Aree di lavoro Microsoft.MachineLearningServices/pianificazioni 2023-06-01-preview
Definizione di risorsa Bicep
Il tipo di risorsa aree di lavoro/pianificazioni può essere distribuito con operazioni destinate a:
- Gruppi di risorse - Vedere i comandi di distribuzione dei gruppi di risorse
Per un elenco delle proprietà modificate in ogni versione dell'API, vedere Log delle modifiche.
Formato di risorsa
Per creare una risorsa Microsoft.MachineLearningServices/workspaces/schedules, aggiungere il bicep seguente al modello.
resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2023-06-01-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'
{customized property}: 'string'
}
tags: {
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
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'
]
webhooks: {
{customized property}: {
eventType: 'string'
webhookType: 'string'
// For remaining properties, see Webhook objects
}
}
}
properties: {
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
secretsConfiguration: {
{customized property}: {
uri: 'string'
workspaceSecretName: 'string'
}
{customized property}: {
uri: 'string'
workspaceSecretName: 'string'
}
}
services: {
{customized property}: {
endpoint: 'string'
jobServiceType: 'string'
nodes: {
nodesValueType: 'string'
// For remaining properties, see Nodes objects
}
port: int
properties: {
{customized property}: 'string'
}
}
{customized property}: {
endpoint: 'string'
jobServiceType: 'string'
nodes: {
nodesValueType: 'string'
// For remaining properties, see Nodes objects
}
port: int
properties: {
{customized property}: 'string'
}
}
}
tags: {
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
jobType: 'string'
// For remaining properties, see JobBaseProperties objects
}
Per CreateMonitor, usare:
actionType: 'CreateMonitor'
monitorDefinition: {
alertNotificationSetting: {
alertNotificationType: 'string'
// For remaining properties, see MonitoringAlertNotificationSettingsBase objects
}
computeConfiguration: {
computeType: 'string'
// For remaining properties, see MonitorComputeConfigurationBase objects
}
monitoringTarget: {
deploymentId: 'string'
modelId: 'string'
taskType: 'string'
}
signals: {
{customized property}: {
mode: 'string'
properties: {
{customized property}: 'string'
}
signalType: 'string'
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Per ImportData, usare:
actionType: 'ImportData'
dataImportDefinition: {
assetName: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
dataType: 'string'
dataUri: 'string'
description: 'string'
intellectualProperty: {
protectionLevel: 'string'
publisher: 'string'
}
isAnonymous: bool
isArchived: 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'
{customized property}: 'string'
}
source: {
connection: 'string'
sourceType: 'string'
// For remaining properties, see DataImportSource objects
}
stage: 'string'
tags: {
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
}
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'
]
maxInstanceCount: int
properties: {
{customized property}: any()
{customized property}: any()
}
shmSize: 'string'
}
taskDetails: {
logVerbosity: 'string'
targetColumnName: 'string'
trainingData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
taskType: 'string'
// For remaining properties, see AutoMLVertical objects
}
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'
]
maxInstanceCount: int
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'
]
maxInstanceCount: int
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 webhook
Impostare la proprietà webhookType per specificare il tipo di oggetto.
Per AzureDevOps usare:
webhookType: 'AzureDevOps'
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'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
Per mlflow_model, usare:
jobOutputType: 'mlflow_model'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
Per mltable, usare:
jobOutputType: 'mltable'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
Per triton_model, usare:
jobOutputType: 'triton_model'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
Per uri_file, usare:
jobOutputType: 'uri_file'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
Per uri_folder, usare:
jobOutputType: 'uri_folder'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: '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'
featuresUnknownAtForecastTime: [
'string'
]
forecastHorizon: {
mode: 'string'
// For remaining properties, see ForecastHorizon objects
}
frequency: 'string'
seasonality: {
mode: 'string'
// For remaining properties, see Seasonality objects
}
shortSeriesHandlingConfig: 'string'
targetAggregateFunction: 'string'
targetLags: {
mode: 'string'
// For remaining properties, see TargetLags objects
}
targetRollingWindowSize: {
mode: 'string'
// For remaining properties, see TargetRollingWindowSize objects
}
timeColumnName: 'string'
timeSeriesIdColumnNames: [
'string'
]
useStl: 'string'
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxNodes: int
maxTrials: int
sweepConcurrentTrials: int
sweepTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
primaryMetric: 'string'
searchSpace: [
{
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: 'string'
maxBin: 'string'
maxDepth: 'string'
maxLeaves: 'string'
minDataInLeaf: 'string'
minSplitGain: 'string'
modelName: 'string'
nEstimators: 'string'
numLeaves: 'string'
preprocessorName: 'string'
regAlpha: 'string'
regLambda: 'string'
subsample: 'string'
subsampleFreq: 'string'
treeMethod: 'string'
withMean: 'string'
withStd: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
testData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
trainingSettings: {
allowedTrainingAlgorithms: [
'string'
]
blockedTrainingAlgorithms: [
'string'
]
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
trainingMode: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
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'
logTrainingMetrics: 'string'
logValidationLoss: 'string'
maxSize: int
minSize: int
modelName: 'string'
modelSize: 'string'
momentum: int
multiScale: bool
nesterov: bool
nmsIouThreshold: int
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
tileGridSize: 'string'
tileOverlapRatio: int
tilePredictionsNmsThreshold: int
trainingBatchSize: int
validationBatchSize: int
validationIouThreshold: int
validationMetricType: 'string'
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
}
primaryMetric: 'MeanAveragePrecision'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
boxDetectionsPerImage: 'string'
boxScoreThreshold: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
imageSize: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
maxSize: 'string'
minSize: 'string'
modelName: 'string'
modelSize: 'string'
momentum: 'string'
multiScale: 'string'
nesterov: 'string'
nmsIouThreshold: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
tileGridSize: 'string'
tileOverlapRatio: 'string'
tilePredictionsNmsThreshold: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
validationIouThreshold: 'string'
validationMetricType: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
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'
logTrainingMetrics: 'string'
logValidationLoss: 'string'
maxSize: int
minSize: int
modelName: 'string'
modelSize: 'string'
momentum: int
multiScale: bool
nesterov: bool
nmsIouThreshold: int
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
tileGridSize: 'string'
tileOverlapRatio: int
tilePredictionsNmsThreshold: int
trainingBatchSize: int
validationBatchSize: int
validationIouThreshold: int
validationMetricType: 'string'
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
}
primaryMetric: 'MeanAveragePrecision'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
boxDetectionsPerImage: 'string'
boxScoreThreshold: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
imageSize: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
maxSize: 'string'
minSize: 'string'
modelName: 'string'
modelSize: 'string'
momentum: 'string'
multiScale: 'string'
nesterov: 'string'
nmsIouThreshold: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
tileGridSize: 'string'
tileOverlapRatio: 'string'
tilePredictionsNmsThreshold: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
validationIouThreshold: 'string'
validationMetricType: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
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 Ray, usare:
distributionType: 'Ray'
address: 'string'
dashboardPort: int
headNodeAdditionalArgs: 'string'
includeDashboard: bool
port: int
workerNodeAdditionalArgs: 'string'
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 MonitoringAlertNotificationSettingsBase
Impostare la proprietà alertNotificationType per specificare il tipo di oggetto.
Per AzureMonitor, usare:
alertNotificationType: 'AzureMonitor'
Per Email, usare:
alertNotificationType: 'Email'
emailNotificationSetting: {
emailOn: [
'string'
]
emails: [
'string'
]
webhooks: {
{customized property}: {
eventType: 'string'
webhookType: 'string'
// For remaining properties, see Webhook objects
}
}
}
Oggetti MonitorComputeConfigurationBase
Impostare la proprietà computeType per specificare il tipo di oggetto.
Per ServerlessSpark, usare:
computeType: 'ServerlessSpark'
computeIdentity: {
computeIdentityType: 'string'
// For remaining properties, see MonitorComputeIdentityBase objects
}
instanceType: 'string'
runtimeVersion: 'string'
Oggetti MonitorComputeIdentityBase
Impostare la proprietà computeIdentityType per specificare il tipo di oggetto.
Per AmlToken, usare:
computeIdentityType: 'AmlToken'
Per ManagedIdentity, usare:
computeIdentityType: 'ManagedIdentity'
identity: {
type: 'string'
userAssignedIdentities: {
{customized property}: {}
}
}
Oggetti MonitoringSignalBase
Impostare la proprietà signalType per specificare il tipo di oggetto.
Per Personalizzato, usare:
signalType: 'Custom'
componentId: 'string'
inputAssets: {
{customized property}: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
metricThresholds: [
{
metric: 'string'
threshold: {
value: int
}
}
]
workspaceConnection: {
environmentVariables: {
{customized property}: 'string'
}
secrets: {
{customized property}: 'string'
}
}
Per DataDrift, usare:
signalType: 'DataDrift'
dataSegment: {
feature: 'string'
values: [
'string'
]
}
featureDataTypeOverride: {
{customized property}: 'string'
}
features: {
filterType: 'string'
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see DataDriftMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Per DataQuality, usare:
signalType: 'DataQuality'
featureDataTypeOverride: {
{customized property}: 'string'
}
features: {
filterType: 'string'
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see DataQualityMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Per FeatureAttributionDrift, usare:
signalType: 'FeatureAttributionDrift'
metricThreshold: {
metric: 'NormalizedDiscountedCumulativeGain'
threshold: {
value: int
}
}
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Per GenerationSafetyQuality, usare:
signalType: 'GenerationSafetyQuality'
metricThresholds: [
{
metric: 'string'
threshold: {
value: int
}
}
]
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
samplingRate: int
workspaceConnectionId: 'string'
Per GenerationTokenStatistics, usare:
signalType: 'GenerationTokenStatistics'
metricThresholds: [
{
metric: 'string'
threshold: {
value: int
}
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
samplingRate: int
Per ModelPerformance, usare:
signalType: 'ModelPerformance'
dataSegment: {
feature: 'string'
values: [
'string'
]
}
metricThreshold: {
threshold: {
value: int
}
modelType: 'string'
// For remaining properties, see ModelPerformanceMetricThresholdBase objects
}
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Per PredictionDrift, usare:
signalType: 'PredictionDrift'
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
]
modelType: 'string'
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Oggetti MonitoringInputDataBase
Impostare la proprietà inputDataType per specificare il tipo di oggetto.
Per Correzione, usare:
inputDataType: 'Fixed'
Per Statico, usare:
inputDataType: 'Static'
preprocessingComponentId: 'string'
windowEnd: 'string'
windowStart: 'string'
Per Finale, usare:
inputDataType: 'Trailing'
preprocessingComponentId: 'string'
windowOffset: 'string'
windowSize: 'string'
Oggetti MonitoringFeatureFilterBase
Impostare la proprietà filterType per specificare il tipo di oggetto.
Per AllFeatures, usare:
filterType: 'AllFeatures'
Per FeatureSubset, usare:
filterType: 'FeatureSubset'
features: [
'string'
]
Per TopNByAttribution, usare:
filterType: 'TopNByAttribution'
top: int
Oggetti DataDriftMetricThresholdBase
Impostare la proprietà dataType per specificare il tipo di oggetto.
Per Categorical, usare:
dataType: 'Categorical'
metric: 'string'
Per Numerico, usare:
dataType: 'Numerical'
metric: 'string'
Oggetti DataQualityMetricThresholdBase
Impostare la proprietà dataType per specificare il tipo di oggetto.
Per Categorical, usare:
dataType: 'Categorical'
metric: 'string'
Per Numerico, usare:
dataType: 'Numerical'
metric: 'string'
Oggetti ModelPerformanceMetricThresholdBase
Impostare la proprietà modelType per specificare il tipo di oggetto.
Per classificazione, usare:
modelType: 'Classification'
metric: 'string'
Per Regressione, usare:
modelType: 'Regression'
metric: 'string'
Oggetti PredictionDriftMetricThresholdBase
Impostare la proprietà dataType per specificare il tipo di oggetto.
Per Categorical, usare:
dataType: 'Categorical'
metric: 'string'
Per Numerico, usare:
dataType: 'Numerical'
metric: 'string'
Oggetti DataImportSource
Impostare la proprietà sourceType per specificare il tipo di oggetto.
Per il database, usare:
sourceType: 'database'
query: 'string'
storedProcedure: 'string'
storedProcedureParams: [
{
{customized property}: 'string'
}
]
tableName: 'string'
Per file_system, usare:
sourceType: 'file_system'
path: 'string'
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 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 CreateMonitor ImportData 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 |
| secretsConfiguration | Configurazione per rendere disponibili i segreti durante il runtime. | JobBaseSecretsConfiguration |
| 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. | 'Managed' (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[] |
| Webhook | Inviare il callback webhook a un servizio. La chiave è un nome specificato dall'utente per il webhook. | NotificationSettingWebhooks |
NotificationSettingWebhooks
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | Webhook |
webhook
| Nome | Descrizione | Valore |
|---|---|---|
| eventType | Inviare il callback in un evento di notifica specificato | string |
| webhookType | Impostare il tipo di oggetto | AzureDevOps (obbligatorio) |
AzureDevOpsWebhook
| Nome | Descrizione | Valore |
|---|---|---|
| webhookType | [Obbligatorio] Specifica il tipo di servizio da inviare un callback | 'AzureDevOps' (obbligatorio) |
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 | |
| {proprietà personalizzata} | string |
JobBaseSecretsConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | SecretConfiguration | |
| {proprietà personalizzata} | SecretConfiguration |
SecretConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| Uri | Uri segreto. Uri di esempio: https://myvault.vault.azure.net/secrets/mysecretname/secretversion |
string |
| workspaceSecretName | Nome del segreto nell'insieme di credenziali delle chiavi dell'area di lavoro. | 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, 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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset di dati di output. | AutoDeleteSetting |
| mode | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Upload' |
| Uri | URI asset di output. | string |
AutoDeleteSetting
| Nome | Descrizione | Valore |
|---|---|---|
| condizione | Quando verificare se un asset è scaduto | 'CreatedGreaterThan' 'LastAccessedGreaterThan' |
| Valore | Valore della condizione di scadenza. | 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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset di dati di output. | AutoDeleteSetting |
| 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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset dati di output. | AutoDeleteSetting |
| 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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset dati di output. | AutoDeleteSetting |
| 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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset dati di output. | AutoDeleteSetting |
| 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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset dati di output. | AutoDeleteSetting |
| mode | Modalità di recapito dell'asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
| Uri | URI asset di output. | string |
QueueSettings
| Nome | Descrizione | Valore |
|---|---|---|
| jobTier | Controlla il livello di processo di calcolo | 'Basic' 'Null' '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[] |
| maxInstanceCount | Numero massimo facoltativo consentito di istanze o nodi da usare dalla destinazione di calcolo. Per l'uso con il training elastico, attualmente supportato solo dal tipo di distribuzione PyTorch. |
INT |
| 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} | 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' '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 (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
Classificazione
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'Classification' (obbligatorio) |
| cvSplitColumnNames | Colonne da utilizzare per i dati CVSplit. | string[] |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parametri di 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 |
| 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 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 | L1 termine di regolarizzazione sui pesi. | INT |
| regLambda | Termine di regolarizzazione L2 sui pesi. | INT |
| subsample | Rapporto di sottosample dell'istanza di training. | INT |
| subsampleFreq | Frequenza della sottosample. | INT |
| treeMethod | Specificare il metodo della struttura ad albero. | string |
| withMean | Se true, centra prima di ridimensionare i dati con StandardScalar. | bool |
| withStd | Se true, ridimensionare i dati con Varianza unità con StandardScalar. | bool |
TableVerticalLimitSettings
| Nome | Descrizione | Valore |
|---|---|---|
| enableEarlyTermination | Abilitare la terminazione anticipata, determina se AutoMLJob terminerà in anticipo se negli ultimi 20 iterazioni non è presente alcun miglioramento del punteggio. | bool |
| exitScore | Punteggio di uscita per il processo AutoML. | INT |
| maxConcurrentTrials | Numero massimo di iterazioni simultanee. | INT |
| maxCoresPerTrial | Numero massimo di core per iterazione. | INT |
| maxNodes | Numero massimo di nodi da usare per l'esperimento. | INT |
| maxTrials | Numero di iterazioni. | INT |
| sweepConcurrentTrials | Numero di esecuzioni di sweep simultanee che l'utente vuole attivare. | INT |
| sweepTrials | Numero di esecuzioni di sweep che l'utente desidera attivare. | INT |
| timeout | Timeout del processo AutoML. | string |
| trialTimeout | Timeout di 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 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 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' 'Distributed' 'NonStributed' |
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 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' 'Nessuno' |
Previsione
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'Previsione' (obbligatorio) |
| cvSplitColumnNames | Colonne da usare per i dati CVSplit. | string[] |
| featurizationSettings | Input di funzionalità necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parametri di training/modello che rimarranno costanti durante il training. | TableFixedParameters |
| forecastingSettings | Previsione di input specifici dell'attività. | ForecastingSettings |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Numero di pieghe di convalida incrociate da applicare al set di dati di training quando il set di dati di convalida non viene fornito. |
NCrossValidations |
| primaryMetric | Metrica primaria per l'attività di previsione. | 'NormaldMeanAbsoluteError' 'NormaldRootMeanSquaredError' 'R2Score' 'SpearmanCorrelation' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | TableParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione di modelli e iperparametri. | TableSweepSettings |
| Testdata | Testare l'input dei dati. | MLTableJobInput |
| testDataSize | Frazione del set di dati di test che deve essere messo a parte per scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
INT |
| trainingSettings | Input per la fase di training per un processo AutoML. | ForecastingTrainingSettings |
| validationData | Input dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training che deve essere impostato a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
INT |
| weightColumnName | Nome della colonna di peso di esempio. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso o la riduzione delle righe nei dati. | string |
ForecastingSettings
| Nome | Descrizione | Valore |
|---|---|---|
| countryOrRegionForHolidays | Paese o area geografica per le vacanze per le attività di previsione. Questi devono essere ISO 3166 codici paese/area geografica, ad esempio "US" o "GB". |
string |
| cvStepSize | Numero di periodi tra l'ora di origine di una piega cv e la successiva piega. For ad esempio, se CVStepSize = 3 per i dati giornalieri, l'ora di origine per ogni piega saràtre giorni a parte. |
INT |
| featureLags | Contrassegno per la generazione di ritardi per le funzionalità numeriche con 'auto' o Null. | 'Auto' 'Nessuno' |
| featuresUnknownAtForecastTime | Colonne di funzionalità disponibili per il training ma sconosciute al momento della previsione/inferenza. Se features_unknown_at_forecast_time non è impostato, si presuppone che tutte le colonne di funzionalità del set di dati siano note in fase di inferenza. |
string[] |
| 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 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 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' 'Nessuno' '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 |
| trainingBatchSize | Dimensioni del batch di training. Deve essere un intero positivo. | INT |
| trainingCropSize | Dimensioni di ritaglio delle immagini che vengono immesse nella rete neurale per il set di dati di training. Deve essere un intero positivo. | INT |
| validationBatchSize | Dimensioni del 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 (obbligatoria) Vincoli: Lunghezza minima = 1 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 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 |
ImageModelSettingsObjectDetection
| 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 |
| 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 le proposte con un punteggio di classificazione maggiore di BoxScoreThreshold. 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 |
| 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". |
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' |
| logTrainingMetrics | Abilitare le metriche di training di calcolo e registrazione. | 'Disabilita' 'Enable' |
| logValidationLoss | Abilitare la perdita di convalida di calcolo e registrazione. | 'Disabilita' 'Enable' |
| 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 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' '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 batch di convalida. Deve essere un intero positivo. | string |
| validationIouThreshold | Soglia di IOU da usare quando si calcola la metrica di convalida. Deve essere float nell'intervallo [0, 1]. | string |
| validationMetricType | Metodo di calcolo metrica da usare per le metriche di convalida. Deve essere "none", "coco", "voc" o "coco_voc". | 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 |
ImageObjectDetection
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'ImageObjectDetection' (obbligatorio) |
| limitSettings | [Obbligatorio] Limitare le impostazioni per il processo AutoML. | ImageLimitSettings (obbligatorio) |
| modelSettings | Impostazioni usate per il training del modello. | ImageModelSettingsObjectDetection |
| primaryMetric | Metrica primaria da ottimizzare per questa attività. | 'MeanAveragePrecision' |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | ImageModelDistributionSettingsObjectDetection[] |
| sweepSettings | 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 |
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 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 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. | '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, Ray o Null. | DistributionConfiguration |
| environmentId | [Obbligatorio] ID risorsa ARM della specifica Ambiente per il processo. | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 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 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 Raggio 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 |
Raggio
| Nome | Descrizione | Valore |
|---|---|---|
| distributionType | [Obbligatorio] Specifica il tipo di framework di distribuzione. | 'Ray' (obbligatorio) |
| address | Indirizzo del nodo head di Ray. | string |
| dashboardPort | Porta da associare al server dashboard. | INT |
| headNodeAdditionalArgs | Argomenti aggiuntivi passati all'inizio raggio nel nodo head. | string |
| includeDashboard | Specificare questo argomento per avviare l'interfaccia utente del dashboard Ray. | bool |
| port | Porta del processo del raggio head. | INT |
| workerNodeAdditionalArgs | Argomenti aggiuntivi passati all'avvio del raggio nel nodo di lavoro. | string |
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: Lunghezza minima = 1 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: Lunghezza minima = 1 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: Lunghezza minima = 1 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: Lunghezza minima = 1 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 (obbligatorio) Vincoli: Lunghezza minima = 1 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 |
| secretsConfiguration | Configurazione per rendere disponibili i segreti durante il runtime. | JobBaseSecretsConfiguration |
| 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 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: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| trainingComputeBinding | [Obbligatorio] Associazione di calcolo AML usata nel training. | stringa (obbligatoria) Vincoli: Lunghezza minima = 1 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. | 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 | 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: Lunghezza minima = 1 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 | 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: Lunghezza minima = 1 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 (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: Lunghezza minima = 1 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 |
CreateMonitorAction
| Nome | Descrizione | Valore |
|---|---|---|
| actionType | [Obbligatorio] Specifica il tipo di azione della pianificazione | 'CreateMonitor' (obbligatorio) |
| monitorDefinition | [Obbligatorio] Definisce il monitoraggio. | MonitorDefinition (obbligatorio) |
MonitorDefinition
| Nome | Descrizione | Valore |
|---|---|---|
| alertNotificationSetting | Impostazioni di notifica del monitoraggio. | MonitoringAlertNotificationSettingsBase |
| computeConfiguration | [Obbligatorio] ID risorsa ARM della risorsa di calcolo in cui eseguire il processo di monitoraggio. | MonitorComputeConfigurationBase (obbligatorio) |
| monitoraggioTarget | ID risorsa ARM del modello o della distribuzione di destinazione da questo monitoraggio. | MonitoraggioTarget |
| segnali | [Obbligatorio] Segnali da monitorare. | MonitorDefinitionSignals (obbligatorio) |
MonitoringAlertNotificationSettingsBase
| Nome | Descrizione | Valore |
|---|---|---|
| alertNotificationType | Impostare il tipo di oggetto | AzureMonitor Email (obbligatorio) |
AzMonMonitoringAlertNotificationSettings
| Nome | Descrizione | Valore |
|---|---|---|
| alertNotificationType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'AzureMonitor' (obbligatorio) |
EmailMonitoringAlertNotificationSettings
| Nome | Descrizione | Valore |
|---|---|---|
| alertNotificationType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'Email' (obbligatorio) |
| emailNotificationSetting | Configurazione per la notifica. | NotificationSetting |
MonitorComputeConfigurationBase
| Nome | Descrizione | Valore |
|---|---|---|
| computeType | Impostare il tipo di oggetto | ServerlessSpark (obbligatorio) |
MonitoraggioServerlessSparkCompute
| Nome | Descrizione | Valore |
|---|---|---|
| computeType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'ServerlessSpark' (obbligatorio) |
| computeIdentity | [Obbligatorio] Lo schema di identità sfruttato dai processi spark in esecuzione in Spark serverless. | MonitorComputeIdentityBase (obbligatorio) |
| instanceType | [Obbligatorio] Tipo di istanza che esegue il processo Spark. | stringa (obbligatoria) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| runtimeVersion | [Obbligatorio] Versione di runtime di Spark. | stringa (obbligatoria) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
MonitorComputeIdentityBase
| Nome | Descrizione | Valore |
|---|---|---|
| computeIdentityType | Impostare il tipo di oggetto | AmlToken ManagedIdentity (obbligatorio) |
AmlTokenComputeIdentity
| Nome | Descrizione | Valore |
|---|---|---|
| computeIdentityType | [Obbligatorio] Monitorare l'enumerazione del tipo di identità di calcolo. | 'AmlToken' (obbligatorio) |
ManagedComputeIdentity
| Nome | Descrizione | Valore |
|---|---|---|
| computeIdentityType | [Obbligatorio] Monitorare l'enumerazione del tipo di identità di calcolo. | 'ManagedIdentity' (obbligatorio) |
| identity | Identità del servizio gestita (identità assegnata dal sistema e/o assegnata dall'utente) | ManagedServiceIdentity |
ManagedServiceIdentity
| Nome | Descrizione | Valore |
|---|---|---|
| tipo | Tipo di identità del servizio gestito (in cui sono consentiti sia i tipi SystemAssigned che UserAssigned). | 'Nessuno' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (obbligatorio) |
| userAssignedIdentities | Set di identità assegnate dall'utente associate alla risorsa. Le chiavi del dizionario userAssignedIdentities saranno id risorsa ARM nel formato : '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. I valori del dizionario possono essere oggetti vuoti ({}) nelle richieste. | UserAssignedIdentities |
UserAssignedIdentities
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | UserAssignedIdentity |
UserAssignedIdentity
Questo oggetto non contiene proprietà da impostare durante la distribuzione. Tutte le proprietà sono ReadOnly.
MonitoraggioTarget
| Nome | Descrizione | Valore |
|---|---|---|
| deploymentId | ID risorsa arm della distribuzione di destinazione da questo monitoraggio. | string |
| modelId | ID risorsa ARM del modello di destinazione da questo monitoraggio. | string |
| taskType | [Obbligatorio] Tipo di attività di Machine Learning del modello. | 'Classificazione' 'QuestionAnswering' 'Regression' (obbligatorio) |
MonitorDefinitionSignals
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | MonitoringSignalBase |
MonitoringSignalBase
| Nome | Descrizione | Valore |
|---|---|---|
| mode | Modalità di notifica corrente per questo segnale. | 'Disabilitato' 'Enabled' |
| properties | Dizionario delle proprietà. Le proprietà possono essere aggiunte, ma non rimosse o modificate. | MonitoringSignalBaseProperties |
| signalType | Impostare il tipo di oggetto | Impostazione personalizzata DataDrift DataQuality FeatureAttributionDrift GenerationSafetyQuality GenerationTokenStatistics ModelPerformance PredictionDrift (obbligatorio) |
MonitoringSignalBaseProperties
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | string |
CustomMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'Custom' (obbligatorio) |
| Componentid | [Obbligatorio] ID risorsa ARM della risorsa componente usata per calcolare le metriche personalizzate. | stringa (obbligatoria) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| inputAssets | Monitoraggio degli asset da accettare come input. La chiave è il nome della porta di input del componente, il valore è l'asset dati. | CustomMonitoringSignalInputAssets |
| input | Parametri aggiuntivi dei componenti da accettare come input. La chiave è il nome della porta di input letterale del componente, il valore è il valore del parametro. | CustomMonitoringSignalInputs |
| metricThresholds | [Obbligatorio] Elenco delle metriche da calcolare e le soglie associate. | CustomMetricThreshold[] (obbligatorio) |
| workspaceConnection | [Obbligatorio] Elenco delle metriche da calcolare e le soglie associate. | MonitoringWorkspaceConnection (obbligatorio) |
CustomMonitoringSignalInputAssets
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | MonitoringInputDataBase |
MonitoringInputDataBase
| Nome | Descrizione | Valore |
|---|---|---|
| colonne | Mapping dei nomi di colonna a usi speciali. | MonitoringInputDataBaseColumns |
| Datacontext | Metadati di contesto dell'origine dati. | string |
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'custom_model' 'letterale' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obbligatorio) |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatoria) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| inputDataType | Impostare il tipo di oggetto | Fisso Statico Finale (obbligatorio) |
MonitoringInputDataBaseColumns
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | string |
FixedInputData
| Nome | Descrizione | Valore |
|---|---|---|
| inputDataType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'Fisso' (obbligatorio) |
StaticInputData
| Nome | Descrizione | Valore |
|---|---|---|
| inputDataType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'Static' (obbligatorio) |
| pre-elaborazioneComponentId | ID risorsa ARM della risorsa componente usata per pre-elaborare i dati. | string |
| windowEnd | [Obbligatorio] Data di fine della finestra dati. | stringa (obbligatorio) |
| windowStart | [Obbligatorio] Data di inizio della finestra dati. | stringa (obbligatorio) |
TrailingInputData
| Nome | Descrizione | Valore |
|---|---|---|
| inputDataType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'Trailing' (obbligatorio) |
| pre-elaborazioneComponentId | ID risorsa ARM della risorsa componente usata per pre-elaborare i dati. | string |
| windowOffset | [Obbligatorio] Differenza di tempo tra la fine della finestra dei dati e l'ora di esecuzione corrente del monitoraggio. | stringa (obbligatorio) |
| windowSize | [Obbligatorio] Dimensioni della finestra dei dati finali. | stringa (obbligatorio) |
CustomMonitoringSignalInputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobInput |
CustomMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| Metrica | [Obbligatorio] Metrica definita dall'utente da calcolare. | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| threshold | Valore soglia. Se Null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoringThreshold |
MonitoringThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| Valore | Valore soglia. Se Null, l'impostazione predefinita dipende dal tipo di metrica. | INT |
MonitoringWorkspaceConnection
| Nome | Descrizione | Valore |
|---|---|---|
| environmentVariables | Proprietà di una connessione al servizio dell'area di lavoro da archiviare come variabili di ambiente nei processi inviati. La chiave è il percorso della proprietà di connessione dell'area di lavoro, il nome è la chiave della variabile di ambiente. |
MonitoringWorkspaceConnectionEnvironmentVariables |
| chiavi private | Proprietà di una connessione al servizio dell'area di lavoro da archiviare come segreti nei processi inviati. La chiave è il percorso della proprietà di connessione dell'area di lavoro, il nome è la chiave privata. |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | string |
MonitoringWorkspaceConnectionSecrets
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | string |
DataDriftMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'DataDrift' (obbligatorio) |
| dataSegment | Segmento di dati usato per definire l'ambito in un subset del popolamento dei dati. | MonitoringDataSegment |
| featureDataTypeOverride | Dizionario che esegue il mapping dei nomi delle funzionalità ai rispettivi tipi di dati. | DataDriftMonitoringSignalFeatureDataTypeOverride |
| funzionalità | Filtro delle funzionalità che identifica la funzionalità per calcolare la deriva. | MonitoringFeatureFilterBase |
| metricThresholds | [Obbligatorio] Elenco di metriche da calcolare e delle soglie associate. | DataDriftMetricThresholdBase[] (obbligatorio) |
| productionData | [Obbligatorio] Dati per cui verrà calcolata la deriva. | MonitoringInputDataBase (obbligatorio) |
| referenceData | [Obbligatorio] Dati da calcolare in base alla deriva. | MonitoringInputDataBase (obbligatorio) |
MonitoringDataSegment
| Nome | Descrizione | Valore |
|---|---|---|
| feature | Funzionalità su cui segmentare i dati. | string |
| valori | Filtra solo i valori specificati della funzionalità segmentata specificata. | string[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | 'Categorico' 'Numerico' |
MonitoringFeatureFilterBase
| Nome | Descrizione | Valore |
|---|---|---|
| filterType | Impostare il tipo di oggetto | Tutte LeFeature FeatureSubset TopNByAttribution (obbligatorio) |
Tutte LeFeature
| Nome | Descrizione | Valore |
|---|---|---|
| filterType | [Obbligatorio] Specifica il filtro delle funzionalità da sfruttare quando si selezionano le funzionalità per calcolare le metriche. | 'AllFeatures' (obbligatorio) |
FeatureSubset
| Nome | Descrizione | Valore |
|---|---|---|
| filterType | [Obbligatorio] Specifica il filtro delle funzionalità da sfruttare quando si selezionano le funzionalità per calcolare le metriche. | 'FeatureSubset' (obbligatorio) |
| funzionalità | [Obbligatorio] Elenco delle funzionalità da includere. | string[] (obbligatorio) |
TopNFeaturesByAttribution
| Nome | Descrizione | Valore |
|---|---|---|
| filterType | [Obbligatorio] Specifica il filtro delle funzionalità da sfruttare quando si selezionano le funzionalità per calcolare le metriche. | 'TopNByAttribution' (obbligatorio) |
| top | Numero di funzionalità principali da includere. | INT |
DataDriftMetricThresholdBase
| Nome | Descrizione | Valore |
|---|---|---|
| threshold | Valore soglia. Se null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoraggioThreshold |
| dataType | Impostare il tipo di oggetto | Categorical Numerico (obbligatorio) |
CategoricalDataDriftMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | 'Categorical' (obbligatorio) |
| Metrica | [Obbligatorio] Metrica di deriva dei dati categorici da calcolare. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (obbligatorio) |
NumericDataDriftMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | 'Numerico' (obbligatorio) |
| Metrica | [Obbligatorio] Metrica di deriva dei dati numerici da calcolare. | 'JensenShannonDistance' 'NormaldEnsteinsteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (obbligatorio) |
DataQualityMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'DataQuality' (obbligatorio) |
| featureDataTypeOverride | Dizionario che esegue il mapping dei nomi delle funzionalità ai rispettivi tipi di dati. | DataQualityMonitoringSignalFeatureDataTypeOverride |
| funzionalità | Funzionalità per calcolare la deriva. | MonitoringFeatureFilterBase |
| metricThresholds | [Obbligatorio] Elenco delle metriche da calcolare e le soglie associate. | DataQualityMetricThresholdBase[] (obbligatorio) |
| productionData | [Obbligatorio] I dati prodotti dal servizio di produzione per cui verrà calcolata la deriva. | MonitoringInputDataBase (obbligatorio) |
| referenceData | [Obbligatorio] Dati da calcolare in base alla deriva. | MonitoringInputDataBase (obbligatorio) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | 'Categorico' 'Numerico' |
DataQualityMetricThresholdBase
| Nome | Descrizione | Valore |
|---|---|---|
| threshold | Valore soglia. Se null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoraggioThreshold |
| dataType | Impostare il tipo di oggetto | Categorical Numerico (obbligatorio) |
CategoricalDataQualityMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | 'Categorical' (obbligatorio) |
| Metrica | [Obbligatorio] Metrica della qualità dei dati categorica da calcolare. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obbligatorio) |
NumericDataQualityMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | 'Numerico' (obbligatorio) |
| Metrica | [Obbligatorio] Metrica di qualità dei dati numerica da calcolare. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obbligatorio) |
FeatureAttributionDriftMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'FeatureAttributionDrift' (obbligatorio) |
| metricThreshold | [Obbligatorio] Elenco delle metriche da calcolare e le soglie associate. | FeatureAttributionMetricThreshold (obbligatorio) |
| productionData | [Obbligatorio] I dati per cui verrà calcolata la deriva. | MonitoringInputDataBase[] (obbligatorio) |
| referenceData | [Obbligatorio] Dati da calcolare in base alla deriva. | MonitoringInputDataBase (obbligatorio) |
FeatureAttributionMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| Metrica | [Obbligatorio] Metrica di attribuzione delle funzionalità da calcolare. | 'NormaldDiscountedCumulativeGain' (obbligatorio) |
| threshold | Valore soglia. Se null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoraggioThreshold |
GenerationSafetyQualityMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'GenerationSafetyQuality' (obbligatorio) |
| metricThresholds | [Obbligatorio] Ottiene o imposta le metriche da calcolare e le soglie corrispondenti. | GenerationSafetyQualityMetricThreshold[] (obbligatorio) |
| productionData | Ottiene o imposta i dati di destinazione per le metriche di calcolo. | MonitoringInputDataBase[] |
| campionamento | [Obbligatorio] La frequenza di esempio dei dati di destinazione deve essere maggiore di 0 e al massimo 1. | int (obbligatorio) |
| workspaceConnectionId | Ottiene o imposta l'ID connessione dell'area di lavoro usato per connettersi all'endpoint di generazione del contenuto. | string |
GenerationSafetyQualityMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| Metrica | [Obbligatorio] Ottiene o imposta la metrica di attribuzione delle funzionalità da calcolare. | 'AcceptableCoherenceScorePerInstance' 'AcceptableFluencyScorePerInstance' 'AcceptableGroundednessScorePerInstance' 'AcceptableRelevanceScorePerInstance' 'AcceptableSimilarityScorePerInstance' 'AggregatedCoherencePassRate' 'AggregatedFluencyPassRate' 'AggregatedGroundednessPassRate' 'AggregatedRelevancePassRate' 'AggregatedSimilarityPassRate' (obbligatorio) |
| threshold | Ottiene o imposta il valore soglia. Se null, verrà impostato un valore predefinito a seconda della metrica selezionata. |
MonitoraggioThreshold |
GenerationTokenStatisticsSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'GenerationTokenStatistics' (obbligatorio) |
| metricThresholds | [Obbligatorio] Ottiene o imposta le metriche da calcolare e le soglie corrispondenti. | GenerationTokenStatisticsMetricThreshold[] (obbligatorio) |
| productionData | Ottiene o imposta i dati di destinazione per le metriche di calcolo. | MonitoringInputDataBase |
| campionamento | [Obbligatorio] La frequenza di esempio dei dati di destinazione deve essere maggiore di 0 e al massimo 1. | int (obbligatorio) |
GenerationTokenStatisticsMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| Metrica | [Obbligatorio] Ottiene o imposta la metrica di attribuzione delle funzionalità da calcolare. | 'TotalTokenCount' 'TotalTokenCountPerGroup' (obbligatorio) |
| threshold | Ottiene o imposta il valore soglia. Se null, verrà impostato un valore predefinito a seconda della metrica selezionata. |
MonitoraggioThreshold |
ModelPerformanceSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'ModelPerformance' (obbligatorio) |
| dataSegment | Segmento di dati. | MonitoringDataSegment |
| metricThreshold | [Obbligatorio] Elenco delle metriche da calcolare e le soglie associate. | ModelPerformanceMetricThresholdBase (obbligatorio) |
| productionData | [Obbligatorio] I dati prodotti dal servizio di produzione per cui verrà calcolata la deriva. | MonitoringInputDataBase[] (obbligatorio) |
| referenceData | [Obbligatorio] Dati da calcolare in base alla deriva. | MonitoringInputDataBase (obbligatorio) |
ModelPerformanceMetricThresholdBase
| Nome | Descrizione | Valore |
|---|---|---|
| threshold | Valore soglia. Se null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoraggioThreshold |
| modelType | Impostare il tipo di oggetto | Classificazione Regressione (obbligatoria) |
ClassificationModelPerformanceMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| modelType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | 'Classificazione' (obbligatorio) |
| Metrica | [Obbligatorio] Prestazioni del modello di classificazione da calcolare. | 'Accuratezza' 'Precisione' 'Richiamo' (obbligatorio) |
RegressionModelPerformanceMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| modelType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | 'Regression' (obbligatorio) |
| Metrica | [Obbligatorio] Metrica delle prestazioni del modello di regressione da calcolare. | 'MeanAbsoluteError' 'MeanSquaredError' 'RootMeanSquaredError' (obbligatorio) |
PredictionDriftMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'PredictionDrift' (obbligatorio) |
| metricThresholds | [Obbligatorio] Elenco di metriche da calcolare e delle soglie associate. | PredictionDriftMetricThresholdBase[] (obbligatorio) |
| modelType | [Obbligatorio] Tipo del modello monitorato. | 'Classification' 'Regression' (obbligatorio) |
| productionData | [Obbligatorio] Dati per cui verrà calcolata la deriva. | MonitoringInputDataBase (obbligatorio) |
| referenceData | [Obbligatorio] Dati da calcolare in base alla deriva. | MonitoringInputDataBase (obbligatorio) |
PredictionDriftMetricThresholdBase
| Nome | Descrizione | Valore |
|---|---|---|
| threshold | Valore soglia. Se Null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoringThreshold |
| dataType | Impostare il tipo di oggetto | Categorical Numerico (obbligatorio) |
CategoricalPredictionDriftMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | 'Categorical' (obbligatorio) |
| Metrica | [Obbligatorio] Metrica di deriva della stima categorica da calcolare. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (obbligatorio) |
NumericPredictionDriftMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | 'Numerico' (obbligatorio) |
| Metrica | [Obbligatorio] Metrica di deriva della stima numerica da calcolare. | 'JensenShannonDistance' 'NormalizedBrusteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (obbligatorio) |
ImportDataAction
| Nome | Descrizione | Valore |
|---|---|---|
| actionType | [Obbligatorio] Specifica il tipo di azione della pianificazione | 'ImportData' (obbligatorio) |
| dataImportDefinition | [Obbligatorio] Definisce i dettagli della definizione dell'azione pianificazione. | DataImport (obbligatorio) |
DataImport
| Nome | Descrizione | Valore |
|---|---|---|
| assetName | Nome dell'asset per il processo di importazione dei dati da creare | string |
| autoDeleteSetting | Specifica l'impostazione del ciclo di vita dell'asset di dati gestito. | AutoDeleteSetting |
| dataType | [Obbligatorio] Specifica il tipo di dati. | 'mltable' 'uri_file' 'uri_folder' (obbligatorio) |
| dataUri | [Obbligatorio] URI dei dati. Esempio: https://go.microsoft.com/fwlink/?linkid=2202330 |
stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| description | Testo della descrizione dell'asset. | string |
| intellettualeProperty | Dettagli della proprietà intellettuale. Utilizzato se i dati sono una proprietà intellettuale. | IntellettualeProperty |
| isAnonymous | Se la versione del nome viene generata dal sistema (registrazione anonima). Per i tipi in cui viene definito Stage, quando viene specificato Stage, verrà usato per popolare IsAnonymous | bool |
| isArchived | L'asset è archiviato? Per i tipi in cui viene definito Stage, quando viene specificato Stage, verrà usato per popolare IsArchived | bool |
| properties | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
| source | Dati di origine dell'asset da importare | DataImportSource |
| fase | Fase del ciclo di vita dei dati assegnato a questo asset di dati | string |
| tags | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | object |
IntellettualeProperty
| Nome | Descrizione | Valore |
|---|---|---|
| protectionLevel | Livello di protezione della proprietà intellettuale. | 'All' 'Nessuno' |
| publisher | [Obbligatorio] Editore della proprietà intellettuale. Deve essere uguale al nome dell'editore del Registro di sistema. | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
DataImportSource
| Nome | Descrizione | Valore |
|---|---|---|
| connection | Connessione all'area di lavoro per l'archiviazione dell'origine di importazione dati | string |
| sourceType | Impostare il tipo di oggetto | database file_system (obbligatorio) |
DatabaseSource
| Nome | Descrizione | Valore |
|---|---|---|
| sourceType | [Obbligatorio] Specifica il tipo di dati. | 'database' (obbligatorio) |
| query | Istruzione query SQL per l'origine del database di importazione dati | string |
| Storedprocedure | Sql StoredProcedure nell'origine del database di importazione dati | string |
| storedProcedureParams | Parametri di SQL StoredProcedure | DatabaseSourceStoredProcedureParamsItem[] |
| tableName | Nome della tabella nell'origine del database di importazione dati | string |
DatabaseSourceStoredProcedureParamsItem
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | string |
FileSystemSource
| Nome | Descrizione | Valore |
|---|---|---|
| sourceType | [Obbligatorio] Specifica il tipo di dati. | 'file_system' (obbligatorio) |
| path | Percorso dell'origine FileSystem di importazione dei dati | 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 |
|---|---|---|
| triggerType | [Obbligatorio] | 'Cron' (obbligatorio) |
| expression | [Obbligatorio] Specifica l'espressione cron della pianificazione. L'espressione deve seguire il formato NCronTab. |
stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
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": "2023-06-01-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",
"{customized property}": "string"
},
"tags": {
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
},
"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" ],
"webhooks": {
"{customized property}": {
"eventType": "string",
"webhookType": "string"
// For remaining properties, see Webhook objects
}
}
},
"properties": {
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
},
"secretsConfiguration": {
"{customized property}": {
"uri": "string",
"workspaceSecretName": "string"
},
"{customized property}": {
"uri": "string",
"workspaceSecretName": "string"
}
},
"services": {
"{customized property}": {
"endpoint": "string",
"jobServiceType": "string",
"nodes": {
"nodesValueType": "string"
// For remaining properties, see Nodes objects
},
"port": "int",
"properties": {
"{customized property}": "string"
}
},
"{customized property}": {
"endpoint": "string",
"jobServiceType": "string",
"nodes": {
"nodesValueType": "string"
// For remaining properties, see Nodes objects
},
"port": "int",
"properties": {
"{customized property}": "string"
}
}
},
"tags": {
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
},
"jobType": "string"
// For remaining properties, see JobBaseProperties objects
}
Per CreateMonitor, usare:
"actionType": "CreateMonitor",
"monitorDefinition": {
"alertNotificationSetting": {
"alertNotificationType": "string"
// For remaining properties, see MonitoringAlertNotificationSettingsBase objects
},
"computeConfiguration": {
"computeType": "string"
// For remaining properties, see MonitorComputeConfigurationBase objects
},
"monitoringTarget": {
"deploymentId": "string",
"modelId": "string",
"taskType": "string"
},
"signals": {
"{customized property}": {
"mode": "string",
"properties": {
"{customized property}": "string"
},
"signalType": "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Per ImportData, usare:
"actionType": "ImportData",
"dataImportDefinition": {
"assetName": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"dataType": "string",
"dataUri": "string",
"description": "string",
"intellectualProperty": {
"protectionLevel": "string",
"publisher": "string"
},
"isAnonymous": "bool",
"isArchived": "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",
"{customized property}": "string"
},
"source": {
"connection": "string",
"sourceType": "string"
// For remaining properties, see DataImportSource objects
},
"stage": "string",
"tags": {
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
}
}
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" ],
"maxInstanceCount": "int",
"properties": {
"{customized property}": {},
"{customized property}": {}
},
"shmSize": "string"
},
"taskDetails": {
"logVerbosity": "string",
"targetColumnName": "string",
"trainingData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"taskType": "string"
// For remaining properties, see AutoMLVertical objects
}
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" ],
"maxInstanceCount": "int",
"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" ],
"maxInstanceCount": "int",
"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 webhook
Impostare la proprietà webhookType per specificare il tipo di oggetto.
Per AzureDevOps usare:
"webhookType": "AzureDevOps"
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",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
Per mlflow_model, usare:
"jobOutputType": "mlflow_model",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
Per mltable, usare:
"jobOutputType": "mltable",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
Per triton_model, usare:
"jobOutputType": "triton_model",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
Per uri_file, usare:
"jobOutputType": "uri_file",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
Per uri_folder, usare:
"jobOutputType": "uri_folder",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "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",
"featuresUnknownAtForecastTime": [ "string" ],
"forecastHorizon": {
"mode": "string"
// For remaining properties, see ForecastHorizon objects
},
"frequency": "string",
"seasonality": {
"mode": "string"
// For remaining properties, see Seasonality objects
},
"shortSeriesHandlingConfig": "string",
"targetAggregateFunction": "string",
"targetLags": {
"mode": "string"
// For remaining properties, see TargetLags objects
},
"targetRollingWindowSize": {
"mode": "string"
// For remaining properties, see TargetRollingWindowSize objects
},
"timeColumnName": "string",
"timeSeriesIdColumnNames": [ "string" ],
"useStl": "string"
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxNodes": "int",
"maxTrials": "int",
"sweepConcurrentTrials": "int",
"sweepTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"primaryMetric": "string",
"searchSpace": [
{
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "string",
"maxBin": "string",
"maxDepth": "string",
"maxLeaves": "string",
"minDataInLeaf": "string",
"minSplitGain": "string",
"modelName": "string",
"nEstimators": "string",
"numLeaves": "string",
"preprocessorName": "string",
"regAlpha": "string",
"regLambda": "string",
"subsample": "string",
"subsampleFreq": "string",
"treeMethod": "string",
"withMean": "string",
"withStd": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"testData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int",
"trainingSettings": {
"allowedTrainingAlgorithms": [ "string" ],
"blockedTrainingAlgorithms": [ "string" ],
"enableDnnTraining": "bool",
"enableModelExplainability": "bool",
"enableOnnxCompatibleModels": "bool",
"enableStackEnsemble": "bool",
"enableVoteEnsemble": "bool",
"ensembleModelDownloadTimeout": "string",
"stackEnsembleSettings": {
"stackMetaLearnerKWargs": {},
"stackMetaLearnerTrainPercentage": "int",
"stackMetaLearnerType": "string"
},
"trainingMode": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
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",
"logTrainingMetrics": "string",
"logValidationLoss": "string",
"maxSize": "int",
"minSize": "int",
"modelName": "string",
"modelSize": "string",
"momentum": "int",
"multiScale": "bool",
"nesterov": "bool",
"nmsIouThreshold": "int",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"tileGridSize": "string",
"tileOverlapRatio": "int",
"tilePredictionsNmsThreshold": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"validationIouThreshold": "int",
"validationMetricType": "string",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int"
},
"primaryMetric": "MeanAveragePrecision",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"boxDetectionsPerImage": "string",
"boxScoreThreshold": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"imageSize": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"maxSize": "string",
"minSize": "string",
"modelName": "string",
"modelSize": "string",
"momentum": "string",
"multiScale": "string",
"nesterov": "string",
"nmsIouThreshold": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"tileGridSize": "string",
"tileOverlapRatio": "string",
"tilePredictionsNmsThreshold": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"validationIouThreshold": "string",
"validationMetricType": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
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",
"logTrainingMetrics": "string",
"logValidationLoss": "string",
"maxSize": "int",
"minSize": "int",
"modelName": "string",
"modelSize": "string",
"momentum": "int",
"multiScale": "bool",
"nesterov": "bool",
"nmsIouThreshold": "int",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"tileGridSize": "string",
"tileOverlapRatio": "int",
"tilePredictionsNmsThreshold": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"validationIouThreshold": "int",
"validationMetricType": "string",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int"
},
"primaryMetric": "MeanAveragePrecision",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"boxDetectionsPerImage": "string",
"boxScoreThreshold": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"imageSize": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"maxSize": "string",
"minSize": "string",
"modelName": "string",
"modelSize": "string",
"momentum": "string",
"multiScale": "string",
"nesterov": "string",
"nmsIouThreshold": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"tileGridSize": "string",
"tileOverlapRatio": "string",
"tilePredictionsNmsThreshold": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"validationIouThreshold": "string",
"validationMetricType": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
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 Ray, usare:
"distributionType": "Ray",
"address": "string",
"dashboardPort": "int",
"headNodeAdditionalArgs": "string",
"includeDashboard": "bool",
"port": "int",
"workerNodeAdditionalArgs": "string"
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 MonitoringAlertNotificationSettingsBase
Impostare la proprietà alertNotificationType per specificare il tipo di oggetto.
Per AzureMonitor usare:
"alertNotificationType": "AzureMonitor"
Per Email, usare:
"alertNotificationType": "Email",
"emailNotificationSetting": {
"emailOn": [ "string" ],
"emails": [ "string" ],
"webhooks": {
"{customized property}": {
"eventType": "string",
"webhookType": "string"
// For remaining properties, see Webhook objects
}
}
}
Oggetti MonitorComputeConfigurationBase
Impostare la proprietà computeType per specificare il tipo di oggetto.
Per ServerlessSpark usare:
"computeType": "ServerlessSpark",
"computeIdentity": {
"computeIdentityType": "string"
// For remaining properties, see MonitorComputeIdentityBase objects
},
"instanceType": "string",
"runtimeVersion": "string"
Oggetti MonitorComputeIdentityBase
Impostare la proprietà computeIdentityType per specificare il tipo di oggetto.
Per AmlToken, usare:
"computeIdentityType": "AmlToken"
Per ManagedIdentity, usare:
"computeIdentityType": "ManagedIdentity",
"identity": {
"type": "string",
"userAssignedIdentities": {
"{customized property}": {}
}
}
Oggetti MonitoringSignalBase
Impostare la proprietà signalType per specificare il tipo di oggetto.
Per Personalizzato, usare:
"signalType": "Custom",
"componentId": "string",
"inputAssets": {
"{customized property}": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"metricThresholds": [
{
"metric": "string",
"threshold": {
"value": "int"
}
}
],
"workspaceConnection": {
"environmentVariables": {
"{customized property}": "string"
},
"secrets": {
"{customized property}": "string"
}
}
Per DataDrift, usare:
"signalType": "DataDrift",
"dataSegment": {
"feature": "string",
"values": [ "string" ]
},
"featureDataTypeOverride": {
"{customized property}": "string"
},
"features": {
"filterType": "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
},
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see DataDriftMetricThresholdBase objects
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Per DataQuality, usare:
"signalType": "DataQuality",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"features": {
"filterType": "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
},
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see DataQualityMetricThresholdBase objects
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Per FeatureAttributionDrift, usare:
"signalType": "FeatureAttributionDrift",
"metricThreshold": {
"metric": "NormalizedDiscountedCumulativeGain",
"threshold": {
"value": "int"
}
},
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Per GenerationSafetyQuality, usare:
"signalType": "GenerationSafetyQuality",
"metricThresholds": [
{
"metric": "string",
"threshold": {
"value": "int"
}
}
],
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"samplingRate": "int",
"workspaceConnectionId": "string"
Per GenerationTokenStatistics, usare:
"signalType": "GenerationTokenStatistics",
"metricThresholds": [
{
"metric": "string",
"threshold": {
"value": "int"
}
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"samplingRate": "int"
Per ModelPerformance, usare:
"signalType": "ModelPerformance",
"dataSegment": {
"feature": "string",
"values": [ "string" ]
},
"metricThreshold": {
"threshold": {
"value": "int"
},
"modelType": "string"
// For remaining properties, see ModelPerformanceMetricThresholdBase objects
},
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Per PredictionDrift, usare:
"signalType": "PredictionDrift",
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
],
"modelType": "string",
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Oggetti MonitoringInputDataBase
Impostare la proprietà inputDataType per specificare il tipo di oggetto.
Per Correzione, usare:
"inputDataType": "Fixed"
Per Statico, usare:
"inputDataType": "Static",
"preprocessingComponentId": "string",
"windowEnd": "string",
"windowStart": "string"
Per Finale, usare:
"inputDataType": "Trailing",
"preprocessingComponentId": "string",
"windowOffset": "string",
"windowSize": "string"
Oggetti MonitoringFeatureFilterBase
Impostare la proprietà filterType per specificare il tipo di oggetto.
Per AllFeatures, usare:
"filterType": "AllFeatures"
Per FeatureSubset, usare:
"filterType": "FeatureSubset",
"features": [ "string" ]
Per TopNByAttribution, usare:
"filterType": "TopNByAttribution",
"top": "int"
Oggetti DataDriftMetricThresholdBase
Impostare la proprietà dataType per specificare il tipo di oggetto.
Per Categorical, usare:
"dataType": "Categorical",
"metric": "string"
Per Numerico, usare:
"dataType": "Numerical",
"metric": "string"
Oggetti DataQualityMetricThresholdBase
Impostare la proprietà dataType per specificare il tipo di oggetto.
Per Categorical, usare:
"dataType": "Categorical",
"metric": "string"
Per Numerico, usare:
"dataType": "Numerical",
"metric": "string"
Oggetti ModelPerformanceMetricThresholdBase
Impostare la proprietà modelType per specificare il tipo di oggetto.
Per classificazione, usare:
"modelType": "Classification",
"metric": "string"
Per Regressione, usare:
"modelType": "Regression",
"metric": "string"
Oggetti PredictionDriftMetricThresholdBase
Impostare la proprietà dataType per specificare il tipo di oggetto.
Per Categorical, usare:
"dataType": "Categorical",
"metric": "string"
Per Numerico, usare:
"dataType": "Numerical",
"metric": "string"
Oggetti DataImportSource
Impostare la proprietà sourceType per specificare il tipo di oggetto.
Per il database, usare:
"sourceType": "database",
"query": "string",
"storedProcedure": "string",
"storedProcedureParams": [
{
"{customized property}": "string"
}
],
"tableName": "string"
Per file_system, usare:
"sourceType": "file_system",
"path": "string"
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 risorsa | '2023-06-01-preview' |
| name | Nome della risorsa Vedere come impostare nomi e tipi per le risorse figlio nei modelli di RESOURCE JSON. |
stringa (obbligatoria) |
| 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 CreateMonitor ImportData 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 "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 |
| notificationSetting | Impostazione di notifica per il processo | NotificationSetting |
| properties | Dizionario delle proprietà asset. | ResourceBaseProperties |
| secretsConfiguration | Configurazione per i segreti da rendere disponibili durante il runtime. | JobBaseSecretsConfiguration |
| 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 |
| 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. | 'Managed' (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 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[] |
| Webhook | Inviare il callback del webhook a un servizio. La chiave è un nome fornito dall'utente per il webhook. | NotificationSettingWebhooks |
NotificationSettingWebhooks
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | Webhook |
webhook
| Nome | Descrizione | Valore |
|---|---|---|
| eventType | Inviare il callback a un evento di notifica specificato | string |
| webhookType | Impostare il tipo di oggetto | AzureDevOps (obbligatorio) |
AzureDevOpsWebhook
| Nome | Descrizione | Valore |
|---|---|---|
| webhookType | [Obbligatorio] Specifica il tipo di servizio da inviare a un callback | 'AzureDevOps' (obbligatorio) |
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 | |
| {proprietà personalizzata} | string |
JobBaseSecretsConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | SecretConfiguration | |
| {proprietà personalizzata} | SecretConfiguration |
SecretConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| Uri | Uri segreto. URI di esempio: https://myvault.vault.azure.net/secrets/mysecretname/secretversion |
string |
| workspaceSecretName | Nome del segreto nell'insieme di credenziali delle chiavi dell'area di lavoro. | 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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset dati di output. | AutoDeleteSetting |
| mode | Modalità di recapito dell'asset di output. | 'Direct' 'ReadWriteMount' 'Carica' |
| Uri | URI asset di output. | string |
AutoDeleteSetting
| Nome | Descrizione | Valore |
|---|---|---|
| condizione | Quando controllare se un asset è scaduto | 'CreateGreaterThan' 'LastAccessedGreaterThan' |
| Valore | Valore della condizione di scadenza. | 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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset dati di output. | AutoDeleteSetting |
| 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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset dati di output. | AutoDeleteSetting |
| mode | Modalità di recapito dell'asset di output. | 'Direct' '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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset di dati di output. | AutoDeleteSetting |
| 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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset di dati di output. | AutoDeleteSetting |
| 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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset di dati di output. | AutoDeleteSetting |
| mode | Modalità di distribuzione degli asset di output. | 'Direct' 'ReadWriteMount' 'Upload' |
| Uri | URI asset di output. | string |
QueueSettings
| Nome | Descrizione | Valore |
|---|---|---|
| jobTier | Controlla il livello di processo di calcolo | 'Basic' 'Null' '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[] |
| maxInstanceCount | Numero massimo facoltativo consentito di istanze o nodi da usare dalla destinazione di calcolo. Per l'uso con il training elastico, attualmente supportato solo dal tipo di distribuzione PyTorch. |
INT |
| 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 (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
Classificazione
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | 'Classification' (obbligatorio) |
| cvSplitColumnNames | Colonne da utilizzare per i dati CVSplit. | string[] |
| featurizationSettings | Input di definizione delle caratteristiche necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parametri di 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 |
| 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 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 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' '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 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 vacanze per le attività di previsione. Questi devono essere ISO 3166 codici paese/area geografica, ad esempio "US" o "GB". |
string |
| cvStepSize | Numero di periodi tra l'ora di origine di una piega cv e la successiva piega. For ad esempio, se CVStepSize = 3 per i dati giornalieri, l'ora di origine per ogni piega saràtre giorni a parte. |
INT |
| featureLags | Contrassegno per la generazione di ritardi per le funzionalità numeriche con 'auto' o Null. | 'Auto' 'Nessuno' |
| featuresUnknownAtForecastTime | Colonne di funzionalità disponibili per il training ma sconosciute al momento della previsione/inferenza. Se features_unknown_at_forecast_time non è impostato, si presuppone che tutte le colonne di funzionalità del set di dati siano note in fase di inferenza. |
string[] |
| 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 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 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' 'Nessuno' '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 |
| trainingBatchSize | Dimensioni del batch di training. Deve essere un intero positivo. | INT |
| trainingCropSize | Dimensioni di ritaglio delle immagini che vengono immesse nella rete neurale per il set di dati di training. Deve essere un intero positivo. | INT |
| validationBatchSize | Dimensioni del 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: Lunghezza minima = 1 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 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 perdita ponderata con sqrt. (class_weights). 2 per perdita ponderata con class_weights. Deve essere 0 o 1 o 2. |
string |
ImageSweepSettings
| Nome | Descrizione | Valore |
|---|---|---|
| earlyTermination | Tipo di criteri di terminazione anticipata. | EarlyTerminationPolicy |
| samplingAlgorithm | [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 float nell'intervallo [0, 1]. | INT |
| beta2 | Valore "beta2" quando optimizer è 'adam' o 'adamw'. Deve essere un 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 le proposte con un punteggio di classificazione maggiore di BoxScoreThreshold. 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 |
| 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". |
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' |
| logTrainingMetrics | Abilitare le metriche di training di calcolo e registrazione. | 'Disabilita' 'Enable' |
| logValidationLoss | Abilitare la perdita di convalida di calcolo e registrazione. | 'Disabilita' 'Enable' |
| 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 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 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' 'Nessuno' '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' '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 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 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". NMS: eliminazione non massima |
string |
| trainingBatchSize | Dimensioni batch di training. Deve essere un intero positivo. | string |
| validationBatchSize | Dimensioni batch di convalida. Deve essere un intero positivo. | string |
| validationIouThreshold | Soglia di IOU da usare quando si calcola la metrica di convalida. Deve essere float nell'intervallo [0, 1]. | string |
| validationMetricType | Metodo di calcolo metrica da usare per le metriche di convalida. Deve essere "none", "coco", "voc" o "coco_voc". | 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 |
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 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. | '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, Ray o Null. | DistributionConfiguration |
| environmentId | [Obbligatorio] ID risorsa ARM della specifica Ambiente per il processo. | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 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 Raggio 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 |
Raggio
| Nome | Descrizione | Valore |
|---|---|---|
| distributionType | [Obbligatorio] Specifica il tipo di framework di distribuzione. | 'Ray' (obbligatorio) |
| address | Indirizzo del nodo head ray. | string |
| dashboardPort | Porta a cui associare il server dashboard. | INT |
| headNodeAdditionalArgs | Argomenti aggiuntivi passati all'inizio del raggio nel nodo head. | string |
| includeDashboard | Specificare questo argomento per avviare l'interfaccia utente grafica del dashboard Ray. | bool |
| port | Porta del processo del raggio head. | INT |
| workerNodeAdditionalArgs | Argomenti aggiuntivi passati all'avvio ray nel nodo di lavoro. | string |
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: Lunghezza minima = 1 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: Lunghezza minima = 1 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: Lunghezza minima = 1 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: Lunghezza minima = 1 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: Lunghezza minima = 1 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 "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 |
| secretsConfiguration | Configurazione per i segreti da rendere disponibili durante il runtime. | JobBaseSecretsConfiguration |
| 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: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| trainingComputeBinding | [Obbligatorio] Associazione di calcolo AML usata nel training. | stringa (obbligatoria) Vincoli: Lunghezza minima = 1 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. | |
| 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 | 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: Lunghezza minima = 1 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 dei data binding di input usati nel processo. | SparkJobInputs |
| jars | File JAR usati nel processo. | string[] |
| outputs | Mapping dei 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 (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 degli iperparametri | 'Ingrandisci' 'Riduci a icona' (obbligatorio) |
| primaryMetric | [Obbligatorio] Nome della metrica da ottimizzare. | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 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 | '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: Lunghezza minima = 1 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 |
CreateMonitorAction
| Nome | Descrizione | Valore |
|---|---|---|
| actionType | [Obbligatorio] Specifica il tipo di azione della pianificazione | 'CreateMonitor' (obbligatorio) |
| monitorDefinition | [Obbligatorio] Definisce il monitoraggio. | MonitorDefinition (obbligatorio) |
MonitorDefinition
| Nome | Descrizione | Valore |
|---|---|---|
| alertNotificationSetting | Impostazioni di notifica del monitoraggio. | MonitoringAlertNotificationSettingsBase |
| computeConfiguration | [Obbligatorio] ID risorsa ARM della risorsa di calcolo in cui eseguire il processo di monitoraggio. | MonitorComputeConfigurationBase (obbligatorio) |
| monitoringTarget | ID risorsa ARM del modello o della distribuzione di destinazione di questo monitoraggio. | MonitoraggioTarget |
| segnali | [Obbligatorio] Segnali da monitorare. | MonitorDefinitionSignals (obbligatorio) |
MonitoringAlertNotificationSettingsBase
| Nome | Descrizione | Valore |
|---|---|---|
| alertNotificationType | Impostare il tipo di oggetto | AzureMonitor Email (obbligatorio) |
AzMonMonitoringAlertNotificationSettings
| Nome | Descrizione | Valore |
|---|---|---|
| alertNotificationType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'AzureMonitor' (obbligatorio) |
EmailMonitoringAlertNotificationSettings
| Nome | Descrizione | Valore |
|---|---|---|
| alertNotificationType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'Email' (obbligatorio) |
| emailNotificationSetting | Configurazione per la notifica. | NotificationSetting |
MonitorComputeConfigurationBase
| Nome | Descrizione | Valore |
|---|---|---|
| computeType | Impostare il tipo di oggetto | ServerlessSpark (obbligatorio) |
MonitorServerlessSparkCompute
| Nome | Descrizione | Valore |
|---|---|---|
| computeType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'ServerlessSpark' (obbligatorio) |
| computeIdentity | [Obbligatorio] Lo schema di identità usato dai processi Spark in esecuzione in Spark serverless. | MonitorComputeIdentityBase (obbligatorio) |
| instanceType | [Obbligatorio] Tipo di istanza che esegue il processo Spark. | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| runtimeVersion | [Obbligatorio] Versione del runtime spark. | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
MonitorComputeIdentityBase
| Nome | Descrizione | Valore |
|---|---|---|
| computeIdentityType | Impostare il tipo di oggetto | AmlToken ManagedIdentity (obbligatorio) |
AmlTokenComputeIdentity
| Nome | Descrizione | Valore |
|---|---|---|
| computeIdentityType | [Obbligatorio] Monitorare l'enumerazione del tipo di identità di calcolo. | 'AmlToken' (obbligatorio) |
ManagedComputeIdentity
| Nome | Descrizione | Valore |
|---|---|---|
| computeIdentityType | [Obbligatorio] Monitorare l'enumerazione del tipo di identità di calcolo. | 'ManagedIdentity' (obbligatorio) |
| identity | Identità del servizio gestita (identità assegnata dal sistema e/o assegnata dall'utente) | ManagedServiceIdentity |
ManagedServiceIdentity
| Nome | Descrizione | Valore |
|---|---|---|
| tipo | Tipo di identità del servizio gestito (in cui sono consentiti sia i tipi SystemAssigned che UserAssigned). | 'Nessuno' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (obbligatorio) |
| userAssignedIdentities | Set di identità assegnate dall'utente associate alla risorsa. Le chiavi del dizionario userAssignedIdentities saranno id risorsa ARM nel formato : '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. I valori del dizionario possono essere oggetti vuoti ({}) nelle richieste. | UserAssignedIdentities |
UserAssignedIdentities
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | UserAssignedIdentity |
UserAssignedIdentity
Questo oggetto non contiene proprietà da impostare durante la distribuzione. Tutte le proprietà sono ReadOnly.
MonitoraggioTarget
| Nome | Descrizione | Valore |
|---|---|---|
| deploymentId | ID risorsa arm della distribuzione di destinazione da questo monitoraggio. | string |
| modelId | ID risorsa ARM del modello di destinazione da questo monitoraggio. | string |
| taskType | [Obbligatorio] Tipo di attività di Machine Learning del modello. | 'Classificazione' 'QuestionAnswering' 'Regression' (obbligatorio) |
MonitorDefinitionSignals
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | MonitoringSignalBase |
MonitoringSignalBase
| Nome | Descrizione | Valore |
|---|---|---|
| mode | Modalità di notifica corrente per questo segnale. | 'Disabilitato' 'Enabled' |
| properties | Dizionario delle proprietà. Le proprietà possono essere aggiunte, ma non rimosse o modificate. | MonitoringSignalBaseProperties |
| signalType | Impostare il tipo di oggetto | Impostazione personalizzata DataDrift DataQuality FeatureAttributionDrift GenerationSafetyQuality GenerationTokenStatistics ModelPerformance PredictionDrift (obbligatorio) |
MonitoringSignalBaseProperties
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | string |
CustomMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'Custom' (obbligatorio) |
| Componentid | [Obbligatorio] ID risorsa ARM della risorsa componente usata per calcolare le metriche personalizzate. | stringa (obbligatoria) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| inputAssets | Monitoraggio degli asset da accettare come input. La chiave è il nome della porta di input del componente, il valore è l'asset dati. | CustomMonitoringSignalInputAssets |
| input | Parametri aggiuntivi dei componenti da accettare come input. La chiave è il nome della porta di input letterale del componente, il valore è il valore del parametro. | CustomMonitoringSignalInputs |
| metricThresholds | [Obbligatorio] Elenco delle metriche da calcolare e le soglie associate. | CustomMetricThreshold[] (obbligatorio) |
| workspaceConnection | [Obbligatorio] Elenco di metriche da calcolare e delle soglie associate. | MonitoringWorkspaceConnection (obbligatorio) |
CustomMonitoringSignalInputAssets
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | MonitoringInputDataBase |
MonitoringInputDataBase
| Nome | Descrizione | Valore |
|---|---|---|
| colonne | Mapping dei nomi di colonna a utilizzi speciali. | MonitoringInputDataBaseColumns |
| Datacontext | Metadati di contesto dell'origine dati. | string |
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obbligatorio) |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| inputDataType | Impostare il tipo di oggetto | Fisso Statico Finale (obbligatorio) |
MonitoringInputDataBaseColumns
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | string |
FixedInputData
| Nome | Descrizione | Valore |
|---|---|---|
| inputDataType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'Fixed' (obbligatorio) |
StaticInputData
| Nome | Descrizione | Valore |
|---|---|---|
| inputDataType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'Static' (obbligatorio) |
| pre-elaborazioneComponentId | ID risorsa ARM della risorsa componente usata per pre-elaborare i dati. | string |
| windowEnd | [Obbligatorio] Data di fine della finestra dati. | stringa (obbligatorio) |
| windowStart | [Obbligatorio] Data di inizio della finestra dati. | stringa (obbligatorio) |
TrailingInputData
| Nome | Descrizione | Valore |
|---|---|---|
| inputDataType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'Trailing' (obbligatorio) |
| pre-elaborazioneComponentId | ID risorsa ARM della risorsa componente usata per pre-elaborare i dati. | string |
| windowOffset | [Obbligatorio] Differenza di tempo tra la fine della finestra dei dati e l'ora di esecuzione corrente del monitoraggio. | stringa (obbligatorio) |
| windowSize | [Obbligatorio] Dimensioni della finestra dei dati finali. | stringa (obbligatorio) |
CustomMonitoringSignalInputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobInput |
CustomMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| Metrica | [Obbligatorio] Metrica definita dall'utente da calcolare. | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| threshold | Valore soglia. Se Null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoringThreshold |
MonitoringThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| Valore | Valore soglia. Se Null, l'impostazione predefinita dipende dal tipo di metrica. | INT |
MonitoringWorkspaceConnection
| Nome | Descrizione | Valore |
|---|---|---|
| environmentVariables | Proprietà di una connessione al servizio dell'area di lavoro da archiviare come variabili di ambiente nei processi inviati. La chiave è il percorso della proprietà di connessione dell'area di lavoro, il nome è la chiave della variabile di ambiente. |
MonitoringWorkspaceConnectionEnvironmentVariables |
| chiavi private | Proprietà di una connessione al servizio dell'area di lavoro da archiviare come segreti nei processi inviati. La chiave è il percorso della proprietà di connessione dell'area di lavoro, il nome è la chiave privata. |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | string |
MonitoringWorkspaceConnectionSecrets
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | string |
DataDriftMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'DataDrift' (obbligatorio) |
| dataSegment | Segmento di dati usato per definire l'ambito in un subset del popolamento dei dati. | MonitoringDataSegment |
| featureDataTypeOverride | Dizionario che esegue il mapping dei nomi delle funzionalità ai rispettivi tipi di dati. | DataDriftMonitoringSignalFeatureDataTypeOverride |
| funzionalità | Filtro delle funzionalità che identifica la funzionalità per calcolare la deriva. | MonitoringFeatureFilterBase |
| metricThresholds | [Obbligatorio] Elenco di metriche da calcolare e delle soglie associate. | DataDriftMetricThresholdBase[] (obbligatorio) |
| productionData | [Obbligatorio] Dati per cui verrà calcolata la deriva. | MonitoringInputDataBase (obbligatorio) |
| referenceData | [Obbligatorio] Dati da calcolare in base alla deriva. | MonitoringInputDataBase (obbligatorio) |
MonitoringDataSegment
| Nome | Descrizione | Valore |
|---|---|---|
| feature | Caratteristica in cui segmentare i dati. | string |
| valori | Filtra solo i valori specificati della caratteristica segmentata specificata. | string[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | 'Categorical' 'Numerico' |
MonitoringFeatureFilterBase
| Nome | Descrizione | Valore |
|---|---|---|
| filterType | Impostare il tipo di oggetto | AllFeatures FeatureSubset TopNByAttribution (obbligatorio) |
AllFeatures
| Nome | Descrizione | Valore |
|---|---|---|
| filterType | [Obbligatorio] Specifica il filtro delle funzionalità da sfruttare quando si selezionano le funzionalità per calcolare le metriche. | 'AllFeatures' (obbligatorio) |
FeatureSubset
| Nome | Descrizione | Valore |
|---|---|---|
| filterType | [Obbligatorio] Specifica il filtro delle funzionalità da sfruttare quando si selezionano le funzionalità per calcolare le metriche. | 'FeatureSubset' (obbligatorio) |
| funzionalità | [Obbligatorio] Elenco delle funzionalità da includere. | string[] (obbligatorio) |
TopNFeaturesByAttribution
| Nome | Descrizione | Valore |
|---|---|---|
| filterType | [Obbligatorio] Specifica il filtro delle funzionalità da sfruttare quando si selezionano le funzionalità per calcolare le metriche. | 'TopNByAttribution' (obbligatorio) |
| top | Numero di funzionalità principali da includere. | INT |
DataDriftMetricThresholdBase
| Nome | Descrizione | Valore |
|---|---|---|
| threshold | Valore soglia. Se null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoraggioThreshold |
| dataType | Impostare il tipo di oggetto | Categorical Numerico (obbligatorio) |
CategoricalDataDriftMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | 'Categorical' (obbligatorio) |
| Metrica | [Obbligatorio] Metrica di deriva dei dati categorici da calcolare. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (obbligatorio) |
NumericDataDriftMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | 'Numerico' (obbligatorio) |
| Metrica | [Obbligatorio] Metrica di deriva dei dati numerici da calcolare. | 'JensenShannonDistance' 'NormaldEnsteinsteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (obbligatorio) |
DataQualityMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'DataQuality' (obbligatorio) |
| featureDataTypeOverride | Dizionario che esegue il mapping dei nomi delle funzionalità ai rispettivi tipi di dati. | DataQualityMonitoringSignalFeatureDataTypeOverride |
| funzionalità | Funzionalità per calcolare la deriva. | MonitoringFeatureFilterBase |
| metricThresholds | [Obbligatorio] Elenco delle metriche da calcolare e le soglie associate. | DataQualityMetricThresholdBase[] (obbligatorio) |
| productionData | [Obbligatorio] I dati prodotti dal servizio di produzione per cui verrà calcolata la deriva. | MonitoringInputDataBase (obbligatorio) |
| referenceData | [Obbligatorio] Dati da calcolare in base alla deriva. | MonitoringInputDataBase (obbligatorio) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | 'Categorico' 'Numerico' |
DataQualityMetricThresholdBase
| Nome | Descrizione | Valore |
|---|---|---|
| threshold | Valore soglia. Se null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoraggioThreshold |
| dataType | Impostare il tipo di oggetto | Categorical Numerico (obbligatorio) |
CategoricalDataQualityMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | 'Categorical' (obbligatorio) |
| Metrica | [Obbligatorio] Metrica della qualità dei dati categorica da calcolare. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obbligatorio) |
NumericDataQualityMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | 'Numerico' (obbligatorio) |
| Metrica | [Obbligatorio] Metrica di qualità dei dati numerica da calcolare. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obbligatorio) |
FeatureAttributionDriftMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'FeatureAttributionDrift' (obbligatorio) |
| metricThreshold | [Obbligatorio] Elenco di metriche da calcolare e delle soglie associate. | FeatureAttributionMetricThreshold (obbligatorio) |
| productionData | [Obbligatorio] Dati per cui verrà calcolata la deriva. | MonitoringInputDataBase[] (obbligatorio) |
| referenceData | [Obbligatorio] Dati da calcolare in base alla deriva. | MonitoringInputDataBase (obbligatorio) |
FeatureAttributionMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| Metrica | [Obbligatorio] Metrica di attribuzione delle funzionalità da calcolare. | 'NormalizedDiscountedCumulativeGain' (obbligatorio) |
| threshold | Valore soglia. Se Null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoringThreshold |
GenerationSafetyQualityMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'GenerationSafetyQuality' (obbligatorio) |
| metricThresholds | [Obbligatorio] Ottiene o imposta le metriche da calcolare e le soglie corrispondenti. | GenerationSafetyQualityMetricThreshold[] (obbligatorio) |
| productionData | Ottiene o imposta i dati di destinazione per il calcolo delle metriche. | MonitoringInputDataBase[] |
| campionamentoRate | [Obbligatorio] La frequenza di campionamento dei dati di destinazione deve essere maggiore di 0 e al massimo 1. | int (obbligatorio) |
| workspaceConnectionId | Ottiene o imposta l'ID di connessione dell'area di lavoro utilizzato per connettersi all'endpoint di generazione del contenuto. | string |
GenerationSafetyQualityMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| Metrica | [Obbligatorio] Ottiene o imposta la metrica di attribuzione delle funzionalità da calcolare. | 'AcceptableCoherenceScorePerInstance' 'AcceptableFluencyScorePerInstance' 'AcceptableGroundednessScorePerInstance' 'AcceptableRelevanceScorePerInstance' 'AcceptableSimilarityScorePerInstance' 'AggregatedCoherencePassRate' 'AggregatedFluencyPassRate' 'AggregatedGroundednessPassRate' 'AggregatedRelevancePassRate' 'AggregatedSimilarityPassRate' (obbligatorio) |
| threshold | Ottiene o imposta il valore soglia. Se Null, verrà impostato un valore predefinito a seconda della metrica selezionata. |
MonitoringThreshold |
GenerationTokenStatisticsSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'GenerationTokenStatistics' (obbligatorio) |
| metricThresholds | [Obbligatorio] Ottiene o imposta le metriche da calcolare e le soglie corrispondenti. | GenerationTokenStatisticsMetricThreshold[] (obbligatorio) |
| productionData | Ottiene o imposta i dati di destinazione per il calcolo delle metriche. | MonitoringInputDataBase |
| campionamentoRate | [Obbligatorio] La frequenza di campionamento dei dati di destinazione deve essere maggiore di 0 e al massimo 1. | int (obbligatorio) |
GenerationTokenStatisticsMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| Metrica | [Obbligatorio] Ottiene o imposta la metrica di attribuzione delle funzionalità da calcolare. | 'TotalTokenCount' 'TotalTokenCountPerGroup' (obbligatorio) |
| threshold | Ottiene o imposta il valore soglia. Se null, verrà impostato un valore predefinito a seconda della metrica selezionata. |
MonitoraggioThreshold |
ModelPerformanceSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'ModelPerformance' (obbligatorio) |
| dataSegment | Segmento di dati. | MonitoringDataSegment |
| metricThreshold | [Obbligatorio] Elenco delle metriche da calcolare e le soglie associate. | ModelPerformanceMetricThresholdBase (obbligatorio) |
| productionData | [Obbligatorio] I dati prodotti dal servizio di produzione per cui verrà calcolata la deriva. | MonitoringInputDataBase[] (obbligatorio) |
| referenceData | [Obbligatorio] Dati da calcolare in base alla deriva. | MonitoringInputDataBase (obbligatorio) |
ModelPerformanceMetricThresholdBase
| Nome | Descrizione | Valore |
|---|---|---|
| threshold | Valore soglia. Se null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoraggioThreshold |
| modelType | Impostare il tipo di oggetto | Classificazione Regressione (obbligatoria) |
ClassificationModelPerformanceMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| modelType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | 'Classificazione' (obbligatorio) |
| Metrica | [Obbligatorio] Prestazioni del modello di classificazione da calcolare. | 'Accuratezza' 'Precisione' 'Richiamo' (obbligatorio) |
RegressionModelPerformanceMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| modelType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | 'Regression' (obbligatorio) |
| Metrica | [Obbligatorio] Metrica delle prestazioni del modello di regressione da calcolare. | 'MeanAbsoluteError' 'MeanSquaredError' 'RootMeanSquaredError' (obbligatorio) |
PredictionDriftMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | 'PredictionDrift' (obbligatorio) |
| metricThresholds | [Obbligatorio] Elenco delle metriche da calcolare e le soglie associate. | PredictionDriftMetricThresholdBase[] (obbligatorio) |
| modelType | [Obbligatorio] Tipo del modello monitorato. | 'Classificazione' 'Regression' (obbligatorio) |
| productionData | [Obbligatorio] I dati per cui verrà calcolata la deriva. | MonitoringInputDataBase (obbligatorio) |
| referenceData | [Obbligatorio] Dati da calcolare in base alla deriva. | MonitoringInputDataBase (obbligatorio) |
PredictionDriftMetricThresholdBase
| Nome | Descrizione | Valore |
|---|---|---|
| threshold | Valore soglia. Se null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoraggioThreshold |
| dataType | Impostare il tipo di oggetto | Categorical Numerico (obbligatorio) |
CategoricalPredictionDriftMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | 'Categorical' (obbligatorio) |
| Metrica | [Obbligatorio] Metrica di deriva della stima categorica da calcolare. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (obbligatorio) |
NumericPredictionDriftMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | 'Numerico' (obbligatorio) |
| Metrica | [Obbligatorio] Metrica di deriva della stima numerica da calcolare. | 'JensenShannonDistance' 'NormalizedBrusteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (obbligatorio) |
ImportDataAction
| Nome | Descrizione | Valore |
|---|---|---|
| actionType | [Obbligatorio] Specifica il tipo di azione della pianificazione | 'ImportData' (obbligatorio) |
| dataImportDefinition | [Obbligatorio] Definisce i dettagli della definizione dell'azione pianificazione. | DataImport (obbligatorio) |
DataImport
| Nome | Descrizione | Valore |
|---|---|---|
| assetName | Nome dell'asset per il processo di importazione dei dati da creare | string |
| autoDeleteSetting | Specifica l'impostazione del ciclo di vita dell'asset di dati gestito. | AutoDeleteSetting |
| dataType | [Obbligatorio] Specifica il tipo di dati. | 'mltable' 'uri_file' 'uri_folder' (obbligatorio) |
| dataUri | [Obbligatorio] URI dei dati. Esempio: https://go.microsoft.com/fwlink/?linkid=2202330 |
stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| description | Testo della descrizione dell'asset. | string |
| intellettualeProperty | Dettagli della proprietà intellettuale. Utilizzato se i dati sono una proprietà intellettuale. | IntellettualeProperty |
| isAnonymous | Se la versione del nome viene generata dal sistema (registrazione anonima). Per i tipi in cui viene definito Stage, quando viene specificato Stage, verrà usato per popolare IsAnonymous | bool |
| isArchived | L'asset è archiviato? Per i tipi in cui viene definito Stage, quando viene specificato Stage, verrà usato per popolare IsArchived | bool |
| properties | Dizionario delle proprietà dell'asset. | ResourceBaseProperties |
| source | Dati di origine dell'asset da importare | DataImportSource |
| fase | Fase del ciclo di vita dei dati assegnato a questo asset di dati | string |
| tags | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | object |
IntellettualeProperty
| Nome | Descrizione | Valore |
|---|---|---|
| protectionLevel | Livello di protezione della proprietà intellettuale. | 'All' 'Nessuno' |
| publisher | [Obbligatorio] Editore della proprietà intellettuale. Deve essere uguale al nome dell'editore del Registro di sistema. | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
DataImportSource
| Nome | Descrizione | Valore |
|---|---|---|
| connection | Connessione all'area di lavoro per l'archiviazione dell'origine di importazione dati | string |
| sourceType | Impostare il tipo di oggetto | database file_system (obbligatorio) |
DatabaseSource
| Nome | Descrizione | Valore |
|---|---|---|
| sourceType | [Obbligatorio] Specifica il tipo di dati. | 'database' (obbligatorio) |
| query | Istruzione query SQL per l'origine del database di importazione dati | string |
| Storedprocedure | Sql StoredProcedure nell'origine del database di importazione dati | string |
| storedProcedureParams | Parametri di SQL StoredProcedure | DatabaseSourceStoredProcedureParamsItem[] |
| tableName | Nome della tabella nell'origine del database di importazione dati | string |
DatabaseSourceStoredProcedureParamsItem
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | string |
FileSystemSource
| Nome | Descrizione | Valore |
|---|---|---|
| sourceType | [Obbligatorio] Specifica il tipo di dati. | 'file_system' (obbligatorio) |
| path | Percorso dell'origine FileSystem di importazione dei dati | 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 |
|---|---|---|
| triggerType | [Obbligatorio] | 'Cron' (obbligatorio) |
| expression | [Obbligatorio] Specifica l'espressione cron della pianificazione. L'espressione deve seguire il formato NCronTab. |
stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
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 della risorsa Terraform (provider AzAPI)
Il tipo di risorsa aree di lavoro/pianificazioni può essere distribuito con operazioni destinate a:
- Gruppi di risorse
Per un elenco delle proprietà modificate in ogni versione dell'API, vedere Log delle modifiche.
Formato 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@2023-06-01-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"
{customized property} = "string"
}
tags = {
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
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"
]
webhooks = {
{customized property} = {
eventType = "string"
webhookType = "string"
// For remaining properties, see Webhook objects
}
}
}
properties = {
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
secretsConfiguration = {
{customized property} = {
uri = "string"
workspaceSecretName = "string"
}
{customized property} = {
uri = "string"
workspaceSecretName = "string"
}
}
services = {
{customized property} = {
endpoint = "string"
jobServiceType = "string"
nodes = {
nodesValueType = "string"
// For remaining properties, see Nodes objects
}
port = int
properties = {
{customized property} = "string"
}
}
{customized property} = {
endpoint = "string"
jobServiceType = "string"
nodes = {
nodesValueType = "string"
// For remaining properties, see Nodes objects
}
port = int
properties = {
{customized property} = "string"
}
}
}
tags = {
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
jobType = "string"
// For remaining properties, see JobBaseProperties objects
}
Per CreateMonitor, usare:
actionType = "CreateMonitor"
monitorDefinition = {
alertNotificationSetting = {
alertNotificationType = "string"
// For remaining properties, see MonitoringAlertNotificationSettingsBase objects
}
computeConfiguration = {
computeType = "string"
// For remaining properties, see MonitorComputeConfigurationBase objects
}
monitoringTarget = {
deploymentId = "string"
modelId = "string"
taskType = "string"
}
signals = {
{customized property} = {
mode = "string"
properties = {
{customized property} = "string"
}
signalType = "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Per ImportData, usare:
actionType = "ImportData"
dataImportDefinition = {
assetName = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
dataType = "string"
dataUri = "string"
description = "string"
intellectualProperty = {
protectionLevel = "string"
publisher = "string"
}
isAnonymous = bool
isArchived = 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"
{customized property} = "string"
}
source = {
connection = "string"
sourceType = "string"
// For remaining properties, see DataImportSource objects
}
stage = "string"
tags = {
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
}
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"
]
maxInstanceCount = int
properties = {}
shmSize = "string"
}
taskDetails = {
logVerbosity = "string"
targetColumnName = "string"
trainingData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
taskType = "string"
// For remaining properties, see AutoMLVertical objects
}
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"
]
maxInstanceCount = int
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"
]
maxInstanceCount = int
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 webhook
Impostare la proprietà webhookType per specificare il tipo di oggetto.
Per AzureDevOps usare:
webhookType = "AzureDevOps"
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"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
Per mlflow_model, usare:
jobOutputType = "mlflow_model"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
Per mltable, usare:
jobOutputType = "mltable"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
Per triton_model, usare:
jobOutputType = "triton_model"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
Per uri_file, usare:
jobOutputType = "uri_file"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
Per uri_folder, usare:
jobOutputType = "uri_folder"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "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"
featuresUnknownAtForecastTime = [
"string"
]
forecastHorizon = {
mode = "string"
// For remaining properties, see ForecastHorizon objects
}
frequency = "string"
seasonality = {
mode = "string"
// For remaining properties, see Seasonality objects
}
shortSeriesHandlingConfig = "string"
targetAggregateFunction = "string"
targetLags = {
mode = "string"
// For remaining properties, see TargetLags objects
}
targetRollingWindowSize = {
mode = "string"
// For remaining properties, see TargetRollingWindowSize objects
}
timeColumnName = "string"
timeSeriesIdColumnNames = [
"string"
]
useStl = "string"
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxNodes = int
maxTrials = int
sweepConcurrentTrials = int
sweepTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
primaryMetric = "string"
searchSpace = [
{
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = "string"
maxBin = "string"
maxDepth = "string"
maxLeaves = "string"
minDataInLeaf = "string"
minSplitGain = "string"
modelName = "string"
nEstimators = "string"
numLeaves = "string"
preprocessorName = "string"
regAlpha = "string"
regLambda = "string"
subsample = "string"
subsampleFreq = "string"
treeMethod = "string"
withMean = "string"
withStd = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
testData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
trainingSettings = {
allowedTrainingAlgorithms = [
"string"
]
blockedTrainingAlgorithms = [
"string"
]
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
trainingMode = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
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"
logTrainingMetrics = "string"
logValidationLoss = "string"
maxSize = int
minSize = int
modelName = "string"
modelSize = "string"
momentum = int
multiScale = bool
nesterov = bool
nmsIouThreshold = int
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
tileGridSize = "string"
tileOverlapRatio = int
tilePredictionsNmsThreshold = int
trainingBatchSize = int
validationBatchSize = int
validationIouThreshold = int
validationMetricType = "string"
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
}
primaryMetric = "MeanAveragePrecision"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
boxDetectionsPerImage = "string"
boxScoreThreshold = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
imageSize = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
maxSize = "string"
minSize = "string"
modelName = "string"
modelSize = "string"
momentum = "string"
multiScale = "string"
nesterov = "string"
nmsIouThreshold = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
tileGridSize = "string"
tileOverlapRatio = "string"
tilePredictionsNmsThreshold = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
validationIouThreshold = "string"
validationMetricType = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
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"
logTrainingMetrics = "string"
logValidationLoss = "string"
maxSize = int
minSize = int
modelName = "string"
modelSize = "string"
momentum = int
multiScale = bool
nesterov = bool
nmsIouThreshold = int
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
tileGridSize = "string"
tileOverlapRatio = int
tilePredictionsNmsThreshold = int
trainingBatchSize = int
validationBatchSize = int
validationIouThreshold = int
validationMetricType = "string"
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
}
primaryMetric = "MeanAveragePrecision"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
boxDetectionsPerImage = "string"
boxScoreThreshold = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
imageSize = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
maxSize = "string"
minSize = "string"
modelName = "string"
modelSize = "string"
momentum = "string"
multiScale = "string"
nesterov = "string"
nmsIouThreshold = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
tileGridSize = "string"
tileOverlapRatio = "string"
tilePredictionsNmsThreshold = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
validationIouThreshold = "string"
validationMetricType = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
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 Ray, usare:
distributionType = "Ray"
address = "string"
dashboardPort = int
headNodeAdditionalArgs = "string"
includeDashboard = bool
port = int
workerNodeAdditionalArgs = "string"
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 MonitoringAlertNotificationSettingsBase
Impostare la proprietà alertNotificationType per specificare il tipo di oggetto.
Per AzureMonitor, usare:
alertNotificationType = "AzureMonitor"
Per Email, usare:
alertNotificationType = "Email"
emailNotificationSetting = {
emailOn = [
"string"
]
emails = [
"string"
]
webhooks = {
{customized property} = {
eventType = "string"
webhookType = "string"
// For remaining properties, see Webhook objects
}
}
}
Oggetti MonitorComputeConfigurationBase
Impostare la proprietà computeType per specificare il tipo di oggetto.
Per ServerlessSpark, usare:
computeType = "ServerlessSpark"
computeIdentity = {
computeIdentityType = "string"
// For remaining properties, see MonitorComputeIdentityBase objects
}
instanceType = "string"
runtimeVersion = "string"
Oggetti MonitorComputeIdentityBase
Impostare la proprietà computeIdentityType per specificare il tipo di oggetto.
Per AmlToken, usare:
computeIdentityType = "AmlToken"
Per ManagedIdentity, usare:
computeIdentityType = "ManagedIdentity"
identity {
type = "string"
identity_ids = []
}
Oggetti MonitoringSignalBase
Impostare la proprietà signalType per specificare il tipo di oggetto.
Per Personalizzato, usare:
signalType = "Custom"
componentId = "string"
inputAssets = {
{customized property} = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
metricThresholds = [
{
metric = "string"
threshold = {
value = int
}
}
]
workspaceConnection = {
environmentVariables = {
{customized property} = "string"
}
secrets = {
{customized property} = "string"
}
}
Per DataDrift, usare:
signalType = "DataDrift"
dataSegment = {
feature = "string"
values = [
"string"
]
}
featureDataTypeOverride = {
{customized property} = "string"
}
features = {
filterType = "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see DataDriftMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Per DataQuality, usare:
signalType = "DataQuality"
featureDataTypeOverride = {
{customized property} = "string"
}
features = {
filterType = "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see DataQualityMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Per FeatureAttributionDrift, usare:
signalType = "FeatureAttributionDrift"
metricThreshold = {
metric = "NormalizedDiscountedCumulativeGain"
threshold = {
value = int
}
}
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Per GenerationSafetyQuality, usare:
signalType = "GenerationSafetyQuality"
metricThresholds = [
{
metric = "string"
threshold = {
value = int
}
}
]
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
samplingRate = int
workspaceConnectionId = "string"
Per GenerationTokenStatistics, usare:
signalType = "GenerationTokenStatistics"
metricThresholds = [
{
metric = "string"
threshold = {
value = int
}
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
samplingRate = int
Per ModelPerformance, usare:
signalType = "ModelPerformance"
dataSegment = {
feature = "string"
values = [
"string"
]
}
metricThreshold = {
threshold = {
value = int
}
modelType = "string"
// For remaining properties, see ModelPerformanceMetricThresholdBase objects
}
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Per PredictionDrift, usare:
signalType = "PredictionDrift"
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
]
modelType = "string"
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Oggetti MonitoringInputDataBase
Impostare la proprietà inputDataType per specificare il tipo di oggetto.
Per Correzione, usare:
inputDataType = "Fixed"
Per Statico, usare:
inputDataType = "Static"
preprocessingComponentId = "string"
windowEnd = "string"
windowStart = "string"
Per Finale, usare:
inputDataType = "Trailing"
preprocessingComponentId = "string"
windowOffset = "string"
windowSize = "string"
Oggetti MonitoringFeatureFilterBase
Impostare la proprietà filterType per specificare il tipo di oggetto.
Per AllFeatures, usare:
filterType = "AllFeatures"
Per FeatureSubset, usare:
filterType = "FeatureSubset"
features = [
"string"
]
Per TopNByAttribution, usare:
filterType = "TopNByAttribution"
top = int
Oggetti DataDriftMetricThresholdBase
Impostare la proprietà dataType per specificare il tipo di oggetto.
Per Categorical, usare:
dataType = "Categorical"
metric = "string"
Per Numerico, usare:
dataType = "Numerical"
metric = "string"
Oggetti DataQualityMetricThresholdBase
Impostare la proprietà dataType per specificare il tipo di oggetto.
Per Categorical, usare:
dataType = "Categorical"
metric = "string"
Per Numerico, usare:
dataType = "Numerical"
metric = "string"
Oggetti ModelPerformanceMetricThresholdBase
Impostare la proprietà modelType per specificare il tipo di oggetto.
Per classificazione, usare:
modelType = "Classification"
metric = "string"
Per Regressione, usare:
modelType = "Regression"
metric = "string"
Oggetti PredictionDriftMetricThresholdBase
Impostare la proprietà dataType per specificare il tipo di oggetto.
Per Categorical, usare:
dataType = "Categorical"
metric = "string"
Per Numerico, usare:
dataType = "Numerical"
metric = "string"
Oggetti DataImportSource
Impostare la proprietà sourceType per specificare il tipo di oggetto.
Per il database, usare:
sourceType = "database"
query = "string"
storedProcedure = "string"
storedProcedureParams = [
{
{customized property} = "string"
}
]
tableName = "string"
Per file_system, usare:
sourceType = "file_system"
path = "string"
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@2023-06-01-preview" |
| name | Nome della risorsa | stringa (obbligatoria) |
| 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) |
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 CreateMonitor ImportData 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 "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 |
| notificationSetting | Impostazione di notifica per il processo | NotificationSetting |
| properties | Dizionario delle proprietà asset. | ResourceBaseProperties |
| secretsConfiguration | Configurazione per i segreti da rendere disponibili durante il runtime. | JobBaseSecretsConfiguration |
| 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 |
| 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[] |
| Webhook | Inviare il callback webhook a un servizio. La chiave è un nome specificato dall'utente per il webhook. | NotificationSettingWebhooks |
NotificationSettingWebhooks
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | Webhook |
webhook
| Nome | Descrizione | Valore |
|---|---|---|
| eventType | Inviare il callback in un evento di notifica specificato | string |
| webhookType | Impostare il tipo di oggetto | AzureDevOps (obbligatorio) |
AzureDevOpsWebhook
| Nome | Descrizione | Valore |
|---|---|---|
| webhookType | [Obbligatorio] Specifica il tipo di servizio da inviare un callback | "AzureDevOps" (obbligatorio) |
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 | |
| {proprietà personalizzata} | string |
JobBaseSecretsConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | SecretConfiguration | |
| {proprietà personalizzata} | SecretConfiguration |
SecretConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| Uri | Uri segreto. Uri di esempio: https://myvault.vault.azure.net/secrets/mysecretname/secretversion |
string |
| workspaceSecretName | Nome del segreto nell'insieme di credenziali delle chiavi dell'area di lavoro. | 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 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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset dati di output. | AutoDeleteSetting |
| mode | Modalità di recapito dell'asset di output. | "Direct" "ReadWriteMount" "Carica" |
| Uri | URI asset di output. | string |
AutoDeleteSetting
| Nome | Descrizione | Valore |
|---|---|---|
| condizione | Quando verificare se un asset è scaduto | "CreatedGreaterThan" "LastAccessedGreaterThan" |
| Valore | Valore della condizione di scadenza. | 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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset di dati di output. | AutoDeleteSetting |
| 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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset di dati di output. | AutoDeleteSetting |
| 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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset di dati di output. | AutoDeleteSetting |
| 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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset dati di output. | AutoDeleteSetting |
| 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 |
| autoDeleteSetting | Impostazione di eliminazione automatica dell'asset dati di output. | AutoDeleteSetting |
| mode | Modalità di recapito dell'asset di output. | "Direct" "ReadWriteMount" "Carica" |
| Uri | URI asset di output. | string |
QueueSettings
| Nome | Descrizione | Valore |
|---|---|---|
| jobTier | Controlla il livello di processo di calcolo | "Basic" "Null" "Premium" "Spot" "Standard" |
| priority | Controlla la priorità del processo in un calcolo. | INT |
JobResourceConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| dockerArgs | Argomenti aggiuntivi da passare al comando Di esecuzione Docker. Questa operazione esegue 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 | Posizioni in cui è possibile eseguire il processo. | string[] |
| maxInstanceCount | Numero massimo consentito facoltativo di istanze o nodi da usare dalla destinazione di calcolo. Per l'uso con training elastico, attualmente supportato solo dal tipo di distribuzione PyTorch. |
INT |
| properties | Borsa di proprietà aggiuntive. | ResourceConfigurationProperties |
| shmSize | Dimensioni del blocco di memoria condiviso 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} | ||
| {proprietà personalizzata} |
AutoMLVertical
| Nome | Descrizione | Valore |
|---|---|---|
| logVerbosity | Log verbosity per il processo. | "Critico" "Debug" "Errore" "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: Lunghezza minima = 1 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 arrotondamenti) in un modello. | INT |
| numLeaves | Specificare il numero di foglie. | INT |
| preprocessorName | Nome del preprocessore da usare. | string |
| regAlpha | L1 termine di regolarizzazione sui pesi. | INT |
| regLambda | Termine di regolarizzazione L2 sui pesi. | INT |
| subsample | Rapporto di sottosample dell'istanza di training. | INT |
| subsampleFreq | Frequenza della sottosample. | INT |
| treeMethod | Specificare il metodo della struttura ad albero. | string |
| withMean | Se true, centra prima di ridimensionare i dati con StandardScalar. | bool |
| withStd | Se true, ridimensionare i dati con Varianza unità con StandardScalar. | bool |
TableVerticalLimitSettings
| Nome | Descrizione | Valore |
|---|---|---|
| enableEarlyTermination | Abilitare la terminazione anticipata, determina se AutoMLJob terminerà in anticipo se negli ultimi 20 iterazioni non è presente alcun miglioramento del punteggio. | bool |
| exitScore | Punteggio di uscita per il processo AutoML. | INT |
| maxConcurrentTrials | Numero massimo di iterazioni simultanee. | INT |
| maxCoresPerTrial | Numero massimo di core per iterazione. | INT |
| maxNodes | Numero massimo di nodi da usare per l'esperimento. | INT |
| maxTrials | Numero di iterazioni. | INT |
| sweepConcurrentTrials | Numero di esecuzioni di sweep simultanee che l'utente vuole attivare. | INT |
| sweepTrials | Numero di esecuzioni di sweep che l'utente desidera attivare. | INT |
| timeout | Timeout del processo AutoML. | string |
| trialTimeout | Timeout di 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. | "Personalizzato" (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" "Casuale" (obbligatorio) |
EarlyTerminationPolicy
| Nome | Descrizione | Valore |
|---|---|---|
| delayEvaluation | Numero di intervalli in base ai quali ritardare la prima valutazione. | INT |
| evaluationInterval | Intervallo (numero di esecuzioni) tra le valutazioni dei criteri. | INT |
| policyType | Impostare il tipo di oggetto | 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" "None" |
Previsione
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | "Previsione" (obbligatorio) |
| cvSplitColumnNames | Colonne da usare per i dati CVSplit. | string[] |
| featurizationSettings | Input di funzionalità necessari per il processo AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parametri di training/modello che rimarranno costanti durante il training. | TableFixedParameters |
| forecastingSettings | Previsione di input specifici dell'attività. | ForecastingSettings |
| limitSettings | Vincoli di esecuzione per AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Numero di pieghe di convalida incrociate da applicare al set di dati di training quando il set di dati di convalida non viene fornito. |
NCrossValidations |
| primaryMetric | Metrica primaria per l'attività di previsione. | "NormaldMeanAbsoluteError" "NormaldRootMeanSquaredError" "R2Score" "SpearmanCorrelation" |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | TableParameterSubspace[] |
| sweepSettings | Impostazioni per l'ottimizzazione di modelli e iperparametri. | TableSweepSettings |
| Testdata | Testare l'input dei dati. | MLTableJobInput |
| testDataSize | Frazione del set di dati di test che deve essere messo a parte per scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
INT |
| trainingSettings | Input per la fase di training per un processo AutoML. | ForecastingTrainingSettings |
| validationData | Input dati di convalida. | MLTableJobInput |
| validationDataSize | Frazione del set di dati di training che deve essere impostato a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicato quando il set di dati di convalida non viene fornito. |
INT |
| weightColumnName | Nome della colonna di peso di esempio. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso o la riduzione delle righe nei dati. | string |
ForecastingSettings
| Nome | Descrizione | Valore |
|---|---|---|
| countryOrRegionForHolidays | Paese o area geografica per le vacanze per le attività di previsione. Questi devono essere ISO 3166 codici paese/area geografica, ad esempio "US" o "GB". |
string |
| cvStepSize | Numero di periodi tra l'ora di origine di una piega cv e la successiva piega. For ad esempio, se CVStepSize = 3 per i dati giornalieri, l'ora di origine per ogni piega saràtre giorni a parte. |
INT |
| featureLags | Contrassegno per la generazione di ritardi per le funzionalità numeriche con 'auto' o Null. | "Auto" "None" |
| featuresUnknownAtForecastTime | Colonne di funzionalità disponibili per il training ma sconosciute al momento della previsione/inferenza. Se features_unknown_at_forecast_time non è impostato, si presuppone che tutte le colonne di funzionalità del set di dati siano note in fase di inferenza. |
string[] |
| 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" "Somma" |
| targetLags | Numero di periodi precedenti di 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 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'. | "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 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 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 |
| trainingBatchSize | Dimensioni del batch di training. Deve essere un intero positivo. | INT |
| trainingCropSize | Dimensioni di ritaglio delle immagini che vengono immesse nella rete neurale per il set di dati di training. Deve essere un intero positivo. | INT |
| validationBatchSize | Dimensioni del 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 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: Lunghezza minima = 1 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" "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 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 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 |
ImageModelSettingsObjectDetection
| 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 |
| 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 le proposte con un punteggio di classificazione maggiore di BoxScoreThreshold. 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 |
| 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". |
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" |
| logTrainingMetrics | Abilitare le metriche di training di calcolo e registrazione. | "Disable" "Enable" |
| logValidationLoss | Abilitare la perdita di convalida di calcolo e registrazione. | "Disable" "Enable" |
| 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" "Grande" "Medio" "None" "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" "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'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 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 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". NMS: eliminazione non massima |
string |
| trainingBatchSize | Dimensioni batch di training. Deve essere un intero positivo. | string |
| validationBatchSize | Dimensioni batch di convalida. Deve essere un intero positivo. | string |
| validationIouThreshold | Soglia di IOU da usare quando si calcola la metrica di convalida. Deve essere float nell'intervallo [0, 1]. | string |
| validationMetricType | Metodo di calcolo metrica da usare per le metriche di convalida. Deve essere "none", "coco", "voc" o "coco_voc". | 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 |
ImageObjectDetection
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | "ImageObjectDetection" (obbligatorio) |
| limitSettings | [Obbligatorio] Limitare le impostazioni per il processo AutoML. | ImageLimitSettings (obbligatorio) |
| modelSettings | Impostazioni usate per il training del modello. | ImageModelSettingsObjectDetection |
| primaryMetric | Metrica primaria da ottimizzare per questa attività. | "MeanAveragePrecision" |
| searchSpace | Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri. | ImageModelDistributionSettingsObjectDetection[] |
| sweepSettings | 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 |
Regressione
| Nome | Descrizione | Valore |
|---|---|---|
| taskType | [Obbligatorio] Tipo di attività per AutoMLJob. | "Regressione" (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 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. | "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 (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, Ray o Null. | DistributionConfiguration |
| environmentId | [Obbligatorio] ID risorsa ARM della specifica Ambiente per il processo. | stringa (obbligatoria) Vincoli: Lunghezza minima = 1 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 Raggio 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 |
Raggio
| Nome | Descrizione | Valore |
|---|---|---|
| distributionType | [Obbligatorio] Specifica il tipo di framework di distribuzione. | "Ray" (obbligatorio) |
| address | Indirizzo del nodo head di Ray. | string |
| dashboardPort | Porta da associare al server dashboard. | INT |
| headNodeAdditionalArgs | Argomenti aggiuntivi passati all'inizio raggio nel nodo head. | string |
| includeDashboard | Specificare questo argomento per avviare l'interfaccia utente del dashboard Ray. | bool |
| port | Porta del processo del raggio head. | INT |
| workerNodeAdditionalArgs | Argomenti aggiuntivi passati all'avvio del raggio nel nodo di lavoro. | string |
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: Lunghezza minima = 1 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: Lunghezza minima = 1 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: Lunghezza minima = 1 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: Lunghezza minima = 1 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: Lunghezza minima = 1 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 |
| secretsConfiguration | Configurazione per rendere disponibili i segreti durante il runtime. | JobBaseSecretsConfiguration |
| 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. | "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. | "Testo" (obbligatorio) |
| annotationType | Tipo di annotazione del processo di etichettatura del testo. | "Classificazione" "NamedEntityRecognition" |
MLAssistConfiguration
| Nome | Descrizione | Valore |
|---|---|---|
| mlAssist | Impostare il tipo di oggetto | Disabilitato Abilitato (obbligatorio) |
MLAssistConfigurationDisabled
| Nome | Descrizione | Valore |
|---|---|---|
| mlAssist | [Obbligatorio] Indica se la funzionalità MLAssist è abilitata. | "Disabilitato" (obbligatorio) |
MLAssistConfigurationEnabled
| Nome | Descrizione | Valore |
|---|---|---|
| mlAssist | [Obbligatorio] Indica se la funzionalità MLAssist è abilitata. | "Abilitato" (obbligatorio) |
| inferencingComputeBinding | [Obbligatorio] Associazione di calcolo AML usata nell'inferenza. | stringa (obbligatoria) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| trainingComputeBinding | [Obbligatorio] Associazione di calcolo AML usata nel training. | stringa (obbligatoria) Vincoli: Lunghezza minima = 1 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 (obbligatorio) Vincoli: Lunghezza minima = 1 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 dei data binding di input usati nel processo. | SparkJobInputs |
| jars | File JAR usati nel processo. | string[] |
| outputs | Mapping dei 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 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. | "Comando" "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: Lunghezza minima = 1 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 | "Casuale" (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 (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: Lunghezza minima = 1 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 |
CreateMonitorAction
| Nome | Descrizione | Valore |
|---|---|---|
| actionType | [Obbligatorio] Specifica il tipo di azione della pianificazione | "CreateMonitor" (obbligatorio) |
| monitorDefinition | [Obbligatorio] Definisce il monitoraggio. | MonitorDefinition (obbligatorio) |
MonitorDefinition
| Nome | Descrizione | Valore |
|---|---|---|
| alertNotificationSetting | Impostazioni di notifica del monitoraggio. | MonitoringAlertNotificationSettingsBase |
| computeConfiguration | [Obbligatorio] ID risorsa ARM della risorsa di calcolo in cui eseguire il processo di monitoraggio. | MonitorComputeConfigurationBase (obbligatorio) |
| monitoraggioTarget | ID risorsa ARM del modello o della distribuzione di destinazione da questo monitoraggio. | MonitoraggioTarget |
| segnali | [Obbligatorio] Segnali da monitorare. | MonitorDefinitionSignals (obbligatorio) |
MonitoringAlertNotificationSettingsBase
| Nome | Descrizione | Valore |
|---|---|---|
| alertNotificationType | Impostare il tipo di oggetto | AzureMonitor Email (obbligatorio) |
AzMonMonitoringAlertNotificationSettings
| Nome | Descrizione | Valore |
|---|---|---|
| alertNotificationType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | "AzureMonitor" (obbligatorio) |
EmailMonitoringAlertNotificationSettings
| Nome | Descrizione | Valore |
|---|---|---|
| alertNotificationType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | "Email" (obbligatorio) |
| emailNotificationSetting | Configurazione per la notifica. | NotificationSetting |
MonitorComputeConfigurationBase
| Nome | Descrizione | Valore |
|---|---|---|
| computeType | Impostare il tipo di oggetto | ServerlessSpark (obbligatorio) |
MonitoraggioServerlessSparkCompute
| Nome | Descrizione | Valore |
|---|---|---|
| computeType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | "ServerlessSpark" (obbligatorio) |
| computeIdentity | [Obbligatorio] Lo schema di identità sfruttato dai processi spark in esecuzione in Spark serverless. | MonitorComputeIdentityBase (obbligatorio) |
| instanceType | [Obbligatorio] Tipo di istanza che esegue il processo Spark. | stringa (obbligatoria) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| runtimeVersion | [Obbligatorio] Versione di runtime di Spark. | stringa (obbligatoria) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
MonitorComputeIdentityBase
| Nome | Descrizione | Valore |
|---|---|---|
| computeIdentityType | Impostare il tipo di oggetto | AmlToken ManagedIdentity (obbligatorio) |
AmlTokenComputeIdentity
| Nome | Descrizione | Valore |
|---|---|---|
| computeIdentityType | [Obbligatorio] Monitorare l'enumerazione del tipo di identità di calcolo. | "AmlToken" (obbligatorio) |
ManagedComputeIdentity
| Nome | Descrizione | Valore |
|---|---|---|
| computeIdentityType | [Obbligatorio] Monitorare l'enumerazione del tipo di identità di calcolo. | "ManagedIdentity" (obbligatorio) |
| identity | Identità del servizio gestita (identità assegnata dal sistema e/o assegnata dall'utente) | ManagedServiceIdentity |
ManagedServiceIdentity
| Nome | Descrizione | Valore |
|---|---|---|
| tipo | Tipo di identità del servizio gestito (in cui sono consentiti sia i tipi SystemAssigned che UserAssigned). | "SystemAssigned" "SystemAssigned,UserAssigned" "UserAssigned" (obbligatorio) |
| identity_ids | Set di identità assegnate dall'utente associate alla risorsa. Le chiavi del dizionario userAssignedIdentities saranno id risorsa ARM nel formato : '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. I valori del dizionario possono essere oggetti vuoti ({}) nelle richieste. | Matrice di ID identità utente. |
UserAssignedIdentities
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | UserAssignedIdentity |
UserAssignedIdentity
Questo oggetto non contiene proprietà da impostare durante la distribuzione. Tutte le proprietà sono ReadOnly.
MonitoraggioTarget
| Nome | Descrizione | Valore |
|---|---|---|
| deploymentId | ID risorsa arm della distribuzione di destinazione da questo monitoraggio. | string |
| modelId | ID risorsa ARM del modello di destinazione da questo monitoraggio. | string |
| taskType | [Obbligatorio] Tipo di attività di Machine Learning del modello. | "Classificazione" "QuestionAnswering" "Regressione" (obbligatorio) |
MonitorDefinitionSignals
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | MonitoringSignalBase |
MonitoringSignalBase
| Nome | Descrizione | Valore |
|---|---|---|
| mode | Modalità di notifica corrente per questo segnale. | "Disabilitato" "Abilitato" |
| properties | Dizionario delle proprietà. Le proprietà possono essere aggiunte, ma non rimosse o modificate. | MonitoringSignalBaseProperties |
| signalType | Impostare il tipo di oggetto | Impostazione personalizzata DataDrift DataQuality FeatureAttributionDrift GenerationSafetyQuality GenerationTokenStatistics ModelPerformance PredictionDrift (obbligatorio) |
MonitoringSignalBaseProperties
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | string |
CustomMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | "Personalizzato" (obbligatorio) |
| Componentid | [Obbligatorio] ID risorsa ARM della risorsa componente usata per calcolare le metriche personalizzate. | stringa (obbligatoria) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| inputAssets | Monitoraggio degli asset da accettare come input. La chiave è il nome della porta di input del componente, il valore è l'asset dati. | CustomMonitoringSignalInputAssets |
| input | Parametri aggiuntivi dei componenti da accettare come input. La chiave è il nome della porta di input letterale del componente, il valore è il valore del parametro. | CustomMonitoringSignalInputs |
| metricThresholds | [Obbligatorio] Elenco delle metriche da calcolare e le soglie associate. | CustomMetricThreshold[] (obbligatorio) |
| workspaceConnection | [Obbligatorio] Elenco delle metriche da calcolare e le soglie associate. | MonitoringWorkspaceConnection (obbligatorio) |
CustomMonitoringSignalInputAssets
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | MonitoringInputDataBase |
MonitoringInputDataBase
| Nome | Descrizione | Valore |
|---|---|---|
| colonne | Mapping dei nomi di colonna a usi speciali. | MonitoringInputDataBaseColumns |
| Datacontext | Metadati di contesto dell'origine dati. | string |
| jobInputType | [Obbligatorio] Specifica il tipo di processo. | "custom_model" "letterale" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (obbligatorio) |
| Uri | [Obbligatorio] URI dell'asset di input. | stringa (obbligatoria) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| inputDataType | Impostare il tipo di oggetto | Fisso Statico Finale (obbligatorio) |
MonitoringInputDataBaseColumns
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | string |
FixedInputData
| Nome | Descrizione | Valore |
|---|---|---|
| inputDataType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | "Corretto" (obbligatorio) |
StaticInputData
| Nome | Descrizione | Valore |
|---|---|---|
| inputDataType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | "Statico" (obbligatorio) |
| pre-elaborazioneComponentId | ID risorsa ARM della risorsa componente usata per pre-elaborare i dati. | string |
| windowEnd | [Obbligatorio] Data di fine della finestra dati. | stringa (obbligatorio) |
| windowStart | [Obbligatorio] Data di inizio della finestra dati. | stringa (obbligatorio) |
TrailingInputData
| Nome | Descrizione | Valore |
|---|---|---|
| inputDataType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | "Trailing" (obbligatorio) |
| pre-elaborazioneComponentId | ID risorsa ARM della risorsa componente usata per pre-elaborare i dati. | string |
| windowOffset | [Obbligatorio] Differenza di tempo tra la fine della finestra dei dati e l'ora di esecuzione corrente del monitoraggio. | stringa (obbligatorio) |
| windowSize | [Obbligatorio] Dimensioni della finestra dei dati finali. | stringa (obbligatorio) |
CustomMonitoringSignalInputs
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | JobInput |
CustomMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| Metrica | [Obbligatorio] Metrica definita dall'utente da calcolare. | stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| threshold | Valore soglia. Se Null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoringThreshold |
MonitoringThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| Valore | Valore soglia. Se Null, l'impostazione predefinita dipende dal tipo di metrica. | INT |
MonitoringWorkspaceConnection
| Nome | Descrizione | Valore |
|---|---|---|
| environmentVariables | Proprietà di una connessione al servizio dell'area di lavoro da archiviare come variabili di ambiente nei processi inviati. La chiave è il percorso della proprietà di connessione dell'area di lavoro, il nome è la chiave della variabile di ambiente. |
MonitoringWorkspaceConnectionEnvironmentVariables |
| chiavi private | Proprietà di una connessione al servizio dell'area di lavoro da archiviare come segreti nei processi inviati. La chiave è il percorso della proprietà di connessione dell'area di lavoro, il nome è la chiave privata. |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | string |
MonitoringWorkspaceConnectionSecrets
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | string |
DataDriftMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | "DataDrift" (obbligatorio) |
| dataSegment | Segmento di dati usato per definire l'ambito in un subset del popolamento dei dati. | MonitoringDataSegment |
| featureDataTypeOverride | Dizionario che esegue il mapping dei nomi delle funzionalità ai rispettivi tipi di dati. | DataDriftMonitoringSignalFeatureDataTypeOverride |
| funzionalità | Filtro delle funzionalità che identifica la funzionalità per calcolare la deriva. | MonitoringFeatureFilterBase |
| metricThresholds | [Obbligatorio] Elenco di metriche da calcolare e delle soglie associate. | DataDriftMetricThresholdBase[] (obbligatorio) |
| productionData | [Obbligatorio] Dati per cui verrà calcolata la deriva. | MonitoringInputDataBase (obbligatorio) |
| referenceData | [Obbligatorio] Dati da calcolare in base alla deriva. | MonitoringInputDataBase (obbligatorio) |
MonitoringDataSegment
| Nome | Descrizione | Valore |
|---|---|---|
| feature | Caratteristica in cui segmentare i dati. | string |
| valori | Filtra solo i valori specificati della caratteristica segmentata specificata. | string[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | "Categorical" "Numerico" |
MonitoringFeatureFilterBase
| Nome | Descrizione | Valore |
|---|---|---|
| filterType | Impostare il tipo di oggetto | AllFeatures FeatureSubset TopNByAttribution (obbligatorio) |
AllFeatures
| Nome | Descrizione | Valore |
|---|---|---|
| filterType | [Obbligatorio] Specifica il filtro delle funzionalità da sfruttare quando si selezionano le funzionalità per calcolare le metriche. | "AllFeatures" (obbligatorio) |
FeatureSubset
| Nome | Descrizione | Valore |
|---|---|---|
| filterType | [Obbligatorio] Specifica il filtro delle funzionalità da sfruttare quando si selezionano le funzionalità per calcolare le metriche. | "FeatureSubset" (obbligatorio) |
| funzionalità | [Obbligatorio] Elenco di funzionalità da includere. | string[] (obbligatorio) |
TopNFeaturesByAttribution
| Nome | Descrizione | Valore |
|---|---|---|
| filterType | [Obbligatorio] Specifica il filtro delle funzionalità da sfruttare quando si selezionano le funzionalità per calcolare le metriche. | "TopNByAttribution" (obbligatorio) |
| top | Numero di funzionalità principali da includere. | INT |
DataDriftMetricThresholdBase
| Nome | Descrizione | Valore |
|---|---|---|
| threshold | Valore soglia. Se Null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoringThreshold |
| dataType | Impostare il tipo di oggetto | Categorical Numerico (obbligatorio) |
CategoricalDataDriftMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | "Categorical" (obbligatorio) |
| Metrica | [Obbligatorio] Metrica di deriva dei dati categorici da calcolare. | "JensenShannonDistance" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (obbligatorio) |
NumericDataDriftMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | "Numerico" (obbligatorio) |
| Metrica | [Obbligatorio] Metrica di deriva dei dati numerici da calcolare. | "JensenShannonDistance" "Normald WadsteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (obbligatorio) |
DataQualityMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | "DataQuality" (obbligatorio) |
| featureDataTypeOverride | Dizionario che esegue il mapping dei nomi delle funzionalità ai rispettivi tipi di dati. | DataQualityMonitoringSignalFeatureDataTypeOverride |
| funzionalità | Funzionalità per calcolare la deriva. | MonitoringFeatureFilterBase |
| metricThresholds | [Obbligatorio] Elenco delle metriche da calcolare e le soglie associate. | DataQualityMetricThresholdBase[] (obbligatorio) |
| productionData | [Obbligatorio] I dati prodotti dal servizio di produzione per cui verrà calcolata la deriva. | MonitoringInputDataBase (obbligatorio) |
| referenceData | [Obbligatorio] Dati da calcolare in base alla deriva. | MonitoringInputDataBase (obbligatorio) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | "Categorico" "Numerico" |
DataQualityMetricThresholdBase
| Nome | Descrizione | Valore |
|---|---|---|
| threshold | Valore soglia. Se null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoraggioThreshold |
| dataType | Impostare il tipo di oggetto | Categorical Numerico (obbligatorio) |
CategoricalDataQualityMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | "Categorical" (obbligatorio) |
| Metrica | [Obbligatorio] Metrica della qualità dei dati categorica da calcolare. | "DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (obbligatorio) |
NumericDataQualityMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | "Numerico" (obbligatorio) |
| Metrica | [Obbligatorio] Metrica di qualità dei dati numerica da calcolare. | "DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (obbligatorio) |
FeatureAttributionDriftMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | "FeatureAttributionDrift" (obbligatorio) |
| metricThreshold | [Obbligatorio] Elenco delle metriche da calcolare e le soglie associate. | FeatureAttributionMetricThreshold (obbligatorio) |
| productionData | [Obbligatorio] I dati per cui verrà calcolata la deriva. | MonitoringInputDataBase[] (obbligatorio) |
| referenceData | [Obbligatorio] Dati da calcolare in base alla deriva. | MonitoringInputDataBase (obbligatorio) |
FeatureAttributionMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| Metrica | [Obbligatorio] Metrica di attribuzione delle funzionalità da calcolare. | "NormaldDiscountedCumulativeGain" (obbligatorio) |
| threshold | Valore soglia. Se Null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoringThreshold |
GenerationSafetyQualityMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | "GenerationSafetyQuality" (obbligatorio) |
| metricThresholds | [Obbligatorio] Ottiene o imposta le metriche da calcolare e le soglie corrispondenti. | GenerationSafetyQualityMetricThreshold[] (obbligatorio) |
| productionData | Ottiene o imposta i dati di destinazione per il calcolo delle metriche. | MonitoringInputDataBase[] |
| campionamentoRate | [Obbligatorio] La frequenza di campionamento dei dati di destinazione deve essere maggiore di 0 e al massimo 1. | int (obbligatorio) |
| workspaceConnectionId | Ottiene o imposta l'ID di connessione dell'area di lavoro utilizzato per connettersi all'endpoint di generazione del contenuto. | string |
GenerationSafetyQualityMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| Metrica | [Obbligatorio] Ottiene o imposta la metrica di attribuzione delle funzionalità da calcolare. | "AcceptableCoherenceScorePerInstance" "AcceptableFluencyScorePerInstance" "AcceptableGroundednessScorePerInstance" "AcceptableRelevanceScorePerInstance" "AcceptableSimilarityScorePerInstance" "AggregatedCoherencePassRate" "AggregatedFluencyPassRate" "AggregatedGroundednessPassRate" "AggregatedRelevancePassRate" "AggregatedSimilarityPassRate" (obbligatorio) |
| threshold | Ottiene o imposta il valore soglia. Se Null, verrà impostato un valore predefinito a seconda della metrica selezionata. |
MonitoringThreshold |
GenerationTokenStatisticsSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | "GenerationTokenStatistics" (obbligatorio) |
| metricThresholds | [Obbligatorio] Ottiene o imposta le metriche da calcolare e le soglie corrispondenti. | GenerationTokenStatisticsMetricThreshold[] (obbligatorio) |
| productionData | Ottiene o imposta i dati di destinazione per il calcolo delle metriche. | MonitoringInputDataBase |
| campionamentoRate | [Obbligatorio] La frequenza di campionamento dei dati di destinazione deve essere maggiore di 0 e al massimo 1. | int (obbligatorio) |
GenerationTokenStatisticsMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| Metrica | [Obbligatorio] Ottiene o imposta la metrica di attribuzione delle funzionalità da calcolare. | "TotalTokenCount" "TotalTokenCountPerGroup" (obbligatorio) |
| threshold | Ottiene o imposta il valore soglia. Se Null, verrà impostato un valore predefinito a seconda della metrica selezionata. |
MonitoringThreshold |
ModelPerformanceSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | "ModelPerformance" (obbligatorio) |
| dataSegment | Segmento di dati. | MonitoringDataSegment |
| metricThreshold | [Obbligatorio] Elenco di metriche da calcolare e delle soglie associate. | ModelPerformanceMetricThresholdBase (obbligatorio) |
| productionData | [Obbligatorio] I dati prodotti dal servizio di produzione per cui verrà calcolata la deriva. | MonitoringInputDataBase[] (obbligatorio) |
| referenceData | [Obbligatorio] Dati da calcolare in base alla deriva. | MonitoringInputDataBase (obbligatorio) |
ModelPerformanceMetricThresholdBase
| Nome | Descrizione | Valore |
|---|---|---|
| threshold | Valore soglia. Se Null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoringThreshold |
| modelType | Impostare il tipo di oggetto | Classificazione Regressione (obbligatorio) |
ClassificationModelPerformanceMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| modelType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | "Classificazione" (obbligatorio) |
| Metrica | [Obbligatorio] Prestazioni del modello di classificazione da calcolare. | "Accuratezza" "Precisione" "Richiamo" (obbligatorio) |
RegressionModelPerformanceMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| modelType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | "Regressione" (obbligatorio) |
| Metrica | [Obbligatorio] Metrica delle prestazioni del modello di regressione da calcolare. | "MeanAbsoluteError" "MeanSquaredError" "RootMeanSquaredError" (obbligatorio) |
PredictionDriftMonitoringSignal
| Nome | Descrizione | Valore |
|---|---|---|
| signalType | [Obbligatorio] Specifica il tipo di segnale da monitorare. | "PredictionDrift" (obbligatorio) |
| metricThresholds | [Obbligatorio] Elenco delle metriche da calcolare e le soglie associate. | PredictionDriftMetricThresholdBase[] (obbligatorio) |
| modelType | [Obbligatorio] Tipo del modello monitorato. | "Classificazione" "Regressione" (obbligatorio) |
| productionData | [Obbligatorio] I dati per cui verrà calcolata la deriva. | MonitoringInputDataBase (obbligatorio) |
| referenceData | [Obbligatorio] Dati da calcolare in base alla deriva. | MonitoringInputDataBase (obbligatorio) |
PredictionDriftMetricThresholdBase
| Nome | Descrizione | Valore |
|---|---|---|
| threshold | Valore soglia. Se null, verrà impostato un valore predefinito a seconda della metrica selezionata. | MonitoraggioThreshold |
| dataType | Impostare il tipo di oggetto | Categorical Numerico (obbligatorio) |
CategoricalPredictionDriftMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | "Categorical" (obbligatorio) |
| Metrica | [Obbligatorio] Metrica di deriva della stima categorica da calcolare. | "JensenShannonDistance" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (obbligatorio) |
NumericaPredictionDriftMetricThreshold
| Nome | Descrizione | Valore |
|---|---|---|
| dataType | [Obbligatorio] Specifica il tipo di dati della soglia della metrica. | "Numerico" (obbligatorio) |
| Metrica | [Obbligatorio] Metrica di deriva della stima numerica da calcolare. | "JensenShannonDistance" "Normald WadsteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (obbligatorio) |
ImportDataAction
| Nome | Descrizione | Valore |
|---|---|---|
| actionType | [Obbligatorio] Specifica il tipo di azione della pianificazione | "ImportData" (obbligatorio) |
| dataImportDefinition | [Obbligatorio] Definisce i dettagli della definizione dell'azione di pianificazione. | DataImport (obbligatorio) |
DataImport
| Nome | Descrizione | Valore |
|---|---|---|
| assetName | Nome dell'asset per il processo di importazione dei dati da creare | string |
| autoDeleteSetting | Specifica l'impostazione del ciclo di vita dell'asset dati gestito. | AutoDeleteSetting |
| dataType | [Obbligatorio] Specifica il tipo di dati. | "mltable" "uri_file" "uri_folder" (obbligatorio) |
| dataUri | [Obbligatorio] Uri dei dati. Esempio: https://go.microsoft.com/fwlink/?linkid=2202330 |
stringa (obbligatoria) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
| description | Testo della descrizione dell'asset. | string |
| intellettualeProperty | Dettagli della proprietà intellettuale. Usato se i dati sono una proprietà intellettuale. | IntellettualeProperty |
| isAnonymous | Se la versione del nome viene generata dal sistema (registrazione anonima). Per i tipi in cui viene definito Stage, quando viene fornito Stage verrà usato per popolare IsAnonymous | bool |
| isArchived | L'asset è archiviato? Per i tipi in cui viene definita La fase, quando viene fornita la fase, verrà usata per popolare IsArchived | bool |
| properties | Dizionario delle proprietà asset. | ResourceBaseProperties |
| source | Dati di origine dell'asset da importare | DataImportSource |
| fase | Fase del ciclo di vita dei dati assegnato a questo asset di dati | string |
| tags | Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. | object |
IntellettualeProperty
| Nome | Descrizione | Valore |
|---|---|---|
| protectionLevel | Livello di protezione della proprietà intellettuale. | "All" "None" |
| publisher | [Obbligatorio] Editore della proprietà intellettuale. Deve essere uguale al nome del server di pubblicazione del Registro di sistema. | stringa (obbligatoria) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
DataImportSource
| Nome | Descrizione | Valore |
|---|---|---|
| connection | Connessione dell'area di lavoro per l'archiviazione dell'origine di importazione dati | string |
| sourceType | Impostare il tipo di oggetto | database file_system (obbligatorio) |
DatabaseSource
| Nome | Descrizione | Valore |
|---|---|---|
| sourceType | [Obbligatorio] Specifica il tipo di dati. | "database" (obbligatorio) |
| query | Istruzione query SQL per l'origine del database di importazione dati | string |
| Storedprocedure | SQL StoredProcedure sull'origine del database di importazione dati | string |
| storedProcedureParams | Parametri di SQL StoredProcedure | DatabaseSourceStoredProcedureParamsItem[] |
| tableName | Nome della tabella sull'origine del database di importazione dati | string |
DatabaseSourceStoredProcedureParamsItem
| Nome | Descrizione | Valore |
|---|---|---|
| {proprietà personalizzata} | string |
FileSystemSource
| Nome | Descrizione | Valore |
|---|---|---|
| sourceType | [Obbligatorio] Specifica il tipo di dati. | "file_system" (obbligatorio) |
| path | Percorso dell'origine FileSystem di importazione dei dati | 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 |
|---|---|---|
| triggerType | [Obbligatorio] | "Cron" (obbligatorio) |
| expression | [Obbligatorio] Specifica l'espressione cron della pianificazione. L'espressione deve seguire il formato NCronTab. |
stringa (obbligatorio) Vincoli: Lunghezza minima = 1 Pattern = [a-zA-Z0-9_] |
RecurrenceTrigger
| Nome | Descrizione | Valore |
|---|---|---|
| endTime | Specifica l'ora di fine della pianificazione in ISO 8601, ma senza offset UTC. Fare riferimento a https://en.wikipedia.org/wiki/ISO_8601.Il formato commentato sarà "2022-06-01T00:00:01" Se non è presente, la pianificazione verrà eseguita per un periodo illimitato |
string |
| frequency | [Obbligatorio] Frequenza di attivazione della pianificazione. | "Giorno" "Ora" "Minuto" "Month" "Settimana" (obbligatorio) |
| interval | [Obbligatorio] Specifica l'intervallo di pianificazione in combinazione con la frequenza | int (obbligatorio) |
| schedule | Pianificazione della ricorrenza. | RecurrenceSchedule |
| startTime | Specifica l'ora di inizio della pianificazione in formato ISO 8601, ma senza offset UTC. | string |
| timeZone | Specifica il fuso orario in cui viene eseguita la pianificazione. TimeZone deve seguire il formato del fuso orario di Windows. Vedere: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones |
string |
| triggerType | [Obbligatorio] | "Cron" "Ricorrenza" (obbligatorio) |
RecurrenceSchedule
| Nome | Descrizione | Valore |
|---|---|---|
| ore | [Obbligatorio] Elenco di ore per la pianificazione. | int[] (obbligatorio) |
| minutes | [Obbligatorio] Elenco di minuti per la pianificazione. | int[] (obbligatorio) |
| monthDays | Elenco dei giorni del mese per la pianificazione | int[] |
| weekDays | Elenco di giorni per la pianificazione. | Matrice di stringhe contenente uno dei seguenti elementi: "Friday" "Lunedì" "Sabato" "Sunday" "Thursday" "Tuesday" "Wednesday" |
Commenti e suggerimenti
Presto disponibile: Nel corso del 2024 verranno gradualmente disattivati i problemi di GitHub come meccanismo di feedback per il contenuto e ciò verrà sostituito con un nuovo sistema di feedback. Per altre informazioni, vedere https://aka.ms/ContentUserFeedback.
Invia e visualizza il feedback per