | Dimensioni del modello. Deve essere "small", "medium", "large" o "xlarge". Nota: se le dimensioni del modello sono troppo grandi, l'esecuzione del training può entrare nell'OOM CUDA. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5". |
corda |
| slancio | Valore di momentum quando optimizer è 'sgd'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| multiScale | Abilitare l'immagine su più scalabilità variando le dimensioni dell'immagine per +/- 50%. Nota: l'esecuzione del training può entrare nell'OOM CUDA se non è sufficiente memoria GPU. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5". |
corda |
| nesterov | Abilitare nesterov quando optimizer è "sgd". | corda |
| nmsIouThreshold | Soglia IOU usata durante l'inferenza in NMS post-elaborazione. Deve essere float nell'intervallo [0, 1]. | corda |
| numberOfEpochs | Numero di periodi di training. Deve essere un numero intero positivo. | corda |
| numberOfWorkers | Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo. | corda |
| ottimizzatore | Tipo di ottimizzatore. Deve essere 'sgd', 'adam', o 'adamw'. | corda |
| randomSeed | Valore di inizializzazione casuale da usare quando si usa il training deterministico. | corda |
| stepLRGamma | Il valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è 'step'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| stepLRStepSize | Valore delle dimensioni del passaggio quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un numero intero positivo. | corda |
| tileGridSize | Dimensioni della griglia da usare per collegare ogni immagine. Nota: TileGridSize non deve essere Nessuno per abilitare la logica di rilevamento oggetti di piccole dimensioni. Stringa contenente due numeri interi in formato mxn. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
corda |
| tileOverlapRatio | Rapporto di sovrapposizione tra riquadri adiacenti in ogni dimensione. Deve essere float nell'intervallo [0, 1). Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
corda |
| tilePredictionsNmsThreshold | Soglia IOU da usare per eseguire NMS durante l'unione di stime da riquadri e immagini. Usato nella convalida/inferenza. Deve essere float nell'intervallo [0, 1]. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". NMS: eliminazione non massima |
corda |
| trainingBatchSize | Dimensioni batch di training. Deve essere un numero intero positivo. | corda |
| validationBatchSize | Dimensioni batch di convalida. Deve essere un numero intero positivo. | corda |
| validationIouThreshold | Soglia IOU da usare durante il calcolo della metrica di convalida. Deve essere float nell'intervallo [0, 1]. | corda |
| validationMetricType | Metodo di calcolo delle metriche da usare per le metriche di convalida. Deve essere "none", "coco", "voc" o "coco_voc". | corda |
| warmupCosineLRCycles | Il valore del ciclo coseno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un valore float nell'intervallo [0, 1]. | corda |
| warmupCosineLRWarmupEpochs | Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un numero intero positivo. | corda |
| weightDecay | Valore del decadimento del peso quando optimizer è 'sgd', 'adam' o 'adamw'. Deve essere un valore float nell'intervallo[0, 1]. | corda |
ImageObjectDetection
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'ImageObjectDetection' (obbligatorio) |
| limitSettings | [Obbligatorio] Limitare le impostazioni per il processo AutoML. | ImageLimitSettings (obbligatorio) |
| modelSettings | Impostazioni usate per il training del modello. | ImageModelSettingsObjectDetection |
| primaryMetric | Metrica primaria da ottimizzare per questa attività. | 'MeanAveragePrecision' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | ImageModelDistributionSettingsObjectDetection[] |
| sweepSettings | Sweep del modello e sweep degli iperparametri per le impostazioni correlate. | ImageSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
Regressione
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'Regression' (obbligatorio) |
| cvSplitColumnNames | Colonne da utilizzare per i dati CVSplit. | string[] |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | TableFixedParameters |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Numero di riduzioni di convalida incrociata da applicare al set di dati di training quando il set di dati di convalida non viene fornito. |
NCrossValidations |
| primaryMetric | Metrica primaria per l'attività di regressione. | 'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'SpearmanCorrelation' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | TableParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | TableSweepSettings |
| testData | Testare l'input dei dati. | MLTableJobInput |
| testDataSize | Frazione del set di dati di test da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| trainingSettings | Input per la fase di training per un processo AutoML. | RegressionTrainingSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| weightColumnName | Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso delle righe nei dati verso l'alto o verso il basso. | corda |
RegressionTrainingSettings
| Nome | Descrizione | Valore |
|---|---|---|
| allowedTrainingAlgorithms | Modelli consentiti per l'attività di regressione. | Matrice di stringhe contenente uno dei seguenti elementi: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor' |
| blockedTrainingAlgorithms | Modelli bloccati per l'attività di regressione. | Matrice di stringhe contenente uno dei seguenti elementi: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor' |
| enableDnnTraining | Abilitare la raccomandazione dei modelli DNN. | Bool |
| enableModelExplainability | Flag per attivare la spiegazione sul modello migliore. | Bool |
| enableOnnxCompatibleModels | Flag per l'abilitazione di modelli compatibili con onnx. | Bool |
| enableStackEnsemble | Abilitare l'esecuzione dell'insieme dello stack. | Bool |
| enableVoteEnsemble | Abilitare l'esecuzione dell'ensemble di voto. | Bool |
| ensembleModelDownloadTimeout | Durante la generazione di modelli VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati dalle esecuzioni figlio precedenti. Configurare questo parametro con un valore superiore a 300 sec, se è necessario più tempo. |
corda |
| stackEnsembleSettings | Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
| trainingMode | Modalità TrainingMode: l'impostazione di "auto" equivale a impostarla su "non distribuita" per il momento, tuttavia in futuro potrebbe comportare la selezione della modalità mista o della modalità basata sull'euristica. Il valore predefinito è 'auto'. Se 'Distributed' viene usata solo la funzionalità distribuita e vengono scelti gli algoritmi distribuiti. Se 'NonDistributed' vengono scelti solo gli algoritmi non distribuiti. |
'Auto' 'Distribuito' 'NonDistributed' |
TextClassification
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'TextClassification' (obbligatorio) |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | NlpFixedParameters |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | NlpVerticalLimitSettings |
| primaryMetric | Metrica primaria per Text-Classification'attività. | 'AUCWeighted' 'Accuratezza' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | NlpParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | NlpSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
NlpVerticalFeaturizationSettings
| Nome | Descrizione | Valore |
|---|---|---|
| datasetLanguage | Lingua del set di dati, utile per i dati di testo. | corda |
NlpFixedParameters
| Nome | Descrizione | Valore |
|---|---|---|
| gradientAccumulationSteps | Numero di passaggi per accumulare gradienti prima di eseguire un passaggio indietro. | Int |
| learningRate | Frequenza di apprendimento per la procedura di training. | Int |
| learningRateScheduler | Tipo di pianificazione della frequenza di apprendimento da utilizzare durante la procedura di training. | 'Constant' 'ConstantWithWarmup' 'Coseno' 'CosineWithRestarts' 'Lineare' 'Nessuno' 'Polinomiale' |
| modelName | Nome del modello di cui eseguire il training. | corda |
| numberOfEpochs | Numero di periodi di training. | Int |
| trainingBatchSize | Dimensioni batch per la procedura di training. | Int |
| validationBatchSize | Dimensioni del batch da usare durante la valutazione. | Int |
| warmupRatio | Rapporto di riscaldamento, utilizzato insieme a LrSchedulerType. | Int |
| weightDecay | Decadimento del peso per la procedura di training. | Int |
NlpVerticalLimitSettings
| Nome | Descrizione | Valore |
|---|---|---|
| maxConcurrentTrials | Numero massimo di iterazioni AutoML simultanee. | Int |
| maxNodes | Numero massimo di nodi da usare per l'esperimento. | Int |
| maxTrials | Numero di iterazioni AutoML. | Int |
| Timeout | Timeout del processo AutoML. | corda |
| trialTimeout | Timeout per singole versioni di valutazione hd. | corda |
NlpParameterSubspace
| Nome | Descrizione | Valore |
|---|---|---|
| gradientAccumulationSteps | Numero di passaggi per accumulare gradienti prima di eseguire un passaggio indietro. | corda |
| learningRate | Frequenza di apprendimento per la procedura di training. | corda |
| learningRateScheduler | Tipo di pianificazione della frequenza di apprendimento da utilizzare durante la procedura di training. | corda |
| modelName | Nome del modello di cui eseguire il training. | corda |
| numberOfEpochs | Numero di periodi di training. | corda |
| trainingBatchSize | Dimensioni batch per la procedura di training. | corda |
| validationBatchSize | Dimensioni del batch da usare durante la valutazione. | corda |
| warmupRatio | Rapporto di riscaldamento, utilizzato insieme a LrSchedulerType. | corda |
| weightDecay | Decadimento del peso per la procedura di training. | corda |
NlpSweepSettings
| Nome | Descrizione | Valore |
|---|---|---|
| earlyTermination | Tipo di criteri di terminazione anticipata per il processo di sweep. | EarlyTerminationPolicy |
| campionamentoAlgorithm | [Obbligatorio] Tipo di algoritmo di campionamento. | 'Bayesian' 'Grid' 'Random' (obbligatorio) |
TextClassificationMultilabel
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'TextClassificationMultilabel' (obbligatorio) |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | NlpFixedParameters |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | NlpVerticalLimitSettings |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | NlpParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | NlpSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
TextNer
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'TextNER' (obbligatorio) |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | NlpFixedParameters |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | NlpVerticalLimitSettings |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | NlpParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | NlpSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
Processo di comando
| Nome | Descrizione | Valore |
|---|---|---|
| jobType | [Obbligatorio] Specifica il tipo di processo. | 'Command' (obbligatorio) |
| autologgerSettings | Configurazione di distribuzione del processo. Se impostato, deve essere uno dei valori Mpi, Tensorflow, PyTorch o Null. | AutologgerSettings |
| codeId | ID risorsa ARM dell'asset di codice. | corda |
| comando | [Obbligatorio] Comando da eseguire all'avvio del processo. ad esempio. "python train.py" | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| distribuzione | Configurazione di distribuzione del processo. Se impostato, deve essere uno dei valori Mpi, Tensorflow, PyTorch o Null. | DistributionConfiguration |
| environmentId | [Obbligatorio] ID risorsa ARM della specifica Ambiente per il processo. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
| environmentVariables | Variabili di ambiente incluse nel processo. | CommandJobEnvironmentVariables |
| Ingressi | Mapping dei data binding di input usati nel processo. | commandJobInputs |
| Limiti | Limite del processo di comando. | CommandJobLimits |
| Uscite | Mapping dei data binding di output usati nel processo. | CommandJobOutputs |
| risorse | Configurazione delle risorse di calcolo per il processo. | JobResourceConfiguration |
AutologgerSettings
| Nome | Descrizione | Valore |
|---|---|---|
| mlflowAutologger | [Obbligatorio] Indica se mlflow autologger è abilitato. | 'Disabilitato' 'Enabled' (obbligatorio) |
DistributionConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| distributionType | Impostare il tipo di oggetto |
Mpi PyTorch TensorFlow (obbligatorio) |
Mpi
| Nome | Descrizione | Valore |
|---|---|---|
| distributionType | [Obbligatorio] Specifica il tipo di framework di distribuzione. | 'Mpi' (obbligatorio) |
| processCountPerInstance | Numero di processi per nodo MPI. | Int |
PyTorch
| Nome | Descrizione | Valore |
|---|---|---|
| distributionType | [Obbligatorio] Specifica il tipo di framework di distribuzione. | 'PyTorch' (obbligatorio) |
| processCountPerInstance | Numero di processi per nodo. | Int |
TensorFlow
| Nome | Descrizione | Valore |
|---|---|---|
| distributionType | [Obbligatorio] Specifica il tipo di framework di distribuzione. | 'TensorFlow' (obbligatorio) |
| parameterServerCount | Numero di attività del server dei parametri. | Int |
| workerCount | Numero di ruoli di lavoro. Se non specificato, per impostazione predefinita verrà impostato il numero di istanze. | Int |
CommandJobEnvironmentVariables
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
CommandJobInputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | jobInput |
JobInput
| Nome | Descrizione | Valore |
|---|---|---|
| descrizione | Descrizione per l'input. | corda |
| jobInputType | Impostare il tipo di oggetto |
custom_model letterale mlflow_model mltable triton_model uri_file uri_folder (obbligatorio) |
CustomModelJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'custom_model' (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
LiteralJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'literal' (obbligatorio) |
| valore | [Obbligatorio] Valore letterale per l'input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
ModelModelJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'triton_model' (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
UriFileJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'uri_file' (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
UriFolderJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'uri_folder' (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
CommandJobLimits
| Nome | Descrizione | Valore |
|---|---|---|
| jobLimitsType | [Obbligatorio] Tipo JobLimit. | 'Command' 'Sweep' (obbligatorio) |
| Timeout | Durata massima dell'esecuzione in formato ISO 8601, dopo la quale il processo verrà annullato. Supporta solo la durata con precisione inferiore a secondi. | corda |
CommandJobOutputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobOutput |
LabelingJobProperties
| Nome | Descrizione | Valore |
|---|---|---|
| componentId | ID risorsa ARM della risorsa componente. | corda |
| computeId | ID risorsa ARM della risorsa di calcolo. | corda |
| dataConfiguration | Configurazione dei dati usati nel processo. | LabelingDataConfiguration |
| descrizione | Testo della descrizione dell'asset. | corda |
| displayName | Nome visualizzato del processo. | corda |
| experimentName | Nome dell'esperimento a cui appartiene il processo. Se non è impostato, il processo viene inserito nell'esperimento "Default". | corda |
| identità | Configurazione dell'identità. Se impostato, deve essere uno di AmlToken, ManagedIdentity, UserIdentity o Null. L'impostazione predefinita è AmlToken se null. |
IdentityConfiguration |
| isArchived | L'asset è archiviato? | Bool |
| jobInstructions | Istruzioni di etichettatura del processo. | LabelingJobInstructions |
| jobType | [Obbligatorio] Specifica il tipo di processo. | 'AutoML' 'Command' 'Etichettatura' 'Pipeline' 'Spark' 'Sweep' (obbligatorio) |
| labelCategories | Etichettare le categorie del processo. | LabelingJobLabelCategories |
| labelingJobMediaProperties | Proprietà specifiche del tipo di supporto nel processo. | LabelingJobMediaProperties |
| mlAssistConfiguration | Configurazione della funzionalità MLAssist nel processo. | MLAssistConfiguration |
| proprietà | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
| servizi | Elenco di JobEndpoints. Per i processi locali, un endpoint di processo avrà un valore endpoint di FileStreamObject. |
JobBaseServices |
| Tag | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | oggetto |
LabelingDataConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| dataId | ID risorsa dell'asset di dati per eseguire l'etichettatura. | corda |
| incrementalDataRefresh | Indica se abilitare l'aggiornamento dati incrementale. | 'Disabilitato' 'Enabled' |
Assegnazione di etichetteJobInstructions
| Nome | Descrizione | Valore |
|---|---|---|
| Uri | Collegamento a una pagina con istruzioni dettagliate sull'etichettatura per gli etichettatori. | corda |
LabelingJobLabelCategories
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | LabelCategory |
LabelCategory
| Nome | Descrizione | Valore |
|---|---|---|
| Classi | Dizionario delle classi di etichette in questa categoria. | LabelCategoryClasses |
| displayName | Nome visualizzato della categoria di etichette. | corda |
| multiSelect | Indica se è consentito selezionare più classi in questa categoria. | 'Disabilitato' 'Enabled' |
LabelCategoryClasses
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | LabelClass |
LabelClass
| Nome | Descrizione | Valore |
|---|---|---|
| displayName | Nome visualizzato della classe label. | corda |
| Sottoclassi | Dizionario di sottoclassi della classe label. | LabelClassSubclasses |
LabelClassSubclasses
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | LabelClass |
LabelingJobMediaProperties
| Nome | Descrizione | Valore |
|---|---|---|
| mediaType | Impostare il tipo di oggetto | immagine testo (obbligatorio) |
LabelingJobImageProperties
| Nome | Descrizione | Valore |
|---|---|---|
| mediaType | [Obbligatorio] Tipo di supporto del processo. | 'Image' (obbligatorio) |
| annotationType | Tipo di annotazione del processo di etichettatura delle immagini. | 'BoundingBox' 'Classificazione' 'InstanceSegmentation' |
LabelingJobTextProperties
| Nome | Descrizione | Valore |
|---|---|---|
| mediaType | [Obbligatorio] Tipo di supporto del processo. | 'Text' (obbligatorio) |
| annotationType | Tipo di annotazione del processo di etichettatura del testo. | 'Classificazione' 'NamedEntityRecognition' |
MLAssistConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| mlAssist | Impostare il tipo di oggetto |
Disabilitato abilitato (obbligatorio) |
MLAssistConfigurationDisabled
| Nome | Descrizione | Valore |
|---|---|---|
| mlAssist | [Obbligatorio] Indica se la funzionalità MLAssist è abilitata. | 'Disabled' (obbligatorio) |
MLAssistConfigurationEnabled
| Nome | Descrizione | Valore |
|---|---|---|
| mlAssist | [Obbligatorio] Indica se la funzionalità MLAssist è abilitata. | 'Enabled' (obbligatorio) |
| inferencingComputeBinding | [Obbligatorio] Associazione di calcolo AML usata nell'inferenza. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
| trainingComputeBinding | [Obbligatorio] Associazione di calcolo AML usata nel training. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
PipelineJob
| Nome | Descrizione | Valore |
|---|---|---|
| jobType | [Obbligatorio] Specifica il tipo di processo. | 'Pipeline' (obbligatorio) |
| Ingressi | Input per il processo della pipeline. | pipelineJobInputs |
| Lavori | I processi costruiscono il processo pipeline. | PipelineJobJobs |
| Uscite | Output per il processo della pipeline | pipelineJobOutputs |
| Impostazioni | Impostazioni della pipeline, per elementi come ContinueRunOnStepFailure e così via. | Per Bicep, è possibile usare la funzione any() |
| sourceJobId | ID risorsa ARM del processo di origine. | corda |
PipelineJobInputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | jobInput |
PipelineJobJobs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | Per Bicep, è possibile usare la funzione any() |
PipelineJobOutputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobOutput |
SparkJob
| Nome | Descrizione | Valore |
|---|---|---|
| jobType | [Obbligatorio] Specifica il tipo di processo. | 'Spark' (obbligatorio) |
| archivio | Archiviare i file usati nel processo. | string[] |
| argomenti | Argomenti per il processo. | corda |
| codeId | [Obbligatorio] ID risorsa ARM dell'asset di codice. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
| conf | Proprietà configurate di Spark. | SparkJobConf |
| entrata | [Obbligatorio] Voce da eseguire all'avvio del processo. | SparkJobEntry (obbligatorio) |
| environmentId | ID risorsa ARM della specifica Ambiente per il processo. | corda |
| file | File usati nel processo. | string[] |
| Ingressi | Mapping dei data binding di input usati nel processo. | SparkJobInputs |
| Vasi | File JAR usati nel processo. | string[] |
| Uscite | Mapping dei data binding di output usati nel processo. | sparkJobOutputs |
| pyFiles | File Python usati nel processo. | string[] |
| risorse | Configurazione delle risorse di calcolo per il processo. | SparkResourceConfiguration |
SparkJobConf
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
SparkJobEntry
| Nome | Descrizione | Valore |
|---|---|---|
| sparkJobEntryType | Impostare il tipo di oggetto |
SparkJobPythonEntry SparkJobScalaEntry (obbligatorio) |
SparkJobPythonEntry
| Nome | Descrizione | Valore |
|---|---|---|
| sparkJobEntryType | [Obbligatorio] Tipo del punto di ingresso del processo. | 'SparkJobPythonEntry' (obbligatorio) |
| file | [Obbligatorio] Percorso del file Python relativo per il punto di ingresso del processo. | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
SparkJobScalaEntry
| Nome | Descrizione | Valore |
|---|---|---|
| sparkJobEntryType | [Obbligatorio] Tipo del punto di ingresso del processo. | 'SparkJobScalaEntry' (obbligatorio) |
| className | [Obbligatorio] Nome della classe Scala usato come punto di ingresso. | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
SparkJobInputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | jobInput |
SparkJobOutputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobOutput |
SparkResourceConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| instanceType | Tipo facoltativo di macchina virtuale usato come supportato dalla destinazione di calcolo. | corda |
| runtimeVersion | Versione del runtime spark usata per il processo. | corda |
SweepJob
| Nome | Descrizione | Valore |
|---|---|---|
| jobType | [Obbligatorio] Specifica il tipo di processo. | 'Sweep' (obbligatorio) |
| earlyTermination | I criteri di terminazione anticipata consentono di annullare le esecuzioni con prestazioni scarse prima del completamento | EarlyTerminationPolicy |
| Ingressi | Mapping dei data binding di input usati nel processo. | SweepJobInputs |
| Limiti | Limite di processi sweep. | SweepJobLimits |
| obiettivo | [Obbligatorio] Obiettivo di ottimizzazione. | objective (obbligatorio) |
| Uscite | Mapping dei data binding di output usati nel processo. | |
| campionamentoAlgorithm | [Obbligatorio] Algoritmo di campionamento degli iperparametri | SamplingAlgorithm (obbligatorio) |
| searchSpace | [Obbligatorio] Dizionario contenente ogni parametro e la relativa distribuzione. La chiave del dizionario è il nome del parametro | Per Bicep, è possibile usare la funzione any() |
| prova | [Obbligatorio] Definizione del componente di valutazione. | Di valutazioneComponent (obbligatorio) |
SweepJobInputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | jobInput |
SweepJobLimits
| Nome | Descrizione | Valore |
|---|---|---|
| jobLimitsType | [Obbligatorio] Tipo JobLimit. | 'Command' 'Sweep' (obbligatorio) |
| maxConcurrentTrials | Sweep Processo max test simultanei. | Int |
| maxTotalTrials | Sweep Job max total trial.Sweep Job max trial. | Int |
| Timeout | Durata massima dell'esecuzione in formato ISO 8601, dopo la quale il processo verrà annullato. Supporta solo la durata con precisione inferiore a secondi. | corda |
| trialTimeout | Valore di timeout della versione di valutazione processo sweep. | corda |
Obiettivo
| Nome | Descrizione | Valore |
|---|---|---|
| traguardo | [Obbligatorio] Definisce gli obiettivi delle metriche supportati per l'ottimizzazione degli iperparametri | 'Ingrandisci' 'Riduci a icona' (obbligatorio) |
| primaryMetric | [Obbligatorio] Nome della metrica da ottimizzare. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
SweepJobOutputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobOutput |
CampionamentoAlgorithm
| Nome | Descrizione | Valore |
|---|---|---|
| samplingAlgorithmType | Impostare il tipo di oggetto |
Bayesian griglia di casuali (obbligatorio) |
BayesianSamplingAlgorithm
| Nome | Descrizione | Valore |
|---|---|---|
| samplingAlgorithmType | [Obbligatorio] Algoritmo usato per la generazione di valori degli iperparametri, insieme alle proprietà di configurazione | 'Bayesian' (obbligatorio) |
GridSamplingAlgorithm
| Nome | Descrizione | Valore |
|---|---|---|
| samplingAlgorithmType | [Obbligatorio] Algoritmo usato per la generazione di valori degli iperparametri, insieme alle proprietà di configurazione | 'Grid' (obbligatorio) |
RandomSamplingAlgorithm
| Nome | Descrizione | Valore |
|---|---|---|
| samplingAlgorithmType | [Obbligatorio] Algoritmo usato per la generazione di valori degli iperparametri, insieme alle proprietà di configurazione | 'Random' (obbligatorio) |
| logbase | Numero positivo facoltativo o e in formato stringa da usare come base per il campionamento casuale basato su log | corda |
| regola | Tipo specifico di algoritmo casuale | 'Casuale' 'Sobol' |
| seme | Intero facoltativo da usare come valore di inizializzazione per la generazione di numeri casuali | Int |
TrialComponent
| Nome | Descrizione | Valore |
|---|---|---|
| codeId | ID risorsa ARM dell'asset di codice. | corda |
| comando | [Obbligatorio] Comando da eseguire all'avvio del processo. ad esempio. "python train.py" | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| distribuzione | Configurazione di distribuzione del processo. Se impostato, deve essere uno dei valori Mpi, Tensorflow, PyTorch o Null. | DistributionConfiguration |
| environmentId | [Obbligatorio] ID risorsa ARM della specifica Ambiente per il processo. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
| environmentVariables | Variabili di ambiente incluse nel processo. | TrialComponentEnvironmentVariables |
| risorse | Configurazione delle risorse di calcolo per il processo. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
EndpointScheduleAction
| Nome | Descrizione | Valore |
|---|---|---|
| actionType | [Obbligatorio] Specifica il tipo di azione della pianificazione | 'InvokeBatchEndpoint' (obbligatorio) |
| endpointInvocationDefinition | [Obbligatorio] Definisce i dettagli della definizione dell'azione di pianificazione. {see href="TBD" /} |
Per Bicep, è possibile usare la funzione any() |
TriggerBase
| Nome | Descrizione | Valore |
|---|---|---|
| endTime | Specifica l'ora di fine della pianificazione in ISO 8601, ma senza offset UTC. Fare riferimento https://en.wikipedia.org/wiki/ISO_8601.Il formato commentato è "2022-06-01T00:00:01" Se non è presente, la pianificazione verrà eseguita per un periodo illimitato |
corda |
| startTime | Specifica l'ora di inizio della pianificazione in formato ISO 8601, ma senza offset UTC. | corda |
| timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Vedere: /windows-hardware/manufacture/desktop/default-time-zones/> |
corda |
| triggerType | Impostare il tipo di oggetto |
Cron ricorrenza (obbligatorio) |
CronTrigger
| Nome | Descrizione | Valore |
|---|---|---|
| endTime | Specifica l'ora di fine della pianificazione in ISO 8601, ma senza offset UTC. Fare riferimento https://en.wikipedia.org/wiki/ISO_8601.Il formato commentato è "2022-06-01T00:00:01" Se non è presente, la pianificazione verrà eseguita per un periodo illimitato |
corda |
| espressione | [Obbligatorio] Specifica l'espressione cron della pianificazione. L'espressione deve seguire il formato NCronTab. |
stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
| startTime | Specifica l'ora di inizio della pianificazione in formato ISO 8601, ma senza offset UTC. | corda |
| timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Vedere: /windows-hardware/manufacture/desktop/default-time-zones |
corda |
| triggerType | [Obbligatorio] | 'Cron' 'Recurrence' (obbligatorio) |
RecurrenceTrigger
| Nome | Descrizione | Valore |
|---|---|---|
| endTime | Specifica l'ora di fine della pianificazione in ISO 8601, ma senza offset UTC. Fare riferimento https://en.wikipedia.org/wiki/ISO_8601.Il formato commentato è "2022-06-01T00:00:01" Se non è presente, la pianificazione verrà eseguita per un periodo illimitato |
corda |
| frequenza | [Obbligatorio] Frequenza di attivazione della pianificazione. | 'Day' 'Hour' 'Minute' 'Month' 'Week' (obbligatorio) |
| intervallo | [Obbligatorio] Specifica l'intervallo di pianificazione in combinazione con la frequenza | int (obbligatorio) |
| Programma | Pianificazione della ricorrenza. | RecurrenceSchedule |
| startTime | Specifica l'ora di inizio della pianificazione in formato ISO 8601, ma senza offset UTC. | corda |
| timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Vedere: /windows-hardware/manufacture/desktop/default-time-zones |
corda |
| triggerType | [Obbligatorio] | 'Cron' 'Recurrence' (obbligatorio) |
RecurrenceSchedule
| Nome | Descrizione | Valore |
|---|---|---|
| orario | [Obbligatorio] Elenco di ore per la pianificazione. | int[] (obbligatorio) |
| verbale | [Obbligatorio] Elenco di minuti per la pianificazione. | int[] (obbligatorio) |
| monthDays | Elenco dei giorni del mese per la pianificazione | int[] |
| giorni feriali | Elenco di giorni per la pianificazione. | Matrice di stringhe contenente uno dei seguenti elementi: 'Friday' 'Monday' 'Saturday' 'Domenica' 'Giovedì' 'Martedì' 'Mercoledì' |
Definizione di risorsa del modello di Resource Manager
Il tipo di risorsa aree di lavoro/pianificazioni può essere distribuito con operazioni destinate a:
Per un elenco delle proprietà modificate in ogni versione dell'API, vedere log delle modifiche.
Formato risorsa
Per creare una risorsa Microsoft.MachineLearningServices/workspaces/schedules, aggiungere il codice JSON seguente al modello.
{
"type": "Microsoft.MachineLearningServices/workspaces/schedules",
"apiVersion": "2022-12-01-preview",
"name": "string",
"properties": {
"action": {
"actionType": "string"
// For remaining properties, see ScheduleActionBase objects
},
"description": "string",
"displayName": "string",
"isEnabled": "bool",
"properties": {
"{customized property}": "string"
},
"tags": {},
"trigger": {
"endTime": "string",
"startTime": "string",
"timeZone": "string",
"triggerType": "string"
// For remaining properties, see TriggerBase objects
}
}
}
Oggetti ScheduleActionBase
Impostare la proprietà actionType
Per CreateJob, usare:
"actionType": "CreateJob",
"jobDefinition": {
"componentId": "string",
"computeId": "string",
"description": "string",
"displayName": "string",
"experimentName": "string",
"identity": {
"identityType": "string"
// For remaining properties, see IdentityConfiguration objects
},
"isArchived": "bool",
"properties": {
"{customized property}": "string"
},
"services": {
"{customized property}": {
"endpoint": "string",
"jobServiceType": "string",
"nodes": {
"nodesValueType": "string"
// For remaining properties, see Nodes objects
},
"port": "int",
"properties": {
"{customized property}": "string"
}
}
},
"tags": {},
"jobType": "string"
// For remaining properties, see JobBaseProperties objects
}
Per InvokeBatchEndpoint, usare:
"actionType": "InvokeBatchEndpoint",
"endpointInvocationDefinition": {}
Oggetti JobBaseProperties
Impostare la proprietà jobType per specificare il tipo di oggetto.
Per AutoML, usare:
"jobType": "AutoML",
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"properties": {
"{customized property}": {}
},
"shmSize": "string"
},
"taskDetails": {
"logVerbosity": "string",
"targetColumnName": "string",
"trainingData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"taskType": "string"
// For remaining properties, see AutoMLVertical objects
}
Per Comando, usare:
"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
}
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"properties": {
"{customized property}": {}
},
"shmSize": "string"
}
Per etichettatura, usare:
"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"
}
},
"labelingJobMediaProperties": {
"mediaType": "string"
// For remaining properties, see LabelingJobMediaProperties objects
},
"mlAssistConfiguration": {
"mlAssist": "string"
// For remaining properties, see MLAssistConfiguration objects
}
Per Pipeline, usare:
"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"
Per Spark, usare:
"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" ],
"resources": {
"instanceType": "string",
"runtimeVersion": "string"
}
Per Sweep, usare:
"jobType": "Sweep",
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"limits": {
"jobLimitsType": "string",
"maxConcurrentTrials": "int",
"maxTotalTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"objective": {
"goal": "string",
"primaryMetric": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"samplingAlgorithm": {
"samplingAlgorithmType": "string"
// For remaining properties, see SamplingAlgorithm objects
},
"searchSpace": {},
"trial": {
"codeId": "string",
"command": "string",
"distribution": {
"distributionType": "string"
// For remaining properties, see DistributionConfiguration objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"properties": {
"{customized property}": {}
},
"shmSize": "string"
}
}
Oggetti IdentityConfiguration
Impostare la proprietà identityType
Per AMLToken, usare:
"identityType": "AMLToken"
Per gestito, usare:
"identityType": "Managed",
"clientId": "string",
"objectId": "string",
"resourceId": "string"
Per UserIdentity, usare:
"identityType": "UserIdentity"
Oggetti Nodi
Impostare la proprietà nodesValueType per specificare il tipo di oggetto.
Per Tutti i, usare:
"nodesValueType": "All"
Oggetti JobOutput
Impostare la proprietà jobOutputType
Per custom_model, usare:
"jobOutputType": "custom_model",
"assetName": "string",
"assetVersion": "string",
"mode": "string",
"uri": "string"
Per mlflow_model, usare:
"jobOutputType": "mlflow_model",
"assetName": "string",
"assetVersion": "string",
"mode": "string",
"uri": "string"
Per mltable, usare:
"jobOutputType": "mltable",
"assetName": "string",
"assetVersion": "string",
"mode": "string",
"uri": "string"
Per triton_model, usare:
"jobOutputType": "triton_model",
"assetName": "string",
"assetVersion": "string",
"mode": "string",
"uri": "string"
Per uri_file, usare:
"jobOutputType": "uri_file",
"assetName": "string",
"assetVersion": "string",
"mode": "string",
"uri": "string"
Per uri_folder, usare:
"jobOutputType": "uri_folder",
"assetName": "string",
"assetVersion": "string",
"mode": "string",
"uri": "string"
Oggetti AutoMLVertical
Impostare la proprietà taskType
Per Classificazione, usare:
"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"
Per Previsione, usare:
"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",
"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"
Per ImageClassification, usare:
"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"
Per ImageClassificationMultilabel, usare:
"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"
Per ImageInstanceSegmentation, usare:
"taskType": "ImageInstanceSegmentation",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"boxDetectionsPerImage": "int",
"boxScoreThreshold": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"imageSize": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"maxSize": "int",
"minSize": "int",
"modelName": "string",
"modelSize": "string",
"momentum": "int",
"multiScale": "bool",
"nesterov": "bool",
"nmsIouThreshold": "int",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"tileGridSize": "string",
"tileOverlapRatio": "int",
"tilePredictionsNmsThreshold": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"validationIouThreshold": "int",
"validationMetricType": "string",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int"
},
"primaryMetric": "MeanAveragePrecision",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"boxDetectionsPerImage": "string",
"boxScoreThreshold": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"imageSize": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"maxSize": "string",
"minSize": "string",
"modelName": "string",
"modelSize": "string",
"momentum": "string",
"multiScale": "string",
"nesterov": "string",
"nmsIouThreshold": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"tileGridSize": "string",
"tileOverlapRatio": "string",
"tilePredictionsNmsThreshold": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"validationIouThreshold": "string",
"validationMetricType": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Per ImageObjectDetection, usare:
"taskType": "ImageObjectDetection",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"boxDetectionsPerImage": "int",
"boxScoreThreshold": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"imageSize": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"maxSize": "int",
"minSize": "int",
"modelName": "string",
"modelSize": "string",
"momentum": "int",
"multiScale": "bool",
"nesterov": "bool",
"nmsIouThreshold": "int",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"tileGridSize": "string",
"tileOverlapRatio": "int",
"tilePredictionsNmsThreshold": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"validationIouThreshold": "int",
"validationMetricType": "string",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int"
},
"primaryMetric": "MeanAveragePrecision",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"boxDetectionsPerImage": "string",
"boxScoreThreshold": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"imageSize": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"maxSize": "string",
"minSize": "string",
"modelName": "string",
"modelSize": "string",
"momentum": "string",
"multiScale": "string",
"nesterov": "string",
"nmsIouThreshold": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"tileGridSize": "string",
"tileOverlapRatio": "string",
"tilePredictionsNmsThreshold": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"validationIouThreshold": "string",
"validationMetricType": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Per regressione, usare:
"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"
Per TextClassification, usare:
"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"
}
Per TextClassificationMultilabel, usare:
"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"
}
Per TextNER, usare:
"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"
}
Oggetti NCrossValidations
Impostare la proprietà modalità
Per automatico, usare:
"mode": "Auto"
Per personalizzato, usare:
"mode": "Custom",
"value": "int"
Oggetti EarlyTerminationPolicy
Impostare la proprietà policyType
Per Bandit, usare:
"policyType": "Bandit",
"slackAmount": "int",
"slackFactor": "int"
Per MedianStopping, usare:
"policyType": "MedianStopping"
Per TruncationSelection, usare:
"policyType": "TruncationSelection",
"truncationPercentage": "int"
Oggetti ForecastHorizon
Impostare la proprietà modalità
Per automatico, usare:
"mode": "Auto"
Per personalizzato, usare:
"mode": "Custom",
"value": "int"
Oggetti stagionalità
Impostare la proprietà modalità
Per automatico, usare:
"mode": "Auto"
Per personalizzato, usare:
"mode": "Custom",
"value": "int"
Oggetti TargetLags
Impostare la proprietà modalità
Per automatico, usare:
"mode": "Auto"
Per personalizzato, usare:
"mode": "Custom",
"values": [ "int" ]
Oggetti TargetRollingWindowSize
Impostare la proprietà modalità
Per automatico, usare:
"mode": "Auto"
Per personalizzato, usare:
"mode": "Custom",
"value": "int"
Oggetti DistributionConfiguration
Impostare la proprietà distributionType
Per Mpi, usare:
"distributionType": "Mpi",
"processCountPerInstance": "int"
Per PyTorch, usare:
"distributionType": "PyTorch",
"processCountPerInstance": "int"
Per TensorFlow, usare:
"distributionType": "TensorFlow",
"parameterServerCount": "int",
"workerCount": "int"
Oggetti JobInput
Impostare la proprietà jobInputType
Per custom_model, usare:
"jobInputType": "custom_model",
"mode": "string",
"uri": "string"
Per valore letterale, usare:
"jobInputType": "literal",
"value": "string"
Per mlflow_model, usare:
"jobInputType": "mlflow_model",
"mode": "string",
"uri": "string"
Per mltable, usare:
"jobInputType": "mltable",
"mode": "string",
"uri": "string"
Per triton_model, usare:
"jobInputType": "triton_model",
"mode": "string",
"uri": "string"
Per uri_file, usare:
"jobInputType": "uri_file",
"mode": "string",
"uri": "string"
Per uri_folder, usare:
"jobInputType": "uri_folder",
"mode": "string",
"uri": "string"
Oggetti LabelingJobMediaProperties
Impostare la proprietà mediaType
Per Image, usare:
"mediaType": "Image",
"annotationType": "string"
Per testo, usare:
"mediaType": "Text",
"annotationType": "string"
Oggetti MLAssistConfiguration
Impostare la proprietà mlAssist
Per Disabilitato, usare:
"mlAssist": "Disabled"
Per Abilitato, usare:
"mlAssist": "Enabled",
"inferencingComputeBinding": "string",
"trainingComputeBinding": "string"
Oggetti SparkJobEntry
Impostare la proprietà sparkJobEntryType
Per SparkJobPythonEntry, usare:
"sparkJobEntryType": "SparkJobPythonEntry",
"file": "string"
Per SparkJobScalaEntry, usare:
"sparkJobEntryType": "SparkJobScalaEntry",
"className": "string"
Oggetti SamplingAlgorithm
Impostare la proprietà samplingAlgorithmType per specificare il tipo di oggetto.
Per bayesian, usare:
"samplingAlgorithmType": "Bayesian"
Per Grid, usare:
"samplingAlgorithmType": "Grid"
Per casuale, usare:
"samplingAlgorithmType": "Random",
"logbase": "string",
"rule": "string",
"seed": "int"
Oggetti TriggerBase
Impostare la proprietà triggerType
Per Cron, usare:
"triggerType": "Cron",
"expression": "string"
Per ricorrenza, usare:
"triggerType": "Recurrence",
"frequency": "string",
"interval": "int",
"schedule": {
"hours": [ "int" ],
"minutes": [ "int" ],
"monthDays": [ "int" ],
"weekDays": [ "string" ]
}
Valori delle proprietà
aree di lavoro/pianificazioni
| Nome | Descrizione | Valore |
|---|---|---|
| digitare | Tipo di risorsa | 'Microsoft.MachineLearningServices/workspaces/schedules' |
| apiVersion | Versione dell'API della risorsa | '2022-12-01-preview' |
| nome | Nome della risorsa Vedere come impostare nomi e tipi per le risorse figlio in modelli DI Resource Manager JSON. |
stringa (obbligatorio) |
| proprietà | [Obbligatorio] Attributi aggiuntivi dell'entità. | Proprietà pianificazione (obbligatorio) |
Proprietà pianificazione
| Nome | Descrizione | Valore |
|---|---|---|
| azione | [Obbligatorio] Specifica l'azione della pianificazione | ScheduleActionBase (obbligatorio) |
| descrizione | Testo della descrizione dell'asset. | corda |
| displayName | Nome visualizzato della pianificazione. | corda |
| isEnabled | La pianificazione è abilitata? | Bool |
| proprietà | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
| Tag | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | oggetto |
| Grilletto | [Obbligatorio] Specifica i dettagli del trigger | triggerbase (obbligatorio) |
ScheduleActionBase
| Nome | Descrizione | Valore |
|---|---|---|
| actionType | Impostare il tipo di oggetto |
CreateJob InvokeBatchEndpoint (obbligatorio) |
JobScheduleAction
JobBaseProperties
| Nome | Descrizione | Valore |
|---|---|---|
| componentId | ID risorsa ARM della risorsa componente. | corda |
| computeId | ID risorsa ARM della risorsa di calcolo. | corda |
| descrizione | Testo della descrizione dell'asset. | corda |
| displayName | Nome visualizzato del processo. | corda |
| experimentName | Nome dell'esperimento a cui appartiene il processo. Se non è impostato, il processo viene inserito nell'esperimento "Default". | corda |
| identità | Configurazione dell'identità. Se impostato, deve essere uno di AmlToken, ManagedIdentity, UserIdentity o Null. L'impostazione predefinita è AmlToken se null. |
IdentityConfiguration |
| isArchived | L'asset è archiviato? | Bool |
| proprietà | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
| servizi | Elenco di JobEndpoints. Per i processi locali, un endpoint di processo avrà un valore endpoint di FileStreamObject. |
JobBaseServices |
| Tag | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | oggetto |
| jobType | Impostare il tipo di oggetto |
AutoML comando etichettatura pipeline Spark sweep (obbligatorio) |
IdentityConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| identityType | Impostare il tipo di oggetto |
AMLToken gestito UserIdentity (obbligatorio) |
AmlToken
| Nome | Descrizione | Valore |
|---|---|---|
| identityType | [Obbligatorio] Specifica il tipo di framework di gestione delle identità. | 'AMLToken' (obbligatorio) |
ManagedIdentity
| Nome | Descrizione | Valore |
|---|---|---|
| identityType | [Obbligatorio] Specifica il tipo di framework di gestione delle identità. | 'Managed' (obbligatorio) |
| clientId | Specifica un'identità assegnata dall'utente in base all'ID client. Per l'assegnazione del sistema, non impostare questo campo. | corda Vincoli: Lunghezza minima = 36 Lunghezza massima = 36 Pattern = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| objectId | Specifica un'identità assegnata dall'utente in base all'ID oggetto. Per l'assegnazione del sistema, non impostare questo campo. | corda Vincoli: Lunghezza minima = 36 Lunghezza massima = 36 Pattern = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| resourceId | Specifica un'identità assegnata dall'utente in base all'ID risorsa arm. Per l'assegnazione del sistema, non impostare questo campo. | corda |
UserIdentity
| Nome | Descrizione | Valore |
|---|---|---|
| identityType | [Obbligatorio] Specifica il tipo di framework di gestione delle identità. | 'UserIdentity' (obbligatorio) |
ResourceBaseProperties
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
JobBaseServices
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobService |
JobService
| Nome | Descrizione | Valore |
|---|---|---|
| Endpoint | URL per l'endpoint. | corda |
| jobServiceType | Tipo di endpoint. | corda |
| nodi | Nodi su cui l'utente vuole avviare il servizio. Se i nodi non sono impostati o impostati su Null, il servizio verrà avviato solo nel nodo leader. |
nodi |
| porto | Porta per l'endpoint impostato dall'utente. | Int |
| proprietà | Proprietà aggiuntive da impostare nell'endpoint. | JobServiceProperties |
Nodi
| Nome | Descrizione | Valore |
|---|---|---|
| nodesValueType | Impostare il tipo di oggetto | Tutte le (obbligatorio) |
AllNodes
| Nome | Descrizione | Valore |
|---|---|---|
| nodesValueType | [Obbligatorio] Tipo del valore Nodes | 'All' (obbligatorio) |
JobServiceProperties
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
AutoMLJob
| Nome | Descrizione | Valore |
|---|---|---|
| jobType | [Obbligatorio] Specifica il tipo di processo. | 'AutoML' (obbligatorio) |
| environmentId | ID risorsa ARM della specifica Ambiente per il processo. Questo è un valore facoltativo da specificare, se non specificato, l'impostazione predefinita di AutoML è la versione dell'ambiente curato per la produzione durante l'esecuzione del processo. |
corda |
| environmentVariables | Variabili di ambiente incluse nel processo. | AutoMLJobEnvironmentVariables |
| Uscite | Mapping dei data binding di output usati nel processo. | AutoMLJobOutputs |
| risorse | Configurazione delle risorse di calcolo per il processo. | JobResourceConfiguration |
| taskDetails | [Obbligatorio] Questo scenario rappresenta uno scenario che può essere una delle tabelle/NLP/Image | AutomaticoMLVertical (obbligatorio) |
AutoMLJobEnvironmentVariables
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
AutoMLJobOutputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobOutput |
JobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| descrizione | Descrizione per l'output. | corda |
| jobOutputType | Impostare il tipo di oggetto |
custom_model mlflow_model mltable triton_model uri_file uri_folder (obbligatorio) |
CustomModelJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'custom_model' (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
| Uri | URI dell'asset di output. | corda |
MLFlowModelJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'mlflow_model' (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
| Uri | URI dell'asset di output. | corda |
MLTableJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'mltable' (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
| Uri | URI dell'asset di output. | corda |
ModelModelJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'triton_model' (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
| Uri | URI dell'asset di output. | corda |
UriFileJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'uri_file' (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
| Uri | URI dell'asset di output. | corda |
UriFolderJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'uri_folder' (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
| Uri | URI dell'asset di output. | corda |
JobResourceConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| dockerArgs | Argomenti aggiuntivi da passare al comando docker run. L'override di tutti i parametri già impostati dal sistema o in questa sezione. Questo parametro è supportato solo per i tipi di calcolo di Azure ML. | corda |
| instanceCount | Numero facoltativo di istanze o nodi usati dalla destinazione di calcolo. | Int |
| instanceType | Tipo facoltativo di macchina virtuale usato come supportato dalla destinazione di calcolo. | corda |
| proprietà | Contenitore di proprietà aggiuntive. | ResourceConfigurationProperties |
| shmSize | Dimensioni del blocco di memoria condiviso del contenitore Docker. Deve essere nel formato (numero)(unità) in cui il numero deve essere maggiore di 0 e l'unità può essere uno di b(byte), k(kilobyte), m(megabyte) o g(gigabyte). | corda Vincoli: Pattern = \d+[bBkKmMgG] |
ResourceConfigurationProperties
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} |
AutoMLVertical
| Nome | Descrizione | Valore |
|---|---|---|
| logVerbosity | Registrare il livello di dettaglio per il processo. | 'Critico' 'Debug' 'Error' 'Info' 'NotSet' 'Avviso' |
| targetColumnName | Nome colonna di destinazione: colonna dei valori di stima. Noto anche come nome di colonna etichetta nel contesto delle attività di classificazione. |
corda |
| trainingData | [Obbligatorio] Input dei dati di training. | MLTableJobInput (obbligatorio) |
| taskType | Impostare il tipo di oggetto |
classificazione previsione ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation imageObjectDetection regressione TextClassification TextClassificationMultilabel TextNER (obbligatorio) |
MLTableJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| descrizione | Descrizione per l'input. | corda |
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
Classificazione
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'Classification' (obbligatorio) |
| cvSplitColumnNames | Colonne da utilizzare per i dati CVSplit. | string[] |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | TableFixedParameters |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Numero di riduzioni di convalida incrociata da applicare al set di dati di training quando il set di dati di convalida non viene fornito. |
NCrossValidations |
| positiveLabel | Etichetta positiva per il calcolo delle metriche binarie. | corda |
| primaryMetric | Metrica primaria per l'attività. | 'AUCWeighted' 'Accuratezza' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | TableParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | TableSweepSettings |
| testData | Testare l'input dei dati. | MLTableJobInput |
| testDataSize | Frazione del set di dati di test da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| trainingSettings | Input per la fase di training per un processo AutoML. | ClassificationTrainingSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| weightColumnName | Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso delle righe nei dati verso l'alto o verso il basso. | corda |
TableVerticalFeaturizationSettings
| Nome | Descrizione | Valore |
|---|---|---|
| blockedTransformers | Questi trasformatori non devono essere utilizzati nella definizione delle caratteristiche. | Matrice di stringhe contenente uno dei seguenti elementi: 'CatTargetEncoder' 'CountVectorizer' 'HashOneHotEncoder' 'LabelEncoder' 'NaiveBayes' 'OneHotEncoder' 'TextTargetEncoder' 'TfIdf' 'WoETargetEncoder' 'WordEmbedding' |
| columnNameAndTypes | Dizionario del nome della colonna e del relativo tipo (int, float, string, datetime e così via). | tableVerticalFeaturizationSettingsColumnNameAndTypes |
| datasetLanguage | Lingua del set di dati, utile per i dati di testo. | corda |
| enableDnnFeaturization | Determina se utilizzare gli strumenti di funzionalità basati su Dnn per la definizione delle caratteristiche dei dati. | Bool |
| modo | Modalità di definizione delle caratteristiche: l'utente può mantenere la modalità predefinita "Auto" e AutoML si occuperà della trasformazione necessaria dei dati nella fase di definizione delle caratteristiche. Se l'opzione 'Off' è selezionata, non viene eseguita alcuna definizione di funzionalità. Se l'opzione 'Custom' è selezionata, l'utente può specificare input aggiuntivi per personalizzare la modalità di definizione delle caratteristiche. |
'Auto' 'Custom' 'Off' |
| transformerParams | L'utente può specificare trasformatori aggiuntivi da utilizzare insieme alle colonne a cui verrebbe applicato e parametri per il costruttore del trasformatore. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
TableVerticalFeaturizationSettingsTransformerParams
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | ColumnTransformer [] |
ColumnTransformer
| Nome | Descrizione | Valore |
|---|---|---|
| Campi | Campi su cui applicare la logica del trasformatore. | string[] |
| Parametri | Proprietà diverse da passare al trasformatore. L'input previsto è un dizionario di coppie chiave,valore in formato JSON. |
TableFixedParameters
| Nome | Descrizione | Valore |
|---|---|---|
| Booster | Specificare il tipo di boosting, ad esempio gbdt per XGBoost. | corda |
| boostingType | Specificare il tipo di boosting, ad esempio gbdt per LightGBM. | corda |
| growPolicy | Specificare i criteri di aumento, che controllano il modo in cui vengono aggiunti nuovi nodi all'albero. | corda |
| learningRate | Frequenza di apprendimento per la procedura di training. | Int |
| maxBin | Specificare il numero massimo di contenitori discreti per raggruppare le funzionalità continue. | Int |
| maxDepth | Specificare la profondità massima per limitare in modo esplicito la profondità dell'albero. | Int |
| maxLeaves | Specificare le foglie massime per limitare in modo esplicito le foglie dell'albero. | Int |
| minDataInLeaf | Numero minimo di dati per foglia. | Int |
| minSplitGain | Riduzione minima della perdita necessaria per eseguire un'ulteriore partizione in un nodo foglia dell'albero. | Int |
| modelName | Nome del modello di cui eseguire il training. | corda |
| nEstimators | Specificare il numero di alberi (o arrotondamenti) in un modello. | Int |
| numLeaves | Specificare il numero di foglie. | Int |
| preprocessorName | Nome del preprocessore da usare. | corda |
| regAlpha | L1 termine di regolarizzazione sui pesi. | Int |
| regLambda | Termine di regolarizzazione L2 sui pesi. | Int |
| sottosample | Rapporto di sottosample dell'istanza di training. | Int |
| subsampleFreq | Frequenza della sottosaempio. | Int |
| treeMethod | Specificare il metodo della struttura ad albero. | corda |
| withMean | Se true, centra prima di ridimensionare i dati con StandardScalar. | Bool |
| withStd | Se true, ridimensionare i dati con Varianza unità con StandardScalar. | Bool |
TableVerticalLimitSettings
| Nome | Descrizione | Valore |
|---|---|---|
| enableEarlyTermination | Abilitare la terminazione anticipata, determina se AutoMLJob terminerà in anticipo se negli ultimi 20 iterazioni non è presente alcun miglioramento del punteggio. | Bool |
| exitScore | Punteggio di uscita per il processo AutoML. | Int |
| maxConcurrentTrials | Numero massimo di iterazioni simultanee. | Int |
| maxCoresPerTrial | Numero massimo di core per iterazione. | Int |
| maxNodes | Numero massimo di nodi da usare per l'esperimento. | Int |
| maxTrials | Numero di iterazioni. | Int |
| sweepConcurrentTrials | Numero di esecuzioni di sweep simultanee che l'utente vuole attivare. | Int |
| sweepTrials | Numero di esecuzioni di sweep che l'utente vuole attivare. | Int |
| Timeout | Timeout del processo AutoML. | corda |
| trialTimeout | Timeout di iterazione. | corda |
NCrossValidations
| Nome | Descrizione | Valore |
|---|---|---|
| modo | Impostare il tipo di oggetto |
automatico personalizzato (obbligatorio) |
AutoNCrossValidations
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità per determinare le convalide tra N. | 'Auto' (obbligatorio) |
CustomNCrossValidations
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità per determinare le convalide tra N. | 'Custom' (obbligatorio) |
| valore | [Obbligatorio] Valore delle convalide incrociate N. | int (obbligatorio) |
TableParameterSubspace
| Nome | Descrizione | Valore |
|---|---|---|
| Booster | Specificare il tipo di boosting, ad esempio gbdt per XGBoost. | corda |
| boostingType | Specificare il tipo di boosting, ad esempio gbdt per LightGBM. | corda |
| growPolicy | Specificare i criteri di aumento, che controllano il modo in cui vengono aggiunti nuovi nodi all'albero. | corda |
| learningRate | Frequenza di apprendimento per la procedura di training. | corda |
| maxBin | Specificare il numero massimo di contenitori discreti per raggruppare le funzionalità continue. | corda |
| maxDepth | Specificare la profondità massima per limitare in modo esplicito la profondità dell'albero. | corda |
| maxLeaves | Specificare le foglie massime per limitare in modo esplicito le foglie dell'albero. | corda |
| minDataInLeaf | Numero minimo di dati per foglia. | corda |
| minSplitGain | Riduzione minima della perdita necessaria per eseguire un'ulteriore partizione in un nodo foglia dell'albero. | corda |
| modelName | Nome del modello di cui eseguire il training. | corda |
| nEstimators | Specificare il numero di alberi (o arrotondamenti) in un modello. | corda |
| numLeaves | Specificare il numero di foglie. | corda |
| preprocessorName | Nome del preprocessore da usare. | corda |
| regAlpha | L1 termine di regolarizzazione sui pesi. | corda |
| regLambda | Termine di regolarizzazione L2 sui pesi. | corda |
| sottosample | Rapporto di sottosample dell'istanza di training. | corda |
| subsampleFreq | Frequenza delle sottosample | corda |
| treeMethod | Specificare il metodo della struttura ad albero. | corda |
| withMean | Se true, centra prima di ridimensionare i dati con StandardScalar. | corda |
| withStd | Se true, ridimensionare i dati con Varianza unità con StandardScalar. | corda |
TableSweepSettings
| Nome | Descrizione | Valore |
|---|---|---|
| earlyTermination | Tipo di criteri di terminazione anticipata per il processo di sweep. | EarlyTerminationPolicy |
| campionamentoAlgorithm | [Obbligatorio] Tipo di algoritmo di campionamento. | 'Bayesian' 'Grid' 'Random' (obbligatorio) |
EarlyTerminationPolicy
| Nome | Descrizione | Valore |
|---|---|---|
| delayEvaluation | Numero di intervalli in base ai quali ritardare la prima valutazione. | Int |
| evaluationInterval | Intervallo (numero di esecuzioni) tra le valutazioni dei criteri. | Int |
| policyType | Impostare il tipo di oggetto |
Bandit MedianStopping truncationSelection (obbligatorio) |
BanditPolicy
| Nome | Descrizione | Valore |
|---|---|---|
| policyType | [Obbligatorio] Nome della configurazione dei criteri | 'Bandit' (obbligatorio) |
| slackAmount | Distanza assoluta consentita dalla migliore esecuzione. | Int |
| slackFactor | Rapporto tra la distanza consentita e l'esecuzione con prestazioni migliori. | Int |
MedianStoppingPolicy
| Nome | Descrizione | Valore |
|---|---|---|
| policyType | [Obbligatorio] Nome della configurazione dei criteri | 'MedianStopping' (obbligatorio) |
TruncationSelectionPolicy
| Nome | Descrizione | Valore |
|---|---|---|
| policyType | [Obbligatorio] Nome della configurazione dei criteri | 'TruncationSelection' (obbligatorio) |
| truncationPercentage | Percentuale di esecuzioni da annullare a ogni intervallo di valutazione. | Int |
ClassificationTrainingSettings
| Nome | Descrizione | Valore |
|---|---|---|
| allowedTrainingAlgorithms | Modelli consentiti per l'attività di classificazione. | Matrice di stringhe contenente uno dei seguenti elementi: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier' |
| blockedTrainingAlgorithms | Modelli bloccati per l'attività di classificazione. | Matrice di stringhe contenente uno dei seguenti elementi: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier' |
| enableDnnTraining | Abilitare la raccomandazione dei modelli DNN. | Bool |
| enableModelExplainability | Flag per attivare la spiegazione sul modello migliore. | Bool |
| enableOnnxCompatibleModels | Flag per l'abilitazione di modelli compatibili con onnx. | Bool |
| enableStackEnsemble | Abilitare l'esecuzione dell'insieme dello stack. | Bool |
| enableVoteEnsemble | Abilitare l'esecuzione dell'ensemble di voto. | Bool |
| ensembleModelDownloadTimeout | Durante la generazione di modelli VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati dalle esecuzioni figlio precedenti. Configurare questo parametro con un valore superiore a 300 sec, se è necessario più tempo. |
corda |
| stackEnsembleSettings | Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
| trainingMode | Modalità TrainingMode: l'impostazione di "auto" equivale a impostarla su "non distribuita" per il momento, tuttavia in futuro potrebbe comportare la selezione della modalità mista o della modalità basata sull'euristica. Il valore predefinito è 'auto'. Se 'Distributed' viene usata solo la funzionalità distribuita e vengono scelti gli algoritmi distribuiti. Se 'NonDistributed' vengono scelti solo gli algoritmi non distribuiti. |
'Auto' 'Distribuito' 'NonDistributed' |
StackEnsembleSettings
| Nome | Descrizione | Valore |
|---|---|---|
| stackMetaLearnerKWargs | Parametri facoltativi da passare all'inizializzatore del meta-learner. | |
| stackMetaLearnerTrainPercentage | Specifica la proporzione del set di training (quando si sceglie il tipo di training e di convalida) da riservare per il training del meta-apprendimento. Il valore predefinito è 0,2. | Int |
| stackMetaLearnerType | Il meta-learner è un modello sottoposto a training sull'output dei singoli modelli eterogenei. | 'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'Nessuno' |
Previsione
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'Forecasting' (obbligatorio) |
| cvSplitColumnNames | Colonne da utilizzare per i dati CVSplit. | string[] |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | TableFixedParameters |
| forecastingSettings | Previsione di input specifici dell'attività. | ForecastingSettings |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Numero di riduzioni di convalida incrociata da applicare al set di dati di training quando il set di dati di convalida non viene fornito. |
NCrossValidations |
| primaryMetric | Metrica primaria per l'attività di previsione. | 'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'SpearmanCorrelation' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | TableParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | TableSweepSettings |
| testData | Testare l'input dei dati. | MLTableJobInput |
| testDataSize | Frazione del set di dati di test da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| trainingSettings | Input per la fase di training per un processo AutoML. | ForecastingTrainingSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| weightColumnName | Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso delle righe nei dati verso l'alto o verso il basso. | corda |
ForecastingSettings
| Nome | Descrizione | Valore |
|---|---|---|
| countryOrRegionForHolidays | Paese o area geografica per le vacanze per le attività di previsione. Devono essere codici PAESE/area geografica ISO 3166, ad esempio 'US' o 'GB'. |
corda |
| cvStepSize | Numero di periodi tra l'ora di origine di una piega cv e la piega successiva. Per ad esempio, se CVStepSize = 3 per i dati giornalieri, l'ora di origine per ogni piega saràtre giorni a parte. |
Int |
| featureLags | Flag per la generazione di ritardi per le funzionalità numeriche con 'auto' o Null. | 'Auto' 'Nessuno' |
| forecastHorizon | L'orizzonte di previsione massimo desiderato in unità di frequenza delle serie temporali. | ForecastHorizon |
| frequenza | Durante la previsione, questo parametro rappresenta il periodo con cui si desidera eseguire la previsione, ad esempio giornaliera, settimanale, annuale e così via. La frequenza di previsione è la frequenza del set di dati per impostazione predefinita. | corda |
| stagionalità | Impostare la stagionalità delle serie temporali come numero intero multiplo della frequenza della serie. Se la stagionalità è impostata su "auto", verrà dedotta. |
stagionalità |
| shortSeriesHandlingConfig | Parametro che definisce come se AutoML deve gestire serie temporali brevi. | 'Auto' 'Drop' 'Nessuno' 'Pad' |
| targetAggregateFunction | Funzione da utilizzare per aggregare la colonna di destinazione della serie temporale in modo che sia conforme a una frequenza specificata dall'utente. Se targetAggregateFunction è impostato, ad esempio non 'None', ma il parametro freq non è impostato, viene generato l'errore. Le possibili funzioni di aggregazione di destinazione sono: "sum", "max", "min" e "mean". |
'Max' 'Mean' 'Min' 'Nessuno' 'Sum' |
| targetLags | Numero di periodi passati di ritardo dalla colonna di destinazione. | TargetLags |
| targetRollingWindowSize | Numero di periodi passati utilizzati per creare una media della finestra mobile della colonna di destinazione. | TargetRollingWindowSize |
| timeColumnName | Nome della colonna temporale. Questo parametro è obbligatorio quando si prevede di specificare la colonna datetime nei dati di input usati per compilare la serie temporale e dedurre la relativa frequenza. | corda |
| timeSeriesIdColumnNames | Nomi delle colonne utilizzate per raggruppare un timeeries. Può essere usato per creare più serie. Se la granularità non è definita, si presuppone che il set di dati sia una serie temporale. Questo parametro viene usato con la previsione del tipo di attività. |
string[] |
| useStl | Configurare la sCOMposizione STL della colonna di destinazione della serie temporale. | 'Nessuno' 'Season' 'SeasonTrend' |
ForecastHorizon
| Nome | Descrizione | Valore |
|---|---|---|
| modo | Impostare il tipo di oggetto |
automatico personalizzato (obbligatorio) |
AutoForecastHorizon
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Impostare la modalità di selezione del valore dell'orizzonte di previsione. | 'Auto' (obbligatorio) |
CustomForecastHorizon
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Impostare la modalità di selezione del valore dell'orizzonte di previsione. | 'Custom' (obbligatorio) |
| valore | [Obbligatorio] Valore dell'orizzonte di previsione. | int (obbligatorio) |
Stagionalità
| Nome | Descrizione | Valore |
|---|---|---|
| modo | Impostare il tipo di oggetto |
automatico personalizzato (obbligatorio) |
AutoSeasonality
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità stagionalità. | 'Auto' (obbligatorio) |
CustomSeasonality
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità stagionalità. | 'Custom' (obbligatorio) |
| valore | [Obbligatorio] Valore stagionalità. | int (obbligatorio) |
TargetLags
| Nome | Descrizione | Valore |
|---|---|---|
| modo | Impostare il tipo di oggetto |
automatico personalizzato (obbligatorio) |
AutoTargetLags
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Impostare la modalità di ritardo di destinazione - Auto/Personalizzato | 'Auto' (obbligatorio) |
CustomTargetLags
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Impostare la modalità di ritardo di destinazione - Auto/Personalizzato | 'Custom' (obbligatorio) |
| valori | [Obbligatorio] Impostare i valori di ritardo di destinazione. | int[] (obbligatorio) |
TargetRollingWindowSize
| Nome | Descrizione | Valore |
|---|---|---|
| modo | Impostare il tipo di oggetto |
automatico personalizzato (obbligatorio) |
AutoTargetRollingWindowSize
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità di rilevamento TargetRollingWindowSiz. | 'Auto' (obbligatorio) |
CustomTargetRollingWindowSize
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità di rilevamento TargetRollingWindowSiz. | 'Custom' (obbligatorio) |
| valore | [Obbligatorio] Valore TargetRollingWindowSize. | int (obbligatorio) |
ForecastingTrainingSettings
| Nome | Descrizione | Valore |
|---|---|---|
| allowedTrainingAlgorithms | Modelli consentiti per l'attività di previsione. | Matrice di stringhe contenente uno dei seguenti elementi: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' 'Profeta' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor' |
| blockedTrainingAlgorithms | Modelli bloccati per l'attività di previsione. | Matrice di stringhe contenente uno dei seguenti elementi: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' 'Profeta' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor' |
| enableDnnTraining | Abilitare la raccomandazione dei modelli DNN. | Bool |
| enableModelExplainability | Flag per attivare la spiegazione sul modello migliore. | Bool |
| enableOnnxCompatibleModels | Flag per l'abilitazione di modelli compatibili con onnx. | Bool |
| enableStackEnsemble | Abilitare l'esecuzione dell'insieme dello stack. | Bool |
| enableVoteEnsemble | Abilitare l'esecuzione dell'ensemble di voto. | Bool |
| ensembleModelDownloadTimeout | Durante la generazione di modelli VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati dalle esecuzioni figlio precedenti. Configurare questo parametro con un valore superiore a 300 sec, se è necessario più tempo. |
corda |
| stackEnsembleSettings | Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
| trainingMode | Modalità TrainingMode: l'impostazione di "auto" equivale a impostarla su "non distribuita" per il momento, tuttavia in futuro potrebbe comportare la selezione della modalità mista o della modalità basata sull'euristica. Il valore predefinito è 'auto'. Se 'Distributed' viene usata solo la funzionalità distribuita e vengono scelti gli algoritmi distribuiti. Se 'NonDistributed' vengono scelti solo gli algoritmi non distribuiti. |
'Auto' 'Distribuito' 'NonDistributed' |
ImageClassification
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'ImageClassification' (obbligatorio) |
| limitSettings | [Obbligatorio] Limitare le impostazioni per il processo AutoML. | ImageLimitSettings (obbligatorio) |
| modelSettings | Impostazioni usate per il training del modello. | ImageModelSettingsClassification |
| primaryMetric | Metrica primaria da ottimizzare per questa attività. | 'AUCWeighted' 'Accuratezza' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | ImageModelDistributionSettingsClassification[] |
| sweepSettings | Sweep del modello e sweep degli iperparametri per le impostazioni correlate. | ImageSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
ImageLimitSettings
| Nome | Descrizione | Valore |
|---|---|---|
| maxConcurrentTrials | Numero massimo di iterazioni AutoML simultanee. | Int |
| maxTrials | Numero massimo di iterazioni AutoML. | Int |
| Timeout | Timeout del processo AutoML. | corda |
ImageModelSettingsClassification
MLFlowModelJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| descrizione | Descrizione per l'input. | corda |
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
| Nome | Descrizione | Valore |
|---|---|---|
| amsGradient | Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'. | corda |
| incrementi | Impostazioni per l'uso di Augmentations. | corda |
| beta1 | Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| beta2 | Valore di 'beta2' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| distribuito | Indica se usare il training di distributer. | corda |
| earlyStopping | Abilitare la logica di arresto anticipato durante il training. | corda |
| earlyStoppingDelay | Numero minimo di periodi o valutazioni di convalida da attendere prima del miglioramento della metrica primaria viene monitorato per l'arresto anticipato. Deve essere un numero intero positivo. |
corda |
| earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie prima l'esecuzione viene arrestata. Deve essere un numero intero positivo. |
corda |
| enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | corda |
| evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un numero intero positivo. | corda |
| gradientAccumulationStep | L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornamento dei pesi del modello durante l'accumulo delle sfumature di tali passaggi e quindi uso gradienti accumulati per calcolare gli aggiornamenti del peso. Deve essere un numero intero positivo. |
corda |
| layersToFreeze | Numero di livelli da bloccare per il modello. Deve essere un numero intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa livello di congelamento0 e layer1. Per un elenco completo dei modelli supportati e i dettagli sul blocco del livello, vedere see: /azure/machine-learning/how-to-auto-train-image-models. |
corda |
| learningRate | Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio". | corda |
| modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: /azure/machine-learning/how-to-auto-train-image-models. |
corda |
| slancio | Valore di momentum quando optimizer è 'sgd'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| nesterov | Abilitare nesterov quando optimizer è "sgd". | corda |
| numberOfEpochs | Numero di periodi di training. Deve essere un numero intero positivo. | corda |
| numberOfWorkers | Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo. | corda |
| ottimizzatore | Tipo di ottimizzatore. Deve essere 'sgd', 'adam', o 'adamw'. | corda |
| randomSeed | Valore di inizializzazione casuale da usare quando si usa il training deterministico. | corda |
| stepLRGamma | Il valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è 'step'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| stepLRStepSize | Valore delle dimensioni del passaggio quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un numero intero positivo. | corda |
| trainingBatchSize | Dimensioni batch di training. Deve essere un numero intero positivo. | corda |
| trainingCropSize | Dimensioni di ritaglio delle immagini che vengono immesse nella rete neurale per il set di dati di training. Deve essere un numero intero positivo. | corda |
| validationBatchSize | Dimensioni batch di convalida. Deve essere un numero intero positivo. | corda |
| validationCropSize | Dimensione ritaglio immagine che viene immessa nella rete neurale per il set di dati di convalida. Deve essere un numero intero positivo. | corda |
| validationResizeSize | Dimensioni dell'immagine in cui ridimensionare prima del ritaglio per il set di dati di convalida. Deve essere un numero intero positivo. | corda |
| warmupCosineLRCycles | Il valore del ciclo coseno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un valore float nell'intervallo [0, 1]. | corda |
| warmupCosineLRWarmupEpochs | Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un numero intero positivo. | corda |
| weightDecay | Valore del decadimento del peso quando optimizer è 'sgd', 'adam' o 'adamw'. Deve essere un valore float nell'intervallo[0, 1]. | corda |
| weightedLoss | Perdita ponderata. I valori accettati sono 0 per nessuna perdita ponderata. 1 per perdita ponderata con sqrt. (class_weights). 2 per perdita ponderata con class_weights. Deve essere 0 o 1 o 2. |
corda |
ImageSweepSettings
| Nome | Descrizione | Valore |
|---|---|---|
| earlyTermination | Tipo di criteri di terminazione anticipata. | EarlyTerminationPolicy |
| campionamentoAlgorithm | [Obbligatorio] Tipo degli algoritmi di campionamento degli iperparametri. | 'Bayesian' 'Grid' 'Random' (obbligatorio) |
ImageClassificationMultilabel
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'ImageClassificationMultilabel' (obbligatorio) |
| limitSettings | [Obbligatorio] Limitare le impostazioni per il processo AutoML. | ImageLimitSettings (obbligatorio) |
| modelSettings | Impostazioni usate per il training del modello. | ImageModelSettingsClassification |
| primaryMetric | Metrica primaria da ottimizzare per questa attività. | 'AUCWeighted' 'Accuratezza' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | ImageModelDistributionSettingsClassification[] |
| sweepSettings | Sweep del modello e sweep degli iperparametri per le impostazioni correlate. | ImageSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
ImageInstanceSegmentation
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'ImageInstanceSegmentation' (obbligatorio) |
| limitSettings | [Obbligatorio] Limitare le impostazioni per il processo AutoML. | ImageLimitSettings (obbligatorio) |
| modelSettings | Impostazioni usate per il training del modello. | ImageModelSettingsObjectDetection |
| primaryMetric | Metrica primaria da ottimizzare per questa attività. | 'MeanAveragePrecision' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | ImageModelDistributionSettingsObjectDetection[] |
| sweepSettings | Sweep del modello e sweep degli iperparametri per le impostazioni correlate. | ImageSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
ImageModelSettingsObjectDetection
ImageModelDistributionSettingsObjectDetection
| Nome | Descrizione | Valore |
|---|---|---|
| amsGradient | Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'. | corda |
| incrementi | Impostazioni per l'uso di Augmentations. | corda |
| beta1 | Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| beta2 | Valore di 'beta2' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| boxDetectionsPerImage | Numero massimo di rilevamenti per immagine, per tutte le classi. Deve essere un numero intero positivo. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
corda |
| boxScoreThreshold | Durante l'inferenza, restituisce solo proposte con un punteggio di classificazione maggiore di BoxScoreThreshold. Deve essere un valore float nell'intervallo[0, 1]. |
corda |
| distribuito | Indica se usare il training di distributer. | corda |
| earlyStopping | Abilitare la logica di arresto anticipato durante il training. | corda |
| earlyStoppingDelay | Numero minimo di periodi o valutazioni di convalida da attendere prima del miglioramento della metrica primaria viene monitorato per l'arresto anticipato. Deve essere un numero intero positivo. |
corda |
| earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie prima l'esecuzione viene arrestata. Deve essere un numero intero positivo. |
corda |
| enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | corda |
| evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un numero intero positivo. | corda |
| gradientAccumulationStep | L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornamento dei pesi del modello durante l'accumulo delle sfumature di tali passaggi e quindi uso gradienti accumulati per calcolare gli aggiornamenti del peso. Deve essere un numero intero positivo. |
corda |
| imageSize | Dimensioni dell'immagine per il training e la convalida. Deve essere un numero intero positivo. Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5". |
corda |
| layersToFreeze | Numero di livelli da bloccare per il modello. Deve essere un numero intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa livello di congelamento0 e layer1. Per un elenco completo dei modelli supportati e i dettagli sul blocco del livello, vedere see: /azure/machine-learning/how-to-auto-train-image-models. |
corda |
| learningRate | Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio". | corda |
| maxSize | Dimensioni massime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un numero intero positivo. Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
corda |
| minSize | Dimensioni minime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un numero intero positivo. Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
corda |
| modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: /azure/machine-learning/how-to-auto-train-image-models. |
corda |
| modelSize | Dimensioni del modello. Deve essere "small", "medium", "large" o "xlarge". Nota: se le dimensioni del modello sono troppo grandi, l'esecuzione del training può entrare nell'OOM CUDA. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5". |
corda |
| slancio | Valore di momentum quando optimizer è 'sgd'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| multiScale | Abilitare l'immagine su più scalabilità variando le dimensioni dell'immagine per +/- 50%. Nota: l'esecuzione del training può entrare nell'OOM CUDA se non è sufficiente memoria GPU. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5". |
corda |
| nesterov | Abilitare nesterov quando optimizer è "sgd". | corda |
| nmsIouThreshold | Soglia IOU usata durante l'inferenza in NMS post-elaborazione. Deve essere float nell'intervallo [0, 1]. | corda |
| numberOfEpochs | Numero di periodi di training. Deve essere un numero intero positivo. | corda |
| numberOfWorkers | Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo. | corda |
| ottimizzatore | Tipo di ottimizzatore. Deve essere 'sgd', 'adam', o 'adamw'. | corda |
| randomSeed | Valore di inizializzazione casuale da usare quando si usa il training deterministico. | corda |
| stepLRGamma | Il valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è 'step'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| stepLRStepSize | Valore delle dimensioni del passaggio quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un numero intero positivo. | corda |
| tileGridSize | Dimensioni della griglia da usare per collegare ogni immagine. Nota: TileGridSize non deve essere Nessuno per abilitare la logica di rilevamento oggetti di piccole dimensioni. Stringa contenente due numeri interi in formato mxn. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
corda |
| tileOverlapRatio | Rapporto di sovrapposizione tra riquadri adiacenti in ogni dimensione. Deve essere float nell'intervallo [0, 1). Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
corda |
| tilePredictionsNmsThreshold | Soglia IOU da usare per eseguire NMS durante l'unione di stime da riquadri e immagini. Usato nella convalida/inferenza. Deve essere float nell'intervallo [0, 1]. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". NMS: eliminazione non massima |
corda |
| trainingBatchSize | Dimensioni batch di training. Deve essere un numero intero positivo. | corda |
| validationBatchSize | Dimensioni batch di convalida. Deve essere un numero intero positivo. | corda |
| validationIouThreshold | Soglia IOU da usare durante il calcolo della metrica di convalida. Deve essere float nell'intervallo [0, 1]. | corda |
| validationMetricType | Metodo di calcolo delle metriche da usare per le metriche di convalida. Deve essere "none", "coco", "voc" o "coco_voc". | corda |
| warmupCosineLRCycles | Il valore del ciclo coseno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un valore float nell'intervallo [0, 1]. | corda |
| warmupCosineLRWarmupEpochs | Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un numero intero positivo. | corda |
| weightDecay | Valore del decadimento del peso quando optimizer è 'sgd', 'adam' o 'adamw'. Deve essere un valore float nell'intervallo[0, 1]. | corda |
ImageObjectDetection
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'ImageObjectDetection' (obbligatorio) |
| limitSettings | [Obbligatorio] Limitare le impostazioni per il processo AutoML. | ImageLimitSettings (obbligatorio) |
| modelSettings | Impostazioni usate per il training del modello. | ImageModelSettingsObjectDetection |
| primaryMetric | Metrica primaria da ottimizzare per questa attività. | 'MeanAveragePrecision' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | ImageModelDistributionSettingsObjectDetection[] |
| sweepSettings | Sweep del modello e sweep degli iperparametri per le impostazioni correlate. | ImageSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
Regressione
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'Regression' (obbligatorio) |
| cvSplitColumnNames | Colonne da utilizzare per i dati CVSplit. | string[] |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | TableFixedParameters |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Numero di riduzioni di convalida incrociata da applicare al set di dati di training quando il set di dati di convalida non viene fornito. |
NCrossValidations |
| primaryMetric | Metrica primaria per l'attività di regressione. | 'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'SpearmanCorrelation' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | TableParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | TableSweepSettings |
| testData | Testare l'input dei dati. | MLTableJobInput |
| testDataSize | Frazione del set di dati di test da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| trainingSettings | Input per la fase di training per un processo AutoML. | RegressionTrainingSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| weightColumnName | Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso delle righe nei dati verso l'alto o verso il basso. | corda |
RegressionTrainingSettings
| Nome | Descrizione | Valore |
|---|---|---|
| allowedTrainingAlgorithms | Modelli consentiti per l'attività di regressione. | Matrice di stringhe contenente uno dei seguenti elementi: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor' |
| blockedTrainingAlgorithms | Modelli bloccati per l'attività di regressione. | Matrice di stringhe contenente uno dei seguenti elementi: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor' |
| enableDnnTraining | Abilitare la raccomandazione dei modelli DNN. | Bool |
| enableModelExplainability | Flag per attivare la spiegazione sul modello migliore. | Bool |
| enableOnnxCompatibleModels | Flag per l'abilitazione di modelli compatibili con onnx. | Bool |
| enableStackEnsemble | Abilitare l'esecuzione dell'insieme dello stack. | Bool |
| enableVoteEnsemble | Abilitare l'esecuzione dell'ensemble di voto. | Bool |
| ensembleModelDownloadTimeout | Durante la generazione di modelli VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati dalle esecuzioni figlio precedenti. Configurare questo parametro con un valore superiore a 300 sec, se è necessario più tempo. |
corda |
| stackEnsembleSettings | Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
| trainingMode | Modalità TrainingMode: l'impostazione di "auto" equivale a impostarla su "non distribuita" per il momento, tuttavia in futuro potrebbe comportare la selezione della modalità mista o della modalità basata sull'euristica. Il valore predefinito è 'auto'. Se 'Distributed' viene usata solo la funzionalità distribuita e vengono scelti gli algoritmi distribuiti. Se 'NonDistributed' vengono scelti solo gli algoritmi non distribuiti. |
'Auto' 'Distribuito' 'NonDistributed' |
TextClassification
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'TextClassification' (obbligatorio) |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | NlpFixedParameters |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | NlpVerticalLimitSettings |
| primaryMetric | Metrica primaria per Text-Classification'attività. | 'AUCWeighted' 'Accuratezza' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | NlpParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | NlpSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
NlpVerticalFeaturizationSettings
| Nome | Descrizione | Valore |
|---|---|---|
| datasetLanguage | Lingua del set di dati, utile per i dati di testo. | corda |
NlpFixedParameters
| Nome | Descrizione | Valore |
|---|---|---|
| gradientAccumulationSteps | Numero di passaggi per accumulare gradienti prima di eseguire un passaggio indietro. | Int |
| learningRate | Frequenza di apprendimento per la procedura di training. | Int |
| learningRateScheduler | Tipo di pianificazione della frequenza di apprendimento da utilizzare durante la procedura di training. | 'Constant' 'ConstantWithWarmup' 'Coseno' 'CosineWithRestarts' 'Lineare' 'Nessuno' 'Polinomiale' |
| modelName | Nome del modello di cui eseguire il training. | corda |
| numberOfEpochs | Numero di periodi di training. | Int |
| trainingBatchSize | Dimensioni batch per la procedura di training. | Int |
| validationBatchSize | Dimensioni del batch da usare durante la valutazione. | Int |
| warmupRatio | Rapporto di riscaldamento, utilizzato insieme a LrSchedulerType. | Int |
| weightDecay | Decadimento del peso per la procedura di training. | Int |
NlpVerticalLimitSettings
| Nome | Descrizione | Valore |
|---|---|---|
| maxConcurrentTrials | Numero massimo di iterazioni AutoML simultanee. | Int |
| maxNodes | Numero massimo di nodi da usare per l'esperimento. | Int |
| maxTrials | Numero di iterazioni AutoML. | Int |
| Timeout | Timeout del processo AutoML. | corda |
| trialTimeout | Timeout per singole versioni di valutazione hd. | corda |
NlpParameterSubspace
| Nome | Descrizione | Valore |
|---|---|---|
| gradientAccumulationSteps | Numero di passaggi per accumulare gradienti prima di eseguire un passaggio indietro. | corda |
| learningRate | Frequenza di apprendimento per la procedura di training. | corda |
| learningRateScheduler | Tipo di pianificazione della frequenza di apprendimento da utilizzare durante la procedura di training. | corda |
| modelName | Nome del modello di cui eseguire il training. | corda |
| numberOfEpochs | Numero di periodi di training. | corda |
| trainingBatchSize | Dimensioni batch per la procedura di training. | corda |
| validationBatchSize | Dimensioni del batch da usare durante la valutazione. | corda |
| warmupRatio | Rapporto di riscaldamento, utilizzato insieme a LrSchedulerType. | corda |
| weightDecay | Decadimento del peso per la procedura di training. | corda |
NlpSweepSettings
| Nome | Descrizione | Valore |
|---|---|---|
| earlyTermination | Tipo di criteri di terminazione anticipata per il processo di sweep. | EarlyTerminationPolicy |
| campionamentoAlgorithm | [Obbligatorio] Tipo di algoritmo di campionamento. | 'Bayesian' 'Grid' 'Random' (obbligatorio) |
TextClassificationMultilabel
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'TextClassificationMultilabel' (obbligatorio) |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | NlpFixedParameters |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | NlpVerticalLimitSettings |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | NlpParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | NlpSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
TextNer
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'TextNER' (obbligatorio) |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | NlpFixedParameters |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | NlpVerticalLimitSettings |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | NlpParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | NlpSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
Processo di comando
| Nome | Descrizione | Valore |
|---|---|---|
| jobType | [Obbligatorio] Specifica il tipo di processo. | 'Command' (obbligatorio) |
| autologgerSettings | Configurazione di distribuzione del processo. Se impostato, deve essere uno dei valori Mpi, Tensorflow, PyTorch o Null. | AutologgerSettings |
| codeId | ID risorsa ARM dell'asset di codice. | corda |
| comando | [Obbligatorio] Comando da eseguire all'avvio del processo. ad esempio. "python train.py" | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| distribuzione | Configurazione di distribuzione del processo. Se impostato, deve essere uno dei valori Mpi, Tensorflow, PyTorch o Null. | DistributionConfiguration |
| environmentId | [Obbligatorio] ID risorsa ARM della specifica Ambiente per il processo. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
| environmentVariables | Variabili di ambiente incluse nel processo. | CommandJobEnvironmentVariables |
| Ingressi | Mapping dei data binding di input usati nel processo. | commandJobInputs |
| Limiti | Limite del processo di comando. | CommandJobLimits |
| Uscite | Mapping dei data binding di output usati nel processo. | CommandJobOutputs |
| risorse | Configurazione delle risorse di calcolo per il processo. | JobResourceConfiguration |
AutologgerSettings
| Nome | Descrizione | Valore |
|---|---|---|
| mlflowAutologger | [Obbligatorio] Indica se mlflow autologger è abilitato. | 'Disabilitato' 'Enabled' (obbligatorio) |
DistributionConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| distributionType | Impostare il tipo di oggetto |
Mpi PyTorch TensorFlow (obbligatorio) |
Mpi
| Nome | Descrizione | Valore |
|---|---|---|
| distributionType | [Obbligatorio] Specifica il tipo di framework di distribuzione. | 'Mpi' (obbligatorio) |
| processCountPerInstance | Numero di processi per nodo MPI. | Int |
PyTorch
| Nome | Descrizione | Valore |
|---|---|---|
| distributionType | [Obbligatorio] Specifica il tipo di framework di distribuzione. | 'PyTorch' (obbligatorio) |
| processCountPerInstance | Numero di processi per nodo. | Int |
TensorFlow
| Nome | Descrizione | Valore |
|---|---|---|
| distributionType | [Obbligatorio] Specifica il tipo di framework di distribuzione. | 'TensorFlow' (obbligatorio) |
| parameterServerCount | Numero di attività del server dei parametri. | Int |
| workerCount | Numero di ruoli di lavoro. Se non specificato, per impostazione predefinita verrà impostato il numero di istanze. | Int |
CommandJobEnvironmentVariables
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
CommandJobInputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | jobInput |
JobInput
| Nome | Descrizione | Valore |
|---|---|---|
| descrizione | Descrizione per l'input. | corda |
| jobInputType | Impostare il tipo di oggetto |
custom_model letterale mlflow_model mltable triton_model uri_file uri_folder (obbligatorio) |
CustomModelJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'custom_model' (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
LiteralJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'literal' (obbligatorio) |
| valore | [Obbligatorio] Valore letterale per l'input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
ModelModelJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'triton_model' (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
UriFileJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'uri_file' (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
UriFolderJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'uri_folder' (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
CommandJobLimits
| Nome | Descrizione | Valore |
|---|---|---|
| jobLimitsType | [Obbligatorio] Tipo JobLimit. | 'Command' 'Sweep' (obbligatorio) |
| Timeout | Durata massima dell'esecuzione in formato ISO 8601, dopo la quale il processo verrà annullato. Supporta solo la durata con precisione inferiore a secondi. | corda |
CommandJobOutputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobOutput |
LabelingJobProperties
| Nome | Descrizione | Valore |
|---|---|---|
| componentId | ID risorsa ARM della risorsa componente. | corda |
| computeId | ID risorsa ARM della risorsa di calcolo. | corda |
| dataConfiguration | Configurazione dei dati usati nel processo. | LabelingDataConfiguration |
| descrizione | Testo della descrizione dell'asset. | corda |
| displayName | Nome visualizzato del processo. | corda |
| experimentName | Nome dell'esperimento a cui appartiene il processo. Se non è impostato, il processo viene inserito nell'esperimento "Default". | corda |
| identità | Configurazione dell'identità. Se impostato, deve essere uno di AmlToken, ManagedIdentity, UserIdentity o Null. L'impostazione predefinita è AmlToken se null. |
IdentityConfiguration |
| isArchived | L'asset è archiviato? | Bool |
| jobInstructions | Istruzioni di etichettatura del processo. | LabelingJobInstructions |
| jobType | [Obbligatorio] Specifica il tipo di processo. | 'AutoML' 'Command' 'Etichettatura' 'Pipeline' 'Spark' 'Sweep' (obbligatorio) |
| labelCategories | Etichettare le categorie del processo. | LabelingJobLabelCategories |
| labelingJobMediaProperties | Proprietà specifiche del tipo di supporto nel processo. | LabelingJobMediaProperties |
| mlAssistConfiguration | Configurazione della funzionalità MLAssist nel processo. | MLAssistConfiguration |
| proprietà | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
| servizi | Elenco di JobEndpoints. Per i processi locali, un endpoint di processo avrà un valore endpoint di FileStreamObject. |
JobBaseServices |
| Tag | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | oggetto |
LabelingDataConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| dataId | ID risorsa dell'asset di dati per eseguire l'etichettatura. | corda |
| incrementalDataRefresh | Indica se abilitare l'aggiornamento dati incrementale. | 'Disabilitato' 'Enabled' |
Assegnazione di etichetteJobInstructions
| Nome | Descrizione | Valore |
|---|---|---|
| Uri | Collegamento a una pagina con istruzioni dettagliate sull'etichettatura per gli etichettatori. | corda |
LabelingJobLabelCategories
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | LabelCategory |
LabelCategory
| Nome | Descrizione | Valore |
|---|---|---|
| Classi | Dizionario delle classi di etichette in questa categoria. | LabelCategoryClasses |
| displayName | Nome visualizzato della categoria di etichette. | corda |
| multiSelect | Indica se è consentito selezionare più classi in questa categoria. | 'Disabilitato' 'Enabled' |
LabelCategoryClasses
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | LabelClass |
LabelClass
| Nome | Descrizione | Valore |
|---|---|---|
| displayName | Nome visualizzato della classe label. | corda |
| Sottoclassi | Dizionario di sottoclassi della classe label. | LabelClassSubclasses |
LabelClassSubclasses
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | LabelClass |
LabelingJobMediaProperties
| Nome | Descrizione | Valore |
|---|---|---|
| mediaType | Impostare il tipo di oggetto | immagine testo (obbligatorio) |
LabelingJobImageProperties
| Nome | Descrizione | Valore |
|---|---|---|
| mediaType | [Obbligatorio] Tipo di supporto del processo. | 'Image' (obbligatorio) |
| annotationType | Tipo di annotazione del processo di etichettatura delle immagini. | 'BoundingBox' 'Classificazione' 'InstanceSegmentation' |
LabelingJobTextProperties
| Nome | Descrizione | Valore |
|---|---|---|
| mediaType | [Obbligatorio] Tipo di supporto del processo. | 'Text' (obbligatorio) |
| annotationType | Tipo di annotazione del processo di etichettatura del testo. | 'Classificazione' 'NamedEntityRecognition' |
MLAssistConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| mlAssist | Impostare il tipo di oggetto |
Disabilitato abilitato (obbligatorio) |
MLAssistConfigurationDisabled
| Nome | Descrizione | Valore |
|---|---|---|
| mlAssist | [Obbligatorio] Indica se la funzionalità MLAssist è abilitata. | 'Disabled' (obbligatorio) |
MLAssistConfigurationEnabled
| Nome | Descrizione | Valore |
|---|---|---|
| mlAssist | [Obbligatorio] Indica se la funzionalità MLAssist è abilitata. | 'Enabled' (obbligatorio) |
| inferencingComputeBinding | [Obbligatorio] Associazione di calcolo AML usata nell'inferenza. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
| trainingComputeBinding | [Obbligatorio] Associazione di calcolo AML usata nel training. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
PipelineJob
| Nome | Descrizione | Valore |
|---|---|---|
| jobType | [Obbligatorio] Specifica il tipo di processo. | 'Pipeline' (obbligatorio) |
| Ingressi | Input per il processo della pipeline. | pipelineJobInputs |
| Lavori | I processi costruiscono il processo pipeline. | PipelineJobJobs |
| Uscite | Output per il processo della pipeline | pipelineJobOutputs |
| Impostazioni | Impostazioni della pipeline, per elementi come ContinueRunOnStepFailure e così via. | |
| sourceJobId | ID risorsa ARM del processo di origine. | corda |
PipelineJobInputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | jobInput |
PipelineJobJobs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} |
PipelineJobOutputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobOutput |
SparkJob
| Nome | Descrizione | Valore |
|---|---|---|
| jobType | [Obbligatorio] Specifica il tipo di processo. | 'Spark' (obbligatorio) |
| archivio | Archiviare i file usati nel processo. | string[] |
| argomenti | Argomenti per il processo. | corda |
| codeId | [Obbligatorio] ID risorsa ARM dell'asset di codice. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
| conf | Proprietà configurate di Spark. | SparkJobConf |
| entrata | [Obbligatorio] Voce da eseguire all'avvio del processo. | SparkJobEntry (obbligatorio) |
| environmentId | ID risorsa ARM della specifica Ambiente per il processo. | corda |
| file | File usati nel processo. | string[] |
| Ingressi | Mapping dei data binding di input usati nel processo. | SparkJobInputs |
| Vasi | File JAR usati nel processo. | string[] |
| Uscite | Mapping dei data binding di output usati nel processo. | sparkJobOutputs |
| pyFiles | File Python usati nel processo. | string[] |
| risorse | Configurazione delle risorse di calcolo per il processo. | SparkResourceConfiguration |
SparkJobConf
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
SparkJobEntry
| Nome | Descrizione | Valore |
|---|---|---|
| sparkJobEntryType | Impostare il tipo di oggetto |
SparkJobPythonEntry SparkJobScalaEntry (obbligatorio) |
SparkJobPythonEntry
| Nome | Descrizione | Valore |
|---|---|---|
| sparkJobEntryType | [Obbligatorio] Tipo del punto di ingresso del processo. | 'SparkJobPythonEntry' (obbligatorio) |
| file | [Obbligatorio] Percorso del file Python relativo per il punto di ingresso del processo. | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
SparkJobScalaEntry
| Nome | Descrizione | Valore |
|---|---|---|
| sparkJobEntryType | [Obbligatorio] Tipo del punto di ingresso del processo. | 'SparkJobScalaEntry' (obbligatorio) |
| className | [Obbligatorio] Nome della classe Scala usato come punto di ingresso. | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
SparkJobInputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | jobInput |
SparkJobOutputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobOutput |
SparkResourceConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| instanceType | Tipo facoltativo di macchina virtuale usato come supportato dalla destinazione di calcolo. | corda |
| runtimeVersion | Versione del runtime spark usata per il processo. | corda |
SweepJob
| Nome | Descrizione | Valore |
|---|---|---|
| jobType | [Obbligatorio] Specifica il tipo di processo. | 'Sweep' (obbligatorio) |
| earlyTermination | I criteri di terminazione anticipata consentono di annullare le esecuzioni con prestazioni scarse prima del completamento | EarlyTerminationPolicy |
| Ingressi | Mapping dei data binding di input usati nel processo. | SweepJobInputs |
| Limiti | Limite di processi sweep. | SweepJobLimits |
| obiettivo | [Obbligatorio] Obiettivo di ottimizzazione. | objective (obbligatorio) |
| Uscite | Mapping dei data binding di output usati nel processo. | |
| campionamentoAlgorithm | [Obbligatorio] Algoritmo di campionamento degli iperparametri | SamplingAlgorithm (obbligatorio) |
| searchSpace | [Obbligatorio] Dizionario contenente ogni parametro e la relativa distribuzione. La chiave del dizionario è il nome del parametro | |
| prova | [Obbligatorio] Definizione del componente di valutazione. | Di valutazioneComponent (obbligatorio) |
SweepJobInputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | jobInput |
SweepJobLimits
| Nome | Descrizione | Valore |
|---|---|---|
| jobLimitsType | [Obbligatorio] Tipo JobLimit. | 'Command' 'Sweep' (obbligatorio) |
| maxConcurrentTrials | Sweep Processo max test simultanei. | Int |
| maxTotalTrials | Sweep Job max total trial.Sweep Job max trial. | Int |
| Timeout | Durata massima dell'esecuzione in formato ISO 8601, dopo la quale il processo verrà annullato. Supporta solo la durata con precisione inferiore a secondi. | corda |
| trialTimeout | Valore di timeout della versione di valutazione processo sweep. | corda |
Obiettivo
| Nome | Descrizione | Valore |
|---|---|---|
| traguardo | [Obbligatorio] Definisce gli obiettivi delle metriche supportati per l'ottimizzazione degli iperparametri | 'Ingrandisci' 'Riduci a icona' (obbligatorio) |
| primaryMetric | [Obbligatorio] Nome della metrica da ottimizzare. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
SweepJobOutputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobOutput |
CampionamentoAlgorithm
| Nome | Descrizione | Valore |
|---|---|---|
| samplingAlgorithmType | Impostare il tipo di oggetto |
Bayesian griglia di casuali (obbligatorio) |
BayesianSamplingAlgorithm
| Nome | Descrizione | Valore |
|---|---|---|
| samplingAlgorithmType | [Obbligatorio] Algoritmo usato per la generazione di valori degli iperparametri, insieme alle proprietà di configurazione | 'Bayesian' (obbligatorio) |
GridSamplingAlgorithm
| Nome | Descrizione | Valore |
|---|---|---|
| samplingAlgorithmType | [Obbligatorio] Algoritmo usato per la generazione di valori degli iperparametri, insieme alle proprietà di configurazione | 'Grid' (obbligatorio) |
RandomSamplingAlgorithm
| Nome | Descrizione | Valore |
|---|---|---|
| samplingAlgorithmType | [Obbligatorio] Algoritmo usato per la generazione di valori degli iperparametri, insieme alle proprietà di configurazione | 'Random' (obbligatorio) |
| logbase | Numero positivo facoltativo o e in formato stringa da usare come base per il campionamento casuale basato su log | corda |
| regola | Tipo specifico di algoritmo casuale | 'Casuale' 'Sobol' |
| seme | Intero facoltativo da usare come valore di inizializzazione per la generazione di numeri casuali | Int |
TrialComponent
| Nome | Descrizione | Valore |
|---|---|---|
| codeId | ID risorsa ARM dell'asset di codice. | corda |
| comando | [Obbligatorio] Comando da eseguire all'avvio del processo. ad esempio. "python train.py" | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| distribuzione | Configurazione di distribuzione del processo. Se impostato, deve essere uno dei valori Mpi, Tensorflow, PyTorch o Null. | DistributionConfiguration |
| environmentId | [Obbligatorio] ID risorsa ARM della specifica Ambiente per il processo. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
| environmentVariables | Variabili di ambiente incluse nel processo. | TrialComponentEnvironmentVariables |
| risorse | Configurazione delle risorse di calcolo per il processo. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
EndpointScheduleAction
| Nome | Descrizione | Valore |
|---|---|---|
| actionType | [Obbligatorio] Specifica il tipo di azione della pianificazione | 'InvokeBatchEndpoint' (obbligatorio) |
| endpointInvocationDefinition | [Obbligatorio] Definisce i dettagli della definizione dell'azione di pianificazione. {see href="TBD" /} |
TriggerBase
| Nome | Descrizione | Valore |
|---|---|---|
| endTime | Specifica l'ora di fine della pianificazione in ISO 8601, ma senza offset UTC. Fare riferimento https://en.wikipedia.org/wiki/ISO_8601.Il formato commentato è "2022-06-01T00:00:01" Se non è presente, la pianificazione verrà eseguita per un periodo illimitato |
corda |
| startTime | Specifica l'ora di inizio della pianificazione in formato ISO 8601, ma senza offset UTC. | corda |
| timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Vedere: /windows-hardware/manufacture/desktop/default-time-zones/> |
corda |
| triggerType | Impostare il tipo di oggetto |
Cron ricorrenza (obbligatorio) |
CronTrigger
| Nome | Descrizione | Valore |
|---|---|---|
| endTime | Specifica l'ora di fine della pianificazione in ISO 8601, ma senza offset UTC. Fare riferimento https://en.wikipedia.org/wiki/ISO_8601.Il formato commentato è "2022-06-01T00:00:01" Se non è presente, la pianificazione verrà eseguita per un periodo illimitato |
corda |
| espressione | [Obbligatorio] Specifica l'espressione cron della pianificazione. L'espressione deve seguire il formato NCronTab. |
stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
| startTime | Specifica l'ora di inizio della pianificazione in formato ISO 8601, ma senza offset UTC. | corda |
| timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Vedere: /windows-hardware/manufacture/desktop/default-time-zones |
corda |
| triggerType | [Obbligatorio] | 'Cron' 'Recurrence' (obbligatorio) |
RecurrenceTrigger
| Nome | Descrizione | Valore |
|---|---|---|
| endTime | Specifica l'ora di fine della pianificazione in ISO 8601, ma senza offset UTC. Fare riferimento https://en.wikipedia.org/wiki/ISO_8601.Il formato commentato è "2022-06-01T00:00:01" Se non è presente, la pianificazione verrà eseguita per un periodo illimitato |
corda |
| frequenza | [Obbligatorio] Frequenza di attivazione della pianificazione. | 'Day' 'Hour' 'Minute' 'Month' 'Week' (obbligatorio) |
| intervallo | [Obbligatorio] Specifica l'intervallo di pianificazione in combinazione con la frequenza | int (obbligatorio) |
| Programma | Pianificazione della ricorrenza. | RecurrenceSchedule |
| startTime | Specifica l'ora di inizio della pianificazione in formato ISO 8601, ma senza offset UTC. | corda |
| timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Vedere: /windows-hardware/manufacture/desktop/default-time-zones |
corda |
| triggerType | [Obbligatorio] | 'Cron' 'Recurrence' (obbligatorio) |
RecurrenceSchedule
| Nome | Descrizione | Valore |
|---|---|---|
| orario | [Obbligatorio] Elenco di ore per la pianificazione. | int[] (obbligatorio) |
| verbale | [Obbligatorio] Elenco di minuti per la pianificazione. | int[] (obbligatorio) |
| monthDays | Elenco dei giorni del mese per la pianificazione | int[] |
| giorni feriali | Elenco di giorni per la pianificazione. | Matrice di stringhe contenente uno dei seguenti elementi: 'Friday' 'Monday' 'Saturday' 'Domenica' 'Giovedì' 'Martedì' 'Mercoledì' |
Definizione di risorsa Terraform (provider AzAPI)
Il tipo di risorsa aree di lavoro/pianificazioni può essere distribuito con operazioni destinate a:
- gruppi di risorse
Per un elenco delle proprietà modificate in ogni versione dell'API, vedere log delle modifiche.
Formato risorsa
Per creare una risorsa Microsoft.MachineLearningServices/workspaces/schedules, aggiungere il codice Terraform seguente al modello.
resource "azapi_resource" "symbolicname" {
type = "Microsoft.MachineLearningServices/workspaces/schedules@2022-12-01-preview"
name = "string"
parent_id = "string"
body = jsonencode({
properties = {
action = {
actionType = "string"
// For remaining properties, see ScheduleActionBase objects
}
description = "string"
displayName = "string"
isEnabled = bool
properties = {
{customized property} = "string"
}
tags = {}
trigger = {
endTime = "string"
startTime = "string"
timeZone = "string"
triggerType = "string"
// For remaining properties, see TriggerBase objects
}
}
})
}
Oggetti ScheduleActionBase
Impostare la proprietà actionType
Per CreateJob, usare:
actionType = "CreateJob"
jobDefinition = {
componentId = "string"
computeId = "string"
description = "string"
displayName = "string"
experimentName = "string"
identity {
identityType = "string"
// For remaining properties, see IdentityConfiguration objects
}
isArchived = bool
properties = {
{customized property} = "string"
}
services = {
{customized property} = {
endpoint = "string"
jobServiceType = "string"
nodes = {
nodesValueType = "string"
// For remaining properties, see Nodes objects
}
port = int
properties = {
{customized property} = "string"
}
}
}
tags = {}
jobType = "string"
// For remaining properties, see JobBaseProperties objects
}
Per InvokeBatchEndpoint, usare:
actionType = "InvokeBatchEndpoint"
Oggetti JobBaseProperties
Impostare la proprietà jobType per specificare il tipo di oggetto.
Per AutoML, usare:
jobType = "AutoML"
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
properties = {}
shmSize = "string"
}
taskDetails = {
logVerbosity = "string"
targetColumnName = "string"
trainingData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
taskType = "string"
// For remaining properties, see AutoMLVertical objects
}
Per Comando, usare:
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
}
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
properties = {}
shmSize = "string"
}
Per etichettatura, usare:
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"
}
}
labelingJobMediaProperties = {
mediaType = "string"
// For remaining properties, see LabelingJobMediaProperties objects
}
mlAssistConfiguration = {
mlAssist = "string"
// For remaining properties, see MLAssistConfiguration objects
}
Per Pipeline, usare:
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"
Per Spark, usare:
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"
]
resources = {
instanceType = "string"
runtimeVersion = "string"
}
Per Sweep, usare:
jobType = "Sweep"
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
limits = {
jobLimitsType = "string"
maxConcurrentTrials = int
maxTotalTrials = int
timeout = "string"
trialTimeout = "string"
}
objective = {
goal = "string"
primaryMetric = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
samplingAlgorithm = {
samplingAlgorithmType = "string"
// For remaining properties, see SamplingAlgorithm objects
}
trial = {
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
properties = {}
shmSize = "string"
}
}
Oggetti IdentityConfiguration
Impostare la proprietà identityType
Per AMLToken, usare:
identityType = "AMLToken"
Per gestito, usare:
identityType = "Managed"
clientId = "string"
objectId = "string"
resourceId = "string"
Per UserIdentity, usare:
identityType = "UserIdentity"
Oggetti Nodi
Impostare la proprietà nodesValueType per specificare il tipo di oggetto.
Per Tutti i, usare:
nodesValueType = "All"
Oggetti JobOutput
Impostare la proprietà jobOutputType
Per custom_model, usare:
jobOutputType = "custom_model"
assetName = "string"
assetVersion = "string"
mode = "string"
uri = "string"
Per mlflow_model, usare:
jobOutputType = "mlflow_model"
assetName = "string"
assetVersion = "string"
mode = "string"
uri = "string"
Per mltable, usare:
jobOutputType = "mltable"
assetName = "string"
assetVersion = "string"
mode = "string"
uri = "string"
Per triton_model, usare:
jobOutputType = "triton_model"
assetName = "string"
assetVersion = "string"
mode = "string"
uri = "string"
Per uri_file, usare:
jobOutputType = "uri_file"
assetName = "string"
assetVersion = "string"
mode = "string"
uri = "string"
Per uri_folder, usare:
jobOutputType = "uri_folder"
assetName = "string"
assetVersion = "string"
mode = "string"
uri = "string"
Oggetti AutoMLVertical
Impostare la proprietà taskType
Per Classificazione, usare:
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"
Per Previsione, usare:
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"
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"
Per ImageClassification, usare:
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
Per ImageClassificationMultilabel, usare:
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
Per ImageInstanceSegmentation, usare:
taskType = "ImageInstanceSegmentation"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
boxDetectionsPerImage = int
boxScoreThreshold = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
imageSize = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
maxSize = int
minSize = int
modelName = "string"
modelSize = "string"
momentum = int
multiScale = bool
nesterov = bool
nmsIouThreshold = int
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
tileGridSize = "string"
tileOverlapRatio = int
tilePredictionsNmsThreshold = int
trainingBatchSize = int
validationBatchSize = int
validationIouThreshold = int
validationMetricType = "string"
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
}
primaryMetric = "MeanAveragePrecision"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
boxDetectionsPerImage = "string"
boxScoreThreshold = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
imageSize = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
maxSize = "string"
minSize = "string"
modelName = "string"
modelSize = "string"
momentum = "string"
multiScale = "string"
nesterov = "string"
nmsIouThreshold = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
tileGridSize = "string"
tileOverlapRatio = "string"
tilePredictionsNmsThreshold = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
validationIouThreshold = "string"
validationMetricType = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Per ImageObjectDetection, usare:
taskType = "ImageObjectDetection"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
boxDetectionsPerImage = int
boxScoreThreshold = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
imageSize = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
maxSize = int
minSize = int
modelName = "string"
modelSize = "string"
momentum = int
multiScale = bool
nesterov = bool
nmsIouThreshold = int
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
tileGridSize = "string"
tileOverlapRatio = int
tilePredictionsNmsThreshold = int
trainingBatchSize = int
validationBatchSize = int
validationIouThreshold = int
validationMetricType = "string"
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
}
primaryMetric = "MeanAveragePrecision"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
boxDetectionsPerImage = "string"
boxScoreThreshold = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
imageSize = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
maxSize = "string"
minSize = "string"
modelName = "string"
modelSize = "string"
momentum = "string"
multiScale = "string"
nesterov = "string"
nmsIouThreshold = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
tileGridSize = "string"
tileOverlapRatio = "string"
tilePredictionsNmsThreshold = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
validationIouThreshold = "string"
validationMetricType = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Per regressione, usare:
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"
Per TextClassification, usare:
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"
}
Per TextClassificationMultilabel, usare:
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"
}
Per TextNER, usare:
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"
}
Oggetti NCrossValidations
Impostare la proprietà modalità
Per automatico, usare:
mode = "Auto"
Per personalizzato, usare:
mode = "Custom"
value = int
Oggetti EarlyTerminationPolicy
Impostare la proprietà policyType
Per Bandit, usare:
policyType = "Bandit"
slackAmount = int
slackFactor = int
Per MedianStopping, usare:
policyType = "MedianStopping"
Per TruncationSelection, usare:
policyType = "TruncationSelection"
truncationPercentage = int
Oggetti ForecastHorizon
Impostare la proprietà modalità
Per automatico, usare:
mode = "Auto"
Per personalizzato, usare:
mode = "Custom"
value = int
Oggetti stagionalità
Impostare la proprietà modalità
Per automatico, usare:
mode = "Auto"
Per personalizzato, usare:
mode = "Custom"
value = int
Oggetti TargetLags
Impostare la proprietà modalità
Per automatico, usare:
mode = "Auto"
Per personalizzato, usare:
mode = "Custom"
values = [
int
]
Oggetti TargetRollingWindowSize
Impostare la proprietà modalità
Per automatico, usare:
mode = "Auto"
Per personalizzato, usare:
mode = "Custom"
value = int
Oggetti DistributionConfiguration
Impostare la proprietà distributionType
Per Mpi, usare:
distributionType = "Mpi"
processCountPerInstance = int
Per PyTorch, usare:
distributionType = "PyTorch"
processCountPerInstance = int
Per TensorFlow, usare:
distributionType = "TensorFlow"
parameterServerCount = int
workerCount = int
Oggetti JobInput
Impostare la proprietà jobInputType
Per custom_model, usare:
jobInputType = "custom_model"
mode = "string"
uri = "string"
Per valore letterale, usare:
jobInputType = "literal"
value = "string"
Per mlflow_model, usare:
jobInputType = "mlflow_model"
mode = "string"
uri = "string"
Per mltable, usare:
jobInputType = "mltable"
mode = "string"
uri = "string"
Per triton_model, usare:
jobInputType = "triton_model"
mode = "string"
uri = "string"
Per uri_file, usare:
jobInputType = "uri_file"
mode = "string"
uri = "string"
Per uri_folder, usare:
jobInputType = "uri_folder"
mode = "string"
uri = "string"
Oggetti LabelingJobMediaProperties
Impostare la proprietà mediaType
Per Image, usare:
mediaType = "Image"
annotationType = "string"
Per testo, usare:
mediaType = "Text"
annotationType = "string"
Oggetti MLAssistConfiguration
Impostare la proprietà mlAssist
Per Disabilitato, usare:
mlAssist = "Disabled"
Per Abilitato, usare:
mlAssist = "Enabled"
inferencingComputeBinding = "string"
trainingComputeBinding = "string"
Oggetti SparkJobEntry
Impostare la proprietà sparkJobEntryType
Per SparkJobPythonEntry, usare:
sparkJobEntryType = "SparkJobPythonEntry"
file = "string"
Per SparkJobScalaEntry, usare:
sparkJobEntryType = "SparkJobScalaEntry"
className = "string"
Oggetti SamplingAlgorithm
Impostare la proprietà samplingAlgorithmType per specificare il tipo di oggetto.
Per bayesian, usare:
samplingAlgorithmType = "Bayesian"
Per Grid, usare:
samplingAlgorithmType = "Grid"
Per casuale, usare:
samplingAlgorithmType = "Random"
logbase = "string"
rule = "string"
seed = int
Oggetti TriggerBase
Impostare la proprietà triggerType
Per Cron, usare:
triggerType = "Cron"
expression = "string"
Per ricorrenza, usare:
triggerType = "Recurrence"
frequency = "string"
interval = int
schedule = {
hours = [
int
]
minutes = [
int
]
monthDays = [
int
]
weekDays = [
"string"
]
}
Valori delle proprietà
aree di lavoro/pianificazioni
| Nome | Descrizione | Valore |
|---|---|---|
| digitare | Tipo di risorsa | "Microsoft.MachineLearningServices/workspaces/schedules@2022-12-01-preview" |
| nome | Nome della risorsa | stringa (obbligatorio) |
| parent_id | ID della risorsa padre per questa risorsa. | ID per la risorsa di tipo: aree di lavoro |
| proprietà | [Obbligatorio] Attributi aggiuntivi dell'entità. | Proprietà pianificazione (obbligatorio) |
Proprietà pianificazione
| Nome | Descrizione | Valore |
|---|---|---|
| azione | [Obbligatorio] Specifica l'azione della pianificazione | ScheduleActionBase (obbligatorio) |
| descrizione | Testo della descrizione dell'asset. | corda |
| displayName | Nome visualizzato della pianificazione. | corda |
| isEnabled | La pianificazione è abilitata? | Bool |
| proprietà | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
| Tag | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | oggetto |
| Grilletto | [Obbligatorio] Specifica i dettagli del trigger | triggerbase (obbligatorio) |
ScheduleActionBase
| Nome | Descrizione | Valore |
|---|---|---|
| actionType | Impostare il tipo di oggetto |
CreateJob InvokeBatchEndpoint (obbligatorio) |
JobScheduleAction
JobBaseProperties
| Nome | Descrizione | Valore |
|---|---|---|
| componentId | ID risorsa ARM della risorsa componente. | corda |
| computeId | ID risorsa ARM della risorsa di calcolo. | corda |
| descrizione | Testo della descrizione dell'asset. | corda |
| displayName | Nome visualizzato del processo. | corda |
| experimentName | Nome dell'esperimento a cui appartiene il processo. Se non è impostato, il processo viene inserito nell'esperimento "Default". | corda |
| identità | Configurazione dell'identità. Se impostato, deve essere uno di AmlToken, ManagedIdentity, UserIdentity o Null. L'impostazione predefinita è AmlToken se null. |
IdentityConfiguration |
| isArchived | L'asset è archiviato? | Bool |
| proprietà | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
| servizi | Elenco di JobEndpoints. Per i processi locali, un endpoint di processo avrà un valore endpoint di FileStreamObject. |
JobBaseServices |
| Tag | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | oggetto |
| jobType | Impostare il tipo di oggetto |
AutoML comando etichettatura pipeline Spark sweep (obbligatorio) |
IdentityConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| identityType | Impostare il tipo di oggetto |
AMLToken gestito UserIdentity (obbligatorio) |
AmlToken
| Nome | Descrizione | Valore |
|---|---|---|
| identityType | [Obbligatorio] Specifica il tipo di framework di gestione delle identità. | "AMLToken" (obbligatorio) |
ManagedIdentity
| Nome | Descrizione | Valore |
|---|---|---|
| identityType | [Obbligatorio] Specifica il tipo di framework di gestione delle identità. | "Gestito" (obbligatorio) |
| clientId | Specifica un'identità assegnata dall'utente in base all'ID client. Per l'assegnazione del sistema, non impostare questo campo. | corda Vincoli: Lunghezza minima = 36 Lunghezza massima = 36 Pattern = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| objectId | Specifica un'identità assegnata dall'utente in base all'ID oggetto. Per l'assegnazione del sistema, non impostare questo campo. | corda Vincoli: Lunghezza minima = 36 Lunghezza massima = 36 Pattern = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| resourceId | Specifica un'identità assegnata dall'utente in base all'ID risorsa arm. Per l'assegnazione del sistema, non impostare questo campo. | corda |
UserIdentity
| Nome | Descrizione | Valore |
|---|---|---|
| identityType | [Obbligatorio] Specifica il tipo di framework di gestione delle identità. | "UserIdentity" (obbligatorio) |
ResourceBaseProperties
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
JobBaseServices
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobService |
JobService
| Nome | Descrizione | Valore |
|---|---|---|
| Endpoint | URL per l'endpoint. | corda |
| jobServiceType | Tipo di endpoint. | corda |
| nodi | Nodi su cui l'utente vuole avviare il servizio. Se i nodi non sono impostati o impostati su Null, il servizio verrà avviato solo nel nodo leader. |
nodi |
| porto | Porta per l'endpoint impostato dall'utente. | Int |
| proprietà | Proprietà aggiuntive da impostare nell'endpoint. | JobServiceProperties |
Nodi
| Nome | Descrizione | Valore |
|---|---|---|
| nodesValueType | Impostare il tipo di oggetto | Tutte le (obbligatorio) |
AllNodes
| Nome | Descrizione | Valore |
|---|---|---|
| nodesValueType | [Obbligatorio] Tipo del valore Nodes | "Tutto" (obbligatorio) |
JobServiceProperties
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
AutoMLJob
| Nome | Descrizione | Valore |
|---|---|---|
| jobType | [Obbligatorio] Specifica il tipo di processo. | "AutoML" (obbligatorio) |
| environmentId | ID risorsa ARM della specifica Ambiente per il processo. Questo è un valore facoltativo da specificare, se non specificato, l'impostazione predefinita di AutoML è la versione dell'ambiente curato per la produzione durante l'esecuzione del processo. |
corda |
| environmentVariables | Variabili di ambiente incluse nel processo. | AutoMLJobEnvironmentVariables |
| Uscite | Mapping dei data binding di output usati nel processo. | AutoMLJobOutputs |
| risorse | Configurazione delle risorse di calcolo per il processo. | JobResourceConfiguration |
| taskDetails | [Obbligatorio] Questo scenario rappresenta uno scenario che può essere una delle tabelle/NLP/Image | AutomaticoMLVertical (obbligatorio) |
AutoMLJobEnvironmentVariables
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
AutoMLJobOutputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobOutput |
JobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| descrizione | Descrizione per l'output. | corda |
| jobOutputType | Impostare il tipo di oggetto |
custom_model mlflow_model mltable triton_model uri_file uri_folder (obbligatorio) |
CustomModelJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | "custom_model" (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | "Diretto" "ReadWriteMount" "Carica" |
| Uri | URI dell'asset di output. | corda |
MLFlowModelJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | "mlflow_model" (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | "Diretto" "ReadWriteMount" "Carica" |
| Uri | URI dell'asset di output. | corda |
MLTableJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | "mltable" (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | "Diretto" "ReadWriteMount" "Carica" |
| Uri | URI dell'asset di output. | corda |
ModelModelJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | "triton_model" (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | "Diretto" "ReadWriteMount" "Carica" |
| Uri | URI dell'asset di output. | corda |
UriFileJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | "uri_file" (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | "Diretto" "ReadWriteMount" "Carica" |
| Uri | URI dell'asset di output. | corda |
UriFolderJobOutput
| Nome | Descrizione | Valore |
|---|---|---|
| jobOutputType | [Obbligatorio] Specifica il tipo di processo. | "uri_folder" (obbligatorio) |
| assetName | Nome asset di output. | corda |
| assetVersion | Versione dell'asset di output. | corda |
| modo | Modalità di distribuzione degli asset di output. | "Diretto" "ReadWriteMount" "Carica" |
| Uri | URI dell'asset di output. | corda |
JobResourceConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| dockerArgs | Argomenti aggiuntivi da passare al comando docker run. L'override di tutti i parametri già impostati dal sistema o in questa sezione. Questo parametro è supportato solo per i tipi di calcolo di Azure ML. | corda |
| instanceCount | Numero facoltativo di istanze o nodi usati dalla destinazione di calcolo. | Int |
| instanceType | Tipo facoltativo di macchina virtuale usato come supportato dalla destinazione di calcolo. | corda |
| proprietà | Contenitore di proprietà aggiuntive. | ResourceConfigurationProperties |
| shmSize | Dimensioni del blocco di memoria condiviso del contenitore Docker. Deve essere nel formato (numero)(unità) in cui il numero deve essere maggiore di 0 e l'unità può essere uno di b(byte), k(kilobyte), m(megabyte) o g(gigabyte). | corda Vincoli: Pattern = \d+[bBkKmMgG] |
ResourceConfigurationProperties
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} |
AutoMLVertical
| Nome | Descrizione | Valore |
|---|---|---|
| logVerbosity | Registrare il livello di dettaglio per il processo. | "Critico" "Debug" "Errore" "Info" "NotSet" "Avviso" |
| targetColumnName | Nome colonna di destinazione: colonna dei valori di stima. Noto anche come nome di colonna etichetta nel contesto delle attività di classificazione. |
corda |
| trainingData | [Obbligatorio] Input dei dati di training. | MLTableJobInput (obbligatorio) |
| taskType | Impostare il tipo di oggetto |
classificazione previsione ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation imageObjectDetection regressione TextClassification TextClassificationMultilabel TextNER (obbligatorio) |
MLTableJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| descrizione | Descrizione per l'input. | corda |
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | "custom_model" "letterale" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | "Diretto" "Download" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
Classificazione
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | "Classificazione" (obbligatorio) |
| cvSplitColumnNames | Colonne da utilizzare per i dati CVSplit. | string[] |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | TableFixedParameters |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Numero di riduzioni di convalida incrociata da applicare al set di dati di training quando il set di dati di convalida non viene fornito. |
NCrossValidations |
| positiveLabel | Etichetta positiva per il calcolo delle metriche binarie. | corda |
| primaryMetric | Metrica primaria per l'attività. | "AUCWeighted" "Accuratezza" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | TableParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | TableSweepSettings |
| testData | Testare l'input dei dati. | MLTableJobInput |
| testDataSize | Frazione del set di dati di test da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| trainingSettings | Input per la fase di training per un processo AutoML. | ClassificationTrainingSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| weightColumnName | Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso delle righe nei dati verso l'alto o verso il basso. | corda |
TableVerticalFeaturizationSettings
| Nome | Descrizione | Valore |
|---|---|---|
| blockedTransformers | Questi trasformatori non devono essere utilizzati nella definizione delle caratteristiche. | Matrice di stringhe contenente uno dei seguenti elementi: "CatTargetEncoder" "CountVectorizer" "HashOneHotEncoder" "LabelEncoder" "NaiveBayes" "OneHotEncoder" "TextTargetEncoder" "TfIdf" "WoETargetEncoder" "WordEmbedding" |
| columnNameAndTypes | Dizionario del nome della colonna e del relativo tipo (int, float, string, datetime e così via). | tableVerticalFeaturizationSettingsColumnNameAndTypes |
| datasetLanguage | Lingua del set di dati, utile per i dati di testo. | corda |
| enableDnnFeaturization | Determina se utilizzare gli strumenti di funzionalità basati su Dnn per la definizione delle caratteristiche dei dati. | Bool |
| modo | Modalità di definizione delle caratteristiche: l'utente può mantenere la modalità predefinita "Auto" e AutoML si occuperà della trasformazione necessaria dei dati nella fase di definizione delle caratteristiche. Se l'opzione 'Off' è selezionata, non viene eseguita alcuna definizione di funzionalità. Se l'opzione 'Custom' è selezionata, l'utente può specificare input aggiuntivi per personalizzare la modalità di definizione delle caratteristiche. |
"Auto" "Personalizzato" "Off" |
| transformerParams | L'utente può specificare trasformatori aggiuntivi da utilizzare insieme alle colonne a cui verrebbe applicato e parametri per il costruttore del trasformatore. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
TableVerticalFeaturizationSettingsTransformerParams
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | ColumnTransformer [] |
ColumnTransformer
| Nome | Descrizione | Valore |
|---|---|---|
| Campi | Campi su cui applicare la logica del trasformatore. | string[] |
| Parametri | Proprietà diverse da passare al trasformatore. L'input previsto è un dizionario di coppie chiave,valore in formato JSON. |
TableFixedParameters
| Nome | Descrizione | Valore |
|---|---|---|
| Booster | Specificare il tipo di boosting, ad esempio gbdt per XGBoost. | corda |
| boostingType | Specificare il tipo di boosting, ad esempio gbdt per LightGBM. | corda |
| growPolicy | Specificare i criteri di aumento, che controllano il modo in cui vengono aggiunti nuovi nodi all'albero. | corda |
| learningRate | Frequenza di apprendimento per la procedura di training. | Int |
| maxBin | Specificare il numero massimo di contenitori discreti per raggruppare le funzionalità continue. | Int |
| maxDepth | Specificare la profondità massima per limitare in modo esplicito la profondità dell'albero. | Int |
| maxLeaves | Specificare le foglie massime per limitare in modo esplicito le foglie dell'albero. | Int |
| minDataInLeaf | Numero minimo di dati per foglia. | Int |
| minSplitGain | Riduzione minima della perdita necessaria per eseguire un'ulteriore partizione in un nodo foglia dell'albero. | Int |
| modelName | Nome del modello di cui eseguire il training. | corda |
| nEstimators | Specificare il numero di alberi (o arrotondamenti) in un modello. | Int |
| numLeaves | Specificare il numero di foglie. | Int |
| preprocessorName | Nome del preprocessore da usare. | corda |
| regAlpha | L1 termine di regolarizzazione sui pesi. | Int |
| regLambda | Termine di regolarizzazione L2 sui pesi. | Int |
| sottosample | Rapporto di sottosample dell'istanza di training. | Int |
| subsampleFreq | Frequenza della sottosaempio. | Int |
| treeMethod | Specificare il metodo della struttura ad albero. | corda |
| withMean | Se true, centra prima di ridimensionare i dati con StandardScalar. | Bool |
| withStd | Se true, ridimensionare i dati con Varianza unità con StandardScalar. | Bool |
TableVerticalLimitSettings
| Nome | Descrizione | Valore |
|---|---|---|
| enableEarlyTermination | Abilitare la terminazione anticipata, determina se AutoMLJob terminerà in anticipo se negli ultimi 20 iterazioni non è presente alcun miglioramento del punteggio. | Bool |
| exitScore | Punteggio di uscita per il processo AutoML. | Int |
| maxConcurrentTrials | Numero massimo di iterazioni simultanee. | Int |
| maxCoresPerTrial | Numero massimo di core per iterazione. | Int |
| maxNodes | Numero massimo di nodi da usare per l'esperimento. | Int |
| maxTrials | Numero di iterazioni. | Int |
| sweepConcurrentTrials | Numero di esecuzioni di sweep simultanee che l'utente vuole attivare. | Int |
| sweepTrials | Numero di esecuzioni di sweep che l'utente vuole attivare. | Int |
| Timeout | Timeout del processo AutoML. | corda |
| trialTimeout | Timeout di iterazione. | corda |
NCrossValidations
| Nome | Descrizione | Valore |
|---|---|---|
| modo | Impostare il tipo di oggetto |
automatico personalizzato (obbligatorio) |
AutoNCrossValidations
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità per determinare le convalide tra N. | "Auto" (obbligatorio) |
CustomNCrossValidations
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità per determinare le convalide tra N. | "Personalizzato" (obbligatorio) |
| valore | [Obbligatorio] Valore delle convalide incrociate N. | int (obbligatorio) |
TableParameterSubspace
| Nome | Descrizione | Valore |
|---|---|---|
| Booster | Specificare il tipo di boosting, ad esempio gbdt per XGBoost. | corda |
| boostingType | Specificare il tipo di boosting, ad esempio gbdt per LightGBM. | corda |
| growPolicy | Specificare i criteri di aumento, che controllano il modo in cui vengono aggiunti nuovi nodi all'albero. | corda |
| learningRate | Frequenza di apprendimento per la procedura di training. | corda |
| maxBin | Specificare il numero massimo di contenitori discreti per raggruppare le funzionalità continue. | corda |
| maxDepth | Specificare la profondità massima per limitare in modo esplicito la profondità dell'albero. | corda |
| maxLeaves | Specificare le foglie massime per limitare in modo esplicito le foglie dell'albero. | corda |
| minDataInLeaf | Numero minimo di dati per foglia. | corda |
| minSplitGain | Riduzione minima della perdita necessaria per eseguire un'ulteriore partizione in un nodo foglia dell'albero. | corda |
| modelName | Nome del modello di cui eseguire il training. | corda |
| nEstimators | Specificare il numero di alberi (o arrotondamenti) in un modello. | corda |
| numLeaves | Specificare il numero di foglie. | corda |
| preprocessorName | Nome del preprocessore da usare. | corda |
| regAlpha | L1 termine di regolarizzazione sui pesi. | corda |
| regLambda | Termine di regolarizzazione L2 sui pesi. | corda |
| sottosample | Rapporto di sottosample dell'istanza di training. | corda |
| subsampleFreq | Frequenza delle sottosample | corda |
| treeMethod | Specificare il metodo della struttura ad albero. | corda |
| withMean | Se true, centra prima di ridimensionare i dati con StandardScalar. | corda |
| withStd | Se true, ridimensionare i dati con Varianza unità con StandardScalar. | corda |
TableSweepSettings
| Nome | Descrizione | Valore |
|---|---|---|
| earlyTermination | Tipo di criteri di terminazione anticipata per il processo di sweep. | EarlyTerminationPolicy |
| campionamentoAlgorithm | [Obbligatorio] Tipo di algoritmo di campionamento. | "Bayesian" "Griglia" "Casuale" (obbligatorio) |
EarlyTerminationPolicy
| Nome | Descrizione | Valore |
|---|---|---|
| delayEvaluation | Numero di intervalli in base ai quali ritardare la prima valutazione. | Int |
| evaluationInterval | Intervallo (numero di esecuzioni) tra le valutazioni dei criteri. | Int |
| policyType | Impostare il tipo di oggetto |
Bandit MedianStopping truncationSelection (obbligatorio) |
BanditPolicy
| Nome | Descrizione | Valore |
|---|---|---|
| policyType | [Obbligatorio] Nome della configurazione dei criteri | "Bandit" (obbligatorio) |
| slackAmount | Distanza assoluta consentita dalla migliore esecuzione. | Int |
| slackFactor | Rapporto tra la distanza consentita e l'esecuzione con prestazioni migliori. | Int |
MedianStoppingPolicy
| Nome | Descrizione | Valore |
|---|---|---|
| policyType | [Obbligatorio] Nome della configurazione dei criteri | "MedianStopping" (obbligatorio) |
TruncationSelectionPolicy
| Nome | Descrizione | Valore |
|---|---|---|
| policyType | [Obbligatorio] Nome della configurazione dei criteri | "TruncationSelection" (obbligatorio) |
| truncationPercentage | Percentuale di esecuzioni da annullare a ogni intervallo di valutazione. | Int |
ClassificationTrainingSettings
| Nome | Descrizione | Valore |
|---|---|---|
| allowedTrainingAlgorithms | Modelli consentiti per l'attività di classificazione. | Matrice di stringhe contenente uno dei seguenti elementi: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier" |
| blockedTrainingAlgorithms | Modelli bloccati per l'attività di classificazione. | Matrice di stringhe contenente uno dei seguenti elementi: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier" |
| enableDnnTraining | Abilitare la raccomandazione dei modelli DNN. | Bool |
| enableModelExplainability | Flag per attivare la spiegazione sul modello migliore. | Bool |
| enableOnnxCompatibleModels | Flag per l'abilitazione di modelli compatibili con onnx. | Bool |
| enableStackEnsemble | Abilitare l'esecuzione dell'insieme dello stack. | Bool |
| enableVoteEnsemble | Abilitare l'esecuzione dell'ensemble di voto. | Bool |
| ensembleModelDownloadTimeout | Durante la generazione di modelli VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati dalle esecuzioni figlio precedenti. Configurare questo parametro con un valore superiore a 300 sec, se è necessario più tempo. |
corda |
| stackEnsembleSettings | Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
| trainingMode | Modalità TrainingMode: l'impostazione di "auto" equivale a impostarla su "non distribuita" per il momento, tuttavia in futuro potrebbe comportare la selezione della modalità mista o della modalità basata sull'euristica. Il valore predefinito è 'auto'. Se 'Distributed' viene usata solo la funzionalità distribuita e vengono scelti gli algoritmi distribuiti. Se 'NonDistributed' vengono scelti solo gli algoritmi non distribuiti. |
"Auto" "Distribuito" "NonDistributed" |
StackEnsembleSettings
| Nome | Descrizione | Valore |
|---|---|---|
| stackMetaLearnerKWargs | Parametri facoltativi da passare all'inizializzatore del meta-learner. | |
| stackMetaLearnerTrainPercentage | Specifica la proporzione del set di training (quando si sceglie il tipo di training e di convalida) da riservare per il training del meta-apprendimento. Il valore predefinito è 0,2. | Int |
| stackMetaLearnerType | Il meta-learner è un modello sottoposto a training sull'output dei singoli modelli eterogenei. | "ElasticNet" "ElasticNetCV" "LightGBMClassifier" "LightGBMRegressor" "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "Nessuno" |
Previsione
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | "Previsione" (obbligatorio) |
| cvSplitColumnNames | Colonne da utilizzare per i dati CVSplit. | string[] |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | TableFixedParameters |
| forecastingSettings | Previsione di input specifici dell'attività. | ForecastingSettings |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Numero di riduzioni di convalida incrociata da applicare al set di dati di training quando il set di dati di convalida non viene fornito. |
NCrossValidations |
| primaryMetric | Metrica primaria per l'attività di previsione. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "SpearmanCorrelation" |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | TableParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | TableSweepSettings |
| testData | Testare l'input dei dati. | MLTableJobInput |
| testDataSize | Frazione del set di dati di test da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| trainingSettings | Input per la fase di training per un processo AutoML. | ForecastingTrainingSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| weightColumnName | Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso delle righe nei dati verso l'alto o verso il basso. | corda |
ForecastingSettings
| Nome | Descrizione | Valore |
|---|---|---|
| countryOrRegionForHolidays | Paese o area geografica per le vacanze per le attività di previsione. Devono essere codici PAESE/area geografica ISO 3166, ad esempio 'US' o 'GB'. |
corda |
| cvStepSize | Numero di periodi tra l'ora di origine di una piega cv e la piega successiva. Per ad esempio, se CVStepSize = 3 per i dati giornalieri, l'ora di origine per ogni piega saràtre giorni a parte. |
Int |
| featureLags | Flag per la generazione di ritardi per le funzionalità numeriche con 'auto' o Null. | "Auto" "Nessuno" |
| forecastHorizon | L'orizzonte di previsione massimo desiderato in unità di frequenza delle serie temporali. | ForecastHorizon |
| frequenza | Durante la previsione, questo parametro rappresenta il periodo con cui si desidera eseguire la previsione, ad esempio giornaliera, settimanale, annuale e così via. La frequenza di previsione è la frequenza del set di dati per impostazione predefinita. | corda |
| stagionalità | Impostare la stagionalità delle serie temporali come numero intero multiplo della frequenza della serie. Se la stagionalità è impostata su "auto", verrà dedotta. |
stagionalità |
| shortSeriesHandlingConfig | Parametro che definisce come se AutoML deve gestire serie temporali brevi. | "Auto" "Drop" "Nessuno" "Pad" |
| targetAggregateFunction | Funzione da utilizzare per aggregare la colonna di destinazione della serie temporale in modo che sia conforme a una frequenza specificata dall'utente. Se targetAggregateFunction è impostato, ad esempio non 'None', ma il parametro freq non è impostato, viene generato l'errore. Le possibili funzioni di aggregazione di destinazione sono: "sum", "max", "min" e "mean". |
"Max" "Mean" "Min" "Nessuno" "Somma" |
| targetLags | Numero di periodi passati di ritardo dalla colonna di destinazione. | TargetLags |
| targetRollingWindowSize | Numero di periodi passati utilizzati per creare una media della finestra mobile della colonna di destinazione. | TargetRollingWindowSize |
| timeColumnName | Nome della colonna temporale. Questo parametro è obbligatorio quando si prevede di specificare la colonna datetime nei dati di input usati per compilare la serie temporale e dedurre la relativa frequenza. | corda |
| timeSeriesIdColumnNames | Nomi delle colonne utilizzate per raggruppare un timeeries. Può essere usato per creare più serie. Se la granularità non è definita, si presuppone che il set di dati sia una serie temporale. Questo parametro viene usato con la previsione del tipo di attività. |
string[] |
| useStl | Configurare la sCOMposizione STL della colonna di destinazione della serie temporale. | "Nessuno" "Stagione" "SeasonTrend" |
ForecastHorizon
| Nome | Descrizione | Valore |
|---|---|---|
| modo | Impostare il tipo di oggetto |
automatico personalizzato (obbligatorio) |
AutoForecastHorizon
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Impostare la modalità di selezione del valore dell'orizzonte di previsione. | "Auto" (obbligatorio) |
CustomForecastHorizon
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Impostare la modalità di selezione del valore dell'orizzonte di previsione. | "Personalizzato" (obbligatorio) |
| valore | [Obbligatorio] Valore dell'orizzonte di previsione. | int (obbligatorio) |
Stagionalità
| Nome | Descrizione | Valore |
|---|---|---|
| modo | Impostare il tipo di oggetto |
automatico personalizzato (obbligatorio) |
AutoSeasonality
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità stagionalità. | "Auto" (obbligatorio) |
CustomSeasonality
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità stagionalità. | "Personalizzato" (obbligatorio) |
| valore | [Obbligatorio] Valore stagionalità. | int (obbligatorio) |
TargetLags
| Nome | Descrizione | Valore |
|---|---|---|
| modo | Impostare il tipo di oggetto |
automatico personalizzato (obbligatorio) |
AutoTargetLags
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Impostare la modalità di ritardo di destinazione - Auto/Personalizzato | "Auto" (obbligatorio) |
CustomTargetLags
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Impostare la modalità di ritardo di destinazione - Auto/Personalizzato | "Personalizzato" (obbligatorio) |
| valori | [Obbligatorio] Impostare i valori di ritardo di destinazione. | int[] (obbligatorio) |
TargetRollingWindowSize
| Nome | Descrizione | Valore |
|---|---|---|
| modo | Impostare il tipo di oggetto |
automatico personalizzato (obbligatorio) |
AutoTargetRollingWindowSize
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità di rilevamento TargetRollingWindowSiz. | "Auto" (obbligatorio) |
CustomTargetRollingWindowSize
| Nome | Descrizione | Valore |
|---|---|---|
| modo | [Obbligatorio] Modalità di rilevamento TargetRollingWindowSiz. | "Personalizzato" (obbligatorio) |
| valore | [Obbligatorio] Valore TargetRollingWindowSize. | int (obbligatorio) |
ForecastingTrainingSettings
| Nome | Descrizione | Valore |
|---|---|---|
| allowedTrainingAlgorithms | Modelli consentiti per l'attività di previsione. | Matrice di stringhe contenente uno dei seguenti elementi: "Arimax" "AutoArima" "Media" "DecisionTree" "ElasticNet" "EsponenzialeSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "Naive" "Profeta" "RandomForest" "SGD" "SeasonalAverage" "StagionaleNaive" "TCNForecaster" "XGBoostRegressor" |
| blockedTrainingAlgorithms | Modelli bloccati per l'attività di previsione. | Matrice di stringhe contenente uno dei seguenti elementi: "Arimax" "AutoArima" "Media" "DecisionTree" "ElasticNet" "EsponenzialeSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "Naive" "Profeta" "RandomForest" "SGD" "SeasonalAverage" "StagionaleNaive" "TCNForecaster" "XGBoostRegressor" |
| enableDnnTraining | Abilitare la raccomandazione dei modelli DNN. | Bool |
| enableModelExplainability | Flag per attivare la spiegazione sul modello migliore. | Bool |
| enableOnnxCompatibleModels | Flag per l'abilitazione di modelli compatibili con onnx. | Bool |
| enableStackEnsemble | Abilitare l'esecuzione dell'insieme dello stack. | Bool |
| enableVoteEnsemble | Abilitare l'esecuzione dell'ensemble di voto. | Bool |
| ensembleModelDownloadTimeout | Durante la generazione di modelli VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati dalle esecuzioni figlio precedenti. Configurare questo parametro con un valore superiore a 300 sec, se è necessario più tempo. |
corda |
| stackEnsembleSettings | Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
| trainingMode | Modalità TrainingMode: l'impostazione di "auto" equivale a impostarla su "non distribuita" per il momento, tuttavia in futuro potrebbe comportare la selezione della modalità mista o della modalità basata sull'euristica. Il valore predefinito è 'auto'. Se 'Distributed' viene usata solo la funzionalità distribuita e vengono scelti gli algoritmi distribuiti. Se 'NonDistributed' vengono scelti solo gli algoritmi non distribuiti. |
"Auto" "Distribuito" "NonDistributed" |
ImageClassification
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | "ImageClassification" (obbligatorio) |
| limitSettings | [Obbligatorio] Limitare le impostazioni per il processo AutoML. | ImageLimitSettings (obbligatorio) |
| modelSettings | Impostazioni usate per il training del modello. | ImageModelSettingsClassification |
| primaryMetric | Metrica primaria da ottimizzare per questa attività. | "AUCWeighted" "Accuratezza" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | ImageModelDistributionSettingsClassification[] |
| sweepSettings | Sweep del modello e sweep degli iperparametri per le impostazioni correlate. | ImageSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
ImageLimitSettings
| Nome | Descrizione | Valore |
|---|---|---|
| maxConcurrentTrials | Numero massimo di iterazioni AutoML simultanee. | Int |
| maxTrials | Numero massimo di iterazioni AutoML. | Int |
| Timeout | Timeout del processo AutoML. | corda |
ImageModelSettingsClassification
MLFlowModelJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| descrizione | Descrizione per l'input. | corda |
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | "custom_model" "letterale" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | "Diretto" "Download" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
| Nome | Descrizione | Valore |
|---|---|---|
| amsGradient | Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'. | corda |
| incrementi | Impostazioni per l'uso di Augmentations. | corda |
| beta1 | Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| beta2 | Valore di 'beta2' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| distribuito | Indica se usare il training di distributer. | corda |
| earlyStopping | Abilitare la logica di arresto anticipato durante il training. | corda |
| earlyStoppingDelay | Numero minimo di periodi o valutazioni di convalida da attendere prima del miglioramento della metrica primaria viene monitorato per l'arresto anticipato. Deve essere un numero intero positivo. |
corda |
| earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie prima l'esecuzione viene arrestata. Deve essere un numero intero positivo. |
corda |
| enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | corda |
| evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un numero intero positivo. | corda |
| gradientAccumulationStep | L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornamento dei pesi del modello durante l'accumulo delle sfumature di tali passaggi e quindi uso gradienti accumulati per calcolare gli aggiornamenti del peso. Deve essere un numero intero positivo. |
corda |
| layersToFreeze | Numero di livelli da bloccare per il modello. Deve essere un numero intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa livello di congelamento0 e layer1. Per un elenco completo dei modelli supportati e i dettagli sul blocco del livello, vedere see: /azure/machine-learning/how-to-auto-train-image-models. |
corda |
| learningRate | Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio". | corda |
| modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: /azure/machine-learning/how-to-auto-train-image-models. |
corda |
| slancio | Valore di momentum quando optimizer è 'sgd'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| nesterov | Abilitare nesterov quando optimizer è "sgd". | corda |
| numberOfEpochs | Numero di periodi di training. Deve essere un numero intero positivo. | corda |
| numberOfWorkers | Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo. | corda |
| ottimizzatore | Tipo di ottimizzatore. Deve essere 'sgd', 'adam', o 'adamw'. | corda |
| randomSeed | Valore di inizializzazione casuale da usare quando si usa il training deterministico. | corda |
| stepLRGamma | Il valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è 'step'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| stepLRStepSize | Valore delle dimensioni del passaggio quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un numero intero positivo. | corda |
| trainingBatchSize | Dimensioni batch di training. Deve essere un numero intero positivo. | corda |
| trainingCropSize | Dimensioni di ritaglio delle immagini che vengono immesse nella rete neurale per il set di dati di training. Deve essere un numero intero positivo. | corda |
| validationBatchSize | Dimensioni batch di convalida. Deve essere un numero intero positivo. | corda |
| validationCropSize | Dimensione ritaglio immagine che viene immessa nella rete neurale per il set di dati di convalida. Deve essere un numero intero positivo. | corda |
| validationResizeSize | Dimensioni dell'immagine in cui ridimensionare prima del ritaglio per il set di dati di convalida. Deve essere un numero intero positivo. | corda |
| warmupCosineLRCycles | Il valore del ciclo coseno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un valore float nell'intervallo [0, 1]. | corda |
| warmupCosineLRWarmupEpochs | Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un numero intero positivo. | corda |
| weightDecay | Valore del decadimento del peso quando optimizer è 'sgd', 'adam' o 'adamw'. Deve essere un valore float nell'intervallo[0, 1]. | corda |
| weightedLoss | Perdita ponderata. I valori accettati sono 0 per nessuna perdita ponderata. 1 per perdita ponderata con sqrt. (class_weights). 2 per perdita ponderata con class_weights. Deve essere 0 o 1 o 2. |
corda |
ImageSweepSettings
| Nome | Descrizione | Valore |
|---|---|---|
| earlyTermination | Tipo di criteri di terminazione anticipata. | EarlyTerminationPolicy |
| campionamentoAlgorithm | [Obbligatorio] Tipo degli algoritmi di campionamento degli iperparametri. | "Bayesian" "Griglia" "Casuale" (obbligatorio) |
ImageClassificationMultilabel
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | "ImageClassificationMultilabel" (obbligatorio) |
| limitSettings | [Obbligatorio] Limitare le impostazioni per il processo AutoML. | ImageLimitSettings (obbligatorio) |
| modelSettings | Impostazioni usate per il training del modello. | ImageModelSettingsClassification |
| primaryMetric | Metrica primaria da ottimizzare per questa attività. | "AUCWeighted" "Accuratezza" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted" |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | ImageModelDistributionSettingsClassification[] |
| sweepSettings | Sweep del modello e sweep degli iperparametri per le impostazioni correlate. | ImageSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
ImageInstanceSegmentation
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | "ImageInstanceSegmentation" (obbligatorio) |
| limitSettings | [Obbligatorio] Limitare le impostazioni per il processo AutoML. | ImageLimitSettings (obbligatorio) |
| modelSettings | Impostazioni usate per il training del modello. | ImageModelSettingsObjectDetection |
| primaryMetric | Metrica primaria da ottimizzare per questa attività. | "MeanAveragePrecision" |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | ImageModelDistributionSettingsObjectDetection[] |
| sweepSettings | Sweep del modello e sweep degli iperparametri per le impostazioni correlate. | ImageSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
ImageModelSettingsObjectDetection
ImageModelDistributionSettingsObjectDetection
| Nome | Descrizione | Valore |
|---|---|---|
| amsGradient | Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'. | corda |
| incrementi | Impostazioni per l'uso di Augmentations. | corda |
| beta1 | Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| beta2 | Valore di 'beta2' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| boxDetectionsPerImage | Numero massimo di rilevamenti per immagine, per tutte le classi. Deve essere un numero intero positivo. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
corda |
| boxScoreThreshold | Durante l'inferenza, restituisce solo proposte con un punteggio di classificazione maggiore di BoxScoreThreshold. Deve essere un valore float nell'intervallo[0, 1]. |
corda |
| distribuito | Indica se usare il training di distributer. | corda |
| earlyStopping | Abilitare la logica di arresto anticipato durante il training. | corda |
| earlyStoppingDelay | Numero minimo di periodi o valutazioni di convalida da attendere prima del miglioramento della metrica primaria viene monitorato per l'arresto anticipato. Deve essere un numero intero positivo. |
corda |
| earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie prima l'esecuzione viene arrestata. Deve essere un numero intero positivo. |
corda |
| enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | corda |
| evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un numero intero positivo. | corda |
| gradientAccumulationStep | L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornamento dei pesi del modello durante l'accumulo delle sfumature di tali passaggi e quindi uso gradienti accumulati per calcolare gli aggiornamenti del peso. Deve essere un numero intero positivo. |
corda |
| imageSize | Dimensioni dell'immagine per il training e la convalida. Deve essere un numero intero positivo. Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5". |
corda |
| layersToFreeze | Numero di livelli da bloccare per il modello. Deve essere un numero intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa livello di congelamento0 e layer1. Per un elenco completo dei modelli supportati e i dettagli sul blocco del livello, vedere see: /azure/machine-learning/how-to-auto-train-image-models. |
corda |
| learningRate | Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio". | corda |
| maxSize | Dimensioni massime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un numero intero positivo. Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
corda |
| minSize | Dimensioni minime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un numero intero positivo. Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
corda |
| modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: /azure/machine-learning/how-to-auto-train-image-models. |
corda |
| modelSize | Dimensioni del modello. Deve essere "small", "medium", "large" o "xlarge". Nota: se le dimensioni del modello sono troppo grandi, l'esecuzione del training può entrare nell'OOM CUDA. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5". |
corda |
| slancio | Valore di momentum quando optimizer è 'sgd'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| multiScale | Abilitare l'immagine su più scalabilità variando le dimensioni dell'immagine per +/- 50%. Nota: l'esecuzione del training può entrare nell'OOM CUDA se non è sufficiente memoria GPU. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5". |
corda |
| nesterov | Abilitare nesterov quando optimizer è "sgd". | corda |
| nmsIouThreshold | Soglia IOU usata durante l'inferenza in NMS post-elaborazione. Deve essere float nell'intervallo [0, 1]. | corda |
| numberOfEpochs | Numero di periodi di training. Deve essere un numero intero positivo. | corda |
| numberOfWorkers | Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo. | corda |
| ottimizzatore | Tipo di ottimizzatore. Deve essere 'sgd', 'adam', o 'adamw'. | corda |
| randomSeed | Valore di inizializzazione casuale da usare quando si usa il training deterministico. | corda |
| stepLRGamma | Il valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è 'step'. Deve essere un valore float nell'intervallo [0, 1]. | corda |
| stepLRStepSize | Valore delle dimensioni del passaggio quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un numero intero positivo. | corda |
| tileGridSize | Dimensioni della griglia da usare per collegare ogni immagine. Nota: TileGridSize non deve essere Nessuno per abilitare la logica di rilevamento oggetti di piccole dimensioni. Stringa contenente due numeri interi in formato mxn. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
corda |
| tileOverlapRatio | Rapporto di sovrapposizione tra riquadri adiacenti in ogni dimensione. Deve essere float nell'intervallo [0, 1). Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
corda |
| tilePredictionsNmsThreshold | Soglia IOU da usare per eseguire NMS durante l'unione di stime da riquadri e immagini. Usato nella convalida/inferenza. Deve essere float nell'intervallo [0, 1]. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". NMS: eliminazione non massima |
corda |
| trainingBatchSize | Dimensioni batch di training. Deve essere un numero intero positivo. | corda |
| validationBatchSize | Dimensioni batch di convalida. Deve essere un numero intero positivo. | corda |
| validationIouThreshold | Soglia IOU da usare durante il calcolo della metrica di convalida. Deve essere float nell'intervallo [0, 1]. | corda |
| validationMetricType | Metodo di calcolo delle metriche da usare per le metriche di convalida. Deve essere "none", "coco", "voc" o "coco_voc". | corda |
| warmupCosineLRCycles | Il valore del ciclo coseno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un valore float nell'intervallo [0, 1]. | corda |
| warmupCosineLRWarmupEpochs | Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un numero intero positivo. | corda |
| weightDecay | Valore del decadimento del peso quando optimizer è 'sgd', 'adam' o 'adamw'. Deve essere un valore float nell'intervallo[0, 1]. | corda |
ImageObjectDetection
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | "ImageObjectDetection" (obbligatorio) |
| limitSettings | [Obbligatorio] Limitare le impostazioni per il processo AutoML. | ImageLimitSettings (obbligatorio) |
| modelSettings | Impostazioni usate per il training del modello. | ImageModelSettingsObjectDetection |
| primaryMetric | Metrica primaria da ottimizzare per questa attività. | "MeanAveragePrecision" |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | ImageModelDistributionSettingsObjectDetection[] |
| sweepSettings | Sweep del modello e sweep degli iperparametri per le impostazioni correlate. | ImageSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
Regressione
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | "Regressione" (obbligatorio) |
| cvSplitColumnNames | Colonne da utilizzare per i dati CVSplit. | string[] |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | TableFixedParameters |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Numero di riduzioni di convalida incrociata da applicare al set di dati di training quando il set di dati di convalida non viene fornito. |
NCrossValidations |
| primaryMetric | Metrica primaria per l'attività di regressione. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "SpearmanCorrelation" |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | TableParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | TableSweepSettings |
| testData | Testare l'input dei dati. | MLTableJobInput |
| testDataSize | Frazione del set di dati di test da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| trainingSettings | Input per la fase di training per un processo AutoML. | RegressionTrainingSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando non viene fornito il set di dati di convalida. |
Int |
| weightColumnName | Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso delle righe nei dati verso l'alto o verso il basso. | corda |
RegressionTrainingSettings
| Nome | Descrizione | Valore |
|---|---|---|
| allowedTrainingAlgorithms | Modelli consentiti per l'attività di regressione. | Matrice di stringhe contenente uno dei seguenti elementi: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor" |
| blockedTrainingAlgorithms | Modelli bloccati per l'attività di regressione. | Matrice di stringhe contenente uno dei seguenti elementi: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor" |
| enableDnnTraining | Abilitare la raccomandazione dei modelli DNN. | Bool |
| enableModelExplainability | Flag per attivare la spiegazione sul modello migliore. | Bool |
| enableOnnxCompatibleModels | Flag per l'abilitazione di modelli compatibili con onnx. | Bool |
| enableStackEnsemble | Abilitare l'esecuzione dell'insieme dello stack. | Bool |
| enableVoteEnsemble | Abilitare l'esecuzione dell'ensemble di voto. | Bool |
| ensembleModelDownloadTimeout | Durante la generazione di modelli VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati dalle esecuzioni figlio precedenti. Configurare questo parametro con un valore superiore a 300 sec, se è necessario più tempo. |
corda |
| stackEnsembleSettings | Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
| trainingMode | Modalità TrainingMode: l'impostazione di "auto" equivale a impostarla su "non distribuita" per il momento, tuttavia in futuro potrebbe comportare la selezione della modalità mista o della modalità basata sull'euristica. Il valore predefinito è 'auto'. Se 'Distributed' viene usata solo la funzionalità distribuita e vengono scelti gli algoritmi distribuiti. Se 'NonDistributed' vengono scelti solo gli algoritmi non distribuiti. |
"Auto" "Distribuito" "NonDistributed" |
TextClassification
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | "TextClassification" (obbligatorio) |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | NlpFixedParameters |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | NlpVerticalLimitSettings |
| primaryMetric | Metrica primaria per Text-Classification'attività. | "AUCWeighted" "Accuratezza" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | NlpParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | NlpSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
NlpVerticalFeaturizationSettings
| Nome | Descrizione | Valore |
|---|---|---|
| datasetLanguage | Lingua del set di dati, utile per i dati di testo. | corda |
NlpFixedParameters
| Nome | Descrizione | Valore |
|---|---|---|
| gradientAccumulationSteps | Numero di passaggi per accumulare gradienti prima di eseguire un passaggio indietro. | Int |
| learningRate | Frequenza di apprendimento per la procedura di training. | Int |
| learningRateScheduler | Tipo di pianificazione della frequenza di apprendimento da utilizzare durante la procedura di training. | "Costante" "ConstantWithWarmup" "Coseno" "CosineWithRestarts" "Lineare" "Nessuno" "Polinomiale" |
| modelName | Nome del modello di cui eseguire il training. | corda |
| numberOfEpochs | Numero di periodi di training. | Int |
| trainingBatchSize | Dimensioni batch per la procedura di training. | Int |
| validationBatchSize | Dimensioni del batch da usare durante la valutazione. | Int |
| warmupRatio | Rapporto di riscaldamento, utilizzato insieme a LrSchedulerType. | Int |
| weightDecay | Decadimento del peso per la procedura di training. | Int |
NlpVerticalLimitSettings
| Nome | Descrizione | Valore |
|---|---|---|
| maxConcurrentTrials | Numero massimo di iterazioni AutoML simultanee. | Int |
| maxNodes | Numero massimo di nodi da usare per l'esperimento. | Int |
| maxTrials | Numero di iterazioni AutoML. | Int |
| Timeout | Timeout del processo AutoML. | corda |
| trialTimeout | Timeout per singole versioni di valutazione hd. | corda |
NlpParameterSubspace
| Nome | Descrizione | Valore |
|---|---|---|
| gradientAccumulationSteps | Numero di passaggi per accumulare gradienti prima di eseguire un passaggio indietro. | corda |
| learningRate | Frequenza di apprendimento per la procedura di training. | corda |
| learningRateScheduler | Tipo di pianificazione della frequenza di apprendimento da utilizzare durante la procedura di training. | corda |
| modelName | Nome del modello di cui eseguire il training. | corda |
| numberOfEpochs | Numero di periodi di training. | corda |
| trainingBatchSize | Dimensioni batch per la procedura di training. | corda |
| validationBatchSize | Dimensioni del batch da usare durante la valutazione. | corda |
| warmupRatio | Rapporto di riscaldamento, utilizzato insieme a LrSchedulerType. | corda |
| weightDecay | Decadimento del peso per la procedura di training. | corda |
NlpSweepSettings
| Nome | Descrizione | Valore |
|---|---|---|
| earlyTermination | Tipo di criteri di terminazione anticipata per il processo di sweep. | EarlyTerminationPolicy |
| campionamentoAlgorithm | [Obbligatorio] Tipo di algoritmo di campionamento. | "Bayesian" "Griglia" "Casuale" (obbligatorio) |
TextClassificationMultilabel
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | "TextClassificationMultilabel" (obbligatorio) |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | NlpFixedParameters |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | NlpVerticalLimitSettings |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | NlpParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | NlpSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
TextNer
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | "TextNER" (obbligatorio) |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parametri di modello/training che rimarranno costanti durante il training. | NlpFixedParameters |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | NlpVerticalLimitSettings |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | NlpParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | NlpSweepSettings |
| validationData | Input dei dati di convalida. | MLTableJobInput |
Processo di comando
| Nome | Descrizione | Valore |
|---|---|---|
| jobType | [Obbligatorio] Specifica il tipo di processo. | "Comando" (obbligatorio) |
| autologgerSettings | Configurazione di distribuzione del processo. Se impostato, deve essere uno dei valori Mpi, Tensorflow, PyTorch o Null. | AutologgerSettings |
| codeId | ID risorsa ARM dell'asset di codice. | corda |
| comando | [Obbligatorio] Comando da eseguire all'avvio del processo. ad esempio. "python train.py" | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| distribuzione | Configurazione di distribuzione del processo. Se impostato, deve essere uno dei valori Mpi, Tensorflow, PyTorch o Null. | DistributionConfiguration |
| environmentId | [Obbligatorio] ID risorsa ARM della specifica Ambiente per il processo. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
| environmentVariables | Variabili di ambiente incluse nel processo. | CommandJobEnvironmentVariables |
| Ingressi | Mapping dei data binding di input usati nel processo. | commandJobInputs |
| Limiti | Limite del processo di comando. | CommandJobLimits |
| Uscite | Mapping dei data binding di output usati nel processo. | CommandJobOutputs |
| risorse | Configurazione delle risorse di calcolo per il processo. | JobResourceConfiguration |
AutologgerSettings
| Nome | Descrizione | Valore |
|---|---|---|
| mlflowAutologger | [Obbligatorio] Indica se mlflow autologger è abilitato. | "Disabilitato" "Abilitato" (obbligatorio) |
DistributionConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| distributionType | Impostare il tipo di oggetto |
Mpi PyTorch TensorFlow (obbligatorio) |
Mpi
| Nome | Descrizione | Valore |
|---|---|---|
| distributionType | [Obbligatorio] Specifica il tipo di framework di distribuzione. | "Mpi" (obbligatorio) |
| processCountPerInstance | Numero di processi per nodo MPI. | Int |
PyTorch
| Nome | Descrizione | Valore |
|---|---|---|
| distributionType | [Obbligatorio] Specifica il tipo di framework di distribuzione. | "PyTorch" (obbligatorio) |
| processCountPerInstance | Numero di processi per nodo. | Int |
TensorFlow
| Nome | Descrizione | Valore |
|---|---|---|
| distributionType | [Obbligatorio] Specifica il tipo di framework di distribuzione. | "TensorFlow" (obbligatorio) |
| parameterServerCount | Numero di attività del server dei parametri. | Int |
| workerCount | Numero di ruoli di lavoro. Se non specificato, per impostazione predefinita verrà impostato il numero di istanze. | Int |
CommandJobEnvironmentVariables
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
CommandJobInputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | jobInput |
JobInput
| Nome | Descrizione | Valore |
|---|---|---|
| descrizione | Descrizione per l'input. | corda |
| jobInputType | Impostare il tipo di oggetto |
custom_model letterale mlflow_model mltable triton_model uri_file uri_folder (obbligatorio) |
CustomModelJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | "custom_model" (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | "Diretto" "Download" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
LiteralJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | "literal" (obbligatorio) |
| valore | [Obbligatorio] Valore letterale per l'input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
ModelModelJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | "triton_model" (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | "Diretto" "Download" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
UriFileJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | "uri_file" (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | "Diretto" "Download" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
UriFolderJobInput
| Nome | Descrizione | Valore |
|---|---|---|
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | "uri_folder" (obbligatorio) |
| modo | Modalità di distribuzione degli asset di input. | "Diretto" "Download" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
CommandJobLimits
| Nome | Descrizione | Valore |
|---|---|---|
| jobLimitsType | [Obbligatorio] Tipo JobLimit. | "Comando" "Sweep" (obbligatorio) |
| Timeout | Durata massima dell'esecuzione in formato ISO 8601, dopo la quale il processo verrà annullato. Supporta solo la durata con precisione inferiore a secondi. | corda |
CommandJobOutputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobOutput |
LabelingJobProperties
| Nome | Descrizione | Valore |
|---|---|---|
| componentId | ID risorsa ARM della risorsa componente. | corda |
| computeId | ID risorsa ARM della risorsa di calcolo. | corda |
| dataConfiguration | Configurazione dei dati usati nel processo. | LabelingDataConfiguration |
| descrizione | Testo della descrizione dell'asset. | corda |
| displayName | Nome visualizzato del processo. | corda |
| experimentName | Nome dell'esperimento a cui appartiene il processo. Se non è impostato, il processo viene inserito nell'esperimento "Default". | corda |
| identità | Configurazione dell'identità. Se impostato, deve essere uno di AmlToken, ManagedIdentity, UserIdentity o Null. L'impostazione predefinita è AmlToken se null. |
IdentityConfiguration |
| isArchived | L'asset è archiviato? | Bool |
| jobInstructions | Istruzioni di etichettatura del processo. | LabelingJobInstructions |
| jobType | [Obbligatorio] Specifica il tipo di processo. | "AutoML" "Comando" "Etichettatura" "Pipeline" "Spark" "Sweep" (obbligatorio) |
| labelCategories | Etichettare le categorie del processo. | LabelingJobLabelCategories |
| labelingJobMediaProperties | Proprietà specifiche del tipo di supporto nel processo. | LabelingJobMediaProperties |
| mlAssistConfiguration | Configurazione della funzionalità MLAssist nel processo. | MLAssistConfiguration |
| proprietà | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
| servizi | Elenco di JobEndpoints. Per i processi locali, un endpoint di processo avrà un valore endpoint di FileStreamObject. |
JobBaseServices |
| Tag | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | oggetto |
LabelingDataConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| dataId | ID risorsa dell'asset di dati per eseguire l'etichettatura. | corda |
| incrementalDataRefresh | Indica se abilitare l'aggiornamento dati incrementale. | "Disabilitato" "Abilitato" |
Assegnazione di etichetteJobInstructions
| Nome | Descrizione | Valore |
|---|---|---|
| Uri | Collegamento a una pagina con istruzioni dettagliate sull'etichettatura per gli etichettatori. | corda |
LabelingJobLabelCategories
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | LabelCategory |
LabelCategory
| Nome | Descrizione | Valore |
|---|---|---|
| Classi | Dizionario delle classi di etichette in questa categoria. | LabelCategoryClasses |
| displayName | Nome visualizzato della categoria di etichette. | corda |
| multiSelect | Indica se è consentito selezionare più classi in questa categoria. | "Disabilitato" "Abilitato" |
LabelCategoryClasses
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | LabelClass |
LabelClass
| Nome | Descrizione | Valore |
|---|---|---|
| displayName | Nome visualizzato della classe label. | corda |
| Sottoclassi | Dizionario di sottoclassi della classe label. | LabelClassSubclasses |
LabelClassSubclasses
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | LabelClass |
LabelingJobMediaProperties
| Nome | Descrizione | Valore |
|---|---|---|
| mediaType | Impostare il tipo di oggetto | immagine testo (obbligatorio) |
LabelingJobImageProperties
| Nome | Descrizione | Valore |
|---|---|---|
| mediaType | [Obbligatorio] Tipo di supporto del processo. | "Immagine" (obbligatorio) |
| annotationType | Tipo di annotazione del processo di etichettatura delle immagini. | "BoundingBox" "Classificazione" "InstanceSegmentation" |
LabelingJobTextProperties
| Nome | Descrizione | Valore |
|---|---|---|
| mediaType | [Obbligatorio] Tipo di supporto del processo. | "Testo" (obbligatorio) |
| annotationType | Tipo di annotazione del processo di etichettatura del testo. | "Classificazione" "NamedEntityRecognition" |
MLAssistConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| mlAssist | Impostare il tipo di oggetto |
Disabilitato abilitato (obbligatorio) |
MLAssistConfigurationDisabled
| Nome | Descrizione | Valore |
|---|---|---|
| mlAssist | [Obbligatorio] Indica se la funzionalità MLAssist è abilitata. | "Disabilitato" (obbligatorio) |
MLAssistConfigurationEnabled
| Nome | Descrizione | Valore |
|---|---|---|
| mlAssist | [Obbligatorio] Indica se la funzionalità MLAssist è abilitata. | "Abilitato" (obbligatorio) |
| inferencingComputeBinding | [Obbligatorio] Associazione di calcolo AML usata nell'inferenza. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
| trainingComputeBinding | [Obbligatorio] Associazione di calcolo AML usata nel training. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
PipelineJob
| Nome | Descrizione | Valore |
|---|---|---|
| jobType | [Obbligatorio] Specifica il tipo di processo. | "Pipeline" (obbligatorio) |
| Ingressi | Input per il processo della pipeline. | pipelineJobInputs |
| Lavori | I processi costruiscono il processo pipeline. | PipelineJobJobs |
| Uscite | Output per il processo della pipeline | pipelineJobOutputs |
| Impostazioni | Impostazioni della pipeline, per elementi come ContinueRunOnStepFailure e così via. | |
| sourceJobId | ID risorsa ARM del processo di origine. | corda |
PipelineJobInputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | jobInput |
PipelineJobJobs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} |
PipelineJobOutputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobOutput |
SparkJob
| Nome | Descrizione | Valore |
|---|---|---|
| jobType | [Obbligatorio] Specifica il tipo di processo. | "Spark" (obbligatorio) |
| archivio | Archiviare i file usati nel processo. | string[] |
| argomenti | Argomenti per il processo. | corda |
| codeId | [Obbligatorio] ID risorsa ARM dell'asset di codice. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
| conf | Proprietà configurate di Spark. | SparkJobConf |
| entrata | [Obbligatorio] Voce da eseguire all'avvio del processo. | SparkJobEntry (obbligatorio) |
| environmentId | ID risorsa ARM della specifica Ambiente per il processo. | corda |
| file | File usati nel processo. | string[] |
| Ingressi | Mapping dei data binding di input usati nel processo. | SparkJobInputs |
| Vasi | File JAR usati nel processo. | string[] |
| Uscite | Mapping dei data binding di output usati nel processo. | sparkJobOutputs |
| pyFiles | File Python usati nel processo. | string[] |
| risorse | Configurazione delle risorse di calcolo per il processo. | SparkResourceConfiguration |
SparkJobConf
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
SparkJobEntry
| Nome | Descrizione | Valore |
|---|---|---|
| sparkJobEntryType | Impostare il tipo di oggetto |
SparkJobPythonEntry SparkJobScalaEntry (obbligatorio) |
SparkJobPythonEntry
| Nome | Descrizione | Valore |
|---|---|---|
| sparkJobEntryType | [Obbligatorio] Tipo del punto di ingresso del processo. | "SparkJobPythonEntry" (obbligatorio) |
| file | [Obbligatorio] Percorso del file Python relativo per il punto di ingresso del processo. | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
SparkJobScalaEntry
| Nome | Descrizione | Valore |
|---|---|---|
| sparkJobEntryType | [Obbligatorio] Tipo del punto di ingresso del processo. | "SparkJobScalaEntry" (obbligatorio) |
| className | [Obbligatorio] Nome della classe Scala usato come punto di ingresso. | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
SparkJobInputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | jobInput |
SparkJobOutputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobOutput |
SparkResourceConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| instanceType | Tipo facoltativo di macchina virtuale usato come supportato dalla destinazione di calcolo. | corda |
| runtimeVersion | Versione del runtime spark usata per il processo. | corda |
SweepJob
| Nome | Descrizione | Valore |
|---|---|---|
| jobType | [Obbligatorio] Specifica il tipo di processo. | "Sweep" (obbligatorio) |
| earlyTermination | I criteri di terminazione anticipata consentono di annullare le esecuzioni con prestazioni scarse prima del completamento | EarlyTerminationPolicy |
| Ingressi | Mapping dei data binding di input usati nel processo. | SweepJobInputs |
| Limiti | Limite di processi sweep. | SweepJobLimits |
| obiettivo | [Obbligatorio] Obiettivo di ottimizzazione. | objective (obbligatorio) |
| Uscite | Mapping dei data binding di output usati nel processo. | |
| campionamentoAlgorithm | [Obbligatorio] Algoritmo di campionamento degli iperparametri | SamplingAlgorithm (obbligatorio) |
| searchSpace | [Obbligatorio] Dizionario contenente ogni parametro e la relativa distribuzione. La chiave del dizionario è il nome del parametro | |
| prova | [Obbligatorio] Definizione del componente di valutazione. | Di valutazioneComponent (obbligatorio) |
SweepJobInputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | jobInput |
SweepJobLimits
| Nome | Descrizione | Valore |
|---|---|---|
| jobLimitsType | [Obbligatorio] Tipo JobLimit. | "Comando" "Sweep" (obbligatorio) |
| maxConcurrentTrials | Sweep Processo max test simultanei. | Int |
| maxTotalTrials | Sweep Job max total trial.Sweep Job max trial. | Int |
| Timeout | Durata massima dell'esecuzione in formato ISO 8601, dopo la quale il processo verrà annullato. Supporta solo la durata con precisione inferiore a secondi. | corda |
| trialTimeout | Valore di timeout della versione di valutazione processo sweep. | corda |
Obiettivo
| Nome | Descrizione | Valore |
|---|---|---|
| traguardo | [Obbligatorio] Definisce gli obiettivi delle metriche supportati per l'ottimizzazione degli iperparametri | "Ingrandisci" "Riduci a icona" (obbligatorio) |
| primaryMetric | [Obbligatorio] Nome della metrica da ottimizzare. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
SweepJobOutputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobOutput |
CampionamentoAlgorithm
| Nome | Descrizione | Valore |
|---|---|---|
| samplingAlgorithmType | Impostare il tipo di oggetto |
Bayesian griglia di casuali (obbligatorio) |
BayesianSamplingAlgorithm
| Nome | Descrizione | Valore |
|---|---|---|
| samplingAlgorithmType | [Obbligatorio] Algoritmo usato per la generazione di valori degli iperparametri, insieme alle proprietà di configurazione | "Bayesian" (obbligatorio) |
GridSamplingAlgorithm
| Nome | Descrizione | Valore |
|---|---|---|
| samplingAlgorithmType | [Obbligatorio] Algoritmo usato per la generazione di valori degli iperparametri, insieme alle proprietà di configurazione | "Grid" (obbligatorio) |
RandomSamplingAlgorithm
| Nome | Descrizione | Valore |
|---|---|---|
| samplingAlgorithmType | [Obbligatorio] Algoritmo usato per la generazione di valori degli iperparametri, insieme alle proprietà di configurazione | "Casuale" (obbligatorio) |
| logbase | Numero positivo facoltativo o e in formato stringa da usare come base per il campionamento casuale basato su log | corda |
| regola | Tipo specifico di algoritmo casuale | "Casuale" "Sobol" |
| seme | Intero facoltativo da usare come valore di inizializzazione per la generazione di numeri casuali | Int |
TrialComponent
| Nome | Descrizione | Valore |
|---|---|---|
| codeId | ID risorsa ARM dell'asset di codice. | corda |
| comando | [Obbligatorio] Comando da eseguire all'avvio del processo. ad esempio. "python train.py" | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| distribuzione | Configurazione di distribuzione del processo. Se impostato, deve essere uno dei valori Mpi, Tensorflow, PyTorch o Null. | DistributionConfiguration |
| environmentId | [Obbligatorio] ID risorsa ARM della specifica Ambiente per il processo. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
| environmentVariables | Variabili di ambiente incluse nel processo. | TrialComponentEnvironmentVariables |
| risorse | Configurazione delle risorse di calcolo per il processo. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | corda |
EndpointScheduleAction
| Nome | Descrizione | Valore |
|---|---|---|
| actionType | [Obbligatorio] Specifica il tipo di azione della pianificazione | "InvokeBatchEndpoint" (obbligatorio) |
| endpointInvocationDefinition | [Obbligatorio] Definisce i dettagli della definizione dell'azione di pianificazione. {see href="TBD" /} |
TriggerBase
| Nome | Descrizione | Valore |
|---|---|---|
| endTime | Specifica l'ora di fine della pianificazione in ISO 8601, ma senza offset UTC. Fare riferimento https://en.wikipedia.org/wiki/ISO_8601.Il formato commentato è "2022-06-01T00:00:01" Se non è presente, la pianificazione verrà eseguita per un periodo illimitato |
corda |
| startTime | Specifica l'ora di inizio della pianificazione in formato ISO 8601, ma senza offset UTC. | corda |
| timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Vedere: /windows-hardware/manufacture/desktop/default-time-zones/> |
corda |
| triggerType | Impostare il tipo di oggetto |
Cron ricorrenza (obbligatorio) |
CronTrigger
| Nome | Descrizione | Valore |
|---|---|---|
| endTime | Specifica l'ora di fine della pianificazione in ISO 8601, ma senza offset UTC. Fare riferimento https://en.wikipedia.org/wiki/ISO_8601.Il formato commentato è "2022-06-01T00:00:01" Se non è presente, la pianificazione verrà eseguita per un periodo illimitato |
corda |
| espressione | [Obbligatorio] Specifica l'espressione cron della pianificazione. L'espressione deve seguire il formato NCronTab. |
stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
| startTime | Specifica l'ora di inizio della pianificazione in formato ISO 8601, ma senza offset UTC. | corda |
| timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Vedere: /windows-hardware/manufacture/desktop/default-time-zones |
corda |
| triggerType | [Obbligatorio] | "Cron" "Ricorrenza" (obbligatorio) |
RecurrenceTrigger
| Nome | Descrizione | Valore |
|---|---|---|
| endTime | Specifica l'ora di fine della pianificazione in ISO 8601, ma senza offset UTC. Fare riferimento https://en.wikipedia.org/wiki/ISO_8601.Il formato commentato è "2022-06-01T00:00:01" Se non è presente, la pianificazione verrà eseguita per un periodo illimitato |
corda |
| frequenza | [Obbligatorio] Frequenza di attivazione della pianificazione. | "Giorno" "Hour" "Minute" "Mese" "Settimana" (obbligatorio) |
| intervallo | [Obbligatorio] Specifica l'intervallo di pianificazione in combinazione con la frequenza | int (obbligatorio) |
| Programma | Pianificazione della ricorrenza. | RecurrenceSchedule |
| startTime | Specifica l'ora di inizio della pianificazione in formato ISO 8601, ma senza offset UTC. | corda |
| timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Vedere: /windows-hardware/manufacture/desktop/default-time-zones |
corda |
| triggerType | [Obbligatorio] | "Cron" "Ricorrenza" (obbligatorio) |
RecurrenceSchedule
| Nome | Descrizione | Valore |
|---|---|---|
| orario | [Obbligatorio] Elenco di ore per la pianificazione. | int[] (obbligatorio) |
| verbale | [Obbligatorio] Elenco di minuti per la pianificazione. | int[] (obbligatorio) |
| monthDays | Elenco dei giorni del mese per la pianificazione | int[] |
| giorni feriali | Elenco di giorni per la pianificazione. | Matrice di stringhe contenente uno dei seguenti elementi: "Venerdì" "Lunedì" "Sabato" "Domenica" "Giovedì" "Martedì" "Mercoledì" |