Aree di lavoro Microsoft.MachineLearningServices/pianificazioni 2023-02-01-preview

• Più recente
• 2023-10-01
• 2023-08-01-preview
• 2023-06-01-preview
• 2023-04-01
• Anteprima 2023-04-01
• Anteprima 2023-02-01
• Anteprima 2022-12-01
• 2022-10-01
• Anteprima 2022-10-01
• Anteprima 2022-06-01

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 sarà tre 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 sarà tre 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 sarà tre 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"