Aree di lavoro Microsoft.MachineLearningServices/pianificazioni 2023-02-01-preview
Definizione di risorsa Bicep
Il tipo di risorsa aree di lavoro/pianificazioni può essere distribuito con operazioni destinate a:
- Gruppi di risorse - Vedere i comandi di distribuzione dei gruppi di risorse
Per un elenco delle proprietà modificate in ogni versione dell'API, vedere Log delle modifiche.
Formato di risorsa
Per creare una risorsa Microsoft.MachineLearningServices/workspaces/schedules, aggiungere il bicep seguente al modello.
resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2023-02-01-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'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
tags: {
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
trigger: {
endTime: 'string'
startTime: 'string'
timeZone: 'string'
triggerType: 'string'
// For remaining properties, see TriggerBase objects
}
}
}
Oggetti ScheduleActionBase
Impostare la proprietà actionType per specificare il tipo di oggetto.
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
notificationSetting: {
emailOn: [
'string'
]
emails: [
'string'
]
}
properties: {
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
services: {
{customized property}: {
endpoint: 'string'
jobServiceType: 'string'
nodes: {
nodesValueType: 'string'
// For remaining properties, see Nodes objects
}
port: int
properties: {
{customized property}: 'string'
}
}
{customized property}: {
endpoint: 'string'
jobServiceType: 'string'
nodes: {
nodesValueType: 'string'
// For remaining properties, see Nodes objects
}
port: int
properties: {
{customized property}: 'string'
}
}
}
tags: {
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
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
}
}
queueSettings: {
jobTier: 'string'
priority: int
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
locations: [
'string'
]
properties: {
{customized property}: any()
{customized property}: any()
}
shmSize: 'string'
}
taskDetails: {
logVerbosity: 'string'
targetColumnName: 'string'
trainingData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
taskType: 'string'
// For remaining properties, see AutoMLVertical objects
}
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
}
}
queueSettings: {
jobTier: 'string'
priority: int
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
locations: [
'string'
]
properties: {
{customized property}: any()
{customized property}: any()
}
shmSize: 'string'
}
Per l'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'
}
{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'
]
queueSettings: {
jobTier: 'string'
priority: int
}
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
}
}
queueSettings: {
jobTier: 'string'
priority: int
}
samplingAlgorithm: {
samplingAlgorithmType: 'string'
// For remaining properties, see SamplingAlgorithm objects
}
searchSpace: any()
trial: {
codeId: 'string'
command: 'string'
distribution: {
distributionType: 'string'
// For remaining properties, see DistributionConfiguration objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
locations: [
'string'
]
properties: {
{customized property}: any()
{customized property}: any()
}
shmSize: 'string'
}
}
Oggetti IdentityConfiguration
Impostare la proprietà identityType per specificare il tipo di oggetto.
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, usare:
nodesValueType: 'All'
Oggetti JobOutput
Impostare la proprietà jobOutputType per specificare il tipo di oggetto.
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 specificare il tipo di oggetto.
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 mode per specificare il tipo di oggetto.
Per Auto usare:
mode: 'Auto'
Per Personalizzato, usare:
mode: 'Custom'
value: int
Oggetti EarlyTerminationPolicy
Impostare la proprietà policyType per specificare il tipo di oggetto.
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 mode per specificare il tipo di oggetto.
Per Auto usare:
mode: 'Auto'
Per Personalizzato, usare:
mode: 'Custom'
value: int
Oggetti stagionalità
Impostare la proprietà mode per specificare il tipo di oggetto.
Per Auto usare:
mode: 'Auto'
Per Personalizzato, usare:
mode: 'Custom'
value: int
Oggetti TargetLags
Impostare la proprietà mode per specificare il tipo di oggetto.
Per Auto usare:
mode: 'Auto'
Per Personalizzato, usare:
mode: 'Custom'
values: [
int
]
Oggetti TargetRollingWindowSize
Impostare la proprietà mode per specificare il tipo di oggetto.
Per Auto usare:
mode: 'Auto'
Per Personalizzato, usare:
mode: 'Custom'
value: int
Oggetti DistributionConfiguration
Impostare la proprietà distributionType per specificare il tipo di oggetto.
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 specificare il tipo di oggetto.
Per custom_model, usare:
jobInputType: 'custom_model'
mode: 'string'
uri: 'string'
Per il 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 specificare il tipo di oggetto.
Per Image, usare:
mediaType: 'Image'
annotationType: 'string'
Per Testo, usare:
mediaType: 'Text'
annotationType: 'string'
Oggetti MLAssistConfiguration
Impostare la proprietà mlAssist per specificare il tipo di oggetto.
Per Disabilitato, usare:
mlAssist: 'Disabled'
Per Abilitato, usare:
mlAssist: 'Enabled'
inferencingComputeBinding: 'string'
trainingComputeBinding: 'string'
Oggetti SparkJobEntry
Impostare la proprietà sparkJobEntryType per specificare il tipo di oggetto.
Per SparkJobPythonEntry, usare:
sparkJobEntryType: 'SparkJobPythonEntry'
file: 'string'
Per SparkJobScalaEntry, usare:
sparkJobEntryType: 'SparkJobScalaEntry'
className: 'string'
Campionamento Di oggettiAlgorithm
Impostare la proprietà samplingAlgorithmType per specificare il tipo di oggetto.
Per Bayesian, usare:
samplingAlgorithmType: 'Bayesian'
Per Griglia, usare:
samplingAlgorithmType: 'Grid'
Per Random, usare:
samplingAlgorithmType: 'Random'
logbase: 'string'
rule: 'string'
seed: int
Oggetti TriggerBase
Impostare la proprietà triggerType per specificare il tipo di oggetto.
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 |
---|---|---|
name | Nome della risorsa Vedere come impostare nomi e tipi per le risorse figlio in Bicep. |
stringa (obbligatoria) |
padre | 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 esterna alla risorsa padre. |
Nome simbolico per la risorsa di tipo: aree di lavoro |
properties | [Obbligatorio] Attributi aggiuntivi dell'entità. | ScheduleProperties (obbligatorio) |
Proprietà di pianificazione
Nome | Descrizione | Valore |
---|---|---|
azione | [Obbligatorio] Specifica l'azione della pianificazione | ScheduleActionBase (obbligatorio) |
description | Testo della descrizione dell'asset. | string |
displayName | Nome visualizzato della pianificazione. | string |
isEnabled | La pianificazione è abilitata? | bool |
properties | Dizionario delle proprietà asset. | ResourceBaseProperties |
tags | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | object |
trigger | [Obbligatorio] Specifica i dettagli del trigger | TriggerBase (obbligatorio) |
ScheduleActionBase
Nome | Descrizione | Valore |
---|---|---|
actionType | Impostare il tipo di oggetto | CreateJob InvokeBatchEndpoint (obbligatorio) |
JobScheduleAction
Nome | Descrizione | Valore |
---|---|---|
actionType | [Obbligatorio] Specifica il tipo di azione della pianificazione | 'CreateJob' (obbligatorio) |
jobDefinition | [Obbligatorio] Definisce i dettagli della definizione dell'azione di pianificazione. | JobBaseProperties (obbligatorio) |
JobBaseProperties
Nome | Descrizione | Valore |
---|---|---|
Componentid | ID risorsa arm della risorsa componente. | string |
computeId | ID risorsa ARM della risorsa di calcolo. | string |
description | Testo della descrizione dell'asset. | string |
displayName | Nome visualizzato del processo. | string |
experimentName | Nome dell'esperimento a cui appartiene il processo. In caso contrario, il processo viene inserito nell'esperimento "Predefinito". | string |
identity | Configurazione dell'identità. Se impostato, deve essere uno dei valori AmlToken, ManagedIdentity, UserIdentity o Null. Il valore predefinito è AmlToken se null. |
IdentityConfiguration |
isArchived | L'asset è archiviato? | bool |
notificationSetting | Impostazione di notifica per il processo | NotificationSetting |
properties | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
services | Elenco di JobEndpoints. Per i processi locali, un endpoint del processo avrà un valore di endpoint FileStreamObject. |
JobBaseServices |
tags | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | object |
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 assegnata dal sistema, non impostare questo campo. | string 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 assegnata dal sistema, non impostare questo campo. | string 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 assegnata dal sistema, non impostare questo campo. | string |
UserIdentity
Nome | Descrizione | Valore |
---|---|---|
identityType | [Obbligatorio] Specifica il tipo di framework di gestione delle identità. | 'UserIdentity' (obbligatorio) |
NotificationSetting
Nome | Descrizione | Valore |
---|---|---|
emailOn | Inviare una notifica tramite posta elettronica all'utente nel tipo di notifica specificato | Matrice di stringhe contenente uno dei seguenti elementi: 'JobCancelled' 'JobCompleted' 'JobFailed' |
emails | Questo è l'elenco dei destinatari di posta elettronica che ha una limitazione di 499 caratteri in totale concat con separatore virgola | string[] |
ResourceBaseProperties
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string |
JobBaseServices
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | JobService | |
{proprietà personalizzata} | JobService |
JobService
Nome | Descrizione | Valore |
---|---|---|
endpoint | Url per l'endpoint. | string |
jobServiceType | Tipo di endpoint. | string |
nodes | Nodi in 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 |
port | Porta per l'endpoint impostata dall'utente. | INT |
properties | Proprietà aggiuntive da impostare nell'endpoint. | JobServiceProperties |
Nodi
Nome | Descrizione | Valore |
---|---|---|
nodeValueType | Impostare il tipo di oggetto | Tutto (obbligatorio) |
AllNodes
Nome | Descrizione | Valore |
---|---|---|
nodeValueType | [Obbligatorio] Tipo del valore Nodi | 'All' (obbligatorio) |
JobServiceProperties
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
Processo AutoML
Nome | Descrizione | Valore |
---|---|---|
jobType | [Obbligatorio] Specifica il tipo di processo. | 'AutoML' (obbligatorio) |
environmentId | ID risorsa ARM della specifica Ambiente per il processo. Si tratta di un valore facoltativo da specificare, se non specificato, AutoML verrà predefinito in Versione dell'ambiente di produzione gestita durante l'esecuzione del processo. |
string |
environmentVariables | Variabili di ambiente incluse nel processo. | AutoMLJobEnvironmentVariables |
outputs | Mapping dei data binding di output usati nel processo. | AutoMLJobOutputs |
queueSettings | Impostazioni della coda per il processo | QueueSettings |
resources | Configurazione delle risorse di calcolo per il processo. | JobResourceConfiguration |
taskDetails | [Obbligatorio] Questo rappresenta uno scenario che può essere una delle tabelle/NLP/Image | AutoMLVertical (obbligatorio) |
AutoMLJobEnvironmentVariables
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
AutoMLJobOutputs
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | JobOutput |
JobOutput
Nome | Descrizione | Valore |
---|---|---|
description | Descrizione dell'output. | string |
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. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Upload' |
Uri | URI asset di output. | string |
MLFlowModelJobOutput
Nome | Descrizione | Valore |
---|---|---|
jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'mlflow_model' (obbligatorio) |
assetName | Nome asset di output. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Upload' |
Uri | URI asset di output. | string |
MLTableJobOutput
Nome | Descrizione | Valore |
---|---|---|
jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'mltable' (obbligatorio) |
assetName | Nome asset di output. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Upload' |
Uri | URI asset di output. | string |
ModelModelJobOutput
Nome | Descrizione | Valore |
---|---|---|
jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'triton_model' (obbligatorio) |
assetName | Nome asset di output. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Upload' |
Uri | URI asset di output. | string |
UriFileJobOutput
Nome | Descrizione | Valore |
---|---|---|
jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'uri_file' (obbligatorio) |
assetName | Nome asset di output. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Upload' |
Uri | URI asset di output. | string |
UriFolderJobOutput
Nome | Descrizione | Valore |
---|---|---|
jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'uri_folder' (obbligatorio) |
assetName | Nome asset di output. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Upload' |
Uri | URI asset di output. | string |
QueueSettings
Nome | Descrizione | Valore |
---|---|---|
jobTier | Enumerazione per determinare il livello di processo. | 'Basic' 'Premium' 'Spot' 'Standard' |
priority | Controlla la priorità del processo in un ambiente di calcolo. | INT |
JobResourceConfiguration
Nome | Descrizione | Valore |
---|---|---|
dockerArgs | Argomenti aggiuntivi da passare al comando docker run. Verrà eseguito 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. | string |
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. | string |
locations | Percorsi in cui è possibile eseguire il processo. | string[] |
properties | Contenitore di proprietà aggiuntive. | ResourceConfigurationProperties |
shmSize | Dimensioni del blocco di memoria condivisa del contenitore Docker. Deve essere nel formato (number)(unit) dove il numero è maggiore di 0 e l'unità può essere una di b(byte), k(kilobyte), m(megabyte) o g(gigabyte). | string Vincoli: Pattern = \d+[bBkKmMgG] |
ResourceConfigurationProperties
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | Per Bicep è possibile usare la funzione any(). | |
{proprietà personalizzata} | Per Bicep è possibile usare la funzione any(). |
AutoMLVertical
Nome | Descrizione | Valore |
---|---|---|
logVerbosity | Log verbosity per il processo. | 'Critico' 'Debug' 'Error' 'Info' 'NotSet' 'Avviso' |
targetColumnName | Nome colonna di destinazione: si tratta della colonna valori di stima. Noto anche come nome di colonna etichetta nel contesto delle attività di classificazione. |
string |
trainingData | [Obbligatorio] Input 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 |
---|---|---|
description | Descrizione dell'input. | string |
jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'custom_model' 'letterale' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obbligatorio) |
mode | Modalità di recapito dell'asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatoria) Vincoli: Pattern = [a-zA-Z0-9_] |
Classificazione
Nome | Descrizione | Valore |
---|---|---|
taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'Classificazione' (obbligatorio) |
cvSplitColumnNames | Colonne da usare per i dati CVSplit. | string[] |
featurizationSettings | Input di funzionalità necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
fixedParameters | Parametri di training/modello che rimarranno costanti durante il training. | TableFixedParameters |
limitSettings | Vincoli di esecuzione per AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Numero di pieghe di convalida incrociate 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. | string |
primaryMetric | Metrica primaria per l'attività. | 'AUCWeighted' 'Accuratezza' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
searchSpace | Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i 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 il set di dati di convalida non viene fornito. |
INT |
trainingSettings | Input per la fase di training per un processo AutoML. | ClassificationTrainingSettings |
validationData | Input di 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 il set di dati di convalida non viene fornito. |
INT |
weightColumnName | Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando l'aumento o la riduzione delle righe nei dati. | string |
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. | string |
enableDnnFeaturization | Determina se usare gli strumenti di definizione delle funzionalità basati su Dnn per la definizione delle caratteristiche dei dati. | bool |
mode | Modalità di definizione delle funzionalità: 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 "Personalizzata" è selezionata, l'utente può specificare input aggiuntivi per personalizzare la modalità di definizione delle funzionalità. |
'Auto' 'Custom' 'Off' |
transformerParams | L'utente può specificare trasformatori aggiuntivi da utilizzare insieme alle colonne a cui verrà applicato e parametri per il costruttore del trasformatore. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
TableVerticalFeaturizationSettingsTransformerParams
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | ColumnTransformer[] |
ColumnTransformer
Nome | Descrizione | Valore |
---|---|---|
fields | Campi in 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. | string |
boostingType | Specificare il tipo di aumento, ad esempio gbdt per LightGBM. | string |
growPolicy | Specificare i criteri di crescita, che controllano il modo in cui vengono aggiunti nuovi nodi all'albero. | string |
learningRate | Frequenza di apprendimento per la procedura di training. | INT |
maxBin | Specificare il numero massimo di bin discreti per le funzionalità continue del bucket. | 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 creare una partizione ulteriore su un nodo foglia dell'albero. | INT |
modelName | Nome del modello da eseguire per il training. | string |
nEstimators | Specificare il numero di alberi (o round) in un modello. | INT |
numLeaves | Specificare il numero di foglie. | INT |
preprocessorName | Nome del preprocessore da usare. | string |
regAlpha | Termine di regolarizzazione L1 sui pesi. | INT |
regLambda | Termine di regolarizzazione L2 sui pesi. | INT |
subsample | Rapporto subsample dell'istanza di training. | INT |
subsampleFreq | Frequenza di subsample. | INT |
treeMethod | Specificare il metodo albero. | string |
withMean | Se true, centro prima di ridimensionare i dati con StandardScalar. | bool |
withStd | Se true, ridimensionare i dati con Unit Variance con StandardScalar. | bool |
TableVerticalLimitSettings
Nome | Descrizione | Valore |
---|---|---|
enableEarlyTermination | Abilitare la terminazione anticipata, determina se AutoMLJob termina presto se non esiste alcun miglioramento dei punteggi negli ultimi 20 iterazioni. | bool |
exitScore | Punteggio di uscita per il processo AutoML. | INT |
maxConcurrentTrials | Iterazioni simultanee massime. | 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 simultanee che l'utente vuole attivare. | INT |
sweepTrials | Numero di esecuzioni di scorrimento che l'utente vuole attivare. | INT |
timeout | Timeout del processo AutoML. | string |
trialTimeout | Timeout iterazione. | string |
NCrossValidations
Nome | Descrizione | Valore |
---|---|---|
mode | Impostare il tipo di oggetto | Auto Personalizzato (obbligatorio) |
AutoNCrossValidations
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Modalità per determinare le convalide tra N. | 'Auto' (obbligatorio) |
CustomNCrossValidations
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Modalità per determinare le convalide tra N. | 'Custom' (obbligatorio) |
Valore | [Obbligatorio] Valore di convalide incrociate N. | int (obbligatorio) |
TableParameterSubspace
Nome | Descrizione | Valore |
---|---|---|
Booster | Specificare il tipo di boosting, ad esempio gbdt per XGBoost. | string |
boostingType | Specificare il tipo di boosting, ad esempio gbdt per LightGBM. | string |
growPolicy | Specificare i criteri di aumento, che controllano la modalità di aggiunta dei nuovi nodi all'albero. | string |
learningRate | Frequenza di apprendimento per la procedura di training. | string |
maxBin | Specificare il numero massimo di contenitori discreti per raggruppare le funzionalità continue . | string |
maxDepth | Specificare la profondità massima per limitare in modo esplicito la profondità dell'albero. | string |
maxLeaves | Specificare le foglie massime per limitare in modo esplicito le foglie dell'albero. | string |
minDataInLeaf | Numero minimo di dati per foglia. | string |
minSplitGain | Riduzione minima della perdita necessaria per eseguire un'ulteriore partizione in un nodo foglia dell'albero. | string |
modelName | Nome del modello di cui eseguire il training. | string |
nEstimators | Specificare il numero di alberi (o arrotondamenti) in un modello. | string |
numLeaves | Specificare il numero di foglie. | string |
preprocessorName | Nome del preprocessore da usare. | string |
regAlpha | L1 termine di regolarizzazione sui pesi. | string |
regLambda | Termine di regolarizzazione L2 sui pesi. | string |
subsample | Rapporto di sottosample dell'istanza di training. | string |
subsampleFreq | Frequenza della sottosample | string |
treeMethod | Specificare il metodo della struttura ad albero. | string |
withMean | Se true, centra prima di ridimensionare i dati con StandardScalar. | string |
withStd | Se true, ridimensionare i dati con Varianza unità con StandardScalar. | string |
TableSweepSettings
Nome | Descrizione | Valore |
---|---|---|
earlyTermination | Tipo di criteri di terminazione anticipata per il processo di sweep. | EarlyTerminationPolicy |
samplingAlgorithm | [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 valutazioni dei criteri. | INT |
policyType | Impostare il tipo di oggetto | Bandito MedianStopping TroncamentoSelection (obbligatorio) |
BanditPolicy
Nome | Descrizione | Valore |
---|---|---|
policyType | [Obbligatorio] Nome della configurazione dei criteri | 'Bandit' (obbligatorio) |
slackAmount | Distanza assoluta consentita dall'esecuzione migliore. | INT |
slackFactor | Rapporto della distanza consentita dall'esecuzione migliore. | INT |
MedianStoppingPolicy
Nome | Descrizione | Valore |
---|---|---|
policyType | [Obbligatorio] Nome della configurazione dei criteri | 'MedianStopping' (obbligatorio) |
TroncationSelectionPolicy
Nome | Descrizione | Valore |
---|---|---|
policyType | [Obbligatorio] Nome della configurazione dei criteri | 'TruncationSelection' (obbligatorio) |
troncationPercentage | 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 qualsiasi di: '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 qualsiasi di: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier' |
enableDnnTraining | Abilitare la raccomandazione dei modelli DNN. | bool |
enableModelExplainability | Contrassegno per attivare la spiegazione sul modello migliore. | bool |
enableOnnxCompatibleModels | Contrassegno per l'abilitazione dei modelli compatibili con onnx. | bool |
enableStackEnsemble | Abilitare l'esecuzione dell'insieme di 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. Se è necessario più tempo, configurare questo parametro con un valore superiore a 300 secondi. |
string |
stackEnsembleSettings | Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
trainingMode | Modalità TrainingMode: l'impostazione su "auto" è uguale a quella impostata 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 utilizzata solo la funzionalità distribuita e vengono scelti algoritmi distribuiti. Se 'NonDistributed' vengono scelti solo 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 training e il tipo di convalida del training) da riservare per il training del meta-apprendimento. Il valore predefinito è 0,2. | INT |
stackMetaLearnerType | Il meta-apprendimento 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 training/modello 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 lo spazio per il campionamento di diverse combinazioni di modelli e i 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 il set di dati di convalida non viene fornito. |
INT |
trainingSettings | Input per la fase di training per un processo AutoML. | ForecastingTrainingSettings |
validationData | Input di 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 il set di dati di convalida non viene fornito. |
INT |
weightColumnName | Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando l'aumento o la riduzione delle righe nei dati. | string |
ForecastingSettings
Nome | Descrizione | Valore |
---|---|---|
countryOrRegionForHolidays | Paese o area geografica per le festività per le attività di previsione. Devono essere codici ISO 3166 paese/area geografica a due lettere, ad esempio "US" o "GB". |
string |
cvStepSize | Numero di periodi tra l'ora di origine di una piega cv e la successiva piega. For ad esempio, se CVStepSize = 3 per i dati giornalieri, l'ora di origine per ogni piega saràtre giorni a parte. |
INT |
featureLags | Contrassegno per la generazione di ritardi per le funzionalità numeriche con 'auto' o Null. | 'Auto' 'Nessuno' |
forecastHorizon | Orizzonte di previsione massimo desiderato in unità di frequenza della serie temporale. | ForecastHorizon |
frequency | Quando si prevede, questo parametro rappresenta il periodo con cui è desiderata la previsione, ad esempio giornaliera, settimanale, annuale e così via. La frequenza di previsione è la frequenza del set di dati per impostazione predefinita. | string |
Stagionalità | Impostare la stagionalità delle serie temporali come numero intero multiplo della frequenza della serie. Se la stagionalità è impostata su 'auto', verrà dedotto. |
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 "Nessuno", 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 da cui eseguire il ritardo dalla colonna di destinazione. | TargetLags |
targetRollingWindowSize | Numero di periodi precedenti usati per creare una media di finestra in sequenza della colonna di destinazione. | TargetRollingWindowSize |
timeColumnName | Nome della colonna temporale. Questo parametro è necessario quando si prevede di specificare la colonna datetime nei dati di input usati per la compilazione della serie temporale e l'inferenza della frequenza. | string |
timeSeriesIdColumnNames | Nomi di colonne usate 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 dei tipi di attività. |
string[] |
useStl | Configurare la sTL Decomposition della colonna di destinazione della serie temporale. | 'Nessuno' 'Stagione' 'SeasonTrend' |
ForecastHorizon
Nome | Descrizione | Valore |
---|---|---|
mode | Impostare il tipo di oggetto | Auto Personalizzato (obbligatorio) |
AutoForecastHorizon
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Impostare la modalità di selezione del valore dell'orizzonte di previsione. | 'Auto' (obbligatorio) |
CustomForecastHorizon
Nome | Descrizione | Valore |
---|---|---|
mode | [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 |
---|---|---|
mode | Impostare il tipo di oggetto | Auto Personalizzato (obbligatorio) |
AutoSeasonality
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Modalità stagionalità. | 'Auto' (obbligatorio) |
CustomSeasonality
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Modalità stagionalità. | 'Custom' (obbligatorio) |
Valore | [Obbligatorio] Valore stagionalità. | int (obbligatorio) |
TargetLags
Nome | Descrizione | Valore |
---|---|---|
mode | Impostare il tipo di oggetto | Auto Personalizzato (obbligatorio) |
AutoTargetLags
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Impostare la modalità di ritardo di destinazione - Auto/Personalizzato | 'Auto' (obbligatorio) |
CustomTargetLags
Nome | Descrizione | Valore |
---|---|---|
mode | [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 |
---|---|---|
mode | Impostare il tipo di oggetto | Auto Personalizzato (obbligatorio) |
AutoTargetRollingWindowSize
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Modalità di rilevamento TargetRollingWindowSiz. | 'Auto' (obbligatorio) |
CustomTargetRollingWindowSize
Nome | Descrizione | Valore |
---|---|---|
mode | [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 qualsiasi di: 'Arimax' 'AutoArima' 'Media' 'DecisionTree' 'ElasticNet' 'EsponenzialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' 'Profeta' 'RandomForest' 'SGD' 'StagionaleAverage' 'StagionaleNaive' 'TCNForecaster' 'XGBoostRegressor' |
blockedTrainingAlgorithms | Modelli bloccati per l'attività di previsione. | Matrice di stringhe contenente uno qualsiasi di: 'Arimax' 'AutoArima' 'Media' 'DecisionTree' 'ElasticNet' 'EsponenzialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' 'Profeta' 'RandomForest' 'SGD' 'StagionaleAverage' 'StagionaleNaive' 'TCNForecaster' 'XGBoostRegressor' |
enableDnnTraining | Abilitare la raccomandazione dei modelli DNN. | bool |
enableModelExplainability | Contrassegno per attivare la spiegazione sul modello migliore. | bool |
enableOnnxCompatibleModels | Contrassegno per l'abilitazione dei modelli compatibili con onnx. | bool |
enableStackEnsemble | Abilitare l'esecuzione dell'insieme di 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. Se è necessario più tempo, configurare questo parametro con un valore superiore a 300 secondi. |
string |
stackEnsembleSettings | Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
trainingMode | Modalità TrainingMode: l'impostazione su "auto" è uguale a quella impostata 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 utilizzata solo la funzionalità distribuita e vengono scelti algoritmi distribuiti. Se 'NonDistributed' vengono scelti solo algoritmi non distribuiti. |
'Auto' 'Distributed' 'NonStributed' |
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 | Spazzamento del modello e iperparametri che spazzano le impostazioni correlate. | ImageSweepSettings |
validationData | Input dati di convalida. | MLTableJobInput |
validationDataSize | Frazione del set di dati di training che deve essere impostato a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
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. | string |
ImageModelSettingsClassification
Nome | Descrizione | Valore |
---|---|---|
advancedSettings | Impostazioni per scenari avanzati. | string |
amsGradient | Abilitare AMSGrad quando optimizer è 'adam' o 'adamw'. | bool |
aumento delle attività | Impostazioni per l'uso di aumento. | string |
beta1 | Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un float nell'intervallo [0, 1]. | INT |
beta2 | Valore "beta2" quando optimizer è 'adam' o 'adamw'. Deve essere un float nell'intervallo [0, 1]. | INT |
checkpointFrequency | Frequenza per archiviare i checkpoint del modello. Deve essere un intero positivo. | INT |
checkpointModel | Modello di checkpoint pre-sottoposto a training per il training incrementale. | MLFlowModelJobInput |
checkpointRunId | ID di un'esecuzione precedente con un checkpoint pre-sottoposto a training per il training incrementale. | string |
distribuite | Se usare il training distribuito. | bool |
earlyStopping | Abilitare la logica di arresto anticipato durante il training. | bool |
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 intero positivo. |
INT |
earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie prima l'esecuzione viene arrestata. Deve essere un intero positivo. |
INT |
enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | bool |
evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. | INT |
gradientAccumulationStep | L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornamento dei pesi del modello durante l'accumulazione delle sfumature di tali passaggi e quindi l'uso sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo. |
INT |
layerToFreeze | Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa congelare il livello0 e il livello1. Per un elenco completo di modelli supportati e dettagli sul blocco del livello, consultare Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
INT |
learningRate | Frequenza iniziale di apprendimento. Deve essere un float nell'intervallo [0, 1]. | INT |
learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio". | 'Nessuno' 'Passaggio' 'WarmupCosine' |
modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
momentum | Valore di slancio quando optimizer è "sgd". Deve essere un float nell'intervallo [0, 1]. | INT |
Nesterov | Abilitare nesterov quando optimizer è "sgd". | bool |
numberOfEpochs | Numero di epoche di training. Deve essere un intero positivo. | INT |
numberOfWorkers | Numero di ruoli di lavoro del caricatore dati. Deve essere un intero non negativo. | INT |
optimizer | Tipo di optimizer. | 'Adam' 'Adamw' 'Nessuno' 'Sgd' |
casualESeed | Inizializzazione casuale da usare quando si usa training deterministico. | INT |
stepLRGamma | Il valore di gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un float nell'intervallo [0, 1]. | INT |
stepLRStepSize | Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. | INT |
trainingBatchSize | Dimensioni batch di training. Deve essere un intero positivo. | INT |
trainingCropSize | Dimensioni ritaglio immagine input nella rete neurale per il set di dati di training. Deve essere un intero positivo. | INT |
validationBatchSize | Dimensioni batch di convalida. Deve essere un intero positivo. | INT |
validationCropSize | Dimensioni di ritaglio delle immagini che vengono immesse nella rete neurale per il set di dati di convalida. Deve essere un intero positivo. | INT |
validationResizeSize | Dimensioni dell'immagine in cui eseguire il ridimensionamento prima del ritaglio per il set di dati di convalida. Deve essere un intero positivo. | INT |
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]. | INT |
warmupCosineLRWarmupEpochs | Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo. | INT |
weightDecay | Valore del decadimento del peso quando Optimizer è 'sgd', 'adam', o 'adamw'. Deve essere un valore float nell'intervallo[0, 1]. | INT |
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. |
INT |
MLFlowModelJobInput
Nome | Descrizione | Valore |
---|---|---|
description | Descrizione per l'input. | string |
jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obbligatorio) |
mode | 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'. | string |
incrementi | Impostazioni per l'uso di Augmentations. | string |
beta1 | Valore di 'beta1' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | string |
beta2 | Valore di 'beta2' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | string |
distribuite | Indica se usare il training di distributer. | string |
earlyStopping | Abilitare la logica di arresto anticipato durante il training. | string |
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 intero positivo. |
string |
earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie l'esecuzione viene arrestata. Deve essere un intero positivo. |
string |
enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | string |
evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. | string |
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 sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo. |
string |
layerToFreeze | Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa congelare il livello0 e il livello1. Per un elenco completo di modelli supportati e dettagli sul blocco del livello, consultare Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Frequenza iniziale di apprendimento. Deve essere un float nell'intervallo [0, 1]. | string |
learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio". | string |
modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
momentum | Valore di slancio quando optimizer è "sgd". Deve essere un float nell'intervallo [0, 1]. | string |
Nesterov | Abilitare nesterov quando optimizer è "sgd". | string |
numberOfEpochs | Numero di epoche di training. Deve essere un intero positivo. | string |
numberOfWorkers | Numero di ruoli di lavoro del caricatore dati. Deve essere un intero non negativo. | string |
optimizer | Tipo di optimizer. Deve essere "sgd", "adam" o "adamw". | string |
casualESeed | Inizializzazione casuale da usare quando si usa training deterministico. | string |
stepLRGamma | Il valore di gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un float nell'intervallo [0, 1]. | string |
stepLRStepSize | Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. | string |
trainingBatchSize | Dimensioni batch di training. Deve essere un intero positivo. | string |
trainingCropSize | Dimensioni ritaglio immagine input nella rete neurale per il set di dati di training. Deve essere un intero positivo. | string |
validationBatchSize | Dimensioni batch di convalida. Deve essere un intero positivo. | string |
validationCropSize | Dimensioni ritaglio immagine input nella rete neurale per il set di dati di convalida. Deve essere un intero positivo. | string |
validationResizeSize | Dimensioni dell'immagine a cui ridimensionare prima di ritagliare il set di dati di convalida. Deve essere un intero positivo. | string |
warmupCosineLRCycles | Valore del ciclo cosno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un float nell'intervallo [0, 1]. | string |
warmupCosineLRWarmupEpochs | Valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo. | string |
pesoDecay | Valore del decadimento del peso quando optimizer è "sgd", "adam" o "adamw". Deve essere un float nell'intervallo[0, 1]. | string |
weightedLoss | Perdita ponderata. I valori accettati sono 0 per nessuna perdita ponderata. 1 per la perdita ponderata con sqrt. (class_weights). 2 per la perdita ponderata con class_weights. Deve essere 0 o 1 o 2. |
string |
ImageSweepSettings
Nome | Descrizione | Valore |
---|---|---|
earlyTermination | Tipo di criterio di terminazione anticipata. | EarlyTerminationPolicy |
campionamentoAlgorithm | [Obbligatorio] Tipo di 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 utilizzate per il training del modello. | ImageModelSettingsClassification |
primaryMetric | Metrica primaria da ottimizzare per questa attività. | 'AUCWeighted' 'Accuratezza' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted' |
searchSpace | Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Sweep dei modelli e impostazioni correlate all'iperparametro. | ImageSweepSettings |
validationData | Input di 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 il set di dati di convalida non viene fornito. |
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 utilizzate per il training del modello. | ImageModelSettingsObjectDetection |
primaryMetric | Metrica primaria da ottimizzare per questa attività. | 'MeanAveragePrecision' |
searchSpace | Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Sweep dei modelli e impostazioni correlate all'iperparametro. | ImageSweepSettings |
validationData | Input di 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 il set di dati di convalida non viene fornito. |
INT |
ImageModelSettingsObjectDetection
Nome | Descrizione | Valore |
---|---|---|
advancedSettings | Impostazioni per scenari avanzati. | string |
amsGradient | Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'. | bool |
incrementi | Impostazioni per l'uso di Augmentations. | string |
beta1 | Valore di 'beta1' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | INT |
beta2 | Valore di 'beta2' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | INT |
boxDetectionsPerImage | Numero massimo di rilevamenti per immagine, per tutte le classi. Deve essere un intero positivo. Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'. |
INT |
boxScoreThreshold | Durante l'inferenza, restituisce solo proposte con un punteggio di classificazione maggiore di BoxScoreThreshold. Deve essere un valore float nell'intervallo[0, 1]. |
INT |
checkpointFrequency | Frequenza di archiviazione dei checkpoint del modello. Deve essere un intero positivo. | INT |
checkpointModel | Modello di checkpoint con training preliminare per il training incrementale. | MLFlowModelJobInput |
checkpointRunId | ID di un'esecuzione precedente con un checkpoint con training preliminare per il training incrementale. | string |
distribuite | Indica se usare il training distribuito. | bool |
earlyStopping | Abilitare la logica di arresto anticipato durante il training. | bool |
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 intero positivo. |
INT |
earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie l'esecuzione viene arrestata. Deve essere un intero positivo. |
INT |
enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | bool |
evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. | INT |
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 le sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo. |
INT |
Imagesize | Dimensioni dell'immagine per il training e la convalida. Deve essere un 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'. |
INT |
layersToFreeze | Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa strato di congelamento0 e layer1. Per un elenco completo dei modelli supportati e dettagli sul blocco del livello, Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
INT |
learningRate | Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1]. | INT |
learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere 'warmup_cosine' o 'step'. | 'Nessuno' 'Step' 'WarmupCosine' |
Maxsize | Dimensioni massime dell'immagine da ridimensionare prima di alimentarla alla spina dorsale. Deve essere un 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'. |
INT |
minSize | Dimensioni minime dell'immagine da ridimensionare prima di alimentarla alla spina dorsale. Deve essere un 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'. |
INT |
modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Dimensioni del modello. Deve essere "small", "medium", "large" o "xlarge". Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni del modello sono troppo grandi. Nota: queste impostazioni sono supportate solo per l'algoritmo 'yolov5'. |
'ExtraLarge' 'Large' 'Medium' 'Nessuno' 'Small' |
momentum | Valore di momentum quando Optimizer è "sgd". Deve essere un valore float nell'intervallo [0, 1]. | INT |
multiscale | Abilitare l'immagine su più scalabilità variando le dimensioni dell'immagine di +/- 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'. |
bool |
Nesterov | Abilitare nesterov quando optimizer è "sgd". | bool |
nmsIouThreshold | Soglia IOU usata durante l'inferenza nel post-elaborazione di NMS. Deve essere un float nell'intervallo [0, 1]. | INT |
numberOfEpochs | Numero di epoche di training. Deve essere un intero positivo. | INT |
numberOfWorkers | Numero di ruoli di lavoro del caricatore dati. Deve essere un intero non negativo. | INT |
optimizer | Tipo di optimizer. | 'Adam' 'Adamw' 'Nessuno' 'Sgd' |
casualESeed | Inizializzazione casuale da usare quando si usa training deterministico. | INT |
stepLRGamma | Il valore di gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un float nell'intervallo [0, 1]. | INT |
stepLRStepSize | Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. | INT |
tileGridSize | Dimensioni della griglia da usare per l'associazione di ogni immagine. Nota: TileGridSize non deve essere Nessuno per abilitare la logica di rilevamento di oggetti di piccole dimensioni. Stringa contenente due interi in formato mxn. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
string |
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". |
INT |
tilePredictionsNmsThreshold | Soglia IOU da usare per eseguire NMS durante l'unione delle stime dai riquadri e dall'immagine. Usato nella convalida/inferenza. Deve essere float nell'intervallo [0, 1]. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
INT |
trainingBatchSize | Dimensioni batch di training. Deve essere un intero positivo. | INT |
validationBatchSize | Dimensioni batch di convalida. Deve essere un intero positivo. | INT |
validationIouThreshold | Soglia di IOU da usare quando si calcola la metrica di convalida. Deve essere float nell'intervallo [0, 1]. | INT |
validationMetricType | Metodo di calcolo metrica da usare per le metriche di convalida. | 'Coco' 'CocoVoc' 'Nessuno' 'Voc' |
warmupCosineLRCycles | Valore del ciclo cosno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un float nell'intervallo [0, 1]. | INT |
warmupCosineLRWarmupEpochs | Valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo. | INT |
pesoDecay | Valore del decadimento del peso quando optimizer è "sgd", "adam" o "adamw". Deve essere un float nell'intervallo[0, 1]. | INT |
ImageModelDistributionSettingsObjectDetection
Nome | Descrizione | Valore |
---|---|---|
amsGradient | Abilitare AMSGrad quando optimizer è 'adam' o 'adamw'. | string |
aumento delle attività | Impostazioni per l'uso di aumento. | string |
beta1 | Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un float nell'intervallo [0, 1]. | string |
beta2 | Valore "beta2" quando optimizer è 'adam' o 'adamw'. Deve essere un float nell'intervallo [0, 1]. | string |
boxDetectionsPerImage | Numero massimo di rilevamenti per immagine, per tutte le classi. Deve essere un intero positivo. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
string |
boxScoreThreshold | Durante l'inferenza, restituisce solo le proposte con un punteggio di classificazione maggiore di BoxScoreThreshold. Deve essere un float nell'intervallo[0, 1]. |
string |
distribuite | Se usare il training di distributer. | string |
earlyStopping | Abilitare la logica di arresto anticipato durante il training. | string |
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 intero positivo. |
string |
earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie prima l'esecuzione viene arrestata. Deve essere un intero positivo. |
string |
enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | string |
evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. | string |
gradientAccumulationStep | L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornamento dei pesi del modello durante l'accumulazione delle sfumature di tali passaggi e quindi l'uso sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo. |
string |
Imagesize | Dimensioni dell'immagine per il training e la convalida. Deve essere un intero positivo. Nota: l'esecuzione del training può entrare in OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5". |
string |
layerToFreeze | Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa congelare il livello0 e il livello1. Per un elenco completo di modelli supportati e dettagli sul blocco del livello, consultare Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Frequenza iniziale di apprendimento. Deve essere un float nell'intervallo [0, 1]. | string |
learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio". | string |
Maxsize | Dimensioni massime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un intero positivo. Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
string |
minSize | Dimensioni minime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un intero positivo. Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
string |
modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Dimensioni del modello. Deve essere "small", "medium", "large" o "xlarge". Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni del modello sono troppo grandi. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5". |
string |
momentum | Valore di slancio quando optimizer è "sgd". Deve essere un float nell'intervallo [0, 1]. | string |
multiscale | Abilitare l'immagine su più scalabilità variando di dimensioni dell'immagine per +/- 50%. Nota: l'esecuzione del training può entrare in CUDA OOM se non è sufficiente memoria GPU. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5". |
string |
Nesterov | Abilitare nesterov quando optimizer è "sgd". | string |
nmsIouThreshold | Soglia IOU usata durante l'inferenza nel post-elaborazione di NMS. Deve essere float nell'intervallo [0, 1]. | string |
numberOfEpochs | Numero di epoche di training. Deve essere un intero positivo. | string |
numberOfWorkers | Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo. | string |
optimizer | Tipo di ottimizzatore. Deve essere "sgd", "adam" o "adamw". | string |
randomSeed | Valore di inizializzazione casuale da usare quando si usa il training deterministico. | string |
stepLRGamma | Valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un valore float nell'intervallo [0, 1]. | string |
stepLRStepSize | Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. | string |
tileGridSize | Dimensioni della griglia da usare per l'associazione di ogni immagine. Nota: TileGridSize non deve essere Nessuno per abilitare la logica di rilevamento di oggetti di piccole dimensioni. Stringa contenente due numeri interi in formato mxn. Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'. |
string |
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'. |
string |
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 |
string |
trainingBatchSize | Dimensioni del batch di training. Deve essere un intero positivo. | string |
validationBatchSize | Dimensioni del batch di convalida. Deve essere un intero positivo. | string |
validationIouThreshold | Soglia IOU da usare per il calcolo della metrica di convalida. Deve essere float nell'intervallo [0, 1]. | string |
validationMetricType | Metodo di calcolo delle metriche da usare per le metriche di convalida. Deve essere 'none', 'coco', 'voc' o 'coco_voc'. | string |
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]. | string |
warmupCosineLRWarmupEpochs | Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo. | string |
weightDecay | Valore del decadimento del peso quando Optimizer è 'sgd', 'adam', o 'adamw'. Deve essere un valore float nell'intervallo[0, 1]. | string |
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 utilizzate per il training del modello. | ImageModelSettingsObjectDetection |
primaryMetric | Metrica primaria da ottimizzare per questa attività. | 'MeanAveragePrecision' |
searchSpace | Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Sweep dei modelli e impostazioni correlate all'iperparametro. | ImageSweepSettings |
validationData | Input di 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 il set di dati di convalida non viene fornito. |
INT |
Regressione
Nome | Descrizione | Valore |
---|---|---|
taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'Regression' (obbligatorio) |
cvSplitColumnNames | Colonne da usare per i dati CVSplit. | string[] |
featurizationSettings | Input di funzionalità necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
fixedParameters | Parametri di training/modello che rimarranno costanti durante il training. | TableFixedParameters |
limitSettings | Vincoli di esecuzione per AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Numero di pieghe di convalida incrociate 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. | 'NormaldMeanAbsoluteError' 'NormaldRootMeanSquaredError' 'R2Score' 'SpearmanCorrelation' |
searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | TableParameterSubspace[] |
sweepSettings | Impostazioni per l'ottimizzazione di modelli e iperparametri. | TableSweepSettings |
Testdata | Testare l'input dei dati. | MLTableJobInput |
testDataSize | Frazione del set di dati di test che deve essere messo a parte per scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
INT |
trainingSettings | Input per la fase di training per un processo AutoML. | RegressionTrainingSettings |
validationData | Input dati di convalida. | MLTableJobInput |
validationDataSize | Frazione del set di dati di training che deve essere impostato a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
INT |
weightColumnName | Nome della colonna di peso di esempio. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso o la riduzione delle righe nei dati. | string |
RegressionTrainingSettings
Nome | Descrizione | Valore |
---|---|---|
allowedTrainingAlgorithms | Modelli consentiti per l'attività di regressione. | Matrice di stringhe contenente uno qualsiasi di: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor' |
blockedTrainingAlgorithms | Modelli bloccati per l'attività di regressione. | Matrice di stringhe contenente uno qualsiasi di: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor' |
enableDnnTraining | Abilitare la raccomandazione dei modelli DNN. | bool |
enableModelExplainability | Contrassegno per attivare la spiegazione sul modello migliore. | bool |
enableOnnxCompatibleModels | Contrassegno per l'abilitazione dei modelli compatibili con onnx. | bool |
enableStackEnsemble | Abilitare l'esecuzione dell'insieme di 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. Se è necessario più tempo, configurare questo parametro con un valore superiore a 300 secondi. |
string |
stackEnsembleSettings | Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
trainingMode | Modalità TrainingMode: l'impostazione su "auto" è uguale a quella impostata 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 utilizzata solo la funzionalità distribuita e vengono scelti algoritmi distribuiti. Se 'NonDistributed' vengono scelti solo algoritmi non distribuiti. |
'Auto' 'Distributed' 'NonStributed' |
TextClassification
Nome | Descrizione | Valore |
---|---|---|
taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'TextClassification' (obbligatorio) |
featurizationSettings | Input di funzionalità necessari per il processo AutoML. | NlpVerticalFeaturizationSettings |
fixedParameters | Parametri di training/modello che rimarranno costanti durante il training. | NlpFixedParameters |
limitSettings | Vincoli di esecuzione per AutoMLJob. | NlpVerticalLimitSettings |
primaryMetric | Metrica primaria per l'attività Text-Classification. | '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 di modelli e iperparametri. | NlpSweepSettings |
validationData | Input dati di convalida. | MLTableJobInput |
NlpVerticalFeaturizationSettings
Nome | Descrizione | Valore |
---|---|---|
set di datiLanguage | Lingua del set di dati, utile per i dati di testo. | string |
NlpFixedParameters
Nome | Descrizione | Valore |
---|---|---|
gradientAccumulationSteps | Numero di passaggi per accumulare sfumature 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 usare durante la procedura di training. | 'Costante' 'ConstantWithWarmup' 'Cosine' 'CosineWithRestarts' 'Lineare' 'Nessuno' 'Polynomial' |
modelName | Nome del modello da eseguire per il training. | string |
numberOfEpochs | Numero di epoche di training. | INT |
trainingBatchSize | Dimensioni batch per la procedura di training. | INT |
validationBatchSize | Dimensioni batch da usare durante la valutazione. | INT |
warmupRatio | Rapporto di riscaldamento, usato insieme a LrSchedulerType. | INT |
pesoDecay | Il decadimento del peso per la procedura di training. | INT |
NlpVerticalLimitSettings
Nome | Descrizione | Valore |
---|---|---|
maxConcurrentTrials | Iterazioni autoML simultanee massime. | INT |
maxNodes | Numero massimo di nodi da usare per l'esperimento. | INT |
maxTrials | Numero di iterazioni autoML. | INT |
timeout | Timeout del processo AutoML. | string |
trialTimeout | Timeout per singole versioni di valutazione HD. | string |
NlpParameterSubspace
Nome | Descrizione | Valore |
---|---|---|
gradientAccumulationSteps | Numero di passaggi per accumulare sfumature prima di eseguire un passaggio indietro. | string |
learningRate | Frequenza di apprendimento per la procedura di training. | string |
learningRateScheduler | Tipo di pianificazione della frequenza di apprendimento da usare durante la procedura di training. | string |
modelName | Nome del modello da eseguire per il training. | string |
numberOfEpochs | Numero di epoche di training. | string |
trainingBatchSize | Dimensioni batch per la procedura di training. | string |
validationBatchSize | Dimensioni batch da usare durante la valutazione. | string |
warmupRatio | Rapporto di riscaldamento, usato insieme a LrSchedulerType. | string |
pesoDecay | Il decadimento del peso per la procedura di training. | string |
NlpSweepSettings
Nome | Descrizione | Valore |
---|---|---|
earlyTermination | Tipo di criterio di terminazione anticipata per il processo di scorrimento. | EarlyTerminationPolicy |
campionamentoAlgorithm | [Obbligatorio] Tipo di algoritmo di campionamento. | 'Bayesian' 'Griglia' 'Random' (obbligatorio) |
TextClassificationMultilabel
Nome | Descrizione | Valore |
---|---|---|
taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'TextClassificationMultilabel' (obbligatorio) |
featurizationSettings | Input di funzionalità necessari per il processo AutoML. | NlpVerticalFeaturizationSettings |
fixedParameters | Parametri di training/modello 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 di modelli e iperparametri. | NlpSweepSettings |
validationData | Input dati di convalida. | MLTableJobInput |
TextNer
Nome | Descrizione | Valore |
---|---|---|
taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'TextNER' (obbligatorio) |
featurizationSettings | Input di funzionalità necessari per il processo AutoML. | NlpVerticalFeaturizationSettings |
fixedParameters | Parametri di training/modello 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 di modelli e iperparametri. | NlpSweepSettings |
validationData | Input dati di convalida. | MLTableJobInput |
CommandJob
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. | string |
. | [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 |
input | Mapping dei data binding di input usati nel processo. | CommandJobInputs |
limiti | Limite processo comando. | CommandJobLimits |
outputs | Mapping dei data binding di output usati nel processo. | CommandJobOutputs |
queueSettings | Impostazioni della coda per il processo | QueueSettings |
resources | 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, verrà predefinito il conteggio delle istanze. | INT |
CommandJobEnvironmentVariables
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
CommandJobInputs
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | JobInput |
JobInput
Nome | Descrizione | Valore |
---|---|---|
description | Descrizione per l'input. | string |
jobInputType | Impostare il tipo di oggetto | custom_model literal mlflow_model mltable triton_model uri_file uri_folder (obbligatorio) |
CustomModelJobInput
Nome | Descrizione | Valore |
---|---|---|
jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'custom_model' (obbligatorio) |
mode | 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) |
mode | 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) |
mode | 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) |
mode | 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 ridotta a secondi. | string |
CommandJobOutputs
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | JobOutput |
LabelingJobProperties
Nome | Descrizione | Valore |
---|---|---|
Componentid | ID risorsa ARM della risorsa componente. | string |
computeId | ID risorsa ARM della risorsa di calcolo. | string |
dataConfiguration | Configurazione dei dati usati nel processo. | LabelingDataConfiguration |
description | Testo della descrizione dell'asset. | string |
displayName | Nome visualizzato del processo. | string |
experimentName | Nome dell'esperimento a cui appartiene il processo. In caso contrario, il processo viene inserito nell'esperimento "Predefinito". | string |
identity | Configurazione dell'identità. Se impostato, deve essere uno dei valori AmlToken, ManagedIdentity, UserIdentity o Null. Il valore predefinito è AmlToken se null. |
IdentityConfiguration |
isArchived | L'asset è archiviato? | bool |
jobInstructions | Istruzioni di etichettatura del processo. | Assegnazione di etichetteJobInstructions |
jobType | [Obbligatorio] Specifica il tipo di processo. | 'AutoML' 'Command' 'Etichettatura' 'Pipeline' 'Spark' 'Sweep' (obbligatorio) |
labelCategories | Categorie di etichette del processo. | LabelingJobLabelCategories |
labelingJobMediaProperties | Proprietà specifiche del tipo di supporto nel processo. | LabelingJobMediaProperties |
mlAssistConfiguration | Configurazione della funzionalità MLAssist nel processo. | MLAssistConfiguration |
notificationSetting | Impostazione di notifica per il processo | NotificationSetting |
properties | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
services | Elenco di JobEndpoints. Per i processi locali, un endpoint del processo avrà un valore di endpoint FileStreamObject. |
JobBaseServices |
tags | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | object |
LabelingDataConfiguration
Nome | Descrizione | Valore |
---|---|---|
dataId | ID risorsa dell'asset di dati per eseguire l'etichettatura. | string |
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. | string |
LabelingJobLabelCategories
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | LabelCategory | |
{proprietà personalizzata} | LabelCategory |
LabelCategory
Nome | Descrizione | Valore |
---|---|---|
classi | Dizionario delle classi di etichette in questa categoria. | LabelCategoryClasses |
displayName | Nome visualizzato della categoria di etichette. | string |
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. | string |
Sottoclassi | Dizionario delle 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' 'Classification' 'InstanceSegmentation' |
LabelingJobTextProperties
Nome | Descrizione | Valore |
---|---|---|
mediaType | [Obbligatorio] Tipo di supporto del processo. | 'Text' (obbligatorio) |
annotationType | Tipo di annotazione del processo di etichettatura del testo. | 'Classification' '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 per il training. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
PipelineJob
Nome | Descrizione | Valore |
---|---|---|
jobType | [Obbligatorio] Specifica il tipo di processo. | 'Pipeline' (obbligatorio) |
input | Input per il processo della pipeline. | PipelineJobInputs |
jobs | I processi costruiscono il processo pipeline. | PipelineJobJobs |
outputs | 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. | string |
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) |
archives | File di archiviazione usati nel processo. | string[] |
args | Argomenti per il processo. | string |
codeId | [Obbligatorio] ID risorsa ARM dell'asset di codice. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
conf | Proprietà configurate di Spark. | SparkJobConf |
entry | [Obbligatorio] Voce da eseguire all'avvio del processo. | SparkJobEntry (obbligatorio) |
environmentId | ID risorsa ARM della specifica Ambiente per il processo. | string |
files | File usati nel processo. | string[] |
input | Mapping di data binding di input usati nel processo. | SparkJobInputs |
jars | File jar usati nel processo. | string[] |
outputs | Mapping di data binding di output usati nel processo. | SparkJobOutputs |
pyFiles | File Python usati nel processo. | string[] |
queueSettings | Impostazioni della coda per il processo | QueueSettings |
resources | Configurazione delle risorse di calcolo per il processo. | SparkResourceConfiguration |
SparkJobConf
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
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 file Python relativo per il punto di ingresso del processo. | stringa (obbligatoria) 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 (obbligatoria) 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. | string |
runtimeVersion | Versione del runtime spark usata per il processo. | string |
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 di completare | EarlyTerminationPolicy |
input | Mapping di data binding di input usati nel processo. | SweepJobInputs |
limiti | Limite del processo di sweep. | SweepJobLimits |
obiettivo | [Obbligatorio] Obiettivo di ottimizzazione. | Obiettivo (obbligatorio) |
outputs | Mapping di data binding di output usati nel processo. | SweepJobOutputs |
queueSettings | Impostazioni della coda per il processo | QueueSettings |
campionamentoAlgorithm | [Obbligatorio] Algoritmo di campionamento dell'iperparametro | CampionamentoAlgorithm (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(). (obbligatorio) |
versione di valutazione | [Obbligatorio] Definizione del componente di valutazione. | TrialComponent (obbligatorio) |
SweepJobInputs
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | JobInput |
SweepJobLimits
Nome | Descrizione | Valore |
---|---|---|
jobLimitsType | [Obbligatorio] Tipo JobLimit. | 'Command' 'Sweep' (obbligatorio) |
maxConcurrentTrials | Esecuzione di processi di sweep max simultanei. | INT |
maxTotalTrials | Sweep Job max test totali. | 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. | string |
trialTimeout | Valore di timeout della versione di valutazione del processo di sweep. | string |
Obiettivo
Nome | Descrizione | Valore |
---|---|---|
goal | [Obbligatorio] Definisce gli obiettivi delle metriche supportati per l'ottimizzazione dell'iperparametro | 'Ingrandisci' 'Ridurre al minimo' (obbligatorio) |
primaryMetric | [Obbligatorio] Nome della metrica da ottimizzare. | stringa (obbligatoria) Vincoli: Pattern = [a-zA-Z0-9_] |
SweepJobOutputs
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | JobOutput |
CampionamentoAlgorithm
Nome | Descrizione | Valore |
---|---|---|
campionamentoAlgorithmType | Impostare il tipo di oggetto | Bayesiano Pannello Grid Casuale (obbligatorio) |
BayesianSamplingAlgorithm
Nome | Descrizione | Valore |
---|---|---|
campionamentoAlgorithmType | [Obbligatorio] Algoritmo usato per generare valori iperparametri, insieme alle proprietà di configurazione | 'Bayesian' (obbligatorio) |
GridSamplingAlgorithm
Nome | Descrizione | Valore |
---|---|---|
campionamentoAlgorithmType | [Obbligatorio] Algoritmo usato per generare valori iperparametri, insieme alle proprietà di configurazione | 'Grid' (obbligatorio) |
RandomSamplingAlgorithm
Nome | Descrizione | Valore |
---|---|---|
campionamentoAlgorithmType | [Obbligatorio] Algoritmo usato per generare valori iperparametri, insieme alle proprietà di configurazione | 'Random' (obbligatorio) |
logbase | Un numero positivo facoltativo o e in formato stringa da usare come base per il campionamento casuale basato su log | string |
regola | Tipo specifico di algoritmo casuale | 'Casuale' 'Sobol' |
seed | Intero facoltativo da usare come inizializzazione per la generazione di numeri casuali | INT |
TrialComponent
Nome | Descrizione | Valore |
---|---|---|
codeId | ID risorsa ARM dell'asset di codice. | string |
. | [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 |
resources | Configurazione delle risorse di calcolo per il processo. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
EndpointScheduleAction
Nome | Descrizione | Valore |
---|---|---|
actionType | [Obbligatorio] Specifica il tipo di azione della pianificazione | 'InvokeBatchEndpoint' (obbligatorio) |
endpointInvocationDefinition | [Obbligatorio] Definisce i dettagli della definizione dell'azione pianificazione. {see href="TBD" /} |
Per Bicep, è possibile usare la funzione any(). (obbligatorio) |
Triggerbase
Nome | Descrizione | Valore |
---|---|---|
endTime | Specifica l'ora di fine della pianificazione in ISO 8601, ma senza offset UTC. Fare riferimento a https://en.wikipedia.org/wiki/ISO_8601. Il formato commentato sarà "2022-06-01T00:00:01" Se non è presente, la pianificazione verrà eseguita per un periodo illimitato |
string |
startTime | Specifica l'ora di inizio della pianificazione in formato ISO 8601, ma senza offset UTC. | string |
timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Fare riferimento a: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones /> |
string |
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 a https://en.wikipedia.org/wiki/ISO_8601. Il formato commentato sarà "2022-06-01T00:00:01" Se non è presente, la pianificazione verrà eseguita per un periodo illimitato |
string |
expression | [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. | string |
timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Vedere: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones |
string |
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 a https://en.wikipedia.org/wiki/ISO_8601. Il formato commentato sarà "2022-06-01T00:00:01" Se non è presente, la pianificazione verrà eseguita per un periodo illimitato |
string |
frequency | [Obbligatorio] Frequenza di attivazione della pianificazione. | 'Day' 'Hour' 'Minute' 'Month' 'Week' (obbligatorio) |
interval | [Obbligatorio] Specifica l'intervallo di pianificazione in combinazione con la frequenza | int (obbligatorio) |
schedule | Pianificazione della ricorrenza. | RecurrenceSchedule |
startTime | Specifica l'ora di inizio della pianificazione in formato ISO 8601, ma senza offset UTC. | string |
timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Vedere: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones |
string |
triggerType | [Obbligatorio] | 'Cron' 'Recurrence' (obbligatorio) |
RecurrenceSchedule
Nome | Descrizione | Valore |
---|---|---|
ore | [Obbligatorio] Elenco di ore per la pianificazione. | int[] (obbligatorio) |
minutes | [Obbligatorio] Elenco di minuti per la pianificazione. | int[] (obbligatorio) |
monthDays | Elenco dei giorni del mese per la pianificazione | int[] |
weekDays | Elenco di giorni per la pianificazione. | Matrice di stringhe contenente uno dei seguenti elementi: 'Friday' 'Monday' 'Saturday' 'Sunday' '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:
- Gruppi di risorse - Vedere i comandi di distribuzione dei gruppi di risorse
Per un elenco delle proprietà modificate in ogni versione dell'API, vedere Log delle modifiche.
Formato di risorsa
Per creare una risorsa Microsoft.MachineLearningServices/workspaces/schedules, aggiungere il codice JSON seguente al modello.
{
"type": "Microsoft.MachineLearningServices/workspaces/schedules",
"apiVersion": "2023-02-01-preview",
"name": "string",
"properties": {
"action": {
"actionType": "string"
// For remaining properties, see ScheduleActionBase objects
},
"description": "string",
"displayName": "string",
"isEnabled": "bool",
"properties": {
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
},
"tags": {
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
},
"trigger": {
"endTime": "string",
"startTime": "string",
"timeZone": "string",
"triggerType": "string"
// For remaining properties, see TriggerBase objects
}
}
}
Oggetti ScheduleActionBase
Impostare la proprietà actionType per specificare il tipo di oggetto.
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",
"notificationSetting": {
"emailOn": [ "string" ],
"emails": [ "string" ]
},
"properties": {
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
},
"services": {
"{customized property}": {
"endpoint": "string",
"jobServiceType": "string",
"nodes": {
"nodesValueType": "string"
// For remaining properties, see Nodes objects
},
"port": "int",
"properties": {
"{customized property}": "string"
}
},
"{customized property}": {
"endpoint": "string",
"jobServiceType": "string",
"nodes": {
"nodesValueType": "string"
// For remaining properties, see Nodes objects
},
"port": "int",
"properties": {
"{customized property}": "string"
}
}
},
"tags": {
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
},
"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
}
},
"queueSettings": {
"jobTier": "string",
"priority": "int"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"locations": [ "string" ],
"properties": {
"{customized property}": {},
"{customized property}": {}
},
"shmSize": "string"
},
"taskDetails": {
"logVerbosity": "string",
"targetColumnName": "string",
"trainingData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"taskType": "string"
// For remaining properties, see AutoMLVertical objects
}
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
}
},
"queueSettings": {
"jobTier": "string",
"priority": "int"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"locations": [ "string" ],
"properties": {
"{customized property}": {},
"{customized property}": {}
},
"shmSize": "string"
}
Per l'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"
},
"{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" ],
"queueSettings": {
"jobTier": "string",
"priority": "int"
},
"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
}
},
"queueSettings": {
"jobTier": "string",
"priority": "int"
},
"samplingAlgorithm": {
"samplingAlgorithmType": "string"
// For remaining properties, see SamplingAlgorithm objects
},
"searchSpace": {},
"trial": {
"codeId": "string",
"command": "string",
"distribution": {
"distributionType": "string"
// For remaining properties, see DistributionConfiguration objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"locations": [ "string" ],
"properties": {
"{customized property}": {},
"{customized property}": {}
},
"shmSize": "string"
}
}
Oggetti IdentityConfiguration
Impostare la proprietà identityType per specificare il tipo di oggetto.
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, usare:
"nodesValueType": "All"
Oggetti JobOutput
Impostare la proprietà jobOutputType per specificare il tipo di oggetto.
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 specificare il tipo di oggetto.
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 mode per specificare il tipo di oggetto.
Per Auto usare:
"mode": "Auto"
Per Personalizzato, usare:
"mode": "Custom",
"value": "int"
Oggetti EarlyTerminationPolicy
Impostare la proprietà policyType per specificare il tipo di oggetto.
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 mode per specificare il tipo di oggetto.
Per Auto usare:
"mode": "Auto"
Per Personalizzato, usare:
"mode": "Custom",
"value": "int"
Oggetti stagionalità
Impostare la proprietà mode per specificare il tipo di oggetto.
Per Auto usare:
"mode": "Auto"
Per Personalizzato, usare:
"mode": "Custom",
"value": "int"
Oggetti TargetLags
Impostare la proprietà mode per specificare il tipo di oggetto.
Per Auto usare:
"mode": "Auto"
Per Personalizzato, usare:
"mode": "Custom",
"values": [ "int" ]
Oggetti TargetRollingWindowSize
Impostare la proprietà mode per specificare il tipo di oggetto.
Per Auto usare:
"mode": "Auto"
Per Personalizzato, usare:
"mode": "Custom",
"value": "int"
Oggetti DistributionConfiguration
Impostare la proprietà distributionType per specificare il tipo di oggetto.
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 specificare il tipo di oggetto.
Per custom_model, usare:
"jobInputType": "custom_model",
"mode": "string",
"uri": "string"
Per il 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 specificare il tipo di oggetto.
Per Image usare:
"mediaType": "Image",
"annotationType": "string"
Per Testo, usare:
"mediaType": "Text",
"annotationType": "string"
Oggetti MLAssistConfiguration
Impostare la proprietà mlAssist per specificare il tipo di oggetto.
Per Disabilitato, usare:
"mlAssist": "Disabled"
Per Abilitato usare:
"mlAssist": "Enabled",
"inferencingComputeBinding": "string",
"trainingComputeBinding": "string"
Oggetti SparkJobEntry
Impostare la proprietà sparkJobEntryType per specificare il tipo di oggetto.
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 specificare il tipo di oggetto.
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 |
---|---|---|
tipo | Tipo di risorsa | 'Microsoft.MachineLearningServices/workspaces/schedules' |
apiVersion | Versione dell'API della risorsa | '2023-02-01-preview' |
name | Nome della risorsa Informazioni su come impostare nomi e tipi per le risorse figlio nei modelli di Resource Manager JSON. |
stringa (obbligatorio) |
properties | [Obbligatorio] Attributi aggiuntivi dell'entità. | ScheduleProperties (obbligatorio) |
ScheduleProperties
Nome | Descrizione | Valore |
---|---|---|
azione | [Obbligatorio] Specifica l'azione della pianificazione | ScheduleActionBase (obbligatorio) |
description | Testo della descrizione dell'asset. | string |
displayName | Nome visualizzato della pianificazione. | string |
isEnabled | La pianificazione è abilitata? | bool |
properties | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
tags | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | object |
trigger | [Obbligatorio] Specifica i dettagli del trigger | TriggerBase (obbligatorio) |
ScheduleActionBase
Nome | Descrizione | Valore |
---|---|---|
actionType | Impostare il tipo di oggetto | CreateJob InvokeBatchEndpoint (obbligatorio) |
JobScheduleAction
Nome | Descrizione | Valore |
---|---|---|
actionType | [Obbligatorio] Specifica il tipo di azione della pianificazione | 'CreateJob' (obbligatorio) |
jobDefinition | [Obbligatorio] Definisce i dettagli della definizione dell'azione pianificazione. | JobBaseProperties (obbligatorio) |
JobBaseProperties
Nome | Descrizione | Valore |
---|---|---|
Componentid | ID risorsa ARM della risorsa componente. | string |
computeId | ID risorsa ARM della risorsa di calcolo. | string |
description | Testo della descrizione dell'asset. | string |
displayName | Nome visualizzato del processo. | string |
experimentName | Nome dell'esperimento a cui appartiene il processo. In caso contrario, il processo viene inserito nell'esperimento "Predefinito". | string |
identity | Configurazione dell'identità. Se impostato, deve essere uno dei valori AmlToken, ManagedIdentity, UserIdentity o Null. Il valore predefinito è AmlToken se null. |
IdentityConfiguration |
isArchived | L'asset è archiviato? | bool |
notificationSetting | Impostazione di notifica per il processo | NotificationSetting |
properties | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
services | Elenco di JobEndpoints. Per i processi locali, un endpoint del processo avrà un valore di endpoint FileStreamObject. |
JobBaseServices |
tags | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | object |
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 assegnata dal sistema, non impostare questo campo. | string 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 assegnata dal sistema, non impostare questo campo. | string 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 assegnata dal sistema, non impostare questo campo. | string |
UserIdentity
Nome | Descrizione | Valore |
---|---|---|
identityType | [Obbligatorio] Specifica il tipo di framework di gestione delle identità. | 'UserIdentity' (obbligatorio) |
NotificationSetting
Nome | Descrizione | Valore |
---|---|---|
emailOn | Inviare una notifica tramite posta elettronica all'utente nel tipo di notifica specificato | Matrice di stringhe contenente uno dei seguenti elementi: 'JobCancelled' 'JobCompleted' 'JobFailed' |
emails | Questo è l'elenco dei destinatari di posta elettronica che ha una limitazione di 499 caratteri in totale concat con separatore virgola | string[] |
ResourceBaseProperties
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string |
JobBaseServices
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | JobService | |
{proprietà personalizzata} | JobService |
JobService
Nome | Descrizione | Valore |
---|---|---|
endpoint | URL per l'endpoint. | string |
jobServiceType | Tipo di endpoint. | string |
nodes | Nodi su cui l'utente vuole avviare il servizio. Se Nodes non è impostato o impostato su Null, il servizio verrà avviato solo nel nodo leader. |
Nodi |
port | Porta per l'endpoint impostata dall'utente. | INT |
properties | Proprietà aggiuntive da impostare nell'endpoint. | JobServiceProperties |
Nodi
Nome | Descrizione | Valore |
---|---|---|
nodeValueType | Impostare il tipo di oggetto | Tutto (obbligatorio) |
AllNodes
Nome | Descrizione | Valore |
---|---|---|
nodeValueType | [Obbligatorio] Tipo del valore Nodi | 'All' (obbligatorio) |
JobServiceProperties
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
Processo AutoML
Nome | Descrizione | Valore |
---|---|---|
jobType | [Obbligatorio] Specifica il tipo di processo. | 'AutoML' (obbligatorio) |
environmentId | ID risorsa ARM della specifica Ambiente per il processo. Si tratta di un valore facoltativo da specificare, se non specificato, AutoML verrà predefinito in Versione dell'ambiente di produzione gestita durante l'esecuzione del processo. |
string |
environmentVariables | Variabili di ambiente incluse nel processo. | AutoMLJobEnvironmentVariables |
outputs | Mapping di data binding di output usati nel processo. | AutoMLJobOutputs |
queueSettings | Impostazioni della coda per il processo | QueueSettings |
resources | Configurazione delle risorse di calcolo per il processo. | JobResourceConfiguration |
taskDetails | [Obbligatorio] Questo scenario rappresenta uno degli scenari che possono essere una delle tabelle/NLP/Image | AutoMLVertical (obbligatorio) |
AutoMLJobEnvironmentVariables
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
AutoMLJobOutputs
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | JobOutput |
JobOutput
Nome | Descrizione | Valore |
---|---|---|
description | Descrizione dell'output. | string |
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. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di recapito dell'asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
Uri | URI asset di output. | string |
MLFlowModelJobOutput
Nome | Descrizione | Valore |
---|---|---|
jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'mlflow_model' (obbligatorio) |
assetName | Nome asset di output. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di recapito dell'asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
Uri | URI asset di output. | string |
MLTableJobOutput
Nome | Descrizione | Valore |
---|---|---|
jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'mltable' (obbligatorio) |
assetName | Nome asset di output. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di recapito dell'asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
Uri | URI asset di output. | string |
TritonModelJobOutput
Nome | Descrizione | Valore |
---|---|---|
jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'triton_model' (obbligatorio) |
assetName | Nome asset di output. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di recapito dell'asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
Uri | URI asset di output. | string |
UriFileJobOutput
Nome | Descrizione | Valore |
---|---|---|
jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'uri_file' (obbligatorio) |
assetName | Nome asset di output. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di recapito dell'asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
Uri | URI asset di output. | string |
UriFolderJobOutput
Nome | Descrizione | Valore |
---|---|---|
jobOutputType | [Obbligatorio] Specifica il tipo di processo. | 'uri_folder' (obbligatorio) |
assetName | Nome asset di output. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di recapito dell'asset di output. | 'Direct' 'ReadWriteMount' 'Upload' |
Uri | URI asset di output. | string |
QueueSettings
Nome | Descrizione | Valore |
---|---|---|
jobTier | Enumerazione per determinare il livello di processo. | 'Basic' 'Premium' 'Spot' 'Standard' |
priority | Controlla la priorità del processo in un ambiente di calcolo. | INT |
JobResourceConfiguration
Nome | Descrizione | Valore |
---|---|---|
dockerArgs | Argomenti aggiuntivi da passare al comando docker run. Verrà eseguito 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. | string |
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. | string |
locations | Percorsi in cui è possibile eseguire il processo. | string[] |
properties | Contenitore di proprietà aggiuntive. | ResourceConfigurationProperties |
shmSize | Dimensioni del blocco di memoria condivisa 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). | string Vincoli: Pattern = \d+[bBkKmMgG] |
ResourceConfigurationProperties
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | ||
{proprietà personalizzata} |
AutoMLVertical
Nome | Descrizione | Valore |
---|---|---|
logVerbosity | Log verbosity per il processo. | 'Critico' 'Debug' 'Error' 'Info' 'NotSet' 'Warning' |
targetColumnName | Nome colonna di destinazione: colonna dei valori di stima. Noto anche come nome di colonna etichetta nel contesto delle attività di classificazione. |
string |
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 |
---|---|---|
description | Descrizione per l'input. | string |
jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obbligatorio) |
mode | Modalità di distribuzione degli asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatoria) Vincoli: Pattern = [a-zA-Z0-9_] |
Classificazione
Nome | Descrizione | Valore |
---|---|---|
taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'Classificazione' (obbligatorio) |
cvSplitColumnNames | Colonne da usare per i dati CVSplit. | string[] |
featurizationSettings | Input di funzionalità necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
fixedParameters | Parametri di training/modello che rimarranno costanti durante il training. | TableFixedParameters |
limitSettings | Vincoli di esecuzione per AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Numero di pieghe di convalida incrociate 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. | string |
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 di modelli e iperparametri. | TableSweepSettings |
Testdata | Testare l'input dei dati. | MLTableJobInput |
testDataSize | Frazione del set di dati di test che deve essere messo a parte per scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
INT |
trainingSettings | Input per la fase di training per un processo AutoML. | ClassificationTrainingSettings |
validationData | Input dati di convalida. | MLTableJobInput |
validationDataSize | Frazione del set di dati di training che deve essere impostato a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
INT |
weightColumnName | Nome della colonna di peso di esempio. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso o la riduzione delle righe nei dati. | string |
TableVerticalFeaturizationSettings
Nome | Descrizione | Valore |
---|---|---|
blockedTransformers | Questi trasformatori non devono essere usati nella funzionalità. | Matrice di stringhe contenente uno qualsiasi di: '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 |
set di datiLanguage | Lingua del set di dati, utile per i dati di testo. | string |
enableDnnFeaturization | Determina se usare i featurizer basati su Dnn per la funzionalità dei dati. | bool |
mode | Modalità di funzionalità: l'utente può mantenere la modalità "Auto" predefinita e AutoML si occupa della trasformazione necessaria dei dati nella fase di funzionalità. Se 'Off' è selezionato, non viene eseguita alcuna funzionalità. Se 'Custom' è selezionato, l'utente può specificare input aggiuntivi per personalizzare la modalità di creazione della funzionalità. |
'Auto' 'Personalizzato' 'Off' |
transformerParams | L'utente può specificare trasformatori aggiuntivi da usare insieme alle colonne a cui verrà applicato e parametri per il costruttore del trasformatore. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
TableVerticalFeaturizationSettingsTransformerParams
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | ColumnTransformer[] |
ColumnTransformer
Nome | Descrizione | Valore |
---|---|---|
fields | Campi su cui applicare la logica del trasformatore. | string[] |
parametri | Proprietà diverse da passare al trasformatore. L'input previsto è dizionario di coppie chiave,valore in formato JSON. |
TableFixedParameters
Nome | Descrizione | Valore |
---|---|---|
Booster | Specificare il tipo di aumento, ad esempio gbdt per XGBoost. | string |
boostingType | Specificare il tipo di aumento, ad esempio gbdt per LightGBM. | string |
growPolicy | Specificare i criteri di crescita, che controllano il modo in cui vengono aggiunti nuovi nodi all'albero. | string |
learningRate | Frequenza di apprendimento per la procedura di training. | INT |
maxBin | Specificare il numero massimo di bin discreti per le funzionalità continue del bucket. | 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 creare una partizione ulteriore su un nodo foglia dell'albero. | INT |
modelName | Nome del modello da eseguire per il training. | string |
nEstimators | Specificare il numero di alberi (o round) in un modello. | INT |
numLeaves | Specificare il numero di foglie. | INT |
preprocessorName | Nome del preprocessore da usare. | string |
regAlpha | Termine di regolarizzazione L1 sui pesi. | INT |
regLambda | Termine di regolarizzazione L2 sui pesi. | INT |
subsample | Rapporto subsample dell'istanza di training. | INT |
subsampleFreq | Frequenza di subsample. | INT |
treeMethod | Specificare il metodo albero. | string |
withMean | Se true, centro prima di ridimensionare i dati con StandardScalar. | bool |
withStd | Se true, ridimensionare i dati con Unit Variance con StandardScalar. | bool |
TableVerticalLimitSettings
Nome | Descrizione | Valore |
---|---|---|
enableEarlyTermination | Abilitare la terminazione anticipata, determina se AutoMLJob termina presto se non esiste alcun miglioramento dei punteggi negli ultimi 20 iterazioni. | bool |
exitScore | Punteggio di uscita per il processo AutoML. | INT |
maxConcurrentTrials | Iterazioni simultanee massime. | 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 simultanee che l'utente vuole attivare. | INT |
sweepTrials | Numero di esecuzioni di scorrimento che l'utente vuole attivare. | INT |
timeout | Timeout del processo AutoML. | string |
trialTimeout | Timeout iterazione. | string |
NCrossValidations
Nome | Descrizione | Valore |
---|---|---|
mode | Impostare il tipo di oggetto | Auto Personalizzato (obbligatorio) |
AutoNCrossValidations
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Modalità per determinare le convalida tra N. | 'Auto' (obbligatorio) |
CustomNCrossValidations
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Modalità per determinare le convalida tra N. | 'Custom' (obbligatorio) |
Valore | [Obbligatorio] Valore di convalida incrociata N. | int (obbligatorio) |
TableParameterSubspace
Nome | Descrizione | Valore |
---|---|---|
Booster | Specificare il tipo di aumento, ad esempio gbdt per XGBoost. | string |
boostingType | Specificare il tipo di aumento, ad esempio gbdt per LightGBM. | string |
growPolicy | Specificare i criteri di crescita, che controllano il modo in cui vengono aggiunti nuovi nodi all'albero. | string |
learningRate | Frequenza di apprendimento per la procedura di training. | string |
maxBin | Specificare il numero massimo di bin discreti per le funzionalità continue del bucket. | string |
maxDepth | Specificare la profondità massima per limitare in modo esplicito la profondità dell'albero. | string |
maxLeaves | Specificare le foglie massime per limitare in modo esplicito le foglie dell'albero. | string |
minDataInLeaf | Numero minimo di dati per foglia. | string |
minSplitGain | Riduzione minima della perdita necessaria per creare una partizione ulteriore su un nodo foglia dell'albero. | string |
modelName | Nome del modello da eseguire per il training. | string |
nEstimators | Specificare il numero di alberi (o round) in un modello. | string |
numLeaves | Specificare il numero di foglie. | string |
preprocessorName | Nome del preprocessore da usare. | string |
regAlpha | Termine di regolarizzazione L1 sui pesi. | string |
regLambda | Termine di regolarizzazione L2 sui pesi. | string |
subsample | Rapporto di sottosample dell'istanza di training. | string |
subsampleFreq | Frequenza della sottosample | string |
treeMethod | Specificare il metodo della struttura ad albero. | string |
withMean | Se true, centra prima di ridimensionare i dati con StandardScalar. | string |
withStd | Se true, ridimensionare i dati con Varianza unità con StandardScalar. | string |
TableSweepSettings
Nome | Descrizione | Valore |
---|---|---|
earlyTermination | Tipo di criteri di terminazione anticipata per il processo di sweep. | EarlyTerminationPolicy |
samplingAlgorithm | [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 | Bandito MedianStopping TroncamentoSelection (obbligatorio) |
BanditPolicy
Nome | Descrizione | Valore |
---|---|---|
policyType | [Obbligatorio] Nome della configurazione dei criteri | 'Bandit' (obbligatorio) |
slackAmount | Distanza assoluta consentita dall'esecuzione con prestazioni migliori. | 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 nel modello migliore. | bool |
enableOnnxCompatibleModels | Contrassegno per l'abilitazione di modelli compatibili con onnx. | bool |
enableStackEnsemble | Abilitare l'esecuzione dell'insieme di stack. | bool |
enableVoteEnsemble | Abilitare l'esecuzione dell'ensemble di voto. | bool |
ensembleModelDownloadTimeout | Durante la generazione del modello VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati delle esecuzioni figlio precedenti. Se è necessario più tempo, configurare questo parametro con un valore superiore a 300 secondi. |
string |
stackEnsembleSettings | Impostazioni dell'insieme stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
trainingMode | Modalità TrainingMode: l'impostazione su "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 "Distribuito" viene usata solo la definizione delle caratteristiche distribuite e vengono scelti 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 training e il tipo di convalida del training) da riservare per il training del meta-apprendimento. Il valore predefinito è 0,2. | INT |
stackMetaLearnerType | Il meta-apprendimento 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 training/modello 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 lo spazio per il campionamento di diverse combinazioni di modelli e i 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 che deve essere messo a parte per scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
INT |
trainingSettings | Input per la fase di training per un processo AutoML. | ForecastingTrainingSettings |
validationData | Input dati di convalida. | MLTableJobInput |
validationDataSize | Frazione del set di dati di training che deve essere impostato a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
INT |
weightColumnName | Nome della colonna di peso di esempio. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso o la riduzione delle righe nei dati. | string |
ForecastingSettings
Nome | Descrizione | Valore |
---|---|---|
countryOrRegionForHolidays | Paese o area geografica per le vacanze per le attività di previsione. Questi devono essere ISO 3166 codici paese/area geografica, ad esempio "US" o "GB". |
string |
cvStepSize | Numero di periodi tra l'ora di origine di una piega cv e la successiva piega. For ad esempio, se CVStepSize = 3 per i dati giornalieri, l'ora di origine per ogni piega saràtre giorni a parte. |
INT |
featureLags | Contrassegno per la generazione di ritardi per le funzionalità numeriche con 'auto' o Null. | 'Auto' 'Nessuno' |
forecastHorizon | Orizzonte di previsione massimo desiderato in unità di frequenza della serie temporale. | ForecastHorizon |
frequency | Quando si prevede, questo parametro rappresenta il periodo con cui è desiderata la previsione, ad esempio giornaliera, settimanale, annuale e così via. La frequenza di previsione è la frequenza del set di dati per impostazione predefinita. | string |
Stagionalità | Impostare la stagionalità delle serie temporali come numero intero multiplo della frequenza della serie. Se la stagionalità è impostata su 'auto', verrà dedotto. |
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 "Nessuno", 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 da cui eseguire il ritardo dalla colonna di destinazione. | TargetLags |
targetRollingWindowSize | Numero di periodi precedenti usati per creare una media di finestra in sequenza della colonna di destinazione. | TargetRollingWindowSize |
timeColumnName | Nome della colonna temporale. Questo parametro è necessario quando si prevede di specificare la colonna datetime nei dati di input usati per la compilazione della serie temporale e l'inferenza della frequenza. | string |
timeSeriesIdColumnNames | Nomi di colonne usate 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 dei tipi di attività. |
string[] |
useStl | Configurare la sTL Decomposition della colonna di destinazione della serie temporale. | 'Nessuno' 'Stagione' 'SeasonTrend' |
ForecastHorizon
Nome | Descrizione | Valore |
---|---|---|
mode | Impostare il tipo di oggetto | Auto Personalizzato (obbligatorio) |
AutoForecastHorizon
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Impostare la modalità di selezione del valore dell'orizzonte di previsione. | 'Auto' (obbligatorio) |
CustomForecastHorizon
Nome | Descrizione | Valore |
---|---|---|
mode | [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 |
---|---|---|
mode | Impostare il tipo di oggetto | Auto Personalizzato (obbligatorio) |
AutoSeasonality
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Modalità stagionalità. | 'Auto' (obbligatorio) |
CustomSeasonality
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Modalità stagionalità. | 'Custom' (obbligatorio) |
Valore | [Obbligatorio] Valore stagionalità. | int (obbligatorio) |
TargetLags
Nome | Descrizione | Valore |
---|---|---|
mode | Impostare il tipo di oggetto | Auto Personalizzato (obbligatorio) |
AutoTargetLags
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Impostare la modalità di ritardo di destinazione - Auto/Personalizzato | 'Auto' (obbligatorio) |
CustomTargetLags
Nome | Descrizione | Valore |
---|---|---|
mode | [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 |
---|---|---|
mode | Impostare il tipo di oggetto | Auto Personalizzato (obbligatorio) |
AutoTargetRollingWindowSize
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Modalità di rilevamento TargetRollingWindowSiz. | 'Auto' (obbligatorio) |
CustomTargetRollingWindowSize
Nome | Descrizione | Valore |
---|---|---|
mode | [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 qualsiasi di: 'Arimax' 'AutoArima' 'Media' 'DecisionTree' 'ElasticNet' 'EsponenzialSmoothing' '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 nel modello migliore. | bool |
enableOnnxCompatibleModels | Contrassegno per l'abilitazione di modelli compatibili con onnx. | bool |
enableStackEnsemble | Abilitare l'esecuzione dell'insieme di stack. | bool |
enableVoteEnsemble | Abilitare l'esecuzione dell'ensemble di voto. | bool |
ensembleModelDownloadTimeout | Durante la generazione del modello VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati delle esecuzioni figlio precedenti. Se è necessario più tempo, configurare questo parametro con un valore superiore a 300 secondi. |
string |
stackEnsembleSettings | Impostazioni dell'insieme stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
trainingMode | Modalità TrainingMode: l'impostazione su "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 "Distribuito" viene usata solo la definizione delle caratteristiche distribuite e vengono scelti 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 utilizzate per il training del modello. | ImageModelSettingsClassification |
primaryMetric | Metrica primaria da ottimizzare per questa attività. | 'AUCWeighted' 'Accuratezza' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
searchSpace | Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Sweep dei modelli e impostazioni correlate all'iperparametro. | ImageSweepSettings |
validationData | Input di 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 il set di dati di convalida non viene fornito. |
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. | string |
ImageModelSettingsClassification
Nome | Descrizione | Valore |
---|---|---|
advancedSettings | Impostazioni per scenari avanzati. | string |
amsGradient | Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'. | bool |
incrementi | Impostazioni per l'uso di Augmentations. | string |
beta1 | Valore di 'beta1' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | INT |
beta2 | Valore di 'beta2' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | INT |
checkpointFrequency | Frequenza di archiviazione dei checkpoint del modello. Deve essere un intero positivo. | INT |
checkpointModel | Modello di checkpoint con training preliminare per il training incrementale. | MLFlowModelJobInput |
checkpointRunId | ID di un'esecuzione precedente con un checkpoint con training preliminare per il training incrementale. | string |
distribuite | Indica se usare il training distribuito. | bool |
earlyStopping | Abilitare la logica di arresto anticipato durante il training. | bool |
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 intero positivo. |
INT |
earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie l'esecuzione viene arrestata. Deve essere un intero positivo. |
INT |
enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | bool |
evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. | INT |
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 le sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo. |
INT |
layersToFreeze | Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa strato di congelamento0 e layer1. Per un elenco completo dei modelli supportati e dettagli sul blocco del livello, Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
INT |
learningRate | Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1]. | INT |
learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere 'warmup_cosine' o 'step'. | 'Nessuno' 'Step' 'WarmupCosine' |
modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
momentum | Valore di momentum quando Optimizer è "sgd". Deve essere un valore float nell'intervallo [0, 1]. | INT |
Nesterov | Abilitare nesterov quando optimizer è "sgd". | bool |
numberOfEpochs | Numero di epoche di training. Deve essere un intero positivo. | INT |
numberOfWorkers | Numero di ruoli di lavoro del caricatore dati. Deve essere un intero non negativo. | INT |
optimizer | Tipo di optimizer. | 'Adam' 'Adamw' 'Nessuno' 'Sgd' |
casualESeed | Inizializzazione casuale da usare quando si usa training deterministico. | INT |
stepLRGamma | Il valore di gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un float nell'intervallo [0, 1]. | INT |
stepLRStepSize | Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. | INT |
trainingBatchSize | Dimensioni batch di training. Deve essere un intero positivo. | INT |
trainingCropSize | Dimensioni ritaglio immagine input nella rete neurale per il set di dati di training. Deve essere un intero positivo. | INT |
validationBatchSize | Dimensioni batch di convalida. Deve essere un intero positivo. | INT |
validationCropSize | Dimensioni ritaglio immagine input nella rete neurale per il set di dati di convalida. Deve essere un intero positivo. | INT |
validationResizeSize | Dimensioni dell'immagine a cui ridimensionare prima di ritagliare il set di dati di convalida. Deve essere un intero positivo. | INT |
warmupCosineLRCycles | Valore del ciclo cosno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un float nell'intervallo [0, 1]. | INT |
warmupCosineLRWarmupEpochs | Valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo. | INT |
pesoDecay | Valore del decadimento del peso quando optimizer è "sgd", "adam" o "adamw". Deve essere un float nell'intervallo[0, 1]. | INT |
weightedLoss | Perdita ponderata. I valori accettati sono 0 per nessuna perdita ponderata. 1 per la perdita ponderata con sqrt. (class_weights). 2 per la perdita ponderata con class_weights. Deve essere 0 o 1 o 2. |
INT |
MLFlowModelJobInput
Nome | Descrizione | Valore |
---|---|---|
description | Descrizione dell'input. | string |
jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'custom_model' 'letterale' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obbligatorio) |
mode | Modalità di recapito dell'asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatoria) Vincoli: Pattern = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
Nome | Descrizione | Valore |
---|---|---|
amsGradient | Abilitare AMSGrad quando optimizer è 'adam' o 'adamw'. | string |
aumento delle attività | Impostazioni per l'uso di aumento. | string |
beta1 | Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un float nell'intervallo [0, 1]. | string |
beta2 | Valore "beta2" quando optimizer è 'adam' o 'adamw'. Deve essere un float nell'intervallo [0, 1]. | string |
distribuite | Se usare il training di distributer. | string |
earlyStopping | Abilitare la logica di arresto anticipato durante il training. | string |
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 intero positivo. |
string |
earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie prima l'esecuzione viene arrestata. Deve essere un intero positivo. |
string |
enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | string |
evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. | string |
gradientAccumulationStep | L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornamento dei pesi del modello durante l'accumulazione delle sfumature di tali passaggi e quindi l'uso sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo. |
string |
layerToFreeze | Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa congelare il livello0 e il livello1. Per un elenco completo di modelli supportati e dettagli sul blocco del livello, consultare Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Frequenza iniziale di apprendimento. Deve essere un float nell'intervallo [0, 1]. | string |
learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio". | string |
modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
momentum | Valore di slancio quando optimizer è "sgd". Deve essere un float nell'intervallo [0, 1]. | string |
Nesterov | Abilitare nesterov quando optimizer è "sgd". | string |
numberOfEpochs | Numero di epoche di training. Deve essere un intero positivo. | string |
numberOfWorkers | Numero di ruoli di lavoro del caricatore dati. Deve essere un intero non negativo. | string |
optimizer | Tipo di optimizer. Deve essere "sgd", "adam" o "adamw". | string |
casualESeed | Inizializzazione casuale da usare quando si usa training deterministico. | string |
stepLRGamma | Il valore di gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un float nell'intervallo [0, 1]. | string |
stepLRStepSize | Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. | string |
trainingBatchSize | Dimensioni batch di training. Deve essere un intero positivo. | string |
trainingCropSize | Dimensioni ritaglio immagine input nella rete neurale per il set di dati di training. Deve essere un intero positivo. | string |
validationBatchSize | Dimensioni batch di convalida. Deve essere un intero positivo. | string |
validationCropSize | Dimensioni ritaglio immagine input nella rete neurale per il set di dati di convalida. Deve essere un intero positivo. | string |
validationResizeSize | Dimensioni dell'immagine a cui ridimensionare prima di ritagliare il set di dati di convalida. Deve essere un intero positivo. | string |
warmupCosineLRCycles | Valore del ciclo cosno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un float nell'intervallo [0, 1]. | string |
warmupCosineLRWarmupEpochs | Valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo. | string |
pesoDecay | Valore del decadimento del peso quando optimizer è "sgd", "adam" o "adamw". Deve essere un float nell'intervallo[0, 1]. | string |
weightedLoss | Perdita ponderata. I valori accettati sono 0 per nessuna perdita ponderata. 1 per la perdita ponderata con sqrt. (class_weights). 2 per la perdita ponderata con class_weights. Deve essere 0 o 1 o 2. |
string |
ImageSweepSettings
Nome | Descrizione | Valore |
---|---|---|
earlyTermination | Tipo di criterio di terminazione anticipata. | EarlyTerminationPolicy |
campionamentoAlgorithm | [Obbligatorio] Tipo degli algoritmi di campionamento degli iperparametri. | 'Bayesian' 'Griglia' '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 | Spazzamento del modello e iperparametri che spazzano le impostazioni correlate. | ImageSweepSettings |
validationData | Input dati di convalida. | MLTableJobInput |
validationDataSize | Frazione del set di dati di training che deve essere impostato a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
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 | Spazzamento del modello e iperparametri che spazzano le impostazioni correlate. | ImageSweepSettings |
validationData | Input 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 il set di dati di convalida non viene fornito. |
INT |
ImageModelSettingsObjectDetection
Nome | Descrizione | Valore |
---|---|---|
advancedSettings | Impostazioni per scenari avanzati. | string |
amsGradient | Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'. | bool |
incrementi | Impostazioni per l'uso di Augmentations. | string |
beta1 | Valore di 'beta1' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | INT |
beta2 | Valore di 'beta2' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | INT |
boxDetectionsPerImage | Numero massimo di rilevamenti per immagine, per tutte le classi. Deve essere un intero positivo. Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'. |
INT |
boxScoreThreshold | Durante l'inferenza, restituisce solo proposte con un punteggio di classificazione maggiore di BoxScoreThreshold. Deve essere un valore float nell'intervallo[0, 1]. |
INT |
checkpointFrequency | Frequenza di archiviazione dei checkpoint del modello. Deve essere un intero positivo. | INT |
checkpointModel | Modello di checkpoint con training preliminare per il training incrementale. | MLFlowModelJobInput |
checkpointRunId | ID di un'esecuzione precedente con un checkpoint con training preliminare per il training incrementale. | string |
distribuite | Indica se usare il training distribuito. | bool |
earlyStopping | Abilitare la logica di arresto anticipato durante il training. | bool |
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 intero positivo. |
INT |
earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie l'esecuzione viene arrestata. Deve essere un intero positivo. |
INT |
enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | bool |
evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. | INT |
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 le sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo. |
INT |
Imagesize | Dimensioni dell'immagine per il training e la convalida. Deve essere un 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'. |
INT |
layersToFreeze | Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa strato di congelamento0 e layer1. Per un elenco completo dei modelli supportati e dettagli sul blocco del livello, Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
INT |
learningRate | Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1]. | INT |
learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere 'warmup_cosine' o 'step'. | 'Nessuno' 'Step' 'WarmupCosine' |
Maxsize | Dimensioni massime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un intero positivo. Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
INT |
minSize | Dimensioni minime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un intero positivo. Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
INT |
modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Dimensioni del modello. Deve essere "small", "medium", "large" o "xlarge". Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni del modello sono troppo grandi. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5". |
'ExtraLarge' 'Large' 'Medium' 'Nessuno' 'Small' |
momentum | Valore di slancio quando optimizer è "sgd". Deve essere un float nell'intervallo [0, 1]. | INT |
multiscale | Abilitare l'immagine su più scalabilità variando di dimensioni dell'immagine per +/- 50%. Nota: l'esecuzione del training può entrare in CUDA OOM se non è sufficiente memoria GPU. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5". |
bool |
Nesterov | Abilitare nesterov quando optimizer è "sgd". | bool |
nmsIouThreshold | Soglia IOU usata durante l'inferenza nel post-elaborazione di NMS. Deve essere un float nell'intervallo [0, 1]. | INT |
numberOfEpochs | Numero di epoche di training. Deve essere un intero positivo. | INT |
numberOfWorkers | Numero di ruoli di lavoro del caricatore dati. Deve essere un intero non negativo. | INT |
optimizer | Tipo di optimizer. | 'Adam' 'Adamw' 'Nessuno' 'Sgd' |
casualESeed | Inizializzazione casuale da usare quando si usa training deterministico. | INT |
stepLRGamma | Il valore di gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un float nell'intervallo [0, 1]. | INT |
stepLRStepSize | Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. | INT |
tileGridSize | Dimensioni della griglia da usare per l'associazione di ogni immagine. Nota: TileGridSize non deve essere Nessuno per abilitare la logica di rilevamento di oggetti di piccole dimensioni. Stringa contenente due interi in formato mxn. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
string |
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". |
INT |
tilePredictionsNmsThreshold | Soglia IOU da usare per eseguire NMS durante l'unione delle stime dai riquadri e dall'immagine. Usato nella convalida/inferenza. Deve essere float nell'intervallo [0, 1]. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
INT |
trainingBatchSize | Dimensioni batch di training. Deve essere un intero positivo. | INT |
validationBatchSize | Dimensioni batch di convalida. Deve essere un intero positivo. | INT |
validationIouThreshold | Soglia di IOU da usare quando si calcola la metrica di convalida. Deve essere float nell'intervallo [0, 1]. | INT |
validationMetricType | Metodo di calcolo metrica da usare per le metriche di convalida. | 'Coco' 'CocoVoc' 'Nessuno' 'Voc' |
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]. | INT |
warmupCosineLRWarmupEpochs | Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo. | INT |
weightDecay | Valore del decadimento del peso quando Optimizer è 'sgd', 'adam', o 'adamw'. Deve essere un valore float nell'intervallo[0, 1]. | INT |
ImageModelDistributionSettingsObjectDetection
Nome | Descrizione | Valore |
---|---|---|
amsGradient | Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'. | string |
incrementi | Impostazioni per l'uso di Augmentations. | string |
beta1 | Valore di 'beta1' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | string |
beta2 | Valore di 'beta2' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | string |
boxDetectionsPerImage | Numero massimo di rilevamenti per immagine, per tutte le classi. Deve essere un intero positivo. Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'. |
string |
boxScoreThreshold | Durante l'inferenza, restituisce solo proposte con un punteggio di classificazione maggiore di BoxScoreThreshold. Deve essere un valore float nell'intervallo[0, 1]. |
string |
distribuite | Indica se usare il training di distributer. | string |
earlyStopping | Abilitare la logica di arresto anticipato durante il training. | string |
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 intero positivo. |
string |
earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie l'esecuzione viene arrestata. Deve essere un intero positivo. |
string |
enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | string |
evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. | string |
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 le sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo. |
string |
Imagesize | Dimensioni dell'immagine per il training e la convalida. Deve essere un 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'. |
string |
layersToFreeze | Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa strato di congelamento0 e layer1. Per un elenco completo dei modelli supportati e dettagli sul blocco del livello, Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1]. | string |
learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere 'warmup_cosine' o 'step'. | string |
Maxsize | Dimensioni massime dell'immagine da ridimensionare prima di alimentarla alla spina dorsale. Deve essere un 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'. |
string |
minSize | Dimensioni minime dell'immagine da ridimensionare prima di alimentarla alla spina dorsale. Deve essere un 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'. |
string |
modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Dimensioni del modello. Deve essere "small", "medium", "large" o "xlarge". Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni del modello sono troppo grandi. Nota: queste impostazioni sono supportate solo per l'algoritmo 'yolov5'. |
string |
momentum | Valore di momentum quando Optimizer è "sgd". Deve essere un valore float nell'intervallo [0, 1]. | string |
multiscale | Abilitare l'immagine su più scalabilità variando le dimensioni dell'immagine di +/- 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'. |
string |
Nesterov | Abilitare nesterov quando optimizer è "sgd". | string |
nmsIouThreshold | Soglia IOU usata durante l'inferenza nella post-elaborazione di NMS. Deve essere float nell'intervallo [0, 1]. | string |
numberOfEpochs | Numero di periodi di training. Deve essere un intero positivo. | string |
numberOfWorkers | Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo. | string |
optimizer | Tipo di ottimizzatore. Deve essere "sgd", "adam" o "adamw". | string |
randomSeed | Valore di inizializzazione casuale da usare quando si usa il training deterministico. | string |
stepLRGamma | Valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un valore float nell'intervallo [0, 1]. | string |
stepLRStepSize | Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. | string |
tileGridSize | Dimensioni della griglia da usare per l'associazione di ogni immagine. Nota: TileGridSize non deve essere Nessuno per abilitare la logica di rilevamento di oggetti di piccole dimensioni. Stringa contenente due numeri interi in formato mxn. Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'. |
string |
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'. |
string |
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 |
string |
trainingBatchSize | Dimensioni del batch di training. Deve essere un intero positivo. | string |
validationBatchSize | Dimensioni del batch di convalida. Deve essere un intero positivo. | string |
validationIouThreshold | Soglia IOU da usare per il calcolo della metrica di convalida. Deve essere float nell'intervallo [0, 1]. | string |
validationMetricType | Metodo di calcolo delle metriche da usare per le metriche di convalida. Deve essere 'none', 'coco', 'voc' o 'coco_voc'. | string |
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]. | string |
warmupCosineLRWarmupEpochs | Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo. | string |
weightDecay | Valore del decadimento del peso quando Optimizer è 'sgd', 'adam', o 'adamw'. Deve essere un valore float nell'intervallo[0, 1]. | string |
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 utilizzate per il training del modello. | ImageModelSettingsObjectDetection |
primaryMetric | Metrica primaria da ottimizzare per questa attività. | 'MeanAveragePrecision' |
searchSpace | Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Sweep dei modelli e impostazioni correlate all'iperparametro. | ImageSweepSettings |
validationData | Input di 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 il set di dati di convalida non viene fornito. |
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 training/modello 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 lo spazio per il campionamento di diverse combinazioni di modelli e i 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 il set di dati di convalida non viene fornito. |
INT |
trainingSettings | Input per la fase di training per un processo AutoML. | RegressionTrainingSettings |
validationData | Input di 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 il set di dati di convalida non viene fornito. |
INT |
weightColumnName | Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando l'aumento o la riduzione delle righe nei dati. | string |
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 nel modello migliore. | bool |
enableOnnxCompatibleModels | Contrassegno per l'abilitazione di modelli compatibili con onnx. | bool |
enableStackEnsemble | Abilitare l'esecuzione dell'insieme di stack. | bool |
enableVoteEnsemble | Abilitare l'esecuzione dell'ensemble di voto. | bool |
ensembleModelDownloadTimeout | Durante la generazione del modello VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati delle esecuzioni figlio precedenti. Se è necessario più tempo, configurare questo parametro con un valore superiore a 300 secondi. |
string |
stackEnsembleSettings | Impostazioni dell'insieme stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
trainingMode | Modalità TrainingMode: l'impostazione su "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 "Distribuito" viene usata solo la definizione delle caratteristiche distribuite e vengono scelti 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 training/modello 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 lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. | NlpParameterSubspace[] |
sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | NlpSweepSettings |
validationData | Input di dati di convalida. | MLTableJobInput |
NlpVerticalFeaturizationSettings
Nome | Descrizione | Valore |
---|---|---|
datasetLanguage | Lingua del set di dati, utile per i dati di testo. | string |
NlpFixedParameters
Nome | Descrizione | Valore |
---|---|---|
gradientAccumulationSteps | Numero di passaggi per accumulare sfumature 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' 'Polinomio' |
modelName | Nome del modello di cui eseguire il training. | string |
numberOfEpochs | Numero di periodi di training. | INT |
trainingBatchSize | Dimensioni del batch per la procedura di training. | INT |
validationBatchSize | Dimensioni del batch da usare durante la valutazione. | INT |
warmupRatio | Rapporto di riscaldamento, usato 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. | string |
trialTimeout | Timeout per singole prove HD. | string |
NlpParameterSubspace
Nome | Descrizione | Valore |
---|---|---|
gradientAccumulationSteps | Numero di passaggi per accumulare sfumature prima di eseguire un passaggio indietro. | string |
learningRate | Frequenza di apprendimento per la procedura di training. | string |
learningRateScheduler | Tipo di pianificazione della frequenza di apprendimento da utilizzare durante la procedura di training. | string |
modelName | Nome del modello di cui eseguire il training. | string |
numberOfEpochs | Numero di periodi di training. | string |
trainingBatchSize | Dimensioni del batch per la procedura di training. | string |
validationBatchSize | Dimensioni del batch da usare durante la valutazione. | string |
warmupRatio | Rapporto di riscaldamento, usato insieme a LrSchedulerType. | string |
weightDecay | Decadimento del peso per la procedura di training. | string |
NlpSweepSettings
Nome | Descrizione | Valore |
---|---|---|
earlyTermination | Tipo di criteri di terminazione anticipata per il processo di sweep. | EarlyTerminationPolicy |
samplingAlgorithm | [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 training/modello 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 di modelli e iperparametri. | NlpSweepSettings |
validationData | Input dati di convalida. | MLTableJobInput |
TextNer
Nome | Descrizione | Valore |
---|---|---|
taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'TextNER' (obbligatorio) |
featurizationSettings | Input di funzionalità necessari per il processo AutoML. | NlpVerticalFeaturizationSettings |
fixedParameters | Parametri di training/modello 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 di modelli e iperparametri. | NlpSweepSettings |
validationData | Input dati di convalida. | MLTableJobInput |
CommandJob
Nome | Descrizione | Valore |
---|---|---|
jobType | [Obbligatorio] Specifica il tipo di processo. | 'Command' (obbligatorio) |
autologgerSettings | Configurazione di distribuzione del processo. Se impostato, deve essere uno di Mpi, Tensorflow, PyTorch o Null. | AutologgerSettings |
codeId | ID risorsa ARM dell'asset di codice. | string |
. | [Obbligatorio] Comando da eseguire all'avvio del processo. Ad esempio: "Python train.py" | stringa (obbligatoria) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
distribuzione | Configurazione di distribuzione del processo. Se impostato, deve essere uno di Mpi, Tensorflow, PyTorch o Null. | DistributionConfiguration |
environmentId | [Obbligatorio] ID risorsa ARM della specifica Ambiente per il processo. | stringa (obbligatoria) Vincoli: Pattern = [a-zA-Z0-9_] |
environmentVariables | Variabili di ambiente incluse nel processo. | CommandJobEnvironmentVariables |
input | Mapping di data binding di input usati nel processo. | CommandJobInputs |
limiti | Limite del processo di comando. | CommandJobLimits |
outputs | Mapping di data binding di output usati nel processo. | CommandJobOutputs |
queueSettings | Impostazioni della coda per il processo | QueueSettings |
resources | Configurazione delle risorse di calcolo per il processo. | JobResourceConfiguration |
AutologgerSettings
Nome | Descrizione | Valore |
---|---|---|
mlflowAutologger | [Obbligatorio] Indica se l'autologger mlflow 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, il valore predefinito verrà impostato sul conteggio delle istanze. | INT |
CommandJobEnvironmentVariables
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
CommandJobInputs
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | JobInput |
JobInput
Nome | Descrizione | Valore |
---|---|---|
description | Descrizione dell'input. | string |
jobInputType | Impostare il tipo di oggetto | custom_model literal mlflow_model mltable triton_model uri_file uri_folder (obbligatorio) |
CustomModelJobInput
Nome | Descrizione | Valore |
---|---|---|
jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'custom_model' (obbligatorio) |
mode | Modalità di recapito dell'asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatoria) Vincoli: Pattern = [a-zA-Z0-9_] |
LetteraleJobInput
Nome | Descrizione | Valore |
---|---|---|
jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'letterale' (obbligatorio) |
Valore | [Obbligatorio] Valore letterale per l'input. | stringa (obbligatoria) Vincoli: Pattern = [a-zA-Z0-9_] |
TritonModelJobInput
Nome | Descrizione | Valore |
---|---|---|
jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'triton_model' (obbligatorio) |
mode | Modalità di recapito dell'asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatoria) Vincoli: Pattern = [a-zA-Z0-9_] |
UriFileJobInput
Nome | Descrizione | Valore |
---|---|---|
jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'uri_file' (obbligatorio) |
mode | Modalità di recapito dell'asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatoria) Vincoli: Pattern = [a-zA-Z0-9_] |
UriFolderJobInput
Nome | Descrizione | Valore |
---|---|---|
jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'uri_folder' (obbligatorio) |
mode | Modalità di recapito dell'asset di input. | 'Direct' 'Download' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatoria) 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. | string |
CommandJobOutputs
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | JobOutput |
LabelingJobProperties
Nome | Descrizione | Valore |
---|---|---|
Componentid | ID risorsa arm della risorsa componente. | string |
computeId | ID risorsa ARM della risorsa di calcolo. | string |
dataConfiguration | Configurazione dei dati usati nel processo. | LabelingDataConfiguration |
description | Testo della descrizione dell'asset. | string |
displayName | Nome visualizzato del processo. | string |
experimentName | Nome dell'esperimento a cui appartiene il processo. In caso contrario, il processo viene inserito nell'esperimento "Default". | string |
identity | Configurazione delle identità. Se impostato, deve essere uno di AmlToken, ManagedIdentity, UserIdentity o Null. Le impostazioni predefinite sono AmlToken se null. |
IdentityConfiguration |
isArchived | L'asset è archiviato? | bool |
jobInstructions | Istruzioni di etichettatura del processo. | Etichettatura diJobInstructions |
jobType | [Obbligatorio] Specifica il tipo di processo. | 'AutoML' 'Command' 'Etichettatura' 'Pipeline' 'Spark' 'Sweep' (obbligatorio) |
labelCategories | Categorie di etichette del processo. | Etichettatura diJobLabelCategories |
labelingJobMediaProperties | Proprietà specifiche del tipo di supporto nel processo. | LabelingJobMediaProperties |
mlAssistConfiguration | Configurazione della funzionalità MLAssist nel processo. | MLAssistConfiguration |
notificationSetting | Impostazione di notifica per il processo | NotificationSetting |
properties | Dizionario delle proprietà asset. | ResourceBaseProperties |
services | Elenco di JobEndpoints. Per i processi locali, un endpoint del processo avrà un valore endpoint di FileStreamObject. |
JobBaseServices |
tags | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | object |
LabelingDataConfiguration
Nome | Descrizione | Valore |
---|---|---|
dataId | ID risorsa dell'asset dati per eseguire l'etichettatura. | string |
incrementalDataRefresh | Indica se abilitare l'aggiornamento dei dati incrementali. | 'Disabilitato' 'Enabled' |
Etichettatura diJobInstructions
Nome | Descrizione | Valore |
---|---|---|
Uri | Collegamento a una pagina con istruzioni dettagliate sull'etichettatura per i etichettatori. | string |
Etichettatura diJobLabelCategories
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | LabelCategory | |
{proprietà personalizzata} | LabelCategory |
LabelCategory
Nome | Descrizione | Valore |
---|---|---|
classi | Dizionario delle classi di etichette in questa categoria. | LabelCategoryClasses |
displayName | Nome visualizzato della categoria di etichette. | string |
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 etichetta. | string |
Sottoclassi | Dizionario delle sottoclassi della classe etichetta. | 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. | 'Disabilitato' (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 (obbligatoria) Vincoli: Pattern = [a-zA-Z0-9_] |
trainingComputeBinding | [Obbligatorio] Associazione di calcolo AML usata nel training. | stringa (obbligatoria) Vincoli: Pattern = [a-zA-Z0-9_] |
PipelineJob
Nome | Descrizione | Valore |
---|---|---|
jobType | [Obbligatorio] Specifica il tipo di processo. | 'Pipeline' (obbligatorio) |
input | Input per il processo della pipeline. | PipelineJobInputs |
jobs | I processi costruiscono il processo della pipeline. | PipelineJobJobs |
outputs | 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. | string |
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) |
archives | Archiviare i file usati nel processo. | string[] |
args | Argomenti per il processo. | string |
codeId | [Obbligatorio] ID risorsa ARM dell'asset di codice. | stringa (obbligatoria) Vincoli: Pattern = [a-zA-Z0-9_] |
conf | Proprietà configurate da Spark. | SparkJobConf |
entry | [Obbligatorio] Voce da eseguire all'avvio del processo. | SparkJobEntry (obbligatorio) |
environmentId | ID risorsa ARM della specifica Ambiente per il processo. | string |
files | File usati nel processo. | string[] |
input | Mapping di data binding di input usati nel processo. | SparkJobInputs |
jars | File jar usati nel processo. | string[] |
outputs | Mapping di data binding di output usati nel processo. | SparkJobOutputs |
pyFiles | File Python usati nel processo. | string[] |
queueSettings | Impostazioni della coda per il processo | QueueSettings |
resources | Configurazione delle risorse di calcolo per il processo. | SparkResourceConfiguration |
SparkJobConf
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
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 file Python relativo per il punto di ingresso del processo. | stringa (obbligatoria) 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 (obbligatoria) 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. | string |
runtimeVersion | Versione del runtime spark usata per il processo. | string |
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 di completare | EarlyTerminationPolicy |
input | Mapping di data binding di input usati nel processo. | SweepJobInputs |
limiti | Limite del processo di sweep. | SweepJobLimits |
obiettivo | [Obbligatorio] Obiettivo di ottimizzazione. | Obiettivo (obbligatorio) |
outputs | Mapping di data binding di output usati nel processo. | SweepJobOutputs |
queueSettings | Impostazioni della coda per il processo | QueueSettings |
campionamentoAlgorithm | [Obbligatorio] Algoritmo di campionamento dell'iperparametro | CampionamentoAlgorithm (obbligatorio) |
searchSpace | [Obbligatorio] Dizionario contenente ogni parametro e la relativa distribuzione. La chiave del dizionario è il nome del parametro | |
versione di valutazione | [Obbligatorio] Definizione del componente di valutazione. | TrialComponent (obbligatorio) |
SweepJobInputs
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | JobInput |
SweepJobLimits
Nome | Descrizione | Valore |
---|---|---|
jobLimitsType | [Obbligatorio] Tipo JobLimit. | 'Command' 'Sweep' (obbligatorio) |
maxConcurrentTrials | Esecuzione di processi di sweep max simultanei. | INT |
maxTotalTrials | Sweep Job max test totali. | 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. | string |
trialTimeout | Valore di timeout della versione di valutazione del processo di sweep. | string |
Obiettivo
Nome | Descrizione | Valore |
---|---|---|
goal | [Obbligatorio] Definisce gli obiettivi delle metriche supportati per l'ottimizzazione dell'iperparametro | 'Ingrandisci' 'Ridurre al minimo' (obbligatorio) |
primaryMetric | [Obbligatorio] Nome della metrica da ottimizzare. | stringa (obbligatoria) Vincoli: Pattern = [a-zA-Z0-9_] |
SweepJobOutputs
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | JobOutput |
CampionamentoAlgorithm
Nome | Descrizione | Valore |
---|---|---|
campionamentoAlgorithmType | Impostare il tipo di oggetto | Bayesiano Pannello Grid Casuale (obbligatorio) |
BayesianSamplingAlgorithm
Nome | Descrizione | Valore |
---|---|---|
samplingAlgorithmType | [Obbligatorio] Algoritmo usato per generare valori di iperparametri, insieme alle proprietà di configurazione | 'Bayesian' (obbligatorio) |
GridSamplingAlgorithm
Nome | Descrizione | Valore |
---|---|---|
samplingAlgorithmType | [Obbligatorio] Algoritmo usato per generare valori di iperparametri, insieme alle proprietà di configurazione | 'Grid' (obbligatorio) |
RandomSamplingAlgorithm
Nome | Descrizione | Valore |
---|---|---|
samplingAlgorithmType | [Obbligatorio] Algoritmo usato per generare valori di 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 | string |
regola | Tipo specifico di algoritmo casuale | 'Random' 'Sobol' |
seed | 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. | string |
. | [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 |
resources | Configurazione delle risorse di calcolo per il processo. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
EndpointScheduleAction
Nome | Descrizione | Valore |
---|---|---|
actionType | [Obbligatorio] Specifica il tipo di azione della pianificazione | 'InvokeBatchEndpoint' (obbligatorio) |
endpointInvocationDefinition | [Obbligatorio] Definisce i dettagli della definizione dell'azione 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 a https://en.wikipedia.org/wiki/ISO_8601. Il formato commentato sarà "2022-06-01T00:00:01" Se non è presente, la pianificazione verrà eseguita per un periodo illimitato |
string |
startTime | Specifica l'ora di inizio della pianificazione in formato ISO 8601, ma senza offset UTC. | string |
timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Fare riferimento a: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones /> |
string |
triggerType | Impostare il tipo di oggetto | Cron Ricorrenza (obbligatoria) |
CronTrigger
Nome | Descrizione | Valore |
---|---|---|
endTime | Specifica l'ora di fine della pianificazione in ISO 8601, ma senza un offset UTC. Fare riferimento a https://en.wikipedia.org/wiki/ISO_8601. Il formato commentato sarebbe "2022-06-01T00:00:01" Se non presente, la pianificazione verrà eseguita in modo indefinito |
string |
expression | [Obbligatorio] Specifica l'espressione cron della pianificazione. L'espressione deve seguire il formato NCronTab. |
stringa (obbligatoria) Vincoli: Pattern = [a-zA-Z0-9_] |
startTime | Specifica l'ora di inizio della pianificazione nel formato ISO 8601, ma senza un offset UTC. | string |
timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Vedere: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones |
string |
triggerType | [Obbligatorio] | 'Cron' 'Ricorrenza' (obbligatoria) |
RecurrenceTrigger
Nome | Descrizione | Valore |
---|---|---|
endTime | Specifica l'ora di fine della pianificazione in ISO 8601, ma senza un offset UTC. Fare riferimento a https://en.wikipedia.org/wiki/ISO_8601. Il formato commentato sarebbe "2022-06-01T00:00:01" Se non presente, la pianificazione verrà eseguita in modo indefinito |
string |
frequency | [Obbligatorio] Frequenza di attivazione della pianificazione. | 'Day' 'Hour' 'Minute' 'Month' 'Week' (obbligatorio) |
interval | [Obbligatorio] Specifica l'intervallo di pianificazione in combinazione con la frequenza | int (obbligatorio) |
schedule | Pianificazione delle ricorrenze. | RicorrenzaSchedule |
startTime | Specifica l'ora di inizio della pianificazione nel formato ISO 8601, ma senza un offset UTC. | string |
timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Vedere: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones |
string |
triggerType | [Obbligatorio] | 'Cron' 'Ricorrenza' (obbligatoria) |
RicorrenzaSchedule
Nome | Descrizione | Valore |
---|---|---|
ore | [Obbligatorio] Elenco di ore per la pianificazione. | int[] (obbligatorio) |
minutes | [Obbligatorio] Elenco di minuti per la pianificazione. | int[] (obbligatorio) |
monthDays | Elenco di giorni di mese per la pianificazione | int[] |
weekDays | Elenco di giorni per la pianificazione. | Matrice di stringhe contenente uno qualsiasi di: 'Venerdì' 'Lunedì' 'Sabato' 'Domenica' 'Giovedì' 'Martedì' 'Mercoledì' |
Definizione della risorsa Terraform (provider AzAPI)
Il tipo di risorsa aree di lavoro/pianificazioni può essere distribuito con operazioni destinate:
- Gruppi di risorse
Per un elenco delle proprietà modificate in ogni versione dell'API, vedere log delle modifiche.
Formato di 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@2023-02-01-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"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
tags = {
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
trigger = {
endTime = "string"
startTime = "string"
timeZone = "string"
triggerType = "string"
// For remaining properties, see TriggerBase objects
}
}
})
}
Oggetti ScheduleActionBase
Impostare la proprietà actionType per specificare il tipo di oggetto.
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
notificationSetting = {
emailOn = [
"string"
]
emails = [
"string"
]
}
properties = {
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
services = {
{customized property} = {
endpoint = "string"
jobServiceType = "string"
nodes = {
nodesValueType = "string"
// For remaining properties, see Nodes objects
}
port = int
properties = {
{customized property} = "string"
}
}
{customized property} = {
endpoint = "string"
jobServiceType = "string"
nodes = {
nodesValueType = "string"
// For remaining properties, see Nodes objects
}
port = int
properties = {
{customized property} = "string"
}
}
}
tags = {
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
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
}
}
queueSettings = {
jobTier = "string"
priority = int
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
locations = [
"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
}
}
queueSettings = {
jobTier = "string"
priority = int
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
locations = [
"string"
]
properties = {}
shmSize = "string"
}
Per l'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"
}
{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"
]
queueSettings = {
jobTier = "string"
priority = int
}
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
}
}
queueSettings = {
jobTier = "string"
priority = int
}
samplingAlgorithm = {
samplingAlgorithmType = "string"
// For remaining properties, see SamplingAlgorithm objects
}
trial = {
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
locations = [
"string"
]
properties = {}
shmSize = "string"
}
}
Oggetti IdentityConfiguration
Impostare la proprietà identityType per specificare il tipo di oggetto.
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, usare:
nodesValueType = "All"
Oggetti JobOutput
Impostare la proprietà jobOutputType per specificare il tipo di oggetto.
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 specificare il tipo di oggetto.
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 mode per specificare il tipo di oggetto.
Per Auto usare:
mode = "Auto"
Per Personalizzato, usare:
mode = "Custom"
value = int
Oggetti EarlyTerminationPolicy
Impostare la proprietà policyType per specificare il tipo di oggetto.
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 mode per specificare il tipo di oggetto.
Per Auto usare:
mode = "Auto"
Per Personalizzato, usare:
mode = "Custom"
value = int
Oggetti stagionalità
Impostare la proprietà mode per specificare il tipo di oggetto.
Per Auto usare:
mode = "Auto"
Per Personalizzato, usare:
mode = "Custom"
value = int
Oggetti TargetLags
Impostare la proprietà mode per specificare il tipo di oggetto.
Per Auto usare:
mode = "Auto"
Per Personalizzato, usare:
mode = "Custom"
values = [
int
]
Oggetti TargetRollingWindowSize
Impostare la proprietà mode per specificare il tipo di oggetto.
Per Auto usare:
mode = "Auto"
Per Personalizzato, usare:
mode = "Custom"
value = int
Oggetti DistributionConfiguration
Impostare la proprietà distributionType per specificare il tipo di oggetto.
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 specificare il tipo di oggetto.
Per custom_model, usare:
jobInputType = "custom_model"
mode = "string"
uri = "string"
Per il 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 specificare il tipo di oggetto.
Per Image usare:
mediaType = "Image"
annotationType = "string"
Per Testo, usare:
mediaType = "Text"
annotationType = "string"
Oggetti MLAssistConfiguration
Impostare la proprietà mlAssist per specificare il tipo di oggetto.
Per Disabilitato, usare:
mlAssist = "Disabled"
Per Abilitato usare:
mlAssist = "Enabled"
inferencingComputeBinding = "string"
trainingComputeBinding = "string"
Oggetti SparkJobEntry
Impostare la proprietà sparkJobEntryType per specificare il tipo di oggetto.
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 specificare il tipo di oggetto.
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 |
---|---|---|
tipo | Tipo di risorsa | "Microsoft.MachineLearningServices/workspaces/schedules@2023-02-01-preview" |
name | Nome della risorsa | stringa (obbligatorio) |
parent_id | ID della risorsa padre per questa risorsa. | ID per la risorsa di tipo: aree di lavoro |
properties | [Obbligatorio] Attributi aggiuntivi dell'entità. | ScheduleProperties (obbligatorio) |
ScheduleProperties
Nome | Descrizione | Valore |
---|---|---|
azione | [Obbligatorio] Specifica l'azione della pianificazione | ScheduleActionBase (obbligatorio) |
description | Testo della descrizione dell'asset. | string |
displayName | Nome visualizzato della pianificazione. | string |
isEnabled | La pianificazione è abilitata? | bool |
properties | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
tags | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | object |
trigger | [Obbligatorio] Specifica i dettagli del trigger | TriggerBase (obbligatorio) |
ScheduleActionBase
Nome | Descrizione | Valore |
---|---|---|
actionType | Impostare il tipo di oggetto | CreateJob InvokeBatchEndpoint (obbligatorio) |
JobScheduleAction
Nome | Descrizione | Valore |
---|---|---|
actionType | [Obbligatorio] Specifica il tipo di azione della pianificazione | "CreateJob" (obbligatorio) |
jobDefinition | [Obbligatorio] Definisce i dettagli della definizione dell'azione pianificazione. | JobBaseProperties (obbligatorio) |
JobBaseProperties
Nome | Descrizione | Valore |
---|---|---|
Componentid | ID risorsa ARM della risorsa componente. | string |
computeId | ID risorsa ARM della risorsa di calcolo. | string |
description | Testo della descrizione dell'asset. | string |
displayName | Nome visualizzato del processo. | string |
experimentName | Nome dell'esperimento a cui appartiene il processo. In caso contrario, il processo viene inserito nell'esperimento "Predefinito". | string |
identity | Configurazione dell'identità. Se impostato, deve essere uno dei valori AmlToken, ManagedIdentity, UserIdentity o Null. Il valore predefinito è AmlToken se null. |
IdentityConfiguration |
isArchived | L'asset è archiviato? | bool |
notificationSetting | Impostazione di notifica per il processo | NotificationSetting |
properties | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
services | Elenco di JobEndpoints. Per i processi locali, un endpoint del processo avrà un valore di endpoint FileStreamObject. |
JobBaseServices |
tags | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | object |
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 identità. | "AMLToken" (obbligatorio) |
ManagedIdentity
Nome | Descrizione | Valore |
---|---|---|
identityType | [Obbligatorio] Specifica il tipo di framework di identità. | "Gestito" (obbligatorio) |
clientId | Specifica un'identità assegnata dall'utente in base all'ID client. Per il sistema assegnato, non impostare questo campo. | string 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 il sistema assegnato, non impostare questo campo. | string 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 il sistema assegnato, non impostare questo campo. | string |
UserIdentity
Nome | Descrizione | Valore |
---|---|---|
identityType | [Obbligatorio] Specifica il tipo di framework di identità. | "UserIdentity" (obbligatorio) |
NotificationSetting
Nome | Descrizione | Valore |
---|---|---|
emailOn | Inviare una notifica di posta elettronica all'utente nel tipo di notifica specificato | Matrice di stringhe contenente uno qualsiasi di: "JobCancelled" "JobCompleted" "JobFailed" |
emails | Si tratta dell'elenco dei destinatari di posta elettronica che ha una limitazione di 499 caratteri in totale concat con separatore di virgole | string[] |
ResourceBaseProperties
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string | |
{proprietà personalizzata} | string |
JobBaseServices
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | JobService | |
{proprietà personalizzata} | JobService |
JobService
Nome | Descrizione | Valore |
---|---|---|
endpoint | URL per l'endpoint. | string |
jobServiceType | Tipo di endpoint. | string |
nodes | Nodi su cui l'utente vuole avviare il servizio. Se Nodes non è impostato o impostato su Null, il servizio verrà avviato solo nel nodo leader. |
Nodi |
port | Porta per l'endpoint impostato dall'utente. | INT |
properties | Proprietà aggiuntive da impostare nell'endpoint. | JobServiceProperties |
Nodi
Nome | Descrizione | Valore |
---|---|---|
nodesValueType | Impostare il tipo di oggetto | Tutti (obbligatorio) |
AllNodes
Nome | Descrizione | Valore |
---|---|---|
nodesValueType | [Obbligatorio] Tipo del valore Nodi | "All" (obbligatorio) |
JobServiceProperties
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
AutoMLJob
Nome | Descrizione | Valore |
---|---|---|
jobType | [Obbligatorio] Specifica il tipo di processo. | "AutoML" (obbligatorio) |
environmentId | ID risorsa ARM della specifica Ambiente per il processo. Si tratta di un valore facoltativo da specificare, se non specificato, l'impostazione predefinita autoML sarà la versione dell'ambiente curato di produzione per l'esecuzione del processo. |
string |
environmentVariables | Variabili di ambiente incluse nel processo. | AutoMLJobEnvironmentVariables |
outputs | Mapping dei data binding di output usati nel processo. | AutoMLJobOutputs |
queueSettings | Impostazioni della coda per il processo | QueueSettings |
resources | Configurazione delle risorse di calcolo per il processo. | JobResourceConfiguration |
taskDetails | [Obbligatorio] Questo rappresenta uno scenario che può essere una delle tabelle/NLP/Image | AutoMLVertical (obbligatorio) |
AutoMLJobEnvironmentVariables
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
AutoMLJobOutputs
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | JobOutput |
JobOutput
Nome | Descrizione | Valore |
---|---|---|
description | Descrizione dell'output. | string |
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. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di distribuzione degli asset di output. | "Diretto" "ReadWriteMount" "Carica" |
Uri | URI asset di output. | string |
MLFlowModelJobOutput
Nome | Descrizione | Valore |
---|---|---|
jobOutputType | [Obbligatorio] Specifica il tipo di processo. | "mlflow_model" (obbligatorio) |
assetName | Nome asset di output. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di distribuzione degli asset di output. | "Diretto" "ReadWriteMount" "Carica" |
Uri | URI asset di output. | string |
MLTableJobOutput
Nome | Descrizione | Valore |
---|---|---|
jobOutputType | [Obbligatorio] Specifica il tipo di processo. | "mltable" (obbligatorio) |
assetName | Nome asset di output. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di distribuzione degli asset di output. | "Diretto" "ReadWriteMount" "Carica" |
Uri | URI asset di output. | string |
ModelModelJobOutput
Nome | Descrizione | Valore |
---|---|---|
jobOutputType | [Obbligatorio] Specifica il tipo di processo. | "triton_model" (obbligatorio) |
assetName | Nome asset di output. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di distribuzione degli asset di output. | "Diretto" "ReadWriteMount" "Carica" |
Uri | URI asset di output. | string |
UriFileJobOutput
Nome | Descrizione | Valore |
---|---|---|
jobOutputType | [Obbligatorio] Specifica il tipo di processo. | "uri_file" (obbligatorio) |
assetName | Nome asset di output. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di distribuzione degli asset di output. | "Diretto" "ReadWriteMount" "Carica" |
Uri | URI asset di output. | string |
UriFolderJobOutput
Nome | Descrizione | Valore |
---|---|---|
jobOutputType | [Obbligatorio] Specifica il tipo di processo. | "uri_folder" (obbligatorio) |
assetName | Nome asset di output. | string |
assetVersion | Versione dell'asset di output. | string |
mode | Modalità di distribuzione degli asset di output. | "Diretto" "ReadWriteMount" "Carica" |
Uri | URI asset di output. | string |
QueueSettings
Nome | Descrizione | Valore |
---|---|---|
jobTier | Enumerazione per determinare il livello di processo. | "Basic" "Premium" "Spot" "Standard" |
priority | Controlla la priorità del processo in un ambiente di calcolo. | INT |
JobResourceConfiguration
Nome | Descrizione | Valore |
---|---|---|
dockerArgs | Argomenti aggiuntivi da passare al comando docker run. Verrà eseguito 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. | string |
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. | string |
locations | Percorsi in cui è possibile eseguire il processo. | string[] |
properties | Contenitore di proprietà aggiuntive. | ResourceConfigurationProperties |
shmSize | Dimensioni del blocco di memoria condivisa 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). | string Vincoli: Pattern = \d+[bBkKmMgG] |
ResourceConfigurationProperties
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | ||
{proprietà personalizzata} |
AutoMLVertical
Nome | Descrizione | Valore |
---|---|---|
logVerbosity | Log verbosity 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. |
string |
trainingData | [Obbligatorio] Input 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 |
---|---|---|
description | Descrizione dell'input. | string |
jobInputType | [Obbligatorio] Specifica il tipo di processo. | "custom_model" "letterale" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (obbligatorio) |
mode | Modalità di recapito dell'asset di input. | "Direct" "Download" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatoria) Vincoli: Pattern = [a-zA-Z0-9_] |
Classificazione
Nome | Descrizione | Valore |
---|---|---|
taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | "Classificazione" (obbligatorio) |
cvSplitColumnNames | Colonne da usare per i dati CVSplit. | string[] |
featurizationSettings | Input di funzionalità necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
fixedParameters | Parametri di training/modello che rimarranno costanti durante il training. | TableFixedParameters |
limitSettings | Vincoli di esecuzione per AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Numero di pieghe di convalida incrociate 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. | string |
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 di modelli e iperparametri. | TableSweepSettings |
Testdata | Testare l'input dei dati. | MLTableJobInput |
testDataSize | Frazione del set di dati di test che deve essere messo a parte per scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
INT |
trainingSettings | Input per la fase di training per un processo AutoML. | ClassificationTrainingSettings |
validationData | Input dati di convalida. | MLTableJobInput |
validationDataSize | Frazione del set di dati di training che deve essere impostato a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
INT |
weightColumnName | Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando l'aumento o la riduzione delle righe nei dati. | string |
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. | string |
enableDnnFeaturization | Determina se usare gli strumenti di definizione delle funzionalità basati su Dnn per la definizione delle caratteristiche dei dati. | bool |
mode | Modalità di definizione delle funzionalità: 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 "Personalizzata" è selezionata, l'utente può specificare input aggiuntivi per personalizzare la modalità di definizione delle funzionalità. |
"Auto" "Custom" "Off" |
transformerParams | L'utente può specificare trasformatori aggiuntivi da utilizzare insieme alle colonne a cui verrà applicato e parametri per il costruttore del trasformatore. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
TableVerticalFeaturizationSettingsTransformerParams
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | ColumnTransformer[] |
ColumnTransformer
Nome | Descrizione | Valore |
---|---|---|
fields | Campi in 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. | string |
boostingType | Specificare il tipo di boosting, ad esempio gbdt per LightGBM. | string |
growPolicy | Specificare i criteri di aumento, che controllano la modalità di aggiunta dei nuovi nodi all'albero. | string |
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. | string |
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. | string |
regAlpha | Termine di regolarizzazione L1 sui pesi. | INT |
regLambda | Termine di regolarizzazione L2 sui pesi. | INT |
subsample | Rapporto subsample dell'istanza di training. | INT |
subsampleFreq | Frequenza di subsample. | INT |
treeMethod | Specificare il metodo albero. | string |
withMean | Se true, centro prima di ridimensionare i dati con StandardScalar. | bool |
withStd | Se true, ridimensionare i dati con Unit Variance con StandardScalar. | bool |
TableVerticalLimitSettings
Nome | Descrizione | Valore |
---|---|---|
enableEarlyTermination | Abilitare la terminazione anticipata, determina se AutoMLJob termina presto se non esiste alcun miglioramento dei punteggi negli ultimi 20 iterazioni. | bool |
exitScore | Punteggio di uscita per il processo AutoML. | INT |
maxConcurrentTrials | Iterazioni simultanee massime. | 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 simultanee che l'utente vuole attivare. | INT |
sweepTrials | Numero di esecuzioni di scorrimento che l'utente vuole attivare. | INT |
timeout | Timeout del processo AutoML. | string |
trialTimeout | Timeout iterazione. | string |
NCrossValidations
Nome | Descrizione | Valore |
---|---|---|
mode | Impostare il tipo di oggetto | Auto Personalizzato (obbligatorio) |
AutoNCrossValidations
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Modalità per determinare le convalida tra N. | "Auto" (obbligatorio) |
CustomNCrossValidations
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Modalità per determinare le convalida tra N. | "Personalizzato" (obbligatorio) |
Valore | [Obbligatorio] Valore di convalida incrociata N. | int (obbligatorio) |
TableParameterSubspace
Nome | Descrizione | Valore |
---|---|---|
Booster | Specificare il tipo di aumento, ad esempio gbdt per XGBoost. | string |
boostingType | Specificare il tipo di aumento, ad esempio gbdt per LightGBM. | string |
growPolicy | Specificare i criteri di crescita, che controllano il modo in cui vengono aggiunti nuovi nodi all'albero. | string |
learningRate | Frequenza di apprendimento per la procedura di training. | string |
maxBin | Specificare il numero massimo di bin discreti per le funzionalità continue del bucket. | string |
maxDepth | Specificare la profondità massima per limitare in modo esplicito la profondità dell'albero. | string |
maxLeaves | Specificare le foglie massime per limitare in modo esplicito le foglie dell'albero. | string |
minDataInLeaf | Numero minimo di dati per foglia. | string |
minSplitGain | Riduzione minima della perdita necessaria per creare una partizione ulteriore su un nodo foglia dell'albero. | string |
modelName | Nome del modello da eseguire per il training. | string |
nEstimators | Specificare il numero di alberi (o round) in un modello. | string |
numLeaves | Specificare il numero di foglie. | string |
preprocessorName | Nome del preprocessore da usare. | string |
regAlpha | Termine di regolarizzazione L1 sui pesi. | string |
regLambda | Termine di regolarizzazione L2 sui pesi. | string |
subsample | Rapporto subsample dell'istanza di training. | string |
subsampleFreq | Frequenza di sottosample | string |
treeMethod | Specificare il metodo albero. | string |
withMean | Se true, centro prima di ridimensionare i dati con StandardScalar. | string |
withStd | Se true, ridimensionare i dati con Unit Variance con StandardScalar. | string |
TableSweepSettings
Nome | Descrizione | Valore |
---|---|---|
earlyTermination | Tipo di criterio di terminazione anticipata per il processo di scorrimento. | EarlyTerminationPolicy |
campionamentoAlgorithm | [Obbligatorio] Tipo di algoritmo di campionamento. | "Bayesian" "Griglia" "Casuale" (obbligatorio) |
EarlyTerminationPolicy
Nome | Descrizione | Valore |
---|---|---|
delayEvaluation | Numero di intervalli in base al quale ritardare la prima valutazione. | INT |
evaluationInterval | Intervallo (numero di esecuzioni) tra valutazioni dei criteri. | INT |
policyType | Impostare il tipo di oggetto | Bandito MedianStopping TroncamentoSelection (obbligatorio) |
BanditPolicy
Nome | Descrizione | Valore |
---|---|---|
policyType | [Obbligatorio] Nome della configurazione dei criteri | "Bandit" (obbligatorio) |
slackAmount | Distanza assoluta consentita dall'esecuzione migliore. | INT |
slackFactor | Rapporto della distanza consentita dall'esecuzione migliore. | INT |
MedianStoppingPolicy
Nome | Descrizione | Valore |
---|---|---|
policyType | [Obbligatorio] Nome della configurazione dei criteri | "MedianStopping" (obbligatorio) |
TroncationSelectionPolicy
Nome | Descrizione | Valore |
---|---|---|
policyType | [Obbligatorio] Nome della configurazione dei criteri | "TroncationSelection" (obbligatorio) |
troncationPercentage | 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 qualsiasi di: "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 qualsiasi di: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier" |
enableDnnTraining | Abilitare la raccomandazione dei modelli DNN. | bool |
enableModelExplainability | Contrassegno per attivare la spiegazione sul modello migliore. | bool |
enableOnnxCompatibleModels | Contrassegno per l'abilitazione dei modelli compatibili con onnx. | bool |
enableStackEnsemble | Abilitare l'esecuzione dell'insieme di 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. Se è necessario più tempo, configurare questo parametro con un valore superiore a 300 secondi. |
string |
stackEnsembleSettings | Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
trainingMode | Modalità TrainingMode: l'impostazione su "auto" è uguale a quella impostata 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 utilizzata solo la funzionalità distribuita e vengono scelti algoritmi distribuiti. Se 'NonDistributed' vengono scelti solo 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 training e il tipo di training) da riservare per il training del meta-learner. 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" "None" |
Previsione
Nome | Descrizione | Valore |
---|---|---|
taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | "Previsione" (obbligatorio) |
cvSplitColumnNames | Colonne da usare per i dati CVSplit. | string[] |
featurizationSettings | Input di funzionalità necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
fixedParameters | Parametri di training/modello 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 pieghe di convalida incrociate 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. | "NormaldMeanAbsoluteError" "NormaldRootMeanSquaredError" "R2Score" "SpearmanCorrelation" |
searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | TableParameterSubspace[] |
sweepSettings | Impostazioni per l'ottimizzazione di modelli e iperparametri. | TableSweepSettings |
Testdata | Testare l'input dei dati. | MLTableJobInput |
testDataSize | Frazione del set di dati di test che deve essere messo a parte per scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
INT |
trainingSettings | Input per la fase di training per un processo AutoML. | ForecastingTrainingSettings |
validationData | Input dati di convalida. | MLTableJobInput |
validationDataSize | Frazione del set di dati di training che deve essere impostato a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
INT |
weightColumnName | Nome della colonna di peso di esempio. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso o la riduzione delle righe nei dati. | string |
ForecastingSettings
Nome | Descrizione | Valore |
---|---|---|
countryOrRegionForHolidays | Paese o area geografica per le vacanze per le attività di previsione. Questi devono essere ISO 3166 codici paese/area geografica, ad esempio "US" o "GB". |
string |
cvStepSize | Numero di periodi tra l'ora di origine di una piega cv e la successiva piega. For ad esempio, se CVStepSize = 3 per i dati giornalieri, l'ora di origine per ogni piega saràtre giorni a parte. |
INT |
featureLags | Contrassegno per la generazione di ritardi per le funzionalità numeriche con 'auto' o Null. | "Auto" "None" |
forecastHorizon | Orizzonte di previsione massimo desiderato in unità di frequenza della serie temporale. | ForecastHorizon |
frequency | Quando si prevede, questo parametro rappresenta il periodo con cui è desiderata la previsione, ad esempio giornaliera, settimanale, annuale e così via. La frequenza di previsione è la frequenza del set di dati per impostazione predefinita. | string |
Stagionalità | Impostare la stagionalità delle serie temporali come numero intero multiplo della frequenza della serie. Se la stagionalità è impostata su 'auto', verrà dedotto. |
Stagionalità |
shortSeriesHandlingConfig | Parametro che definisce come se AutoML deve gestire serie temporali brevi. | "Auto" "Drop" "None" "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 "Nessuno", 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" "None" "Sum" |
targetLags | Numero di periodi passati da cui eseguire il ritardo dalla colonna di destinazione. | TargetLags |
targetRollingWindowSize | Numero di periodi passati usati per creare una media della finestra mobile della colonna di destinazione. | TargetRollingWindowSize |
timeColumnName | Nome della colonna temporale. Questo parametro è necessario quando si prevede di specificare la colonna datetime nei dati di input usati per compilare la serie temporale e dedurre la relativa frequenza. | string |
timeSeriesIdColumnNames | Nomi delle colonne utilizzate per raggruppare un intervallo di tempo. 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. | "None" "Stagione" "SeasonTrend" |
ForecastHorizon
Nome | Descrizione | Valore |
---|---|---|
mode | Impostare il tipo di oggetto | Auto Personalizzato (obbligatorio) |
AutoForecastHorizon
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Impostare la modalità di selezione del valore dell'orizzonte di previsione. | "Auto" (obbligatorio) |
CustomForecastHorizon
Nome | Descrizione | Valore |
---|---|---|
mode | [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 |
---|---|---|
mode | Impostare il tipo di oggetto | Auto Personalizzato (obbligatorio) |
AutoSeasonality
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Modalità stagionalità. | "Auto" (obbligatorio) |
CustomSeasonality
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Modalità stagionalità. | "Personalizzato" (obbligatorio) |
Valore | [Obbligatorio] Valore stagionalità. | int (obbligatorio) |
TargetLags
Nome | Descrizione | Valore |
---|---|---|
mode | Impostare il tipo di oggetto | Auto Personalizzato (obbligatorio) |
AutoTargetLags
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Impostare la modalità lag di destinazione - Auto/Custom | "Auto" (obbligatorio) |
CustomTargetLags
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Impostare la modalità lag di destinazione - Auto/Custom | "Personalizzato" (obbligatorio) |
valori | [Obbligatorio] Impostare i valori dei lag di destinazione. | int[] (obbligatorio) |
TargetRollingWindowSize
Nome | Descrizione | Valore |
---|---|---|
mode | Impostare il tipo di oggetto | Auto Personalizzato (obbligatorio) |
AutoTargetRollingWindowSize
Nome | Descrizione | Valore |
---|---|---|
mode | [Obbligatorio] Modalità di rilevamento TargetRollingWindowSiz. | "Auto" (obbligatorio) |
CustomTargetRollingWindowSize
Nome | Descrizione | Valore |
---|---|---|
mode | [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 qualsiasi di: "Arimax" "AutoArima" "Media" "DecisionTree" "ElasticNet" "EsponenzialeSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "Naive" "Profeta" "RandomForest" "SGD" "StagionaleAverage" "StagionaleNaive" "TCNForecaster" "XGBoostRegressor" |
blockedTrainingAlgorithms | Modelli bloccati per l'attività di previsione. | Matrice di stringhe contenente uno qualsiasi di: "Arimax" "AutoArima" "Media" "DecisionTree" "ElasticNet" "EsponenzialeSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "Naive" "Profeta" "RandomForest" "SGD" "StagionaleAverage" "StagionaleNaive" "TCNForecaster" "XGBoostRegressor" |
enableDnnTraining | Abilitare la raccomandazione dei modelli DNN. | bool |
enableModelExplainability | Contrassegno per attivare la spiegazione sul modello migliore. | bool |
enableOnnxCompatibleModels | Contrassegno per l'abilitazione dei modelli compatibili con onnx. | bool |
enableStackEnsemble | Abilitare l'esecuzione dell'insieme di 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. Se è necessario più tempo, configurare questo parametro con un valore superiore a 300 secondi. |
string |
stackEnsembleSettings | Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
trainingMode | Modalità TrainingMode: l'impostazione su "auto" è uguale a quella impostata 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 utilizzata solo la funzionalità distribuita e vengono scelti algoritmi distribuiti. Se 'NonDistributed' vengono scelti solo 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 utilizzate per il training del modello. | ImageModelSettingsClassification |
primaryMetric | Metrica primaria da ottimizzare per questa attività. | "AUCWeighted" "Accuratezza" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Sweep dei modelli e impostazioni correlate all'iperparametro. | ImageSweepSettings |
validationData | Input di 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 il set di dati di convalida non viene fornito. |
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. | string |
ImageModelSettingsClassification
Nome | Descrizione | Valore |
---|---|---|
advancedSettings | Impostazioni per scenari avanzati. | string |
amsGradient | Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'. | bool |
incrementi | Impostazioni per l'uso di Augmentations. | string |
beta1 | Valore di 'beta1' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | INT |
beta2 | Valore di 'beta2' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | INT |
checkpointFrequency | Frequenza di archiviazione dei checkpoint del modello. Deve essere un intero positivo. | INT |
checkpointModel | Modello di checkpoint con training preliminare per il training incrementale. | MLFlowModelJobInput |
checkpointRunId | ID di un'esecuzione precedente con un checkpoint con training preliminare per il training incrementale. | string |
distribuite | Indica se usare il training distribuito. | bool |
earlyStopping | Abilitare la logica di arresto anticipato durante il training. | bool |
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 intero positivo. |
INT |
earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie l'esecuzione viene arrestata. Deve essere un intero positivo. |
INT |
enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | bool |
evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. | INT |
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 sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo. |
INT |
layerToFreeze | Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa congelare il livello0 e il livello1. Per un elenco completo di modelli supportati e dettagli sul blocco del livello, consultare Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
INT |
learningRate | Frequenza iniziale di apprendimento. Deve essere un float nell'intervallo [0, 1]. | INT |
learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio". | "None" "Passaggio" "WarmupCosine" |
modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
momentum | Valore di slancio quando optimizer è "sgd". Deve essere un float nell'intervallo [0, 1]. | INT |
Nesterov | Abilitare nesterov quando optimizer è "sgd". | bool |
numberOfEpochs | Numero di epoche di training. Deve essere un intero positivo. | INT |
numberOfWorkers | Numero di ruoli di lavoro del caricatore dati. Deve essere un intero non negativo. | INT |
optimizer | Tipo di optimizer. | "Adam" "Adamw" "None" "Sgd" |
casualESeed | Inizializzazione casuale da usare quando si usa training deterministico. | INT |
stepLRGamma | Il valore di gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un float nell'intervallo [0, 1]. | INT |
stepLRStepSize | Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. | INT |
trainingBatchSize | Dimensioni batch di training. Deve essere un intero positivo. | INT |
trainingCropSize | Dimensioni ritaglio immagine input nella rete neurale per il set di dati di training. Deve essere un intero positivo. | INT |
validationBatchSize | Dimensioni batch di convalida. Deve essere un intero positivo. | INT |
validationCropSize | Dimensioni ritaglio immagine input nella rete neurale per il set di dati di convalida. Deve essere un intero positivo. | INT |
validationResizeSize | Dimensioni dell'immagine a cui ridimensionare prima di ritagliare il set di dati di convalida. Deve essere un intero positivo. | INT |
warmupCosineLRCycles | Valore del ciclo cosno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un float nell'intervallo [0, 1]. | INT |
warmupCosineLRWarmupEpochs | Valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo. | INT |
pesoDecay | Valore del decadimento del peso quando optimizer è "sgd", "adam" o "adamw". Deve essere un float nell'intervallo[0, 1]. | INT |
weightedLoss | Perdita ponderata. I valori accettati sono 0 per nessuna perdita ponderata. 1 per la perdita ponderata con sqrt. (class_weights). 2 per la perdita ponderata con class_weights. Deve essere 0 o 1 o 2. |
INT |
MLFlowModelJobInput
Nome | Descrizione | Valore |
---|---|---|
description | Descrizione per l'input. | string |
jobInputType | [Obbligatorio] Specifica il tipo di processo. | "custom_model" "literal" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (obbligatorio) |
mode | 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'. | string |
incrementi | Impostazioni per l'uso di Augmentations. | string |
beta1 | Valore di 'beta1' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | string |
beta2 | Valore di 'beta2' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | string |
distribuite | Indica se usare il training di distributer. | string |
earlyStopping | Abilitare la logica di arresto anticipato durante il training. | string |
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 intero positivo. |
string |
earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie l'esecuzione viene arrestata. Deve essere un intero positivo. |
string |
enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | string |
evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. | string |
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 le sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo. |
string |
layersToFreeze | Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa strato di congelamento0 e layer1. Per un elenco completo dei modelli supportati e dettagli sul blocco del livello, Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1]. | string |
learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere 'warmup_cosine' o 'step'. | string |
modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
momentum | Valore di momentum quando Optimizer è "sgd". Deve essere un valore float nell'intervallo [0, 1]. | string |
Nesterov | Abilitare nesterov quando optimizer è "sgd". | string |
numberOfEpochs | Numero di epoche di training. Deve essere un intero positivo. | string |
numberOfWorkers | Numero di ruoli di lavoro del caricatore dati. Deve essere un intero non negativo. | string |
optimizer | Tipo di optimizer. Deve essere "sgd", "adam" o "adamw". | string |
casualESeed | Inizializzazione casuale da usare quando si usa training deterministico. | string |
stepLRGamma | Il valore di gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un float nell'intervallo [0, 1]. | string |
stepLRStepSize | Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. | string |
trainingBatchSize | Dimensioni batch di training. Deve essere un intero positivo. | string |
trainingCropSize | Dimensioni ritaglio immagine input nella rete neurale per il set di dati di training. Deve essere un intero positivo. | string |
validationBatchSize | Dimensioni batch di convalida. Deve essere un intero positivo. | string |
validationCropSize | Dimensioni ritaglio immagine input nella rete neurale per il set di dati di convalida. Deve essere un intero positivo. | string |
validationResizeSize | Dimensioni dell'immagine a cui ridimensionare prima di ritagliare il set di dati di convalida. Deve essere un intero positivo. | string |
warmupCosineLRCycles | Valore del ciclo cosno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un float nell'intervallo [0, 1]. | string |
warmupCosineLRWarmupEpochs | Valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo. | string |
pesoDecay | Valore del decadimento del peso quando optimizer è "sgd", "adam" o "adamw". Deve essere un float nell'intervallo[0, 1]. | string |
weightedLoss | Perdita ponderata. I valori accettati sono 0 per nessuna perdita ponderata. 1 per la perdita ponderata con sqrt. (class_weights). 2 per la perdita ponderata con class_weights. Deve essere 0 o 1 o 2. |
string |
ImageSweepSettings
Nome | Descrizione | Valore |
---|---|---|
earlyTermination | Tipo di criterio 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 | Spazzamento del modello e iperparametri che spazzano le impostazioni correlate. | ImageSweepSettings |
validationData | Input di 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 il set di dati di convalida non viene fornito. |
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 utilizzate per il training del modello. | ImageModelSettingsObjectDetection |
primaryMetric | Metrica primaria da ottimizzare per questa attività. | "MeanAveragePrecision" |
searchSpace | Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Sweep dei modelli e impostazioni correlate all'iperparametro. | ImageSweepSettings |
validationData | Input di 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 il set di dati di convalida non viene fornito. |
INT |
ImageModelSettingsObjectDetection
Nome | Descrizione | Valore |
---|---|---|
advancedSettings | Impostazioni per scenari avanzati. | string |
amsGradient | Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'. | bool |
incrementi | Impostazioni per l'uso di Augmentations. | string |
beta1 | Valore di 'beta1' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | INT |
beta2 | Valore di 'beta2' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | INT |
boxDetectionsPerImage | Numero massimo di rilevamenti per immagine, per tutte le classi. Deve essere un intero positivo. Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'. |
INT |
boxScoreThreshold | Durante l'inferenza, restituisce solo proposte con un punteggio di classificazione maggiore di BoxScoreThreshold. Deve essere un valore float nell'intervallo[0, 1]. |
INT |
checkpointFrequency | Frequenza di archiviazione dei checkpoint del modello. Deve essere un intero positivo. | INT |
checkpointModel | Modello di checkpoint con training preliminare per il training incrementale. | MLFlowModelJobInput |
checkpointRunId | ID di un'esecuzione precedente con un checkpoint con training preliminare per il training incrementale. | string |
distribuite | Indica se usare il training distribuito. | bool |
earlyStopping | Abilitare la logica di arresto anticipato durante il training. | bool |
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 intero positivo. |
INT |
earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie l'esecuzione viene arrestata. Deve essere un intero positivo. |
INT |
enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | bool |
evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. | INT |
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 le sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo. |
INT |
Imagesize | Dimensioni dell'immagine per il training e la convalida. Deve essere un 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'. |
INT |
layersToFreeze | Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa strato di congelamento0 e layer1. Per un elenco completo dei modelli supportati e dettagli sul blocco del livello, Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
INT |
learningRate | Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1]. | INT |
learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere 'warmup_cosine' o 'step'. | "None" "Passaggio" "WarmupCosine" |
Maxsize | Dimensioni massime dell'immagine da ridimensionare prima di alimentarla alla spina dorsale. Deve essere un 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'. |
INT |
minSize | Dimensioni minime dell'immagine da ridimensionare prima di alimentarla alla spina dorsale. Deve essere un 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'. |
INT |
modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Dimensioni del modello. Deve essere "small", "medium", "large" o "xlarge". Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni del modello sono troppo grandi. Nota: queste impostazioni sono supportate solo per l'algoritmo 'yolov5'. |
"ExtraLarge" "Grande" "Medio" "None" "Piccolo" |
momentum | Valore di momentum quando Optimizer è "sgd". Deve essere un valore float nell'intervallo [0, 1]. | INT |
multiscale | Abilitare l'immagine su più scalabilità variando le dimensioni dell'immagine di +/- 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'. |
bool |
Nesterov | Abilitare nesterov quando optimizer è "sgd". | bool |
nmsIouThreshold | Soglia IOU usata durante l'inferenza nella post-elaborazione di NMS. Deve essere un valore float nell'intervallo [0, 1]. | INT |
numberOfEpochs | Numero di periodi di training. Deve essere un intero positivo. | INT |
numberOfWorkers | Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo. | INT |
optimizer | Tipo di ottimizzatore. | "Adam" "Adamw" "None" "Sgd" |
randomSeed | Valore di inizializzazione casuale da usare quando si usa il training deterministico. | INT |
stepLRGamma | Valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un valore float nell'intervallo [0, 1]. | INT |
stepLRStepSize | Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. | INT |
tileGridSize | Dimensioni della griglia da usare per l'associazione di ogni immagine. Nota: TileGridSize non deve essere Nessuno per abilitare la logica di rilevamento di oggetti di piccole dimensioni. Stringa contenente due numeri interi in formato mxn. Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'. |
string |
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'. |
INT |
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'. |
INT |
trainingBatchSize | Dimensioni del batch di training. Deve essere un intero positivo. | INT |
validationBatchSize | Dimensioni del batch di convalida. Deve essere un intero positivo. | INT |
validationIouThreshold | Soglia IOU da usare per il calcolo della metrica di convalida. Deve essere float nell'intervallo [0, 1]. | INT |
validationMetricType | Metodo di calcolo delle metriche da usare per le metriche di convalida. | "Coco" "CocoVoc" "None" "Voc" |
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]. | INT |
warmupCosineLRWarmupEpochs | Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo. | INT |
weightDecay | Valore del decadimento del peso quando Optimizer è 'sgd', 'adam', o 'adamw'. Deve essere un valore float nell'intervallo[0, 1]. | INT |
ImageModelDistributionSettingsObjectDetection
Nome | Descrizione | Valore |
---|---|---|
amsGradient | Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'. | string |
incrementi | Impostazioni per l'uso di Augmentations. | string |
beta1 | Valore di 'beta1' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | string |
beta2 | Valore di 'beta2' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. | string |
boxDetectionsPerImage | Numero massimo di rilevamenti per immagine, per tutte le classi. Deve essere un intero positivo. Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'. |
string |
boxScoreThreshold | Durante l'inferenza, restituisce solo proposte con un punteggio di classificazione maggiore di BoxScoreThreshold. Deve essere un valore float nell'intervallo[0, 1]. |
string |
distribuite | Indica se usare il training di distributer. | string |
earlyStopping | Abilitare la logica di arresto anticipato durante il training. | string |
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 intero positivo. |
string |
earlyStoppingPatience | Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie l'esecuzione viene arrestata. Deve essere un intero positivo. |
string |
enableOnnxNormalization | Abilitare la normalizzazione durante l'esportazione del modello ONNX. | string |
evaluationFrequency | Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. | string |
gradientAccumulationStep | L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornamento dei pesi del modello durante l'accumulazione delle sfumature di tali passaggi e quindi l'uso sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo. |
string |
Imagesize | Dimensioni dell'immagine per il training e la convalida. Deve essere un intero positivo. Nota: l'esecuzione del training può entrare in OOM CUDA se le dimensioni sono troppo grandi. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5". |
string |
layerToFreeze | Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, passando 2 come valore per "seresnext" significa congelare il livello0 e il livello1. Per un elenco completo di modelli supportati e dettagli sul blocco del livello, consultare Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Frequenza iniziale di apprendimento. Deve essere un float nell'intervallo [0, 1]. | string |
learningRateScheduler | Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio". | string |
Maxsize | Dimensioni massime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un intero positivo. Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
string |
minSize | Dimensioni minime dell'immagine da ridimensionare prima di alimentarla al backbone. Deve essere un intero positivo. Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni sono troppo grandi. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
string |
modelName | Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Dimensioni del modello. Deve essere "small", "medium", "large" o "xlarge". Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni del modello sono troppo grandi. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5". |
string |
momentum | Valore di slancio quando optimizer è "sgd". Deve essere un float nell'intervallo [0, 1]. | string |
multiscale | Abilitare l'immagine su più scalabilità variando di dimensioni dell'immagine per +/- 50%. Nota: l'esecuzione del training può entrare in CUDA OOM se non è sufficiente memoria GPU. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5". |
string |
Nesterov | Abilitare nesterov quando optimizer è "sgd". | string |
nmsIouThreshold | Soglia IOU usata durante l'inferenza nel post-elaborazione di NMS. Deve essere float nell'intervallo [0, 1]. | string |
numberOfEpochs | Numero di epoche di training. Deve essere un intero positivo. | string |
numberOfWorkers | Numero di ruoli di lavoro del caricatore dati. Deve essere un intero non negativo. | string |
optimizer | Tipo di optimizer. Deve essere "sgd", "adam" o "adamw". | string |
casualESeed | Inizializzazione casuale da usare quando si usa training deterministico. | string |
stepLRGamma | Il valore di gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un float nell'intervallo [0, 1]. | string |
stepLRStepSize | Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. | string |
tileGridSize | Dimensioni della griglia da usare per l'associazione di ogni immagine. Nota: TileGridSize non deve essere Nessuno per abilitare la logica di rilevamento di oggetti di piccole dimensioni. Stringa contenente due interi in formato mxn. Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5". |
string |
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". |
string |
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 |
string |
trainingBatchSize | Dimensioni del batch di training. Deve essere un intero positivo. | string |
validationBatchSize | Dimensioni del batch di convalida. Deve essere un intero positivo. | string |
validationIouThreshold | Soglia IOU da usare per il calcolo della metrica di convalida. Deve essere float nell'intervallo [0, 1]. | string |
validationMetricType | Metodo di calcolo delle metriche da usare per le metriche di convalida. Deve essere 'none', 'coco', 'voc' o 'coco_voc'. | string |
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]. | string |
warmupCosineLRWarmupEpochs | Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo. | string |
weightDecay | Valore del decadimento del peso quando Optimizer è 'sgd', 'adam', o 'adamw'. Deve essere un valore float nell'intervallo[0, 1]. | string |
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 utilizzate per il training del modello. | ImageModelSettingsObjectDetection |
primaryMetric | Metrica primaria da ottimizzare per questa attività. | "MeanAveragePrecision" |
searchSpace | Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Sweep dei modelli e impostazioni correlate all'iperparametro. | ImageSweepSettings |
validationData | Input di 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 il set di dati di convalida non viene fornito. |
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 training/modello 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 lo spazio per il campionamento di diverse combinazioni di modelli e i 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 che deve essere messo a parte per scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
INT |
trainingSettings | Input per la fase di training per un processo AutoML. | RegressionTrainingSettings |
validationData | Input dati di convalida. | MLTableJobInput |
validationDataSize | Frazione del set di dati di training che deve essere impostato a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
INT |
weightColumnName | Nome della colonna di peso di esempio. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso o la riduzione delle righe nei dati. | string |
RegressionTrainingSettings
Nome | Descrizione | Valore |
---|---|---|
allowedTrainingAlgorithms | Modelli consentiti per l'attività di regressione. | Matrice di stringhe contenente uno qualsiasi di: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor" |
blockedTrainingAlgorithms | Modelli bloccati per l'attività di regressione. | Matrice di stringhe contenente uno qualsiasi di: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor" |
enableDnnTraining | Abilitare la raccomandazione dei modelli DNN. | bool |
enableModelExplainability | Contrassegno per attivare la spiegazione sul modello migliore. | bool |
enableOnnxCompatibleModels | Contrassegno per l'abilitazione dei modelli compatibili con onnx. | bool |
enableStackEnsemble | Abilitare l'esecuzione dell'insieme di 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. Se è necessario più tempo, configurare questo parametro con un valore superiore a 300 secondi. |
string |
stackEnsembleSettings | Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack. | StackEnsembleSettings |
trainingMode | Modalità TrainingMode: l'impostazione su "auto" è uguale a quella impostata 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 utilizzata solo la funzionalità distribuita e vengono scelti algoritmi distribuiti. Se 'NonDistributed' vengono scelti solo algoritmi non distribuiti. |
"Auto" "Distribuito" "NonDistributed" |
TextClassification
Nome | Descrizione | Valore |
---|---|---|
taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | "TextClassification" (obbligatorio) |
featurizationSettings | Input di funzionalità necessari per il processo AutoML. | NlpVerticalFeaturizationSettings |
fixedParameters | Parametri di training/modello che rimarranno costanti durante il training. | NlpFixedParameters |
limitSettings | Vincoli di esecuzione per AutoMLJob. | NlpVerticalLimitSettings |
primaryMetric | Metrica primaria per l'attività Text-Classification. | "AUCWeighted" "Accuratezza" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. | NlpParameterSubspace[] |
sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | NlpSweepSettings |
validationData | Input di dati di convalida. | MLTableJobInput |
NlpVerticalFeaturizationSettings
Nome | Descrizione | Valore |
---|---|---|
datasetLanguage | Lingua del set di dati, utile per i dati di testo. | string |
NlpFixedParameters
Nome | Descrizione | Valore |
---|---|---|
gradientAccumulationSteps | Numero di passaggi per accumulare sfumature 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" "None" "Polinomiale" |
modelName | Nome del modello di cui eseguire il training. | string |
numberOfEpochs | Numero di periodi di training. | INT |
trainingBatchSize | Dimensioni del batch per la procedura di training. | INT |
validationBatchSize | Dimensioni del batch da usare durante la valutazione. | INT |
warmupRatio | Rapporto di riscaldamento, usato 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. | string |
trialTimeout | Timeout per singole prove HD. | string |
NlpParameterSubspace
Nome | Descrizione | Valore |
---|---|---|
gradientAccumulationSteps | Numero di passaggi per accumulare sfumature prima di eseguire un passaggio indietro. | string |
learningRate | Frequenza di apprendimento per la procedura di training. | string |
learningRateScheduler | Tipo di pianificazione della frequenza di apprendimento da utilizzare durante la procedura di training. | string |
modelName | Nome del modello di cui eseguire il training. | string |
numberOfEpochs | Numero di periodi di training. | string |
trainingBatchSize | Dimensioni del batch per la procedura di training. | string |
validationBatchSize | Dimensioni del batch da usare durante la valutazione. | string |
warmupRatio | Rapporto di riscaldamento, usato insieme a LrSchedulerType. | string |
weightDecay | Decadimento del peso per la procedura di training. | string |
NlpSweepSettings
Nome | Descrizione | Valore |
---|---|---|
earlyTermination | Tipo di criteri di terminazione anticipata per il processo di sweep. | EarlyTerminationPolicy |
samplingAlgorithm | [Obbligatorio] Tipo di algoritmo di campionamento. | "Bayesian" "Grid" "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 training/modello che rimarranno costanti durante il training. | NlpFixedParameters |
limitSettings | Vincoli di esecuzione per AutoMLJob. | NlpVerticalLimitSettings |
searchSpace | Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. | NlpParameterSubspace[] |
sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | NlpSweepSettings |
validationData | Input di 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 training/modello che rimarranno costanti durante il training. | NlpFixedParameters |
limitSettings | Vincoli di esecuzione per AutoMLJob. | NlpVerticalLimitSettings |
searchSpace | Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. | NlpParameterSubspace[] |
sweepSettings | Impostazioni per l'ottimizzazione dello sweep del modello e degli iperparametri. | NlpSweepSettings |
validationData | Input di dati di convalida. | MLTableJobInput |
CommandJob
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. | string |
. | [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 |
input | Mapping di data binding di input usati nel processo. | CommandJobInputs |
limiti | Limite del processo di comando. | CommandJobLimits |
outputs | Mapping di data binding di output usati nel processo. | CommandJobOutputs |
queueSettings | Impostazioni della coda per il processo | QueueSettings |
resources | Configurazione delle risorse di calcolo per il processo. | JobResourceConfiguration |
AutologgerSettings
Nome | Descrizione | Valore |
---|---|---|
mlflowAutologger | [Obbligatorio] Indica se l'autologger mlflow 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, il valore predefinito verrà impostato sul conteggio delle istanze. | INT |
CommandJobEnvironmentVariables
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
CommandJobInputs
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | JobInput |
JobInput
Nome | Descrizione | Valore |
---|---|---|
description | Descrizione dell'input. | string |
jobInputType | Impostare il tipo di oggetto | custom_model literal mlflow_model mltable triton_model uri_file uri_folder (obbligatorio) |
CustomModelJobInput
Nome | Descrizione | Valore |
---|---|---|
jobInputType | [Obbligatorio] Specifica il tipo di processo. | "custom_model" (obbligatorio) |
mode | 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) |
mode | 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) |
mode | 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) |
mode | 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 ridotta a secondi. | string |
CommandJobOutputs
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | JobOutput |
LabelingJobProperties
Nome | Descrizione | Valore |
---|---|---|
Componentid | ID risorsa ARM della risorsa componente. | string |
computeId | ID risorsa ARM della risorsa di calcolo. | string |
dataConfiguration | Configurazione dei dati usati nel processo. | LabelingDataConfiguration |
description | Testo della descrizione dell'asset. | string |
displayName | Nome visualizzato del processo. | string |
experimentName | Nome dell'esperimento a cui appartiene il processo. In caso contrario, il processo viene inserito nell'esperimento "Predefinito". | string |
identity | Configurazione dell'identità. Se impostato, deve essere uno dei valori AmlToken, ManagedIdentity, UserIdentity o Null. Il valore predefinito è AmlToken se null. |
IdentityConfiguration |
isArchived | L'asset è archiviato? | bool |
jobInstructions | Istruzioni di etichettatura del processo. | Assegnazione di etichetteJobInstructions |
jobType | [Obbligatorio] Specifica il tipo di processo. | "AutoML" "Comando" "Etichettatura" "Pipeline" "Spark" "Sweep" (obbligatorio) |
labelCategories | Categorie di etichette del processo. | LabelingJobLabelCategories |
labelingJobMediaProperties | Proprietà specifiche del tipo di supporto nel processo. | LabelingJobMediaProperties |
mlAssistConfiguration | Configurazione della funzionalità MLAssist nel processo. | MLAssistConfiguration |
notificationSetting | Impostazione di notifica per il processo | NotificationSetting |
properties | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
services | Elenco di JobEndpoints. Per i processi locali, un endpoint del processo avrà un valore di endpoint FileStreamObject. |
JobBaseServices |
tags | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | object |
LabelingDataConfiguration
Nome | Descrizione | Valore |
---|---|---|
dataId | ID risorsa dell'asset di dati per eseguire l'etichettatura. | string |
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. | string |
LabelingJobLabelCategories
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | LabelCategory | |
{proprietà personalizzata} | LabelCategory |
LabelCategory
Nome | Descrizione | Valore |
---|---|---|
classi | Dizionario delle classi di etichette in questa categoria. | LabelCategoryClasses |
displayName | Nome visualizzato della categoria di etichette. | string |
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. | string |
Sottoclassi | Dizionario delle 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. | "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. | "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 per il training. | stringa (obbligatorio) Vincoli: Pattern = [a-zA-Z0-9_] |
PipelineJob
Nome | Descrizione | Valore |
---|---|---|
jobType | [Obbligatorio] Specifica il tipo di processo. | "Pipeline" (obbligatorio) |
input | Input per il processo della pipeline. | PipelineJobInputs |
jobs | I processi costruiscono il processo della pipeline. | PipelineJobJobs |
outputs | 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. | string |
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) |
archives | Archiviare i file usati nel processo. | string[] |
args | Argomenti per il processo. | string |
codeId | [Obbligatorio] ID risorsa ARM dell'asset di codice. | stringa (obbligatoria) Vincoli: Pattern = [a-zA-Z0-9_] |
conf | Proprietà configurate da Spark. | SparkJobConf |
entry | [Obbligatorio] Voce da eseguire all'avvio del processo. | SparkJobEntry (obbligatorio) |
environmentId | ID risorsa ARM della specifica Ambiente per il processo. | string |
files | File usati nel processo. | string[] |
input | Mapping di data binding di input usati nel processo. | SparkJobInputs |
jars | File jar usati nel processo. | string[] |
outputs | Mapping di data binding di output usati nel processo. | SparkJobOutputs |
pyFiles | File Python usati nel processo. | string[] |
queueSettings | Impostazioni della coda per il processo | QueueSettings |
resources | Configurazione delle risorse di calcolo per il processo. | SparkResourceConfiguration |
SparkJobConf
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
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. | string |
runtimeVersion | Versione del runtime spark usata per il processo. | string |
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 |
input | Mapping dei data binding di input usati nel processo. | SweepJobInputs |
limiti | Limite di processi sweep. | SweepJobLimits |
obiettivo | [Obbligatorio] Obiettivo di ottimizzazione. | Obiettivo (obbligatorio) |
outputs | Mapping dei data binding di output usati nel processo. | SweepJobOutputs |
queueSettings | Impostazioni della coda per il processo | QueueSettings |
samplingAlgorithm | [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 | |
versione di valutazione | [Obbligatorio] Definizione del componente di valutazione. | TrialComponent (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 ridotta a secondi. | string |
trialTimeout | Valore di timeout della versione di valutazione processo sweep. | string |
Obiettivo
Nome | Descrizione | Valore |
---|---|---|
goal | [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 |
SamplingAlgorithm
Nome | Descrizione | Valore |
---|---|---|
samplingAlgorithmType | Impostare il tipo di oggetto | Bayesiano Pannello Grid Casuale (obbligatorio) |
BayesianSamplingAlgorithm
Nome | Descrizione | Valore |
---|---|---|
samplingAlgorithmType | [Obbligatorio] Algoritmo usato per generare valori di iperparametri, insieme alle proprietà di configurazione | "Bayesian" (obbligatorio) |
GridSamplingAlgorithm
Nome | Descrizione | Valore |
---|---|---|
samplingAlgorithmType | [Obbligatorio] Algoritmo usato per generare valori di iperparametri, insieme alle proprietà di configurazione | "Grid" (obbligatorio) |
RandomSamplingAlgorithm
Nome | Descrizione | Valore |
---|---|---|
samplingAlgorithmType | [Obbligatorio] Algoritmo usato per generare valori di 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 | string |
regola | Tipo specifico di algoritmo casuale | "Casuale" "Sobol" |
seed | 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. | string |
. | [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 |
resources | Configurazione delle risorse di calcolo per il processo. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
Nome | Descrizione | Valore |
---|---|---|
{proprietà personalizzata} | string |
EndpointScheduleAction
Nome | Descrizione | Valore |
---|---|---|
actionType | [Obbligatorio] Specifica il tipo di azione della pianificazione | "InvokeBatchEndpoint" (obbligatorio) |
endpointInvocationDefinition | [Obbligatorio] Definisce i dettagli della definizione dell'azione 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 a https://en.wikipedia.org/wiki/ISO_8601. Il formato commentato sarà "2022-06-01T00:00:01" Se non è presente, la pianificazione verrà eseguita per un periodo illimitato |
string |
startTime | Specifica l'ora di inizio della pianificazione in formato ISO 8601, ma senza offset UTC. | string |
timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Fare riferimento a: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones /> |
string |
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 a https://en.wikipedia.org/wiki/ISO_8601. Il formato commentato sarà "2022-06-01T00:00:01" Se non è presente, la pianificazione verrà eseguita per un periodo illimitato |
string |
expression | [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. | string |
timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Vedere: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones |
string |
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 a https://en.wikipedia.org/wiki/ISO_8601. Il formato commentato sarà "2022-06-01T00:00:01" Se non è presente, la pianificazione verrà eseguita per un periodo illimitato |
string |
frequency | [Obbligatorio] Frequenza di attivazione della pianificazione. | "Giorno" "Ora" "Minuto" "Month" "Settimana" (obbligatorio) |
interval | [Obbligatorio] Specifica l'intervallo di pianificazione in combinazione con la frequenza | int (obbligatorio) |
schedule | Pianificazione della ricorrenza. | RecurrenceSchedule |
startTime | Specifica l'ora di inizio della pianificazione in formato ISO 8601, ma senza offset UTC. | string |
timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Vedere: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones |
string |
triggerType | [Obbligatorio] | "Cron" "Ricorrenza" (obbligatorio) |
RecurrenceSchedule
Nome | Descrizione | Valore |
---|---|---|
ore | [Obbligatorio] Elenco di ore per la pianificazione. | int[] (obbligatorio) |
minutes | [Obbligatorio] Elenco di minuti per la pianificazione. | int[] (obbligatorio) |
monthDays | Elenco dei giorni del mese per la pianificazione | int[] |
weekDays | Elenco di giorni per la pianificazione. | Matrice di stringhe contenente uno dei seguenti elementi: "Friday" "Lunedì" "Sabato" "Sunday" "Thursday" "Tuesday" "Wednesday" |
Commenti e suggerimenti
https://aka.ms/ContentUserFeedback.
Presto disponibile: Nel corso del 2024 verranno gradualmente disattivati i problemi di GitHub come meccanismo di feedback per il contenuto e ciò verrà sostituito con un nuovo sistema di feedback. Per altre informazioni, vedereInvia e visualizza il feedback per