Condividi tramite

Aree di lavoro/pianificazioni Microsoft.MachineLearningServices

  • Articolo

Definizione di risorsa Bicep

Il tipo di risorsa aree di lavoro/pianificazioni può essere distribuito con operazioni destinate a:

Per un elenco delle proprietà modificate in ogni versione dell'API, vedere Log delle modifiche.

Formato di risorsa

Per creare una risorsa Microsoft.MachineLearningServices/workspaces/schedules, aggiungere il bicep seguente al modello.

resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2023-10-01' = {
  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'
    }
    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'
    }
    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
    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'
    }
    services: {
      {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'
    }
    jobType: 'string'
    // For remaining properties, see JobBaseProperties objects
  }

Per CreateMonitor, usare:

  actionType: 'CreateMonitor'
  monitorDefinition: {
    alertNotificationSettings: {
      emailNotificationSettings: {
        emails: [
          'string'
        ]
      }
    }
    computeConfiguration: {
      computeType: 'string'
      // For remaining properties, see MonitorComputeConfigurationBase objects
    }
    monitoringTarget: {
      deploymentId: 'string'
      modelId: 'string'
      taskType: 'string'
    }
    signals: {
      {customized property}: {
        notificationTypes: 'AmlNotification'
        properties: {
          {customized property}: 'string'
        }
        signalType: 'string'
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }

Per InvokeBatchEndpoint, usare:

  actionType: 'InvokeBatchEndpoint'
  endpointInvocationDefinition: any()

Oggetti JobBaseProperties

Impostare la proprietà jobType per specificare il tipo di oggetto.

Per AutoML, usare:

  jobType: 'AutoML'
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    properties: {
      {customized property}: any()
      {customized property}: any()
    }
    shmSize: 'string'
  }
  taskDetails: {
    logVerbosity: 'string'
    targetColumnName: 'string'
    trainingData: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    taskType: 'string'
    // For remaining properties, see AutoMLVertical objects
  }

Per Comando usare:

  jobType: 'Command'
  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'
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    properties: {
      {customized property}: any()
      {customized property}: any()
    }
    shmSize: 'string'
  }

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 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'
  }
  samplingAlgorithm: {
    samplingAlgorithmType: 'string'
    // For remaining properties, see SamplingAlgorithm objects
  }
  searchSpace: any()
  trial: {
    codeId: 'string'
    command: 'string'
    distribution: {
      distributionType: 'string'
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId: 'string'
    environmentVariables: {
      {customized property}: 'string'
    }
    resources: {
      dockerArgs: 'string'
      instanceCount: int
      instanceType: 'string'
      properties: {
        {customized property}: any()
        {customized property}: any()
      }
      shmSize: 'string'
    }
  }

Oggetti IdentityConfiguration

Impostare la proprietà identityType per specificare il tipo di oggetto.

Per AMLToken, usare:

  identityType: 'AMLToken'

Per Gestito, usare:

  identityType: 'Managed'
  clientId: 'string'
  objectId: 'string'
  resourceId: 'string'

Per UserIdentity, usare:

  identityType: 'UserIdentity'

Oggetti nodi

Impostare la proprietà nodesValueType per specificare il tipo di oggetto.

Per Tutti, usare:

  nodesValueType: 'All'

Oggetti JobOutput

Impostare la proprietà jobOutputType per specificare il tipo di oggetto.

Per custom_model, usare:

  jobOutputType: 'custom_model'
  mode: 'string'
  uri: 'string'

Per mlflow_model, usare:

  jobOutputType: 'mlflow_model'
  mode: 'string'
  uri: 'string'

Per mltable, usare:

  jobOutputType: 'mltable'
  mode: 'string'
  uri: 'string'

Per triton_model, usare:

  jobOutputType: 'triton_model'
  mode: 'string'
  uri: 'string'

Per uri_file, usare:

  jobOutputType: 'uri_file'
  mode: 'string'
  uri: 'string'

Per uri_folder, usare:

  jobOutputType: 'uri_folder'
  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()
        }
      ]
    }
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel: 'string'
  primaryMetric: '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'
    }
  }
  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()
        }
      ]
    }
  }
  forecastingSettings: {
    countryOrRegionForHolidays: 'string'
    cvStepSize: int
    featureLags: 'string'
    forecastHorizon: {
      mode: 'string'
      // For remaining properties, see ForecastHorizon objects
    }
    frequency: 'string'
    seasonality: {
      mode: 'string'
      // For remaining properties, see Seasonality objects
    }
    shortSeriesHandlingConfig: 'string'
    targetAggregateFunction: 'string'
    targetLags: {
      mode: 'string'
      // For remaining properties, see TargetLags objects
    }
    targetRollingWindowSize: {
      mode: 'string'
      // For remaining properties, see TargetRollingWindowSize objects
    }
    timeColumnName: 'string'
    timeSeriesIdColumnNames: [
      'string'
    ]
    useStl: 'string'
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: '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'
    }
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

Per ImageClassification usare:

  taskType: 'ImageClassification'
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    momentum: int
    nesterov: bool
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    trainingBatchSize: int
    trainingCropSize: int
    validationBatchSize: int
    validationCropSize: int
    validationResizeSize: int
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
    weightedLoss: int
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      momentum: 'string'
      nesterov: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      trainingBatchSize: 'string'
      trainingCropSize: 'string'
      validationBatchSize: 'string'
      validationCropSize: 'string'
      validationResizeSize: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
      weightedLoss: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int

Per ImageClassificationMultilabel usare:

  taskType: 'ImageClassificationMultilabel'
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    momentum: int
    nesterov: bool
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    trainingBatchSize: int
    trainingCropSize: int
    validationBatchSize: int
    validationCropSize: int
    validationResizeSize: int
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
    weightedLoss: int
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      momentum: 'string'
      nesterov: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      trainingBatchSize: 'string'
      trainingCropSize: 'string'
      validationBatchSize: 'string'
      validationCropSize: 'string'
      validationResizeSize: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
      weightedLoss: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int

Per ImageInstanceSegmentation, usare:

  taskType: 'ImageInstanceSegmentation'
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    boxDetectionsPerImage: int
    boxScoreThreshold: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    imageSize: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    maxSize: int
    minSize: int
    modelName: 'string'
    modelSize: 'string'
    momentum: int
    multiScale: bool
    nesterov: bool
    nmsIouThreshold: int
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    tileGridSize: 'string'
    tileOverlapRatio: int
    tilePredictionsNmsThreshold: int
    trainingBatchSize: int
    validationBatchSize: int
    validationIouThreshold: int
    validationMetricType: 'string'
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
  }
  primaryMetric: 'MeanAveragePrecision'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      boxDetectionsPerImage: 'string'
      boxScoreThreshold: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      imageSize: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      maxSize: 'string'
      minSize: 'string'
      modelName: 'string'
      modelSize: 'string'
      momentum: 'string'
      multiScale: 'string'
      nesterov: 'string'
      nmsIouThreshold: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      tileGridSize: 'string'
      tileOverlapRatio: 'string'
      tilePredictionsNmsThreshold: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      validationIouThreshold: 'string'
      validationMetricType: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int

Per ImageObjectDetection, usare:

  taskType: 'ImageObjectDetection'
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    boxDetectionsPerImage: int
    boxScoreThreshold: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    imageSize: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    maxSize: int
    minSize: int
    modelName: 'string'
    modelSize: 'string'
    momentum: int
    multiScale: bool
    nesterov: bool
    nmsIouThreshold: int
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    tileGridSize: 'string'
    tileOverlapRatio: int
    tilePredictionsNmsThreshold: int
    trainingBatchSize: int
    validationBatchSize: int
    validationIouThreshold: int
    validationMetricType: 'string'
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
  }
  primaryMetric: 'MeanAveragePrecision'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      boxDetectionsPerImage: 'string'
      boxScoreThreshold: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      imageSize: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      maxSize: 'string'
      minSize: 'string'
      modelName: 'string'
      modelSize: 'string'
      momentum: 'string'
      multiScale: 'string'
      nesterov: 'string'
      nmsIouThreshold: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      tileGridSize: 'string'
      tileOverlapRatio: 'string'
      tilePredictionsNmsThreshold: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      validationIouThreshold: 'string'
      validationMetricType: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int

Per Regressione usare:

  taskType: 'Regression'
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: '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'
    }
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

Per TextClassification, usare:

  taskType: 'TextClassification'
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  primaryMetric: 'string'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }

Per TextClassificationMultilabel, usare:

  taskType: 'TextClassificationMultilabel'
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }

Per TextNER, usare:

  taskType: 'TextNER'
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: '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 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 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 DistributionConfiguration

Impostare la proprietà distributionType per specificare il tipo di oggetto.

Per Mpi, usare:

  distributionType: 'Mpi'
  processCountPerInstance: int

Per PyTorch usare:

  distributionType: 'PyTorch'
  processCountPerInstance: int

Per TensorFlow, usare:

  distributionType: 'TensorFlow'
  parameterServerCount: int
  workerCount: int

Oggetti JobInput

Impostare la proprietà jobInputType per specificare il tipo di oggetto.

Per custom_model, usare:

  jobInputType: 'custom_model'
  mode: 'string'
  uri: 'string'

Per il valore letterale, usare:

  jobInputType: 'literal'
  value: 'string'

Per mlflow_model, usare:

  jobInputType: 'mlflow_model'
  mode: 'string'
  uri: 'string'

Per mltable, usare:

  jobInputType: 'mltable'
  mode: 'string'
  uri: 'string'

Per triton_model, usare:

  jobInputType: 'triton_model'
  mode: 'string'
  uri: 'string'

Per uri_file, usare:

  jobInputType: 'uri_file'
  mode: 'string'
  uri: 'string'

Per uri_folder, usare:

  jobInputType: 'uri_folder'
  mode: 'string'
  uri: 'string'

Oggetti 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'
  rule: 'string'
  seed: int

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
      }
    }
  ]

Per DataDrift, usare:

  signalType: 'DataDrift'
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  featureImportanceSettings: {
    mode: 'string'
    targetColumn: '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'
  }
  featureImportanceSettings: {
    mode: 'string'
    targetColumn: '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'
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  featureImportanceSettings: {
    mode: 'string'
    targetColumn: 'string'
  }
  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 PredictionDrift, usare:

  signalType: 'PredictionDrift'
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  metricThresholds: [
    {
      threshold: {
        value: int
      }
      dataType: 'string'
      // For remaining properties, see PredictionDriftMetricThresholdBase 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
  }

Oggetti MonitoringInputDataBase

Impostare la proprietà inputDataType per specificare il tipo di oggetto.

Per Fisso, usare:

  inputDataType: 'Fixed'

Per l'uso in sequenza, usare:

  inputDataType: 'Rolling'
  preprocessingComponentId: 'string'
  windowOffset: 'string'
  windowSize: 'string'

Per Statico, usare:

  inputDataType: 'Static'
  preprocessingComponentId: 'string'
  windowEnd: 'string'
  windowStart: '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 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 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 (obbligatorio)
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)

ScheduleProperties

Nome Descrizione Valore
azione [Obbligatorio] Specifica l'azione della pianificazione ScheduleActionBase (obbligatorio)
description Testo della descrizione dell'asset. string
displayName Nome visualizzato della pianificazione. string
isEnabled La pianificazione è abilitata? bool
properties Dizionario delle proprietà dell'asset. ResourceBaseProperties
tags Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. object
trigger [Obbligatorio] Specifica i dettagli del trigger TriggerBase (obbligatorio)

ScheduleActionBase

Nome Descrizione Valore
actionType Impostare il tipo di oggetto CreateJob
CreateMonitor
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
properties Dizionario delle proprietà asset. ResourceBaseProperties
services Elenco di JobEndpoints.
Per i processi locali, un endpoint del processo avrà un valore endpoint di FileStreamObject.		 JobBaseServices
tags Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. object
jobType Impostare il tipo di oggetto AutoML
Comando
Pipeline
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)

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

JobBaseServices

Nome Descrizione Valore
{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 endpoint. INT
properties Proprietà aggiuntive da impostare nell'endpoint. JobServiceProperties

Nodi

Nome Descrizione Valore
nodeValueType Impostare il tipo di oggetto Tutto (obbligatorio)

AllNodes

Nome Descrizione Valore
nodeValueType [Obbligatorio] Tipo del valore Nodi 'All' (obbligatorio)

JobServiceProperties

Nome Descrizione Valore
{proprietà personalizzata} string

Processo AutoML

Nome Descrizione Valore
jobType [Obbligatorio] Specifica il tipo di processo. 'AutoML' (obbligatorio)
environmentId ID risorsa ARM della specifica Ambiente per il processo.
Si tratta di un valore facoltativo da specificare, se non specificato, AutoML verrà predefinito in Versione dell'ambiente di produzione gestita durante l'esecuzione del processo.		 string
environmentVariables Variabili di ambiente incluse nel processo. AutoMLJobEnvironmentVariables
outputs Mapping dei data binding di output usati nel processo. AutoMLJobOutputs
queueSettings Impostazioni della coda per il processo QueueSettings
resources Configurazione delle risorse di calcolo per il processo. JobResourceConfiguration
taskDetails [Obbligatorio] Questo rappresenta uno scenario che può essere una delle tabelle/NLP/Image AutoMLVertical (obbligatorio)

AutoMLJobEnvironmentVariables

Nome Descrizione Valore
{proprietà personalizzata} string

AutoMLJobOutputs

Nome Descrizione Valore
{proprietà personalizzata} JobOutput

JobOutput

Nome Descrizione Valore
description Descrizione dell'output. string
jobOutputType Impostare il tipo di oggetto custom_model
mlflow_model
mltable
triton_model
uri_file
uri_folder (obbligatorio)

CustomModelJobOutput

Nome Descrizione Valore
jobOutputType [Obbligatorio] Specifica il tipo di processo. 'custom_model' (obbligatorio)
mode Modalità di distribuzione degli asset di output. 'ReadWriteMount'
'Upload'
Uri URI asset di output. string

MLFlowModelJobOutput

Nome Descrizione Valore
jobOutputType [Obbligatorio] Specifica il tipo di processo. 'mlflow_model' (obbligatorio)
mode Modalità di distribuzione degli asset di output. 'ReadWriteMount'
'Upload'
Uri URI asset di output. string

MLTableJobOutput

Nome Descrizione Valore
jobOutputType [Obbligatorio] Specifica il tipo di processo. 'mltable' (obbligatorio)
mode Modalità di distribuzione degli asset di output. 'ReadWriteMount'
'Upload'
Uri URI asset di output. string

ModelModelJobOutput

Nome Descrizione Valore
jobOutputType [Obbligatorio] Specifica il tipo di processo. 'triton_model' (obbligatorio)
mode Modalità di distribuzione degli asset di output. 'ReadWriteMount'
'Upload'
Uri URI asset di output. string

UriFileJobOutput

Nome Descrizione Valore
jobOutputType [Obbligatorio] Specifica il tipo di processo. 'uri_file' (obbligatorio)
mode Modalità di recapito dell'asset di output. 'ReadWriteMount'
'Carica'
Uri URI asset di output. string

UriFolderJobOutput

Nome Descrizione Valore
jobOutputType [Obbligatorio] Specifica il tipo di processo. 'uri_folder' (obbligatorio)
mode Modalità di recapito dell'asset di output. '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'

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
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} Per Bicep è possibile usare la funzione any().
{proprietà personalizzata} Per Bicep è possibile usare la funzione any().

AutoMLVertical

Nome Descrizione Valore
logVerbosity Log verbosity per il processo. 'Critico'
'Debug'
'Error'
'Info'
'NotSet'
'Avviso'
targetColumnName Nome colonna di destinazione: si tratta della colonna valori di stima.
Noto anche come nome di colonna etichetta nel contesto delle attività di classificazione.		 string
trainingData [Obbligatorio] Input dati di training. MLTableJobInput (obbligatorio)
taskType Impostare il tipo di oggetto Classificazione
Previsione
ImageClassification
ImageClassificationMultilabel
ImageInstanceSegmentation
ImageObjectDetection
Regressione
TextClassification
TextClassificationMultilabel
TextNER (obbligatorio)

MLTableJobInput

Nome Descrizione Valore
description Descrizione 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
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'
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().

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
maxTrials Numero di iterazioni. 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)

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

StackEnsembleSettings

Nome Descrizione Valore
stackMetaLearnerKWargs Parametri facoltativi da passare all'inizializzatore del meta-learner. Per Bicep, è possibile usare la funzione any().
stackMetaLearnerTrainPercentage Specifica la proporzione del set di training (quando si sceglie il training e il tipo di convalida del training) da riservare per il training del meta-apprendimento. Il valore predefinito è 0,2. INT
stackMetaLearnerType Il meta-apprendimento è un modello sottoposto a training sull'output dei singoli modelli eterogenei. 'ElasticNet'
'ElasticNetCV'
'LightGBMClassifier'
'LightGBMRegressor'
'LinearRegression'
'LogisticRegression'
'LogisticRegressionCV'
'Nessuno'

Previsione

Nome Descrizione Valore
taskType [Obbligatorio] Tipo di attività per AutoMLJob. 'Forecasting' (obbligatorio)
cvSplitColumnNames Colonne da utilizzare per i dati CVSplit. string[]
featurizationSettings Input di definizione delle caratteristiche necessari per il processo AutoML. TableVerticalFeaturizationSettings
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'
Testdata Testare l'input dei dati. MLTableJobInput
testDataSize Frazione del set di dati di test da riservare a scopo di convalida.
Valori compresi tra (0,0 , 1,0)
Applicato quando il set di dati di convalida non viene fornito.		 INT
trainingSettings Input per la fase di training per un processo AutoML. ForecastingTrainingSettings
validationData Input di dati di convalida. MLTableJobInput
validationDataSize Frazione del set di dati di training da riservare a scopo di convalida.
Valori compresi tra (0,0 , 1,0)
Applicato quando il set di dati di convalida non viene fornito.		 INT
weightColumnName Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando l'aumento o la riduzione delle righe nei dati. string

ForecastingSettings

Nome Descrizione Valore
countryOrRegionForHolidays Paese o area geografica per le festività per le attività di previsione.
Devono essere codici ISO 3166 paese/area geografica a due lettere, ad esempio "US" o "GB".		 string
cvStepSize Numero di periodi tra l'ora di origine di una piega cv e la successiva piega. For
ad esempio, se CVStepSize = 3 per i dati giornalieri, l'ora di origine per ogni piega sarà
tre giorni a parte.		 INT
featureLags Flag per la generazione di ritardi per le funzionalità numeriche con 'auto' o Null. 'Auto'
'Nessuno'
forecastHorizon Orizzonte di previsione massimo desiderato in unità di frequenza delle serie temporali. ForecastHorizon
frequency Durante la previsione, questo parametro rappresenta il periodo con cui si desidera 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 dedotta.		 Stagionalità
shortSeriesHandlingConfig Parametro che definisce la modalità di gestione di serie temporali brevi da parte di AutoML. 'Auto'
'Drop'
'Nessuno'
'Pad'
targetAggregateFunction Funzione da utilizzare per aggregare la colonna di destinazione della serie temporale in modo che sia conforme a una frequenza specificata dall'utente.
Se targetAggregateFunction è impostato, ad esempio non 'None', ma il parametro freq non è impostato, viene generato l'errore. Le possibili funzioni di aggregazione di destinazione sono: "sum", "max", "min" e "mean".		 'Max'
'Mean'
'Min'
'Nessuno'
'Sum'
targetLags Numero di periodi 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. 'Nessuno'
'Season'
'SeasonTrend'

ForecastHorizon

Nome Descrizione Valore
mode Impostare il tipo di oggetto Auto
Personalizzato (obbligatorio)

AutoForecastHorizon

Nome Descrizione Valore
mode [Obbligatorio] Impostare la modalità di selezione del valore dell'orizzonte di previsione. 'Auto' (obbligatorio)

CustomForecastHorizon

Nome Descrizione Valore
mode [Obbligatorio] Impostare la modalità di selezione del valore dell'orizzonte di previsione. 'Custom' (obbligatorio)
Valore [Obbligatorio] Valore dell'orizzonte di previsione. int (obbligatorio)

Stagionalità

Nome Descrizione Valore
mode Impostare il tipo di oggetto Auto
Personalizzato (obbligatorio)

AutoSeasonality

Nome Descrizione Valore
mode [Obbligatorio] Modalità stagionalità. 'Auto' (obbligatorio)

CustomSeasonality

Nome Descrizione Valore
mode [Obbligatorio] Modalità stagionalità. 'Custom' (obbligatorio)
Valore [Obbligatorio] Valore stagionalità. int (obbligatorio)

TargetLags

Nome Descrizione Valore
mode Impostare il tipo di oggetto Auto
Personalizzato (obbligatorio)

AutoTargetLags

Nome Descrizione Valore
mode [Obbligatorio] Impostare la modalità di ritardo di destinazione - Auto/Personalizzato 'Auto' (obbligatorio)

CustomTargetLags

Nome Descrizione Valore
mode [Obbligatorio] Impostare la modalità di ritardo di destinazione - Auto/Personalizzato 'Custom' (obbligatorio)
valori [Obbligatorio] Impostare i valori di ritardo di destinazione. int[] (obbligatorio)

TargetRollingWindowSize

Nome Descrizione Valore
mode Impostare il tipo di oggetto Auto
Personalizzato (obbligatorio)

AutoTargetRollingWindowSize

Nome Descrizione Valore
mode [Obbligatorio] Modalità di rilevamento TargetRollingWindowSiz. 'Auto' (obbligatorio)

CustomTargetRollingWindowSize

Nome Descrizione Valore
mode [Obbligatorio] Modalità di rilevamento TargetRollingWindowSiz. 'Custom' (obbligatorio)
Valore [Obbligatorio] Valore TargetRollingWindowSize. int (obbligatorio)

ForecastingTrainingSettings

Nome Descrizione Valore
allowedTrainingAlgorithms Modelli consentiti per l'attività di previsione. Matrice di stringhe contenente uno qualsiasi di:
'Arimax'
'AutoArima'
'Media'
'DecisionTree'
'ElasticNet'
'EsponenzialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naive'
'Profeta'
'RandomForest'
'SGD'
'SeasonalAverage'
'SeasonalNaive'
'TCNForecaster'
'XGBoostRegressor'
blockedTrainingAlgorithms Modelli bloccati per l'attività di previsione. Matrice di stringhe contenente uno dei seguenti elementi:
'Arimax'
'AutoArima'
'Average'
'DecisionTree'
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naive'
'Profeta'
'RandomForest'
'SGD'
'SeasonalAverage'
'SeasonalNaive'
'TCNForecaster'
'XGBoostRegressor'
enableDnnTraining Abilitare la raccomandazione dei modelli DNN. bool
enableModelExplainability Flag per attivare la spiegazione nel modello migliore. bool
enableOnnxCompatibleModels Contrassegno per l'abilitazione di modelli compatibili con onnx. bool
enableStackEnsemble Abilitare l'esecuzione dell'insieme di stack. bool
enableVoteEnsemble Abilitare l'esecuzione dell'ensemble di voto. bool
ensembleModelDownloadTimeout Durante la generazione del modello VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati delle esecuzioni figlio precedenti.
Se è necessario più tempo, configurare questo parametro con un valore superiore a 300 secondi.		 string
stackEnsembleSettings Impostazioni dell'insieme stack per l'esecuzione dell'insieme di stack. StackEnsembleSettings

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
aumento delle attività Impostazioni per l'uso di aumento. string
beta1 Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un float nell'intervallo [0, 1]. INT
beta2 Valore "beta2" quando optimizer è 'adam' o 'adamw'. Deve essere un float nell'intervallo [0, 1]. INT
checkpointFrequency Frequenza per archiviare i checkpoint del modello. Deve essere un intero positivo. INT
checkpointModel Modello di checkpoint pre-sottoposto a training per il training incrementale. MLFlowModelJobInput
checkpointRunId ID di un'esecuzione precedente con un checkpoint pre-sottoposto a training per il training incrementale. string
distribuite Se usare il training distribuito. bool
earlyStopping Abilitare la logica di arresto anticipato durante il training. bool
earlyStoppingDelay Numero minimo di periodi o valutazioni di convalida da attendere prima del miglioramento della metrica primaria
viene monitorato per l'arresto anticipato. Deve essere un intero positivo.		 INT
earlyStoppingPatience Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie prima
l'esecuzione viene arrestata. Deve essere un intero positivo.		 INT
enableOnnxNormalization Abilitare la normalizzazione durante l'esportazione del modello ONNX. bool
evaluationFrequency Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. INT
gradientAccumulationStep L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza
aggiornamento dei pesi del modello durante l'accumulazione delle sfumature di tali passaggi e quindi l'uso
sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo.		 INT
layerToFreeze Numero di livelli da bloccare per il modello. Deve essere un intero positivo.
Ad esempio, passando 2 come valore per "seresnext" significa
congelare il livello0 e il livello1. Per un elenco completo di modelli supportati e dettagli sul blocco del livello, consultare
Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 INT
learningRate Frequenza iniziale di apprendimento. Deve essere un float nell'intervallo [0, 1]. INT
learningRateScheduler Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio". 'Nessuno'
'Passaggio'
'WarmupCosine'
modelName Nome del modello da usare per il training.
Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
momentum Valore di slancio quando optimizer è "sgd". Deve essere un float nell'intervallo [0, 1]. INT
Nesterov Abilitare nesterov quando optimizer è "sgd". bool
numberOfEpochs Numero di epoche di training. Deve essere un intero positivo. INT
numberOfWorkers Numero di ruoli di lavoro del caricatore dati. Deve essere un intero non negativo. INT
optimizer Tipo di optimizer. 'Adam'
'Adamw'
'Nessuno'
'Sgd'
casualESeed Inizializzazione casuale da usare quando si usa training deterministico. INT
stepLRGamma Il valore di gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un float nell'intervallo [0, 1]. INT
stepLRStepSize Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. INT
trainingBatchSize Dimensioni batch di training. Deve essere un intero positivo. INT
trainingCropSize Dimensioni ritaglio immagine input nella rete neurale per il set di dati di training. Deve essere un intero positivo. INT
validationBatchSize Dimensioni batch di convalida. Deve essere un intero positivo. INT
validationCropSize Dimensioni ritaglio immagine input nella rete neurale per il set di dati di convalida. Deve essere un intero positivo. INT
validationResizeSize Dimensioni dell'immagine a cui ridimensionare prima di ritagliare il set di dati di convalida. Deve essere un intero positivo. INT
warmupCosineLRCycles Valore del ciclo cosno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un float nell'intervallo [0, 1]. INT
warmupCosineLRWarmupEpochs Valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo. INT
pesoDecay Valore del decadimento del peso quando optimizer è "sgd", "adam" o "adamw". Deve essere un float nell'intervallo[0, 1]. INT
weightedLoss Perdita ponderata. I valori accettati sono 0 per nessuna perdita ponderata.
1 per la perdita ponderata con sqrt. (class_weights). 2 per la perdita ponderata con class_weights. Deve essere 0 o 1 o 2.
 INT

MLFlowModelJobInput

Nome Descrizione Valore
description Descrizione dell'input. string
jobInputType [Obbligatorio] Specifica il tipo di processo. 'custom_model'
'letterale'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (obbligatorio)
mode Modalità di recapito dell'asset di input. 'Direct'
'Download'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Obbligatorio] URI dell'asset di input. stringa (obbligatoria)

Vincoli:
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 di 'beta2' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. string
distribuite Indica se usare il training di distributer. string
earlyStopping Abilitare la logica di arresto anticipato durante il training. string
earlyStoppingDelay Numero minimo di periodi o valutazioni di convalida da attendere prima del miglioramento della metrica primaria
viene monitorato per l'arresto anticipato. Deve essere un intero positivo.		 string
earlyStoppingPatience Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie
l'esecuzione viene arrestata. Deve essere un intero positivo.		 string
enableOnnxNormalization Abilitare la normalizzazione durante l'esportazione del modello ONNX. string
evaluationFrequency Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. string
gradientAccumulationStep L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza
aggiornamento dei pesi del modello durante l'accumulo delle sfumature di tali passaggi e quindi uso
le sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo.		 string
layersToFreeze Numero di livelli da bloccare per il modello. Deve essere un intero positivo.
Ad esempio, passando 2 come valore per "seresnext" significa
strato di congelamento0 e layer1. Per un elenco completo dei modelli supportati e dettagli sul blocco del livello,
Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
learningRate Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1]. string
learningRateScheduler Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere 'warmup_cosine' o 'step'. string
modelName Nome del modello da usare per il training.
Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
momentum Valore di momentum quando Optimizer è "sgd". Deve essere un valore float nell'intervallo [0, 1]. string
Nesterov Abilitare nesterov quando optimizer è "sgd". string
numberOfEpochs Numero di 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
trainingBatchSize Dimensioni del batch di training. Deve essere un intero positivo. string
trainingCropSize Dimensioni di ritaglio delle immagini che vengono immesse nella rete neurale per il set di dati di training. Deve essere un intero positivo. string
validationBatchSize Dimensioni del batch di convalida. Deve essere un intero positivo. string
validationCropSize Dimensioni di ritaglio delle immagini che vengono immesse nella rete neurale per il set di dati di convalida. Deve essere un intero positivo. string
validationResizeSize Dimensioni dell'immagine in cui eseguire il ridimensionamento prima del ritaglio per 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)

EarlyTerminationPolicy

Nome Descrizione Valore
delayEvaluation Numero di intervalli in base al quale ritardare la prima valutazione. INT
evaluationInterval Intervallo (numero di esecuzioni) tra valutazioni dei criteri. INT
policyType Impostare il tipo di oggetto Bandito
MedianStopping
TroncamentoSelection (obbligatorio)

BanditPolicy

Nome Descrizione Valore
policyType [Obbligatorio] Nome della configurazione dei criteri 'Bandit' (obbligatorio)
slackAmount Distanza assoluta consentita dall'esecuzione migliore. INT
slackFactor Rapporto della distanza consentita dall'esecuzione migliore. INT

MedianStoppingPolicy

Nome Descrizione Valore
policyType [Obbligatorio] Nome della configurazione dei criteri 'MedianStopping' (obbligatorio)

TroncationSelectionPolicy

Nome Descrizione Valore
policyType [Obbligatorio] Nome della configurazione dei criteri 'TruncationSelection' (obbligatorio)
troncationPercentage Percentuale di esecuzioni da annullare a ogni intervallo di valutazione. INT

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 lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. ImageModelDistributionSettingsClassification[]
sweepSettings Sweep dei modelli e impostazioni correlate all'iperparametro. ImageSweepSettings
validationData Input di dati di convalida. MLTableJobInput
validationDataSize Frazione del set di dati di training da riservare a scopo di convalida.
Valori compresi tra (0,0 , 1,0)
Applicato quando il set di dati di convalida non viene fornito.
 INT

ImageInstanceSegmentation

Nome Descrizione Valore
taskType [Obbligatorio] Tipo di attività per AutoMLJob. 'ImageInstanceSegmentation' (obbligatorio)
limitSettings [Obbligatorio] Limitare le impostazioni per il processo AutoML. ImageLimitSettings (obbligatorio)
modelSettings Impostazioni utilizzate per il training del modello. ImageModelSettingsObjectDetection
primaryMetric Metrica primaria da ottimizzare per questa attività. 'MeanAveragePrecision'
searchSpace Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Sweep dei modelli e impostazioni correlate all'iperparametro. ImageSweepSettings
validationData Input di dati di convalida. MLTableJobInput
validationDataSize Frazione del set di dati di training da riservare a scopo di convalida.
Valori compresi tra (0,0 , 1,0)
Applicato quando il set di dati di convalida non viene fornito.
 INT

ImageModelSettingsObjectDetection

Nome Descrizione Valore
advancedSettings Impostazioni per scenari avanzati. string
amsGradient Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'. bool
incrementi Impostazioni per l'uso di Augmentations. string
beta1 Valore di 'beta1' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. INT
beta2 Valore di 'beta2' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. INT
boxDetectionsPerImage Numero massimo di rilevamenti per immagine, per tutte le classi. Deve essere un intero positivo.
Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'.		 INT
boxScoreThreshold Durante l'inferenza, restituisce solo proposte con un punteggio di classificazione maggiore di
BoxScoreThreshold. Deve essere un valore float nell'intervallo[0, 1].		 INT
checkpointFrequency Frequenza di archiviazione dei checkpoint del modello. Deve essere un intero positivo. INT
checkpointModel Modello di checkpoint con training preliminare per il training incrementale. MLFlowModelJobInput
checkpointRunId ID di un'esecuzione precedente con un checkpoint con training preliminare per il training incrementale. string
distribuite Indica se usare il training distribuito. bool
earlyStopping Abilitare la logica di arresto anticipato durante il training. bool
earlyStoppingDelay Numero minimo di periodi o valutazioni di convalida da attendere prima del miglioramento della metrica primaria
viene monitorato per l'arresto anticipato. Deve essere un intero positivo.		 INT
earlyStoppingPatience Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie
l'esecuzione viene arrestata. Deve essere un intero positivo.		 INT
enableOnnxNormalization Abilitare la normalizzazione durante l'esportazione del modello ONNX. bool
evaluationFrequency Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. INT
gradientAccumulationStep L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza
aggiornamento dei pesi del modello durante l'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'
Maxsize Dimensioni massime dell'immagine da ridimensionare prima di alimentarla al backbone.
Deve essere un intero positivo. Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni sono troppo grandi.
Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".		 INT
minSize Dimensioni minime dell'immagine da ridimensionare prima di alimentarla al backbone.
Deve essere un intero positivo. Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni sono troppo grandi.
Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".		 INT
modelName Nome del modello da usare per il training.
Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
modelSize Dimensioni del modello. Deve essere "small", "medium", "large" o "xlarge".
Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni del modello sono troppo grandi.
Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5".		 'ExtraLarge'
'Large'
'Medium'
'Nessuno'
'Small'
momentum Valore di slancio quando optimizer è "sgd". Deve essere un float nell'intervallo [0, 1]. INT
multiscale Abilitare l'immagine su più scalabilità variando di dimensioni dell'immagine per +/- 50%.
Nota: l'esecuzione del training può entrare in CUDA OOM se non è sufficiente memoria GPU.
Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5".		 bool
Nesterov Abilitare nesterov quando optimizer è "sgd". bool
nmsIouThreshold Soglia IOU usata durante l'inferenza nel post-elaborazione di NMS. Deve essere un float nell'intervallo [0, 1]. INT
numberOfEpochs Numero di epoche di training. Deve essere un intero positivo. INT
numberOfWorkers Numero di ruoli di lavoro del caricatore dati. Deve essere un intero non negativo. INT
optimizer Tipo di optimizer. 'Adam'
'Adamw'
'Nessuno'
'Sgd'
casualESeed Inizializzazione casuale da usare quando si usa training deterministico. INT
stepLRGamma Il valore di gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un float nell'intervallo [0, 1]. INT
stepLRStepSize Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. INT
tileGridSize Dimensioni della griglia da usare per l'associazione di ogni immagine. Nota: TileGridSize non deve essere
Nessuno per abilitare la logica di rilevamento di oggetti di piccole dimensioni. Stringa contenente due interi in formato mxn.
Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".		 string
tileOverlapRatio Rapporto di sovrapposizione tra riquadri adiacenti in ogni dimensione. Deve essere float nell'intervallo [0, 1).
Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".		 INT
tilePredictionsNmsThreshold Soglia IOU da usare per eseguire NMS durante l'unione delle stime dai riquadri e dall'immagine.
Usato nella convalida/inferenza. Deve essere float nell'intervallo [0, 1].
Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".		 INT
trainingBatchSize Dimensioni batch di training. Deve essere un intero positivo. INT
validationBatchSize Dimensioni batch di convalida. Deve essere un intero positivo. INT
validationIouThreshold Soglia di IOU da usare quando si calcola la metrica di convalida. Deve essere float nell'intervallo [0, 1]. INT
validationMetricType Metodo di calcolo metrica da usare per le metriche di convalida. 'Coco'
'CocoVoc'
'Nessuno'
'Voc'
warmupCosineLRCycles Valore del ciclo cosno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un float nell'intervallo [0, 1]. INT
warmupCosineLRWarmupEpochs Valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo. INT
pesoDecay Valore del decadimento del peso quando optimizer è "sgd", "adam" o "adamw". Deve essere un float nell'intervallo[0, 1]. INT

ImageModelDistributionSettingsObjectDetection

Nome Descrizione Valore
amsGradient Abilitare AMSGrad quando optimizer è 'adam' o 'adamw'. string
aumento delle attività Impostazioni per l'uso di aumento. string
beta1 Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un float nell'intervallo [0, 1]. string
beta2 Valore "beta2" quando optimizer è 'adam' o 'adamw'. Deve essere un float nell'intervallo [0, 1]. string
boxDetectionsPerImage Numero massimo di rilevamenti per immagine, per tutte le classi. Deve essere un intero positivo.
Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".		 string
boxScoreThreshold Durante l'inferenza, restituisce solo le proposte con un punteggio di classificazione maggiore di
BoxScoreThreshold. Deve essere un float nell'intervallo[0, 1].		 string
distribuite Se usare il training di distributer. string
earlyStopping Abilitare la logica di arresto anticipato durante il training. string
earlyStoppingDelay Numero minimo di periodi o valutazioni di convalida da attendere prima del miglioramento della metrica primaria
viene monitorato per l'arresto anticipato. Deve essere un intero positivo.		 string
earlyStoppingPatience Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie prima
l'esecuzione viene arrestata. Deve essere un intero positivo.		 string
enableOnnxNormalization Abilitare la normalizzazione durante l'esportazione del modello ONNX. string
evaluationFrequency Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. string
gradientAccumulationStep L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza
aggiornamento dei pesi del modello durante l'accumulazione delle sfumature di tali passaggi e quindi l'uso
sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo.		 string
Imagesize Dimensioni dell'immagine per il training e la convalida. Deve essere un intero positivo.
Nota: l'esecuzione del training può entrare in OOM CUDA se le dimensioni sono troppo grandi.
Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5".		 string
layerToFreeze Numero di livelli da bloccare per il modello. Deve essere un intero positivo.
Ad esempio, passando 2 come valore per "seresnext" significa
congelare il livello0 e il livello1. Per un elenco completo di modelli supportati e dettagli sul blocco del livello, consultare
Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
learningRate Frequenza iniziale di apprendimento. Deve essere un float nell'intervallo [0, 1]. string
learningRateScheduler Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio". string
Maxsize Dimensioni massime dell'immagine da ridimensionare prima di alimentarla al backbone.
Deve essere un intero positivo. Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni sono troppo grandi.
Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".		 string
minSize Dimensioni minime dell'immagine da ridimensionare prima di alimentarla al backbone.
Deve essere un intero positivo. Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni sono troppo grandi.
Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".		 string
modelName Nome del modello da usare per il training.
Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
modelSize Dimensioni del modello. Deve essere "small", "medium", "large" o "xlarge".
Nota: l'esecuzione del training può entrare in CUDA OOM se le dimensioni del modello sono troppo grandi.
Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5".		 string
momentum Valore di slancio quando optimizer è "sgd". Deve essere un float nell'intervallo [0, 1]. string
multiscale Abilitare l'immagine su più scalabilità variando di dimensioni dell'immagine per +/- 50%.
Nota: l'esecuzione del training può entrare in CUDA OOM se non è sufficiente memoria GPU.
Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5".		 string
Nesterov Abilitare nesterov quando optimizer è "sgd". string
nmsIouThreshold Soglia IOU usata durante l'inferenza nel post-elaborazione di NMS. Deve essere float nell'intervallo [0, 1]. string
numberOfEpochs Numero di epoche di training. Deve essere un intero positivo. string
numberOfWorkers Numero di ruoli di lavoro del caricatore 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 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
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'
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

TextClassification

Nome Descrizione Valore
taskType [Obbligatorio] Tipo di attività per AutoMLJob. 'TextClassification' (obbligatorio)
featurizationSettings Input di funzionalità necessari per il processo AutoML. NlpVerticalFeaturizationSettings
limitSettings Vincoli di esecuzione per AutoMLJob. NlpVerticalLimitSettings
primaryMetric Metrica primaria per l'attività Text-Classification. 'AUCWeighted'
'Accuratezza'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
validationData Input dati di convalida. MLTableJobInput

NlpVerticalFeaturizationSettings

Nome Descrizione Valore
set di datiLanguage Lingua del set di dati, utile per i dati di testo. string

NlpVerticalLimitSettings

Nome Descrizione Valore
maxConcurrentTrials Numero massimo di iterazioni AutoML simultanee. INT
maxTrials Numero di iterazioni AutoML. INT
timeout Timeout del processo AutoML. string

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
limitSettings Vincoli di esecuzione per AutoMLJob. NlpVerticalLimitSettings
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
limitSettings Vincoli di esecuzione per AutoMLJob. NlpVerticalLimitSettings
validationData Input di dati di convalida. MLTableJobInput

CommandJob

Nome Descrizione Valore
jobType [Obbligatorio] Specifica il tipo di processo. 'Command' (obbligatorio)
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. 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

DistributionConfiguration

Nome Descrizione Valore
distributionType Impostare il tipo di oggetto Mpi
PyTorch
TensorFlow (obbligatorio)

Mpi

Nome Descrizione Valore
distributionType [Obbligatorio] Specifica il tipo di framework di distribuzione. 'Mpi' (obbligatorio)
processCountPerInstance Numero di processi per nodo MPI. INT

PyTorch

Nome Descrizione Valore
distributionType [Obbligatorio] Specifica il tipo di framework di distribuzione. 'PyTorch' (obbligatorio)
processCountPerInstance Numero di processi per nodo. INT

TensorFlow

Nome Descrizione Valore
distributionType [Obbligatorio] Specifica il tipo di framework di distribuzione. 'TensorFlow' (obbligatorio)
parameterServerCount Numero di attività del server dei parametri. INT
workerCount Numero di ruoli di lavoro. Se non specificato, verrà predefinito il conteggio delle istanze. INT

CommandJobEnvironmentVariables

Nome Descrizione Valore
{proprietà personalizzata} string

CommandJobInputs

Nome Descrizione Valore
{proprietà personalizzata} JobInput

JobInput

Nome Descrizione Valore
description Descrizione per l'input. string
jobInputType Impostare il tipo di oggetto custom_model
literal
mlflow_model
mltable
triton_model
uri_file
uri_folder (obbligatorio)

CustomModelJobInput

Nome Descrizione Valore
jobInputType [Obbligatorio] Specifica il tipo di processo. 'custom_model' (obbligatorio)
mode Modalità di distribuzione degli asset di input. 'Direct'
'Download'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Obbligatorio] URI dell'asset di input. stringa (obbligatorio)

Vincoli:
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 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 (obbligatoria)

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 inferiore a secondi. string

CommandJobOutputs

Nome Descrizione Valore
{proprietà personalizzata} JobOutput

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

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
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)
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
alertNotificationSettings Impostazioni di notifica del monitoraggio. MonitorNotificationSettings
computeConfiguration [Obbligatorio] ID risorsa ARM della risorsa di calcolo in cui eseguire il processo di monitoraggio. MonitorComputeConfigurationBase (obbligatorio)
monitoringTarget Entità di destinazione del monitoraggio. MonitoraggioTarget
segnali [Obbligatorio] Segnali da monitorare. MonitorDefinitionSignals (obbligatorio)

MonitorNotificationSettings

Nome Descrizione Valore
emailNotificationSettings Impostazioni di posta elettronica di notifica AML. MonitorEmailNotificationSettings

MonitorEmailNotificationSettings

Nome Descrizione Valore
emails L'elenco dei destinatari di posta elettronica con una limitazione di 499 caratteri in totale. string[]

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 = ^[0-9]+\.[0-9]+$

MonitorComputeIdentityBase

Nome Descrizione Valore
computeIdentityType Impostare il tipo di oggetto AmlToken
ManagedIdentity (obbligatorio)

AmlTokenComputeIdentity

Nome Descrizione Valore
computeIdentityType [Obbligatorio] Specifica il tipo di identità da usare all'interno dei processi di monitoraggio. 'AmlToken' (obbligatorio)

ManagedComputeIdentity

Nome Descrizione Valore
computeIdentityType [Obbligatorio] Specifica il tipo di identità da usare all'interno dei processi di monitoraggio. 'ManagedIdentity' (obbligatorio)
identity Identità che verrà sfruttata dai processi di monitoraggio. ManagedServiceIdentity

ManagedServiceIdentity

Nome Descrizione Valore
tipo Tipo di identità del servizio gestito (in cui sono consentiti i tipi SystemAssigned e 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 Riferimento all'asset di distribuzione di destinazione da questo monitoraggio. string
modelId Riferimento all'asset del modello di destinazione da questo monitoraggio. string
taskType [Obbligatorio] Tipo di attività di Machine Learning del modello monitorato. 'Classificazione'
'Regression' (obbligatorio)

MonitorDefinitionSignals

Nome Descrizione Valore
{proprietà personalizzata} MonitoringSignalBase

MonitoringSignalBase

Nome Descrizione Valore
notificationTypes Modalità di notifica corrente per questo segnale. Matrice di stringhe contenente uno qualsiasi di:
'AmlNotification'
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
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] Riferimento all'asset del componente usato 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)

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
In sequenza
Statico (obbligatorio)

MonitoringInputDataBaseColumns

Nome Descrizione Valore
{proprietà personalizzata} string

FixedInputData

Nome Descrizione Valore
inputDataType [Obbligatorio] Specifica il tipo di segnale da monitorare. 'Fixed' (obbligatorio)

RollingInputData

Nome Descrizione Valore
inputDataType [Obbligatorio] Specifica il tipo di segnale da monitorare. 'Rolling' (obbligatorio)
pre-elaborazioneComponentId Riferimento all'asset del componente usato 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 dati in sequenza. stringa (obbligatorio)

StaticInputData

Nome Descrizione Valore
inputDataType [Obbligatorio] Specifica il tipo di segnale da monitorare. 'Static' (obbligatorio)
pre-elaborazioneComponentId Riferimento all'asset del componente usato 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)

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

DataDriftMonitoringSignal

Nome Descrizione Valore
signalType [Obbligatorio] Specifica il tipo di segnale da monitorare. 'DataDrift' (obbligatorio)
featureDataTypeOverride Dizionario che esegue il mapping dei nomi delle funzionalità ai rispettivi tipi di dati. DataDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings Impostazioni per l'importanza delle funzionalità di calcolo. FeatureImportanceSettings
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)

DataDriftMonitoringSignalFeatureDataTypeOverride

Nome Descrizione Valore
{proprietà personalizzata} 'Categorical'
'Numerico'

FeatureImportanceSettings

Nome Descrizione Valore
mode Modalità di funzionamento per l'importanza della funzionalità di calcolo. 'Disabilitato'
'Enabled'
targetColumn Nome della colonna di destinazione all'interno dell'asset di dati di input. string

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'
'NormalizedBrusteinDistance'
'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
featureImportanceSettings Impostazioni per l'importanza delle funzionalità di calcolo. FeatureImportanceSettings
funzionalità Caratteristiche per calcolare la deriva. MonitoringFeatureFilterBase
metricThresholds [Obbligatorio] Elenco di metriche da calcolare e delle 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} 'Categorical'
'Numerico'

DataQualityMetricThresholdBase

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)

CategoricalDataQualityMetricThreshold

Nome Descrizione Valore
dataType [Obbligatorio] Specifica il tipo di dati della soglia della metrica. 'Categorical' (obbligatorio)
Metrica [Obbligatorio] Metrica di 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)
featureDataTypeOverride Dizionario che esegue il mapping dei nomi delle funzionalità ai rispettivi tipi di dati. FeatureAttributionDriftMonitoringSignalFeatureDataTy...
featureImportanceSettings [Obbligatorio] Impostazioni per l'importanza delle funzionalità di calcolo. FeatureImportanceSettings (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)

FeatureAttributionDriftMonitoringSignalFeatureDataTy...

Nome Descrizione Valore
{proprietà personalizzata} 'Categorical'
'Numerico'

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

PredictionDriftMonitoringSignal

Nome Descrizione Valore
signalType [Obbligatorio] Specifica il tipo di segnale da monitorare. 'PredictionDrift' (obbligatorio)
featureDataTypeOverride Dizionario che esegue il mapping dei nomi delle funzionalità ai rispettivi tipi di dati. PredictionDriftMonitoringSignalFeatureDataTypeOverri...
metricThresholds [Obbligatorio] Elenco di metriche da calcolare e delle soglie associate. PredictionDriftMetricThresholdBase[] (obbligatorio)
productionData [Obbligatorio] Dati per cui verrà calcolata la deriva. MonitoringInputDataBase (obbligatorio)
referenceData [Obbligatorio] Dati da calcolare in base alla deriva. MonitoringInputDataBase (obbligatorio)

PredictionDriftMonitoringSignalFeatureDataTypeOverri...

Nome Descrizione Valore
{proprietà personalizzata} 'Categorical'
'Numerico'

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)

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 un offset UTC. Fare riferimento a https://en.wikipedia.org/wiki/ISO_8601.
Il formato commentato sarebbe "2022-06-01T00:00:01"
Se non presente, la pianificazione verrà eseguita in modo indefinito		 string
frequency [Obbligatorio] Frequenza di attivazione della pianificazione. 'Day'
'Hour'
'Minute'
'Month'
'Week' (obbligatorio)
interval [Obbligatorio] Specifica l'intervallo di pianificazione in combinazione con la frequenza int (obbligatorio)
schedule Pianificazione delle ricorrenze. RicorrenzaSchedule
startTime Specifica l'ora di inizio della pianificazione nel formato ISO 8601, ma senza un offset UTC. string
timeZone Specifica il fuso orario in cui viene eseguita la pianificazione.
TimeZone deve seguire il formato del fuso orario di Windows. Vedere: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones		 string
triggerType [Obbligatorio] 'Cron'
'Ricorrenza' (obbligatoria)

RicorrenzaSchedule

Nome Descrizione Valore
ore [Obbligatorio] Elenco di ore per la pianificazione. int[] (obbligatorio)
minutes [Obbligatorio] Elenco di minuti per la pianificazione. int[] (obbligatorio)
monthDays Elenco di giorni di mese per la pianificazione int[]
weekDays Elenco di giorni per la pianificazione. Matrice di stringhe contenente uno qualsiasi di:
'Venerdì'
'Lunedì'
'Sabato'
'Domenica'
'Giovedì'
'Martedì'
'Mercoledì'

Definizione della risorsa modello di Resource Manager

Il tipo di risorsa aree di lavoro/pianificazioni può essere distribuito con operazioni destinate:

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": "2023-10-01",
  "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"
    },
    "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"
    },
    "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",
    "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"
    },
    "services": {
      "{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"
    },
    "jobType": "string"
    // For remaining properties, see JobBaseProperties objects
  }

Per CreateMonitor, usare:

  "actionType": "CreateMonitor",
  "monitorDefinition": {
    "alertNotificationSettings": {
      "emailNotificationSettings": {
        "emails": [ "string" ]
      }
    },
    "computeConfiguration": {
      "computeType": "string"
      // For remaining properties, see MonitorComputeConfigurationBase objects
    },
    "monitoringTarget": {
      "deploymentId": "string",
      "modelId": "string",
      "taskType": "string"
    },
    "signals": {
      "{customized property}": {
        "notificationTypes": "AmlNotification",
        "properties": {
          "{customized property}": "string"
        },
        "signalType": "string"
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }

Per InvokeBatchEndpoint, usare:

  "actionType": "InvokeBatchEndpoint",
  "endpointInvocationDefinition": {}

Oggetti JobBaseProperties

Impostare la proprietà jobType per specificare il tipo di oggetto.

Per AutoML, usare:

  "jobType": "AutoML",
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "queueSettings": {
    "jobTier": "string"
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "properties": {
      "{customized property}": {},
      "{customized property}": {}
    },
    "shmSize": "string"
  },
  "taskDetails": {
    "logVerbosity": "string",
    "targetColumnName": "string",
    "trainingData": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "taskType": "string"
    // For remaining properties, see AutoMLVertical objects
  }

Per Comando, usare:

  "jobType": "Command",
  "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"
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "properties": {
      "{customized property}": {},
      "{customized property}": {}
    },
    "shmSize": "string"
  }

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 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"
  },
  "samplingAlgorithm": {
    "samplingAlgorithmType": "string"
    // For remaining properties, see SamplingAlgorithm objects
  },
  "searchSpace": {},
  "trial": {
    "codeId": "string",
    "command": "string",
    "distribution": {
      "distributionType": "string"
      // For remaining properties, see DistributionConfiguration objects
    },
    "environmentId": "string",
    "environmentVariables": {
      "{customized property}": "string"
    },
    "resources": {
      "dockerArgs": "string",
      "instanceCount": "int",
      "instanceType": "string",
      "properties": {
        "{customized property}": {},
        "{customized property}": {}
      },
      "shmSize": "string"
    }
  }

Oggetti IdentityConfiguration

Impostare la proprietà IdentityType per specificare il tipo di oggetto.

Per AMLToken, usare:

  "identityType": "AMLToken"

Per Managed, usare:

  "identityType": "Managed",
  "clientId": "string",
  "objectId": "string",
  "resourceId": "string"

Per UserIdentity, usare:

  "identityType": "UserIdentity"

Oggetti nodi

Impostare la proprietà nodeValueType 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",
  "mode": "string",
  "uri": "string"

Per mlflow_model, usare:

  "jobOutputType": "mlflow_model",
  "mode": "string",
  "uri": "string"

Per mltable, usare:

  "jobOutputType": "mltable",
  "mode": "string",
  "uri": "string"

Per triton_model, usare:

  "jobOutputType": "triton_model",
  "mode": "string",
  "uri": "string"

Per uri_file, usare:

  "jobOutputType": "uri_file",
  "mode": "string",
  "uri": "string"

Per uri_folder, usare:

  "jobOutputType": "uri_folder",
  "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": {}
        }
      ]
    }
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "positiveLabel": "string",
  "primaryMetric": "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"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

Per la 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": {}
        }
      ]
    }
  },
  "forecastingSettings": {
    "countryOrRegionForHolidays": "string",
    "cvStepSize": "int",
    "featureLags": "string",
    "forecastHorizon": {
      "mode": "string"
      // For remaining properties, see ForecastHorizon objects
    },
    "frequency": "string",
    "seasonality": {
      "mode": "string"
      // For remaining properties, see Seasonality objects
    },
    "shortSeriesHandlingConfig": "string",
    "targetAggregateFunction": "string",
    "targetLags": {
      "mode": "string"
      // For remaining properties, see TargetLags objects
    },
    "targetRollingWindowSize": {
      "mode": "string"
      // For remaining properties, see TargetRollingWindowSize objects
    },
    "timeColumnName": "string",
    "timeSeriesIdColumnNames": [ "string" ],
    "useStl": "string"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "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"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

Per ImageClassification, usare:

  "taskType": "ImageClassification",
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "momentum": "int",
    "nesterov": "bool",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "trainingBatchSize": "int",
    "trainingCropSize": "int",
    "validationBatchSize": "int",
    "validationCropSize": "int",
    "validationResizeSize": "int",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int",
    "weightedLoss": "int"
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "momentum": "string",
      "nesterov": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "trainingBatchSize": "string",
      "trainingCropSize": "string",
      "validationBatchSize": "string",
      "validationCropSize": "string",
      "validationResizeSize": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string",
      "weightedLoss": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"

Per ImageClassificationMultilabel, usare:

  "taskType": "ImageClassificationMultilabel",
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "momentum": "int",
    "nesterov": "bool",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "trainingBatchSize": "int",
    "trainingCropSize": "int",
    "validationBatchSize": "int",
    "validationCropSize": "int",
    "validationResizeSize": "int",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int",
    "weightedLoss": "int"
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "momentum": "string",
      "nesterov": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "trainingBatchSize": "string",
      "trainingCropSize": "string",
      "validationBatchSize": "string",
      "validationCropSize": "string",
      "validationResizeSize": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string",
      "weightedLoss": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"

Per ImageInstanceSegmentation, usare:

  "taskType": "ImageInstanceSegmentation",
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "boxDetectionsPerImage": "int",
    "boxScoreThreshold": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "imageSize": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "maxSize": "int",
    "minSize": "int",
    "modelName": "string",
    "modelSize": "string",
    "momentum": "int",
    "multiScale": "bool",
    "nesterov": "bool",
    "nmsIouThreshold": "int",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "tileGridSize": "string",
    "tileOverlapRatio": "int",
    "tilePredictionsNmsThreshold": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "validationIouThreshold": "int",
    "validationMetricType": "string",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int"
  },
  "primaryMetric": "MeanAveragePrecision",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "boxDetectionsPerImage": "string",
      "boxScoreThreshold": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "imageSize": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "maxSize": "string",
      "minSize": "string",
      "modelName": "string",
      "modelSize": "string",
      "momentum": "string",
      "multiScale": "string",
      "nesterov": "string",
      "nmsIouThreshold": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "tileGridSize": "string",
      "tileOverlapRatio": "string",
      "tilePredictionsNmsThreshold": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "validationIouThreshold": "string",
      "validationMetricType": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"

Per ImageObjectDetection, usare:

  "taskType": "ImageObjectDetection",
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "boxDetectionsPerImage": "int",
    "boxScoreThreshold": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "imageSize": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "maxSize": "int",
    "minSize": "int",
    "modelName": "string",
    "modelSize": "string",
    "momentum": "int",
    "multiScale": "bool",
    "nesterov": "bool",
    "nmsIouThreshold": "int",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "tileGridSize": "string",
    "tileOverlapRatio": "int",
    "tilePredictionsNmsThreshold": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "validationIouThreshold": "int",
    "validationMetricType": "string",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int"
  },
  "primaryMetric": "MeanAveragePrecision",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "boxDetectionsPerImage": "string",
      "boxScoreThreshold": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "imageSize": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "maxSize": "string",
      "minSize": "string",
      "modelName": "string",
      "modelSize": "string",
      "momentum": "string",
      "multiScale": "string",
      "nesterov": "string",
      "nmsIouThreshold": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "tileGridSize": "string",
      "tileOverlapRatio": "string",
      "tilePredictionsNmsThreshold": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "validationIouThreshold": "string",
      "validationMetricType": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"

Per Regressione usare:

  "taskType": "Regression",
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "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"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

Per TextClassification, usare:

  "taskType": "TextClassification",
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "primaryMetric": "string",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }

Per TextClassificationMultilabel, usare:

  "taskType": "TextClassificationMultilabel",
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }

Per TextNER, usare:

  "taskType": "TextNER",
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "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 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 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 DistributionConfiguration

Impostare la proprietà distributionType per specificare il tipo di oggetto.

Per Mpi, usare:

  "distributionType": "Mpi",
  "processCountPerInstance": "int"

Per PyTorch usare:

  "distributionType": "PyTorch",
  "processCountPerInstance": "int"

Per TensorFlow, usare:

  "distributionType": "TensorFlow",
  "parameterServerCount": "int",
  "workerCount": "int"

Oggetti JobInput

Impostare la proprietà jobInputType per specificare il tipo di oggetto.

Per custom_model, usare:

  "jobInputType": "custom_model",
  "mode": "string",
  "uri": "string"

Per il valore letterale, usare:

  "jobInputType": "literal",
  "value": "string"

Per mlflow_model, usare:

  "jobInputType": "mlflow_model",
  "mode": "string",
  "uri": "string"

Per mltable, usare:

  "jobInputType": "mltable",
  "mode": "string",
  "uri": "string"

Per triton_model, usare:

  "jobInputType": "triton_model",
  "mode": "string",
  "uri": "string"

Per uri_file, usare:

  "jobInputType": "uri_file",
  "mode": "string",
  "uri": "string"

Per uri_folder, usare:

  "jobInputType": "uri_folder",
  "mode": "string",
  "uri": "string"

Oggetti 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",
  "rule": "string",
  "seed": "int"

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"
      }
    }
  ]

Per DataDrift, usare:

  "signalType": "DataDrift",
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "featureImportanceSettings": {
    "mode": "string",
    "targetColumn": "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"
  },
  "featureImportanceSettings": {
    "mode": "string",
    "targetColumn": "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",
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "featureImportanceSettings": {
    "mode": "string",
    "targetColumn": "string"
  },
  "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 PredictionDrift, usare:

  "signalType": "PredictionDrift",
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "metricThresholds": [
    {
      "threshold": {
        "value": "int"
      },
      "dataType": "string"
      // For remaining properties, see PredictionDriftMetricThresholdBase 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
  }

Oggetti MonitoringInputDataBase

Impostare la proprietà inputDataType per specificare il tipo di oggetto.

Per Fisso, usare:

  "inputDataType": "Fixed"

Per l'uso in sequenza, usare:

  "inputDataType": "Rolling",
  "preprocessingComponentId": "string",
  "windowOffset": "string",
  "windowSize": "string"

Per Statico, usare:

  "inputDataType": "Static",
  "preprocessingComponentId": "string",
  "windowEnd": "string",
  "windowStart": "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 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 TriggerBase

Impostare la proprietà triggerType per specificare il tipo di oggetto.

Per Cron, usare:

  "triggerType": "Cron",
  "expression": "string"

Per Ricorrenza usare:

  "triggerType": "Recurrence",
  "frequency": "string",
  "interval": "int",
  "schedule": {
    "hours": [ "int" ],
    "minutes": [ "int" ],
    "monthDays": [ "int" ],
    "weekDays": [ "string" ]
  }

Valori delle proprietà

aree di lavoro/pianificazioni

Nome Descrizione Valore
tipo Tipo di risorsa 'Microsoft.MachineLearningServices/workspaces/schedules'
apiVersion Versione dell'API della risorsa '2023-10-01'
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
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
properties Dizionario delle proprietà asset. ResourceBaseProperties
services Elenco di JobEndpoints.
Per i processi locali, un endpoint del processo avrà un valore endpoint di FileStreamObject.		 JobBaseServices
tags Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. object
jobType Impostare il tipo di oggetto AutoML
Comando
Pipeline
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)

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

JobBaseServices

Nome Descrizione Valore
{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. 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)
mode Modalità di distribuzione degli asset di output. 'ReadWriteMount'
'Upload'
Uri URI asset di output. string

MLFlowModelJobOutput

Nome Descrizione Valore
jobOutputType [Obbligatorio] Specifica il tipo di processo. 'mlflow_model' (obbligatorio)
mode Modalità di distribuzione degli asset di output. 'ReadWriteMount'
'Upload'
Uri URI asset di output. string

MLTableJobOutput

Nome Descrizione Valore
jobOutputType [Obbligatorio] Specifica il tipo di processo. 'mltable' (obbligatorio)
mode Modalità di distribuzione degli asset di output. 'ReadWriteMount'
'Upload'
Uri URI asset di output. string

ModelModelJobOutput

Nome Descrizione Valore
jobOutputType [Obbligatorio] Specifica il tipo di processo. 'triton_model' (obbligatorio)
mode Modalità di distribuzione degli asset di output. 'ReadWriteMount'
'Upload'
Uri URI asset di output. string

UriFileJobOutput

Nome Descrizione Valore
jobOutputType [Obbligatorio] Specifica il tipo di processo. 'uri_file' (obbligatorio)
mode Modalità di distribuzione degli asset di output. 'ReadWriteMount'
'Upload'
Uri URI asset di output. string

UriFolderJobOutput

Nome Descrizione Valore
jobOutputType [Obbligatorio] Specifica il tipo di processo. 'uri_folder' (obbligatorio)
mode Modalità di distribuzione degli asset di output. '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'

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
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
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'
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.

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
maxTrials Numero di iterazioni. 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)

ClassificationTrainingSettings

Nome Descrizione Valore
allowedTrainingAlgorithms Modelli consentiti per l'attività di classificazione. Matrice di stringhe contenente uno qualsiasi di:
'BernoulliNaiveBayes'
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
blockedTrainingAlgorithms Modelli bloccati per l'attività di classificazione. Matrice di stringhe contenente uno qualsiasi di:
'BernoulliNaiveBayes'
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
enableDnnTraining Abilitare la raccomandazione dei modelli DNN. bool
enableModelExplainability Contrassegno per attivare la spiegazione sul modello migliore. bool
enableOnnxCompatibleModels Contrassegno per l'abilitazione dei modelli compatibili con onnx. bool
enableStackEnsemble Abilitare l'esecuzione dell'insieme di stack. bool
enableVoteEnsemble Abilitare l'esecuzione dell'ensemble di voto. bool
ensembleModelDownloadTimeout Durante la generazione di modelli VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati dalle esecuzioni figlio precedenti.
Se è necessario più tempo, configurare questo parametro con un valore superiore a 300 secondi.		 string
stackEnsembleSettings Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack. StackEnsembleSettings

StackEnsembleSettings

Nome Descrizione Valore
stackMetaLearnerKWargs Parametri facoltativi da passare all'inizializzatore del meta-learner.
stackMetaLearnerTrainPercentage Specifica la proporzione del set di training (quando si sceglie il training e il tipo di training) da riservare per il training del meta-learner. Il valore predefinito è 0,2. INT
stackMetaLearnerType Il meta-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
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'
Testdata Testare l'input dei dati. MLTableJobInput
testDataSize Frazione del set di dati di test da riservare a scopo di convalida.
Valori compresi tra (0,0 , 1,0)
Applicato quando il set di dati di convalida non viene fornito.		 INT
trainingSettings Input per la fase di training per un processo AutoML. ForecastingTrainingSettings
validationData Input di dati di convalida. MLTableJobInput
validationDataSize Frazione del set di dati di training da riservare a scopo di convalida.
Valori compresi tra (0,0 , 1,0)
Applicato quando il set di dati di convalida non viene fornito.		 INT
weightColumnName Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando l'aumento o la riduzione delle righe nei dati. string

ForecastingSettings

Nome Descrizione Valore
countryOrRegionForHolidays Paese o area geografica per le festività per le attività di previsione.
Devono essere codici ISO 3166 paese/area geografica a due lettere, ad esempio "US" o "GB".		 string
cvStepSize Numero di periodi tra l'ora di origine di una piega cv e la successiva piega. For
ad esempio, se CVStepSize = 3 per i dati giornalieri, l'ora di origine per ogni piega sarà
tre giorni a parte.		 INT
featureLags Flag per la generazione di ritardi per le funzionalità numeriche con 'auto' o Null. 'Auto'
'Nessuno'
forecastHorizon Orizzonte di previsione massimo desiderato in unità di frequenza delle serie temporali. ForecastHorizon
frequency Durante la previsione, questo parametro rappresenta il periodo con cui si desidera 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 dedotta.		 Stagionalità
shortSeriesHandlingConfig Parametro che definisce la modalità di gestione di serie temporali brevi da parte di AutoML. 'Auto'
'Drop'
'Nessuno'
'Pad'
targetAggregateFunction Funzione da utilizzare per aggregare la colonna di destinazione della serie temporale in modo che sia conforme a una frequenza specificata dall'utente.
Se targetAggregateFunction è impostato, ad esempio non 'None', ma il parametro freq non è impostato, viene generato l'errore. Le possibili funzioni di aggregazione di destinazione sono: "sum", "max", "min" e "mean".		 'Max'
'Mean'
'Min'
'Nessuno'
'Sum'
targetLags Numero di periodi 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. 'Nessuno'
'Season'
'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 lag di destinazione - Auto/Custom 'Auto' (obbligatorio)

CustomTargetLags

Nome Descrizione Valore
mode [Obbligatorio] Impostare la modalità lag di destinazione - Auto/Custom '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

ImageClassification

Nome Descrizione Valore
taskType [Obbligatorio] Tipo di attività per AutoMLJob. 'ImageClassification' (obbligatorio)
limitSettings [Obbligatorio] Limitare le impostazioni per il processo AutoML. ImageLimitSettings (obbligatorio)
modelSettings Impostazioni utilizzate per il training del modello. ImageModelSettingsClassification
primaryMetric Metrica primaria da ottimizzare per questa attività. 'AUCWeighted'
'Accuratezza'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. ImageModelDistributionSettingsClassification[]
sweepSettings Sweep dei modelli e impostazioni correlate all'iperparametro. ImageSweepSettings
validationData Input di dati di convalida. MLTableJobInput
validationDataSize Frazione del set di dati di training da riservare a scopo di convalida.
Valori compresi tra (0,0 , 1,0)
Applicato quando il set di dati di convalida non viene fornito.
 INT

ImageLimitSettings

Nome Descrizione Valore
maxConcurrentTrials Numero massimo di iterazioni AutoML simultanee. INT
maxTrials Numero massimo di iterazioni AutoML. INT
timeout Timeout del processo AutoML. string

ImageModelSettingsClassification

Nome Descrizione Valore
advancedSettings Impostazioni per scenari avanzati. string
amsGradient Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'. bool
incrementi Impostazioni per l'uso di Augmentations. string
beta1 Valore di 'beta1' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. INT
beta2 Valore di 'beta2' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. INT
checkpointFrequency Frequenza di archiviazione dei checkpoint del modello. Deve essere un intero positivo. INT
checkpointModel Modello di checkpoint con training preliminare per il training incrementale. MLFlowModelJobInput
checkpointRunId ID di un'esecuzione precedente con un checkpoint con training preliminare per il training incrementale. string
distribuite Indica se usare il training distribuito. bool
earlyStopping Abilitare la logica di arresto anticipato durante il training. bool
earlyStoppingDelay Numero minimo di periodi o valutazioni di convalida da attendere prima del miglioramento della metrica primaria
viene monitorato per l'arresto anticipato. Deve essere un intero positivo.		 INT
earlyStoppingPatience Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie
l'esecuzione viene arrestata. Deve essere un intero positivo.		 INT
enableOnnxNormalization Abilitare la normalizzazione durante l'esportazione del modello ONNX. bool
evaluationFrequency Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. INT
gradientAccumulationStep L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza
aggiornamento dei pesi del modello durante l'accumulo delle sfumature di tali passaggi e quindi uso
le sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo.		 INT
layersToFreeze Numero di livelli da bloccare per il modello. Deve essere un intero positivo.
Ad esempio, passando 2 come valore per "seresnext" significa
strato di congelamento0 e layer1. Per un elenco completo dei modelli supportati e dettagli sul blocco del livello,
Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 INT
learningRate Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1]. INT
learningRateScheduler Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere 'warmup_cosine' o 'step'. 'Nessuno'
'Step'
'WarmupCosine'
modelName Nome del modello da usare per il training.
Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
momentum Valore di momentum quando Optimizer è "sgd". Deve essere un valore float nell'intervallo [0, 1]. INT
Nesterov Abilitare nesterov quando optimizer è "sgd". bool
numberOfEpochs Numero di 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
l'esecuzione viene arrestata. Deve essere un intero positivo.		 string
enableOnnxNormalization Abilitare la normalizzazione durante l'esportazione del modello ONNX. string
evaluationFrequency Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. string
gradientAccumulationStep L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza
aggiornamento dei pesi del modello durante l'accumulo delle sfumature di tali passaggi e quindi uso
le sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo.		 string
layersToFreeze Numero di livelli da bloccare per il modello. Deve essere un intero positivo.
Ad esempio, passando 2 come valore per "seresnext" significa
strato di congelamento0 e layer1. Per un elenco completo dei modelli supportati e dettagli sul blocco del livello,
Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
learningRate Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1]. string
learningRateScheduler Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere 'warmup_cosine' o 'step'. string
modelName Nome del modello da usare per il training.
Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
momentum Valore di momentum quando Optimizer è "sgd". Deve essere un valore float nell'intervallo [0, 1]. string
Nesterov Abilitare nesterov quando optimizer è "sgd". string
numberOfEpochs Numero di epoche di training. Deve essere un intero positivo. string
numberOfWorkers Numero di ruoli di lavoro del caricatore dati. Deve essere un intero non negativo. string
optimizer Tipo di optimizer. Deve essere "sgd", "adam" o "adamw". string
casualESeed Inizializzazione casuale da usare quando si usa training deterministico. string
stepLRGamma Il valore di gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un float nell'intervallo [0, 1]. string
stepLRStepSize Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. string
trainingBatchSize Dimensioni batch di training. Deve essere un intero positivo. string
trainingCropSize Dimensioni ritaglio immagine input nella rete neurale per il set di dati di training. Deve essere un intero positivo. string
validationBatchSize Dimensioni batch di convalida. Deve essere un intero positivo. string
validationCropSize Dimensioni ritaglio immagine input nella rete neurale per il set di dati di convalida. Deve essere un intero positivo. string
validationResizeSize Dimensioni dell'immagine a cui ridimensionare prima di ritagliare il set di dati di convalida. Deve essere un intero positivo. string
warmupCosineLRCycles Valore del ciclo cosno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un float nell'intervallo [0, 1]. string
warmupCosineLRWarmupEpochs Valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo. string
pesoDecay Valore del decadimento del peso quando optimizer è "sgd", "adam" o "adamw". Deve essere un float nell'intervallo[0, 1]. string
weightedLoss Perdita ponderata. I valori accettati sono 0 per nessuna perdita ponderata.
1 per la perdita ponderata con sqrt. (class_weights). 2 per la perdita ponderata con class_weights. Deve essere 0 o 1 o 2.
 string

ImageSweepSettings

Nome Descrizione Valore
earlyTermination Tipo di criterio di terminazione anticipata. EarlyTerminationPolicy
campionamentoAlgorithm [Obbligatorio] Tipo degli algoritmi di campionamento degli iperparametri. 'Bayesian'
'Griglia'
'Random' (obbligatorio)

EarlyTerminationPolicy

Nome Descrizione Valore
delayEvaluation Numero di intervalli in base al quale ritardare la prima valutazione. INT
evaluationInterval Intervallo (numero di esecuzioni) tra valutazioni dei criteri. INT
policyType Impostare il tipo di oggetto Bandito
MedianStopping
TroncamentoSelection (obbligatorio)

BanditPolicy

Nome Descrizione Valore
policyType [Obbligatorio] Nome della configurazione dei criteri 'Bandit' (obbligatorio)
slackAmount Distanza assoluta consentita dall'esecuzione migliore. INT
slackFactor Rapporto 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

ImageClassificationMultilabel

Nome Descrizione Valore
taskType [Obbligatorio] Tipo di attività per AutoMLJob. 'ImageClassificationMultilabel' (obbligatorio)
limitSettings [Obbligatorio] Limitare le impostazioni per il processo AutoML. ImageLimitSettings (obbligatorio)
modelSettings Impostazioni utilizzate per il training del modello. ImageModelSettingsClassification
primaryMetric Metrica primaria da ottimizzare per questa attività. 'AUCWeighted'
'Accuratezza'
'AveragePrecisionScoreWeighted'
'IOU'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. ImageModelDistributionSettingsClassification[]
sweepSettings Sweep dei modelli e impostazioni correlate all'iperparametro. ImageSweepSettings
validationData Input di dati di convalida. MLTableJobInput
validationDataSize Frazione del set di dati di training da riservare a scopo di convalida.
Valori compresi tra (0,0 , 1,0)
Applicato quando il set di dati di convalida non viene fornito.
 INT

ImageInstanceSegmentation

Nome Descrizione Valore
taskType [Obbligatorio] Tipo di attività per AutoMLJob. 'ImageInstanceSegmentation' (obbligatorio)
limitSettings [Obbligatorio] Limitare le impostazioni per il processo AutoML. ImageLimitSettings (obbligatorio)
modelSettings Impostazioni utilizzate per il training del modello. ImageModelSettingsObjectDetection
primaryMetric Metrica primaria da ottimizzare per questa attività. 'MeanAveragePrecision'
searchSpace Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Sweep dei modelli e impostazioni correlate all'iperparametro. ImageSweepSettings
validationData Input di dati di convalida. MLTableJobInput
validationDataSize Frazione del set di dati di training da riservare a scopo di convalida.
Valori compresi tra (0,0 , 1,0)
Applicato quando il set di dati di convalida non viene fornito.
 INT

ImageModelSettingsObjectDetection

Nome Descrizione Valore
advancedSettings Impostazioni per scenari avanzati. string
amsGradient Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'. bool
incrementi Impostazioni per l'uso di Augmentations. string
beta1 Valore di 'beta1' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. INT
beta2 Valore di 'beta2' quando Optimizer è 'adam' o 'adamw'. Deve essere un valore float nell'intervallo [0, 1]. INT
boxDetectionsPerImage Numero massimo di rilevamenti per immagine, per tutte le classi. Deve essere un intero positivo.
Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'.		 INT
boxScoreThreshold Durante l'inferenza, restituisce solo proposte con un punteggio di classificazione maggiore di
BoxScoreThreshold. Deve essere un valore float nell'intervallo[0, 1].		 INT
checkpointFrequency Frequenza di archiviazione dei checkpoint del modello. Deve essere un intero positivo. INT
checkpointModel Modello di checkpoint con training preliminare per il training incrementale. MLFlowModelJobInput
checkpointRunId ID di un'esecuzione precedente con un checkpoint con training preliminare per il training incrementale. string
distribuite Indica se usare il training distribuito. bool
earlyStopping Abilitare la logica di arresto anticipato durante il training. bool
earlyStoppingDelay Numero minimo di periodi o valutazioni di convalida da attendere prima del miglioramento della metrica primaria
viene monitorato per l'arresto anticipato. Deve essere un intero positivo.		 INT
earlyStoppingPatience Numero minimo di periodi o valutazioni di convalida senza miglioramenti delle metriche primarie
l'esecuzione viene arrestata. Deve essere un intero positivo.		 INT
enableOnnxNormalization Abilitare la normalizzazione durante l'esportazione del modello ONNX. bool
evaluationFrequency Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo. INT
gradientAccumulationStep L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza
aggiornamento dei pesi del modello durante l'accumulo delle sfumature di tali passaggi e quindi uso
le sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo.		 INT
Imagesize Dimensioni dell'immagine per il training e la convalida. Deve essere un intero positivo.
Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi.
Nota: queste impostazioni sono supportate solo per l'algoritmo 'yolov5'.		 INT
layersToFreeze Numero di livelli da bloccare per il modello. Deve essere un intero positivo.
Ad esempio, passando 2 come valore per "seresnext" significa
strato di congelamento0 e layer1. Per un elenco completo dei modelli supportati e dettagli sul blocco del livello,
Vedere: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 INT
learningRate Frequenza di apprendimento iniziale. Deve essere un valore float nell'intervallo [0, 1]. INT
learningRateScheduler Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere 'warmup_cosine' o 'step'. 'Nessuno'
'Step'
'WarmupCosine'
Maxsize Dimensioni massime dell'immagine da ridimensionare prima di alimentarla alla spina dorsale.
Deve essere un intero positivo. Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi.
Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'.		 INT
minSize Dimensioni minime dell'immagine da ridimensionare prima di alimentarla alla spina dorsale.
Deve essere un intero positivo. Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni sono troppo grandi.
Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'.		 INT
modelName Nome del modello da usare per il training.
Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
modelSize Dimensioni del modello. Deve essere "small", "medium", "large" o "xlarge".
Nota: l'esecuzione del training può entrare nell'OOM CUDA se le dimensioni del modello sono troppo grandi.
Nota: queste impostazioni sono supportate solo per l'algoritmo 'yolov5'.		 'ExtraLarge'
'Large'
'Medium'
'Nessuno'
'Small'
momentum Valore di momentum quando Optimizer è "sgd". Deve essere un valore float nell'intervallo [0, 1]. INT
multiscale Abilitare l'immagine su più scalabilità variando le dimensioni dell'immagine di +/- 50%.
Nota: l'esecuzione del training può entrare nell'OOM CUDA se non è sufficiente memoria GPU.
Nota: queste impostazioni sono supportate solo per l'algoritmo 'yolov5'.		 bool
Nesterov Abilitare nesterov quando optimizer è "sgd". bool
nmsIouThreshold Soglia IOU usata durante l'inferenza 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 nell'OOM CUDA se le dimensioni del modello sono troppo grandi.
Nota: queste impostazioni sono supportate solo per l'algoritmo 'yolov5'.		 string
momentum Valore di momentum quando Optimizer è "sgd". Deve essere un valore float nell'intervallo [0, 1]. string
multiscale Abilitare l'immagine su più scalabilità variando le dimensioni dell'immagine di +/- 50%.
Nota: l'esecuzione del training può entrare nell'OOM CUDA se non è sufficiente memoria GPU.
Nota: queste impostazioni sono supportate solo per l'algoritmo 'yolov5'.		 string
Nesterov Abilitare nesterov quando optimizer è "sgd". string
nmsIouThreshold Soglia IOU usata durante l'inferenza nella post-elaborazione di NMS. Deve essere float nell'intervallo [0, 1]. string
numberOfEpochs Numero di periodi di training. Deve essere un intero positivo. string
numberOfWorkers Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo. string
optimizer Tipo di ottimizzatore. Deve essere "sgd", "adam" o "adamw". string
randomSeed Valore di inizializzazione casuale da usare quando si usa il training deterministico. string
stepLRGamma Valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un valore float nell'intervallo [0, 1]. string
stepLRStepSize Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. string
tileGridSize Dimensioni della griglia da usare per l'associazione di ogni immagine. Nota: TileGridSize non deve essere
Nessuno per abilitare la logica di rilevamento di oggetti di piccole dimensioni. Stringa contenente due numeri interi in formato mxn.
Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'.		 string
tileOverlapRatio Rapporto di sovrapposizione tra riquadri adiacenti in ogni dimensione. Deve essere float nell'intervallo [0, 1).
Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'.		 string
tilePredictionsNmsThreshold Soglia IOU da usare per eseguire NMS durante l'unione di stime da riquadri e immagini.
Usato nella convalida/inferenza. Deve essere float nell'intervallo [0, 1].
Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'.
NMS: eliminazione non massima		 string
trainingBatchSize Dimensioni del batch di training. Deve essere un intero positivo. string
validationBatchSize Dimensioni del batch di convalida. Deve essere un intero positivo. string
validationIouThreshold Soglia IOU da usare per il calcolo della metrica di convalida. Deve essere float nell'intervallo [0, 1]. string
validationMetricType Metodo di calcolo delle metriche da usare per le metriche di convalida. Deve essere 'none', 'coco', 'voc' o 'coco_voc'. string
warmupCosineLRCycles Il valore del ciclo coseno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un valore float nell'intervallo [0, 1]. string
warmupCosineLRWarmupEpochs Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo. string
weightDecay Valore del decadimento del peso quando Optimizer è 'sgd', 'adam', o 'adamw'. Deve essere un valore float nell'intervallo[0, 1]. string

ImageObjectDetection

Nome Descrizione Valore
taskType [Obbligatorio] Tipo di attività per AutoMLJob. 'ImageObjectDetection' (obbligatorio)
limitSettings [Obbligatorio] Limitare le impostazioni per il processo AutoML. ImageLimitSettings (obbligatorio)
modelSettings Impostazioni utilizzate per il training del modello. ImageModelSettingsObjectDetection
primaryMetric Metrica primaria da ottimizzare per questa attività. 'MeanAveragePrecision'
searchSpace Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. ImageModelDistributionSettingsObjectDetection[]
sweepSettings 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
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'
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 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

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
limitSettings Vincoli di esecuzione per AutoMLJob. NlpVerticalLimitSettings
primaryMetric Metrica primaria per Text-Classification attività. 'AUCWeighted'
'Accuratezza'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
validationData Input di dati di convalida. MLTableJobInput

NlpVerticalFeaturizationSettings

Nome Descrizione Valore
datasetLanguage Lingua del set di dati, utile per i dati di testo. string

NlpVerticalLimitSettings

Nome Descrizione Valore
maxConcurrentTrials Numero massimo di iterazioni AutoML simultanee. INT
maxTrials Numero di iterazioni AutoML. INT
timeout Timeout del processo AutoML. string

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
limitSettings Vincoli di esecuzione per AutoMLJob. NlpVerticalLimitSettings
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
limitSettings Vincoli di esecuzione per AutoMLJob. NlpVerticalLimitSettings
validationData Input di dati di convalida. MLTableJobInput

CommandJob

Nome Descrizione Valore
jobType [Obbligatorio] Specifica il tipo di processo. 'Command' (obbligatorio)
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. 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

DistributionConfiguration

Nome Descrizione Valore
distributionType Impostare il tipo di oggetto Mpi
PyTorch
TensorFlow (obbligatorio)

Mpi

Nome Descrizione Valore
distributionType [Obbligatorio] Specifica il tipo di framework di distribuzione. 'Mpi' (obbligatorio)
processCountPerInstance Numero di processi per nodo MPI. INT

PyTorch

Nome Descrizione Valore
distributionType [Obbligatorio] Specifica il tipo di framework di distribuzione. 'PyTorch' (obbligatorio)
processCountPerInstance Numero di processi per nodo. INT

TensorFlow

Nome Descrizione Valore
distributionType [Obbligatorio] Specifica il tipo di framework di distribuzione. 'TensorFlow' (obbligatorio)
parameterServerCount Numero di attività del server dei parametri. INT
workerCount Numero di ruoli di lavoro. Se non specificato, verrà predefinito il conteggio delle istanze. INT

CommandJobEnvironmentVariables

Nome Descrizione Valore
{proprietà personalizzata} string

CommandJobInputs

Nome Descrizione Valore
{proprietà personalizzata} JobInput

JobInput

Nome Descrizione Valore
description Descrizione per l'input. string
jobInputType Impostare il tipo di oggetto custom_model
literal
mlflow_model
mltable
triton_model
uri_file
uri_folder (obbligatorio)

CustomModelJobInput

Nome Descrizione Valore
jobInputType [Obbligatorio] Specifica il tipo di processo. 'custom_model' (obbligatorio)
mode Modalità di distribuzione degli asset di input. 'Direct'
'Download'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Obbligatorio] URI dell'asset di input. stringa (obbligatorio)

Vincoli:
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

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

SweepJob

Nome Descrizione Valore
jobType [Obbligatorio] Specifica il tipo di processo. 'Sweep' (obbligatorio)
earlyTermination I criteri di terminazione anticipata consentono di annullare le esecuzioni con prestazioni scarse prima del completamento EarlyTerminationPolicy
input Mapping dei data binding di input usati nel processo. SweepJobInputs
limiti Limite di processi sweep. SweepJobLimits
obiettivo [Obbligatorio] Obiettivo di ottimizzazione. Obiettivo (obbligatorio)
outputs Mapping dei data binding di output usati nel processo. SweepJobOutputs
queueSettings Impostazioni della coda per il processo QueueSettings
samplingAlgorithm [Obbligatorio] Algoritmo di campionamento degli iperparametri SamplingAlgorithm (obbligatorio)
searchSpace [Obbligatorio] Dizionario contenente ogni parametro e la relativa distribuzione. La chiave del dizionario è il nome del parametro
versione di valutazione [Obbligatorio] Definizione del componente di valutazione. TrialComponent (obbligatorio)

SweepJobInputs

Nome Descrizione Valore
{proprietà personalizzata} JobInput

SweepJobLimits

Nome Descrizione Valore
jobLimitsType [Obbligatorio] Tipo JobLimit. 'Command'
'Sweep' (obbligatorio)
maxConcurrentTrials Sweep Processo max test simultanei. INT
maxTotalTrials Sweep Job max total trial.Sweep Job max trial. INT
timeout Durata massima dell'esecuzione in formato ISO 8601, dopo la quale il processo verrà annullato. Supporta solo la durata con precisione ridotta a secondi. string
trialTimeout Valore di timeout della versione di valutazione processo sweep. string

Obiettivo

Nome Descrizione Valore
goal [Obbligatorio] Definisce gli obiettivi delle metriche supportati per l'ottimizzazione degli iperparametri 'Ingrandisci'
'Riduci a icona' (obbligatorio)
primaryMetric [Obbligatorio] Nome della metrica da ottimizzare. stringa (obbligatorio)

Vincoli:
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)
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
alertNotificationSettings Impostazioni di notifica del monitoraggio. MonitorNotificationSettings
computeConfiguration [Obbligatorio] ID risorsa ARM della risorsa di calcolo in cui eseguire il processo di monitoraggio. MonitorComputeConfigurationBase (obbligatorio)
monitoraggioTarget Entità destinate al monitoraggio. MonitoraggioTarget
segnali [Obbligatorio] Segnali da monitorare. MonitorDefinitionSignals (obbligatorio)

MonitorNotificationSettings

Nome Descrizione Valore
emailNotificationSettings Impostazioni di posta elettronica di notifica AML. MonitorEmailNotificationSettings

MonitorEmailNotificationSettings

Nome Descrizione Valore
emails Elenco dei destinatari di posta elettronica con una limitazione di 499 caratteri in totale. string[]

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 = ^[0-9]+\.[0-9]+$

MonitorComputeIdentityBase

Nome Descrizione Valore
computeIdentityType Impostare il tipo di oggetto AmlToken
ManagedIdentity (obbligatorio)

AmlTokenComputeIdentity

Nome Descrizione Valore
computeIdentityType [Obbligatorio] Specifica il tipo di identità da usare all'interno dei processi di monitoraggio. 'AmlToken' (obbligatorio)

ManagedComputeIdentity

Nome Descrizione Valore
computeIdentityType [Obbligatorio] Specifica il tipo di identità da usare all'interno dei processi di monitoraggio. 'ManagedIdentity' (obbligatorio)
identity Identità che verrà sfruttata dai processi di monitoraggio. ManagedServiceIdentity

ManagedServiceIdentity

Nome Descrizione Valore
tipo Tipo di identità del servizio gestito (in cui sono consentiti i tipi SystemAssigned e 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 Riferimento all'asset di distribuzione di destinazione da questo monitoraggio. string
modelId Riferimento all'asset del modello di destinazione da questo monitoraggio. string
taskType [Obbligatorio] Tipo di attività di Machine Learning del modello monitorato. 'Classification'
'Regression' (obbligatorio)

MonitorDefinitionSignals

Nome Descrizione Valore
{proprietà personalizzata} MonitoringSignalBase

MonitoringSignalBase

Nome Descrizione Valore
notificationTypes Modalità di notifica corrente per questo segnale. Matrice di stringhe contenente uno dei seguenti elementi:
'AmlNotification'
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
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] Riferimento all'asset del componente usato per calcolare le metriche personalizzate. stringa (obbligatorio)

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 di dati. CustomMonitoringSignalInputAssets
input Parametri aggiuntivi del componente da accettare come input. Key è il nome della porta di input letterale del componente, il valore è il valore del parametro. CustomMonitoringSignalInputs
metricThresholds [Obbligatorio] Elenco di metriche da calcolare e delle soglie associate. CustomMetricThreshold[] (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
In sequenza
Statico (obbligatorio)

MonitoringInputDataBaseColumns

Nome Descrizione Valore
{proprietà personalizzata} string

FixedInputData

Nome Descrizione Valore
inputDataType [Obbligatorio] Specifica il tipo di segnale da monitorare. 'Fixed' (obbligatorio)

RollingInputData

Nome Descrizione Valore
inputDataType [Obbligatorio] Specifica il tipo di segnale da monitorare. 'Rolling' (obbligatorio)
pre-elaborazioneComponentId Riferimento all'asset del componente usato 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 dati in sequenza. stringa (obbligatorio)

StaticInputData

Nome Descrizione Valore
inputDataType [Obbligatorio] Specifica il tipo di segnale da monitorare. 'Static' (obbligatorio)
pre-elaborazioneComponentId Riferimento all'asset del componente usato 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)

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

DataDriftMonitoringSignal

Nome Descrizione Valore
signalType [Obbligatorio] Specifica il tipo di segnale da monitorare. 'DataDrift' (obbligatorio)
featureDataTypeOverride Dizionario che esegue il mapping dei nomi delle funzionalità ai rispettivi tipi di dati. DataDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings Impostazioni per l'importanza delle funzionalità di calcolo. FeatureImportanceSettings
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)

DataDriftMonitoringSignalFeatureDataTypeOverride

Nome Descrizione Valore
{proprietà personalizzata} 'Categorical'
'Numerico'

FeatureImportanceSettings

Nome Descrizione Valore
mode Modalità di funzionamento per l'importanza della funzionalità di calcolo. 'Disabilitato'
'Enabled'
targetColumn Nome della colonna di destinazione all'interno dell'asset di dati di input. string

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'
'NormalizedBrusteinDistance'
'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
featureImportanceSettings Impostazioni per l'importanza delle funzionalità di calcolo. FeatureImportanceSettings
funzionalità Caratteristiche per calcolare la deriva. MonitoringFeatureFilterBase
metricThresholds [Obbligatorio] Elenco di metriche da calcolare e delle 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} 'Categorical'
'Numerico'

DataQualityMetricThresholdBase

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)

CategoricalDataQualityMetricThreshold

Nome Descrizione Valore
dataType [Obbligatorio] Specifica il tipo di dati della soglia della metrica. 'Categorical' (obbligatorio)
Metrica [Obbligatorio] Metrica di 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)
featureDataTypeOverride Dizionario che esegue il mapping dei nomi delle funzionalità ai rispettivi tipi di dati. FeatureAttributionDriftMonitoringSignalFeatureDataTy...
featureImportanceSettings [Obbligatorio] Impostazioni per l'importanza della funzionalità di calcolo. FeatureImportanceSettings (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)

FeatureAttributionDriftMonitoringSignalFeatureDataTy...

Nome Descrizione Valore
{proprietà personalizzata} 'Categorico'
'Numerico'

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

PredictionDriftMonitoringSignal

Nome Descrizione Valore
signalType [Obbligatorio] Specifica il tipo di segnale da monitorare. 'PredictionDrift' (obbligatorio)
featureDataTypeOverride Dizionario che esegue il mapping dei nomi delle funzionalità ai rispettivi tipi di dati. PredictionDriftMonitoringSignalFeatureDataTypeOverri...
metricThresholds [Obbligatorio] Elenco delle metriche da calcolare e le soglie associate. PredictionDriftMetricThresholdBase[] (obbligatorio)
productionData [Obbligatorio] I dati per cui verrà calcolata la deriva. MonitoringInputDataBase (obbligatorio)
referenceData [Obbligatorio] Dati da calcolare in base alla deriva. MonitoringInputDataBase (obbligatorio)

PredictionDriftMonitoringSignalFeatureDataTypeOverri...

Nome Descrizione Valore
{proprietà personalizzata} 'Categorico'
'Numerico'

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'
'NormaldEnsteinsteinDistance'
'PopulationStabilityIndex'
'TwoSampleKolmogorovSmirnovTest' (obbligatorio)

EndpointScheduleAction

Nome Descrizione Valore
actionType [Obbligatorio] Specifica il tipo di azione della pianificazione 'InvokeBatchEndpoint' (obbligatorio)
endpointInvocationDefinition [Obbligatorio] Definisce i dettagli della definizione dell'azione di pianificazione.
{see href="TBD" /}

Triggerbase

Nome Descrizione Valore
endTime Specifica l'ora di fine della pianificazione in ISO 8601, ma senza un offset UTC. Fare riferimento a https://en.wikipedia.org/wiki/ISO_8601.
Il formato commentato sarebbe "2022-06-01T00:00:01"
Se non presente, la pianificazione verrà eseguita in modo indefinito		 string
startTime Specifica l'ora di inizio della pianificazione nel formato ISO 8601, ma senza un offset UTC. string
timeZone Specifica il fuso orario in cui viene eseguita la pianificazione.
TimeZone deve seguire il formato del fuso orario di Windows. Fare riferimento: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones />		 string
triggerType Impostare il tipo di oggetto Cron
Ricorrenza (obbligatoria)

CronTrigger

Nome Descrizione Valore
triggerType [Obbligatorio] 'Cron' (obbligatorio)
expression [Obbligatorio] Specifica l'espressione cron della pianificazione.
L'espressione deve seguire il formato NCronTab.		 stringa (obbligatoria)

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 un offset UTC. Fare riferimento a https://en.wikipedia.org/wiki/ISO_8601.
Il formato commentato sarebbe "2022-06-01T00:00:01"
Se non presente, la pianificazione verrà eseguita in modo indefinito		 string
frequency [Obbligatorio] Frequenza di attivazione della pianificazione. 'Day'
'Hour'
'Minute'
'Month'
'Week' (obbligatorio)
interval [Obbligatorio] Specifica l'intervallo di pianificazione in combinazione con la frequenza int (obbligatorio)
schedule Pianificazione delle ricorrenze. RicorrenzaSchedule
startTime Specifica l'ora di inizio della pianificazione nel formato ISO 8601, ma senza un offset UTC. string
timeZone Specifica il fuso orario in cui viene eseguita la pianificazione.
TimeZone deve seguire il formato del fuso orario di Windows. Vedere: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones		 string
triggerType [Obbligatorio] 'Cron'
'Ricorrenza' (obbligatoria)

RicorrenzaSchedule

Nome Descrizione Valore
ore [Obbligatorio] Elenco di ore per la pianificazione. int[] (obbligatorio)
minutes [Obbligatorio] Elenco di minuti per la pianificazione. int[] (obbligatorio)
monthDays Elenco di giorni di mese per la pianificazione int[]
weekDays Elenco di giorni per la pianificazione. Matrice di stringhe contenente uno qualsiasi di:
'Venerdì'
'Lunedì'
'Sabato'
'Domenica'
'Giovedì'
'Martedì'
'Mercoledì'

Definizione della risorsa Terraform (provider AzAPI)

Il tipo di risorsa aree di lavoro/pianificazioni può essere distribuito con operazioni destinate 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@2023-10-01"
  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"
      }
      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"
      }
      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
    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"
    }
    services = {
      {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"
    }
    jobType = "string"
    // For remaining properties, see JobBaseProperties objects
  }

Per CreateMonitor, usare:

  actionType = "CreateMonitor"
  monitorDefinition = {
    alertNotificationSettings = {
      emailNotificationSettings = {
        emails = [
          "string"
        ]
      }
    }
    computeConfiguration = {
      computeType = "string"
      // For remaining properties, see MonitorComputeConfigurationBase objects
    }
    monitoringTarget = {
      deploymentId = "string"
      modelId = "string"
      taskType = "string"
    }
    signals = {
      {customized property} = {
        notificationTypes = "AmlNotification"
        properties = {
          {customized property} = "string"
        }
        signalType = "string"
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }

Per InvokeBatchEndpoint, usare:

  actionType = "InvokeBatchEndpoint"

Oggetti JobBaseProperties

Impostare la proprietà jobType per specificare il tipo di oggetto.

Per AutoML, usare:

  jobType = "AutoML"
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    properties = {}
    shmSize = "string"
  }
  taskDetails = {
    logVerbosity = "string"
    targetColumnName = "string"
    trainingData = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    taskType = "string"
    // For remaining properties, see AutoMLVertical objects
  }

Per Comando usare:

  jobType = "Command"
  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"
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    properties = {}
    shmSize = "string"
  }

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 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"
  }
  samplingAlgorithm = {
    samplingAlgorithmType = "string"
    // For remaining properties, see SamplingAlgorithm objects
  }
  trial = {
    codeId = "string"
    command = "string"
    distribution = {
      distributionType = "string"
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId = "string"
    environmentVariables = {
      {customized property} = "string"
    }
    resources = {
      dockerArgs = "string"
      instanceCount = int
      instanceType = "string"
      properties = {}
      shmSize = "string"
    }
  }

Oggetti IdentityConfiguration

Impostare la proprietà identityType per specificare il tipo di oggetto.

Per AMLToken, usare:

  identityType = "AMLToken"

Per Gestito, usare:

  identityType = "Managed"
  clientId = "string"
  objectId = "string"
  resourceId = "string"

Per UserIdentity, usare:

  identityType = "UserIdentity"

Oggetti nodi

Impostare la proprietà nodesValueType per specificare il tipo di oggetto.

Per Tutti, usare:

  nodesValueType = "All"

Oggetti JobOutput

Impostare la proprietà jobOutputType per specificare il tipo di oggetto.

Per custom_model, usare:

  jobOutputType = "custom_model"
  mode = "string"
  uri = "string"

Per mlflow_model, usare:

  jobOutputType = "mlflow_model"
  mode = "string"
  uri = "string"

Per mltable, usare:

  jobOutputType = "mltable"
  mode = "string"
  uri = "string"

Per triton_model, usare:

  jobOutputType = "triton_model"
  mode = "string"
  uri = "string"

Per uri_file, usare:

  jobOutputType = "uri_file"
  mode = "string"
  uri = "string"

Per uri_folder, usare:

  jobOutputType = "uri_folder"
  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"
          ]
        }
      ]
    }
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel = "string"
  primaryMetric = "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"
    }
  }
  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"
          ]
        }
      ]
    }
  }
  forecastingSettings = {
    countryOrRegionForHolidays = "string"
    cvStepSize = int
    featureLags = "string"
    forecastHorizon = {
      mode = "string"
      // For remaining properties, see ForecastHorizon objects
    }
    frequency = "string"
    seasonality = {
      mode = "string"
      // For remaining properties, see Seasonality objects
    }
    shortSeriesHandlingConfig = "string"
    targetAggregateFunction = "string"
    targetLags = {
      mode = "string"
      // For remaining properties, see TargetLags objects
    }
    targetRollingWindowSize = {
      mode = "string"
      // For remaining properties, see TargetRollingWindowSize objects
    }
    timeColumnName = "string"
    timeSeriesIdColumnNames = [
      "string"
    ]
    useStl = "string"
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "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"
    }
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

Per ImageClassification usare:

  taskType = "ImageClassification"
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    momentum = int
    nesterov = bool
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    trainingBatchSize = int
    trainingCropSize = int
    validationBatchSize = int
    validationCropSize = int
    validationResizeSize = int
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
    weightedLoss = int
  }
  primaryMetric = "string"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      momentum = "string"
      nesterov = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      trainingBatchSize = "string"
      trainingCropSize = "string"
      validationBatchSize = "string"
      validationCropSize = "string"
      validationResizeSize = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
      weightedLoss = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int

Per ImageClassificationMultilabel usare:

  taskType = "ImageClassificationMultilabel"
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    momentum = int
    nesterov = bool
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    trainingBatchSize = int
    trainingCropSize = int
    validationBatchSize = int
    validationCropSize = int
    validationResizeSize = int
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
    weightedLoss = int
  }
  primaryMetric = "string"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      momentum = "string"
      nesterov = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      trainingBatchSize = "string"
      trainingCropSize = "string"
      validationBatchSize = "string"
      validationCropSize = "string"
      validationResizeSize = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
      weightedLoss = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int

Per ImageInstanceSegmentation, usare:

  taskType = "ImageInstanceSegmentation"
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    boxDetectionsPerImage = int
    boxScoreThreshold = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    imageSize = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    maxSize = int
    minSize = int
    modelName = "string"
    modelSize = "string"
    momentum = int
    multiScale = bool
    nesterov = bool
    nmsIouThreshold = int
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    tileGridSize = "string"
    tileOverlapRatio = int
    tilePredictionsNmsThreshold = int
    trainingBatchSize = int
    validationBatchSize = int
    validationIouThreshold = int
    validationMetricType = "string"
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
  }
  primaryMetric = "MeanAveragePrecision"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      boxDetectionsPerImage = "string"
      boxScoreThreshold = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      imageSize = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      maxSize = "string"
      minSize = "string"
      modelName = "string"
      modelSize = "string"
      momentum = "string"
      multiScale = "string"
      nesterov = "string"
      nmsIouThreshold = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      tileGridSize = "string"
      tileOverlapRatio = "string"
      tilePredictionsNmsThreshold = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      validationIouThreshold = "string"
      validationMetricType = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int

Per ImageObjectDetection, usare:

  taskType = "ImageObjectDetection"
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    boxDetectionsPerImage = int
    boxScoreThreshold = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    imageSize = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    maxSize = int
    minSize = int
    modelName = "string"
    modelSize = "string"
    momentum = int
    multiScale = bool
    nesterov = bool
    nmsIouThreshold = int
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    tileGridSize = "string"
    tileOverlapRatio = int
    tilePredictionsNmsThreshold = int
    trainingBatchSize = int
    validationBatchSize = int
    validationIouThreshold = int
    validationMetricType = "string"
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
  }
  primaryMetric = "MeanAveragePrecision"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      boxDetectionsPerImage = "string"
      boxScoreThreshold = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      imageSize = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      maxSize = "string"
      minSize = "string"
      modelName = "string"
      modelSize = "string"
      momentum = "string"
      multiScale = "string"
      nesterov = "string"
      nmsIouThreshold = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      tileGridSize = "string"
      tileOverlapRatio = "string"
      tilePredictionsNmsThreshold = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      validationIouThreshold = "string"
      validationMetricType = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int

Per Regressione usare:

  taskType = "Regression"
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "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"
    }
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

Per TextClassification, usare:

  taskType = "TextClassification"
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  primaryMetric = "string"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }

Per TextClassificationMultilabel, usare:

  taskType = "TextClassificationMultilabel"
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }

Per TextNER, usare:

  taskType = "TextNER"
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "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 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 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 DistributionConfiguration

Impostare la proprietà distributionType per specificare il tipo di oggetto.

Per Mpi, usare:

  distributionType = "Mpi"
  processCountPerInstance = int

Per PyTorch usare:

  distributionType = "PyTorch"
  processCountPerInstance = int

Per TensorFlow, usare:

  distributionType = "TensorFlow"
  parameterServerCount = int
  workerCount = int

Oggetti JobInput

Impostare la proprietà jobInputType per specificare il tipo di oggetto.

Per custom_model, usare:

  jobInputType = "custom_model"
  mode = "string"
  uri = "string"

Per il valore letterale, usare:

  jobInputType = "literal"
  value = "string"

Per mlflow_model, usare:

  jobInputType = "mlflow_model"
  mode = "string"
  uri = "string"

Per mltable, usare:

  jobInputType = "mltable"
  mode = "string"
  uri = "string"

Per triton_model, usare:

  jobInputType = "triton_model"
  mode = "string"
  uri = "string"

Per uri_file, usare:

  jobInputType = "uri_file"
  mode = "string"
  uri = "string"

Per uri_folder, usare:

  jobInputType = "uri_folder"
  mode = "string"
  uri = "string"

Oggetti 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"
  rule = "string"
  seed = int

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
      }
    }
  ]

Per DataDrift, usare:

  signalType = "DataDrift"
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  featureImportanceSettings = {
    mode = "string"
    targetColumn = "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"
  }
  featureImportanceSettings = {
    mode = "string"
    targetColumn = "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"
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  featureImportanceSettings = {
    mode = "string"
    targetColumn = "string"
  }
  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 PredictionDrift, usare:

  signalType = "PredictionDrift"
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  metricThresholds = [
    {
      threshold = {
        value = int
      }
      dataType = "string"
      // For remaining properties, see PredictionDriftMetricThresholdBase 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
  }

Oggetti MonitoringInputDataBase

Impostare la proprietà inputDataType per specificare il tipo di oggetto.

Per Correzione, usare:

  inputDataType = "Fixed"

Per rollback, usare:

  inputDataType = "Rolling"
  preprocessingComponentId = "string"
  windowOffset = "string"
  windowSize = "string"

Per Statico, usare:

  inputDataType = "Static"
  preprocessingComponentId = "string"
  windowEnd = "string"
  windowStart = "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 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 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@2023-10-01"
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
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
properties Dizionario delle proprietà asset. ResourceBaseProperties
services Elenco di JobEndpoints.
Per i processi locali, un endpoint del processo avrà un valore endpoint di FileStreamObject.		 JobBaseServices
tags Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati. object
jobType Impostare il tipo di oggetto AutoML
Comando
Pipeline
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)

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

JobBaseServices

Nome Descrizione Valore
{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 endpoint. 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)
mode Modalità di recapito dell'asset di output. "ReadWriteMount"
"Carica"
Uri URI asset di output. string

MLFlowModelJobOutput

Nome Descrizione Valore
jobOutputType [Obbligatorio] Specifica il tipo di processo. "mlflow_model" (obbligatorio)
mode Modalità di recapito dell'asset di output. "ReadWriteMount"
"Carica"
Uri URI asset di output. string

MLTableJobOutput

Nome Descrizione Valore
jobOutputType [Obbligatorio] Specifica il tipo di processo. "mltable" (obbligatorio)
mode Modalità di recapito dell'asset di output. "ReadWriteMount"
"Carica"
Uri URI asset di output. string

TritonModelJobOutput

Nome Descrizione Valore
jobOutputType [Obbligatorio] Specifica il tipo di processo. "triton_model" (obbligatorio)
mode Modalità di recapito dell'asset di output. "ReadWriteMount"
"Carica"
Uri URI asset di output. string

UriFileJobOutput

Nome Descrizione Valore
jobOutputType [Obbligatorio] Specifica il tipo di processo. "uri_file" (obbligatorio)
mode Modalità di recapito dell'asset di output. "ReadWriteMount"
"Carica"
Uri URI asset di output. string

UriFolderJobOutput

Nome Descrizione Valore
jobOutputType [Obbligatorio] Specifica il tipo di processo. "uri_folder" (obbligatorio)
mode Modalità di distribuzione degli asset di output. "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"

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
properties Contenitore di proprietà aggiuntive. ResourceConfigurationProperties
shmSize Dimensioni del blocco di memoria condivisa del contenitore Docker. Deve essere nel formato (numero)(unità) in cui il numero deve essere maggiore di 0 e l'unità può essere uno di b(byte), k(kilobyte), m(megabyte) o g(gigabyte). string

Vincoli:
Pattern = \d+[bBkKmMgG]

ResourceConfigurationProperties

Nome Descrizione Valore
{proprietà personalizzata}
{proprietà personalizzata}

AutoMLVertical

Nome Descrizione Valore
logVerbosity Log verbosity per il processo. "Critico"
"Debug"
"Errore"
"Info"
"NotSet"
"Avviso"
targetColumnName Nome colonna di destinazione: colonna dei valori di stima.
Noto anche come nome di colonna etichetta nel contesto delle attività di classificazione.		 string
trainingData [Obbligatorio] Input 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. "Diretto"
"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
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"
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 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.

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
maxTrials Numero di iterazioni. 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)

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

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 utilizzare per i dati CVSplit. string[]
featurizationSettings Input di definizione delle caratteristiche necessari per il processo AutoML. TableVerticalFeaturizationSettings
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"
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 il peso o la riduzione delle righe nei dati. string

ForecastingSettings

Nome Descrizione Valore
countryOrRegionForHolidays Paese o area geografica per le vacanze per le attività di previsione.
Questi devono essere ISO 3166 codici paese/area geografica, ad esempio "US" o "GB".		 string
cvStepSize Numero di periodi tra l'ora di origine di una piega cv e la successiva piega. For
ad esempio, se CVStepSize = 3 per i dati giornalieri, l'ora di origine per ogni piega sarà
tre giorni a parte.		 INT
featureLags Contrassegno per la generazione di ritardi per le funzionalità numeriche con 'auto' o Null. "Auto"
"None"
forecastHorizon Orizzonte di previsione massimo desiderato in unità di frequenza della serie temporale. ForecastHorizon
frequency Quando si prevede, questo parametro rappresenta il periodo con cui è desiderata la previsione, ad esempio giornaliera, settimanale, annuale e così via. La frequenza di previsione è la frequenza del set di dati per impostazione predefinita. string
Stagionalità Impostare la stagionalità delle serie temporali come numero intero multiplo della frequenza della serie.
Se la stagionalità è impostata su 'auto', verrà dedotto.		 Stagionalità
shortSeriesHandlingConfig Parametro che definisce come se AutoML deve gestire serie temporali brevi. "Auto"
"Drop"
"None"
"Pad"
targetAggregateFunction Funzione da utilizzare per aggregare la colonna di destinazione della serie temporale in modo che sia conforme a una frequenza specificata dall'utente.
Se targetAggregateFunction è impostato, ad esempio non "Nessuno", ma il parametro freq non è impostato, viene generato l'errore. Le possibili funzioni di aggregazione di destinazione sono: "sum", "max", "min" e "mean".		 "Max"
"Mean"
"Min"
"None"
"Sum"
targetLags Numero di periodi passati da cui eseguire il ritardo dalla colonna di destinazione. TargetLags
targetRollingWindowSize Numero di periodi 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. "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 di ritardo di destinazione - Auto/Personalizzato "Auto" (obbligatorio)

CustomTargetLags

Nome Descrizione Valore
mode [Obbligatorio] Impostare la modalità di ritardo di destinazione - Auto/Personalizzato "Personalizzato" (obbligatorio)
valori [Obbligatorio] Impostare i valori di ritardo di destinazione. int[] (obbligatorio)

TargetRollingWindowSize

Nome Descrizione Valore
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"
"ExponentialSmoothing"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LassoLars"
"LightGBM"
"Naive"
"Profeta"
"RandomForest"
"SGD"
"SeasonalAverage"
"SeasonalNaive"
"TCNForecaster"
"XGBoostRegressor"
enableDnnTraining Abilitare la raccomandazione dei modelli DNN. bool
enableModelExplainability Flag per attivare la spiegazione nel modello migliore. bool
enableOnnxCompatibleModels Contrassegno per l'abilitazione di modelli compatibili con onnx. bool
enableStackEnsemble Abilitare l'esecuzione dell'insieme di stack. bool
enableVoteEnsemble Abilitare l'esecuzione dell'ensemble di voto. bool
ensembleModelDownloadTimeout Durante la generazione del modello VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati delle esecuzioni figlio precedenti.
Se è necessario più tempo, configurare questo parametro con un valore superiore a 300 secondi.		 string
stackEnsembleSettings Impostazioni dell'insieme stack per l'esecuzione dell'insieme di stack. StackEnsembleSettings

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 "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". "None"
"Passaggio"
"WarmupCosine"
modelName Nome del modello da usare per il training.
Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale:
https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.		 string
momentum Valore di slancio quando optimizer è "sgd". Deve essere un float nell'intervallo [0, 1]. INT
Nesterov Abilitare nesterov quando optimizer è "sgd". bool
numberOfEpochs Numero di epoche di training. Deve essere un intero positivo. INT
numberOfWorkers Numero di ruoli di lavoro del caricatore dati. Deve essere un intero non negativo. INT
optimizer Tipo di optimizer. "Adam"
"Adamw"
"None"
"Sgd"
casualESeed Inizializzazione casuale da usare quando si usa training deterministico. INT
stepLRGamma Il valore di gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un float nell'intervallo [0, 1]. INT
stepLRStepSize Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. INT
trainingBatchSize Dimensioni batch di training. Deve essere un intero positivo. INT
trainingCropSize Dimensioni 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. "Diretto"
"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
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)

EarlyTerminationPolicy

Nome Descrizione Valore
delayEvaluation Numero di intervalli in base al quale ritardare la prima valutazione. INT
evaluationInterval Intervallo (numero di esecuzioni) tra valutazioni dei criteri. INT
policyType Impostare il tipo di oggetto Bandito
MedianStopping
TroncamentoSelection (obbligatorio)

BanditPolicy

Nome Descrizione Valore
policyType [Obbligatorio] Nome della configurazione dei criteri "Bandit" (obbligatorio)
slackAmount Distanza assoluta consentita dall'esecuzione migliore. INT
slackFactor Rapporto della distanza consentita dall'esecuzione migliore. INT

MedianStoppingPolicy

Nome Descrizione Valore
policyType [Obbligatorio] Nome della configurazione dei criteri "MedianStopping" (obbligatorio)

TroncationSelectionPolicy

Nome Descrizione Valore
policyType [Obbligatorio] Nome della configurazione dei criteri "TroncationSelection" (obbligatorio)
troncationPercentage Percentuale di esecuzioni da annullare a ogni intervallo di valutazione. INT

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"
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"
casualESeed Inizializzazione casuale da usare quando si usa training deterministico. INT
stepLRGamma Il valore di gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un float nell'intervallo [0, 1]. INT
stepLRStepSize Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo. INT
tileGridSize Dimensioni della griglia da usare per l'associazione di ogni immagine. Nota: TileGridSize non deve essere
Nessuno per abilitare la logica di rilevamento di oggetti di piccole dimensioni. Stringa contenente due interi in formato mxn.
Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".		 string
tileOverlapRatio Rapporto di sovrapposizione tra riquadri adiacenti in ogni dimensione. Deve essere float nell'intervallo [0, 1).
Nota: queste impostazioni non sono supportate per l'algoritmo "yolov5".		 INT
tilePredictionsNmsThreshold Soglia IOU da usare per eseguire NMS durante l'unione delle stime dai riquadri e dall'immagine.
Usato nella convalida/inferenza. Deve essere float nell'intervallo [0, 1].
Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'.		 INT
trainingBatchSize Dimensioni 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 numeri interi in formato mxn.
Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'.		 string
tileOverlapRatio Rapporto di sovrapposizione tra riquadri adiacenti in ogni dimensione. Deve essere float nell'intervallo [0, 1).
Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'.		 string
tilePredictionsNmsThreshold Soglia IOU da usare per eseguire NMS durante l'unione di stime da riquadri e immagini.
Usato nella convalida/inferenza. Deve essere float nell'intervallo [0, 1].
Nota: queste impostazioni non sono supportate per l'algoritmo 'yolov5'.
NMS: eliminazione non massima		 string
trainingBatchSize Dimensioni del batch di training. Deve essere un intero positivo. string
validationBatchSize Dimensioni del batch di convalida. Deve essere un intero positivo. string
validationIouThreshold Soglia IOU da usare per il calcolo della metrica di convalida. Deve essere float nell'intervallo [0, 1]. string
validationMetricType Metodo di calcolo delle metriche da usare per le metriche di convalida. Deve essere 'none', 'coco', 'voc' o 'coco_voc'. string
warmupCosineLRCycles Il valore del ciclo coseno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un valore float nell'intervallo [0, 1]. string
warmupCosineLRWarmupEpochs Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo. string
weightDecay Valore del decadimento del peso quando Optimizer è 'sgd', 'adam', o 'adamw'. Deve essere un valore float nell'intervallo[0, 1]. string

ImageObjectDetection

Nome Descrizione Valore
taskType [Obbligatorio] Tipo di attività per AutoMLJob. "ImageObjectDetection" (obbligatorio)
limitSettings [Obbligatorio] Limitare le impostazioni per il processo AutoML. ImageLimitSettings (obbligatorio)
modelSettings Impostazioni utilizzate per il training del modello. ImageModelSettingsObjectDetection
primaryMetric Metrica primaria da ottimizzare per questa attività. "MeanAveragePrecision"
searchSpace Cercare lo spazio per il campionamento di diverse combinazioni di modelli e i relativi iperparametri. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Sweep dei modelli e impostazioni correlate all'iperparametro. ImageSweepSettings
validationData Input di dati di convalida. MLTableJobInput
validationDataSize Frazione del set di dati di training da riservare a scopo di convalida.
Valori compresi tra (0,0 , 1,0)
Applicato quando il set di dati di convalida non viene fornito.
 INT

Regressione

Nome Descrizione Valore
taskType [Obbligatorio] Tipo di attività per AutoMLJob. "Regressione" (obbligatorio)
cvSplitColumnNames Colonne da utilizzare per i dati CVSplit. string[]
featurizationSettings Input di definizione delle caratteristiche necessari per il processo AutoML. TableVerticalFeaturizationSettings
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"
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 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

TextClassification

Nome Descrizione Valore
taskType [Obbligatorio] Tipo di attività per AutoMLJob. "TextClassification" (obbligatorio)
featurizationSettings Input di funzionalità necessari per il processo AutoML. NlpVerticalFeaturizationSettings
limitSettings Vincoli di esecuzione per AutoMLJob. NlpVerticalLimitSettings
primaryMetric Metrica primaria per l'attività Text-Classification. "AUCWeighted"
"Accuratezza"
"AveragePrecisionScoreWeighted"
"NormMacroRecall"
"PrecisionScoreWeighted"
validationData Input dati di convalida. MLTableJobInput

NlpVerticalFeaturizationSettings

Nome Descrizione Valore
set di datiLanguage Lingua del set di dati, utile per i dati di testo. string

NlpVerticalLimitSettings

Nome Descrizione Valore
maxConcurrentTrials Iterazioni autoML simultanee massime. INT
maxTrials Numero di iterazioni autoML. INT
timeout Timeout del processo AutoML. string

TextClassificationMultilabel

Nome Descrizione Valore
taskType [Obbligatorio] Tipo di attività per AutoMLJob. "TextClassificationMultilabel" (obbligatorio)
featurizationSettings Input di funzionalità necessari per il processo AutoML. NlpVerticalFeaturizationSettings
limitSettings Vincoli di esecuzione per AutoMLJob. NlpVerticalLimitSettings
validationData Input dati di convalida. MLTableJobInput

TextNer

Nome Descrizione Valore
taskType [Obbligatorio] Tipo di attività per AutoMLJob. "TextNER" (obbligatorio)
featurizationSettings Input di funzionalità necessari per il processo AutoML. NlpVerticalFeaturizationSettings
limitSettings Vincoli di esecuzione per AutoMLJob. NlpVerticalLimitSettings
validationData Input dati di convalida. MLTableJobInput

CommandJob

Nome Descrizione Valore
jobType [Obbligatorio] Specifica il tipo di processo. "Comando" (obbligatorio)
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. 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

DistributionConfiguration

Nome Descrizione Valore
distributionType Impostare il tipo di oggetto Mpi
PyTorch
TensorFlow (obbligatorio)

Mpi

Nome Descrizione Valore
distributionType [Obbligatorio] Specifica il tipo di framework di distribuzione. "Mpi" (obbligatorio)
processCountPerInstance Numero di processi per nodo MPI. INT

PyTorch

Nome Descrizione Valore
distributionType [Obbligatorio] Specifica il tipo di framework di distribuzione. "PyTorch" (obbligatorio)
processCountPerInstance Numero di processi per nodo. INT

TensorFlow

Nome Descrizione Valore
distributionType [Obbligatorio] Specifica il tipo di framework di distribuzione. "TensorFlow" (obbligatorio)
parameterServerCount Numero di attività del server dei parametri. INT
workerCount Numero di ruoli di lavoro. Se non specificato, il valore predefinito verrà impostato sul conteggio delle istanze. INT

CommandJobEnvironmentVariables

Nome Descrizione Valore
{proprietà personalizzata} string

CommandJobInputs

Nome Descrizione Valore
{proprietà personalizzata} JobInput

JobInput

Nome Descrizione Valore
description Descrizione dell'input. string
jobInputType Impostare il tipo di oggetto custom_model
literal
mlflow_model
mltable
triton_model
uri_file
uri_folder (obbligatorio)

CustomModelJobInput

Nome Descrizione Valore
jobInputType [Obbligatorio] Specifica il tipo di processo. "custom_model" (obbligatorio)
mode Modalità di recapito dell'asset di input. "Direct"
"Download"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
Uri [Obbligatorio] URI dell'asset di input. stringa (obbligatoria)

Vincoli:
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

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

SweepJob

Nome Descrizione Valore
jobType [Obbligatorio] Specifica il tipo di processo. "Sweep" (obbligatorio)
earlyTermination I criteri di terminazione anticipata consentono di annullare le esecuzioni con prestazioni scarse prima del completamento EarlyTerminationPolicy
input Mapping dei data binding di input usati nel processo. SweepJobInputs
limiti Limite di processi sweep. SweepJobLimits
obiettivo [Obbligatorio] Obiettivo di ottimizzazione. Obiettivo (obbligatorio)
outputs Mapping dei data binding di output usati nel processo. SweepJobOutputs
queueSettings Impostazioni della coda per il processo QueueSettings
samplingAlgorithm [Obbligatorio] Algoritmo di campionamento degli iperparametri SamplingAlgorithm (obbligatorio)
searchSpace [Obbligatorio] Dizionario contenente ogni parametro e la relativa distribuzione. La chiave del dizionario è il nome del parametro
versione di valutazione [Obbligatorio] Definizione del componente di valutazione. TrialComponent (obbligatorio)

SweepJobInputs

Nome Descrizione Valore
{proprietà personalizzata} JobInput

SweepJobLimits

Nome Descrizione Valore
jobLimitsType [Obbligatorio] Tipo JobLimit. "Comando"
"Sweep" (obbligatorio)
maxConcurrentTrials Sweep Processo max test simultanei. INT
maxTotalTrials Sweep Job max total trial.Sweep Job max trial. INT
timeout Durata massima dell'esecuzione in formato ISO 8601, dopo la quale il processo verrà annullato. Supporta solo la durata con precisione ridotta a secondi. string
trialTimeout Valore di timeout della versione di valutazione processo sweep. string

Obiettivo

Nome Descrizione Valore
goal [Obbligatorio] Definisce gli obiettivi delle metriche supportati per l'ottimizzazione degli iperparametri "Ingrandisci"
"Riduci a icona" (obbligatorio)
primaryMetric [Obbligatorio] Nome della metrica da ottimizzare. stringa (obbligatorio)

Vincoli:
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
campionamentoAlgorithmType [Obbligatorio] Algoritmo usato per generare valori iperparametri, insieme alle proprietà di configurazione "Casuale" (obbligatorio)
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
alertNotificationSettings Impostazioni di notifica del monitoraggio. MonitorNotificationSettings
computeConfiguration [Obbligatorio] ID risorsa ARM della risorsa di calcolo in cui eseguire il processo di monitoraggio. MonitorComputeConfigurationBase (obbligatorio)
monitoraggioTarget Entità destinate al monitoraggio. MonitoraggioTarget
segnali [Obbligatorio] Segnali da monitorare. MonitorDefinitionSignals (obbligatorio)

MonitorNotificationSettings

Nome Descrizione Valore
emailNotificationSettings Impostazioni di posta elettronica di notifica AML. MonitorEmailNotificationSettings

MonitorEmailNotificationSettings

Nome Descrizione Valore
emails Elenco dei destinatari di posta elettronica con una limitazione di 499 caratteri in totale. string[]

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 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 = ^[0-9]+\.[0-9]+$

MonitorComputeIdentityBase

Nome Descrizione Valore
computeIdentityType Impostare il tipo di oggetto AmlToken
ManagedIdentity (obbligatorio)

AmlTokenComputeIdentity

Nome Descrizione Valore
computeIdentityType [Obbligatorio] Specifica il tipo di identità da usare all'interno dei processi di monitoraggio. "AmlToken" (obbligatorio)

ManagedComputeIdentity

Nome Descrizione Valore
computeIdentityType [Obbligatorio] Specifica il tipo di identità da usare all'interno dei processi di monitoraggio. "ManagedIdentity" (obbligatorio)
identity Identità che verrà sfruttata dai processi di monitoraggio. ManagedServiceIdentity

ManagedServiceIdentity

Nome Descrizione Valore
tipo Tipo di identità del servizio gestito (in cui sono consentiti i tipi SystemAssigned e 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 Riferimento all'asset di distribuzione di destinazione da questo monitoraggio. string
modelId Riferimento all'asset del modello di destinazione da questo monitoraggio. string
taskType [Obbligatorio] Tipo di attività di Machine Learning del modello monitorato. "Classificazione"
"Regressione" (obbligatorio)

MonitorDefinitionSignals

Nome Descrizione Valore
{proprietà personalizzata} MonitoringSignalBase

MonitoringSignalBase

Nome Descrizione Valore
notificationTypes Modalità di notifica corrente per questo segnale. Matrice di stringhe contenente uno dei seguenti elementi:
"AmlNotification"
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
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] Riferimento all'asset del componente usato per calcolare le metriche personalizzate. stringa (obbligatorio)

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 di dati. CustomMonitoringSignalInputAssets
input Parametri aggiuntivi del componente da accettare come input. Key è il nome della porta di input letterale del componente, il valore è il valore del parametro. CustomMonitoringSignalInputs
metricThresholds [Obbligatorio] Elenco di metriche da calcolare e delle soglie associate. CustomMetricThreshold[] (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
In sequenza
Statico (obbligatorio)

MonitoringInputDataBaseColumns

Nome Descrizione Valore
{proprietà personalizzata} string

FixedInputData

Nome Descrizione Valore
inputDataType [Obbligatorio] Specifica il tipo di segnale da monitorare. "Corretto" (obbligatorio)

RollingInputData

Nome Descrizione Valore
inputDataType [Obbligatorio] Specifica il tipo di segnale da monitorare. "Rolling" (obbligatorio)
pre-elaborazioneComponentId Riferimento all'asset del componente usato 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 dati in sequenza. stringa (obbligatorio)

StaticInputData

Nome Descrizione Valore
inputDataType [Obbligatorio] Specifica il tipo di segnale da monitorare. "Statico" (obbligatorio)
pre-elaborazioneComponentId Riferimento all'asset del componente usato 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)

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

DataDriftMonitoringSignal

Nome Descrizione Valore
signalType [Obbligatorio] Specifica il tipo di segnale da monitorare. "DataDrift" (obbligatorio)
featureDataTypeOverride Dizionario che esegue il mapping dei nomi delle funzionalità ai rispettivi tipi di dati. DataDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings Impostazioni per l'importanza delle funzionalità di calcolo. FeatureImportanceSettings
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)

DataDriftMonitoringSignalFeatureDataTypeOverride

Nome Descrizione Valore
{proprietà personalizzata} "Categorical"
"Numerico"

FeatureImportanceSettings

Nome Descrizione Valore
mode Modalità di funzionamento per l'importanza della funzionalità di calcolo. "Disabilitato"
"Abilitato"
targetColumn Nome della colonna di destinazione all'interno dell'asset di dati di input. string

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"
"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
featureImportanceSettings Impostazioni per l'importanza della funzionalità di calcolo. FeatureImportanceSettings
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. MonitoringThreshold
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 di 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)
featureDataTypeOverride Dizionario che esegue il mapping dei nomi delle funzionalità ai rispettivi tipi di dati. FeatureAttributionDriftMonitoringSignalFeatureDataTy...
featureImportanceSettings [Obbligatorio] Impostazioni per l'importanza delle funzionalità di calcolo. FeatureImportanceSettings (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)

FeatureAttributionDriftMonitoringSignalFeatureDataTy...

Nome Descrizione Valore
{proprietà personalizzata} "Categorical"
"Numerico"

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

PredictionDriftMonitoringSignal

Nome Descrizione Valore
signalType [Obbligatorio] Specifica il tipo di segnale da monitorare. "PredictionDrift" (obbligatorio)
featureDataTypeOverride Dizionario che esegue il mapping dei nomi delle funzionalità ai rispettivi tipi di dati. PredictionDriftMonitoringSignalFeatureDataTypeOverri...
metricThresholds [Obbligatorio] Elenco di metriche da calcolare e delle soglie associate. PredictionDriftMetricThresholdBase[] (obbligatorio)
productionData [Obbligatorio] Dati per cui verrà calcolata la deriva. MonitoringInputDataBase (obbligatorio)
referenceData [Obbligatorio] Dati da calcolare in base alla deriva. MonitoringInputDataBase (obbligatorio)

PredictionDriftMonitoringSignalFeatureDataTypeOverri...

Nome Descrizione Valore
{proprietà personalizzata} "Categorical"
"Numerico"

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)

EndpointScheduleAction

Nome Descrizione Valore
actionType [Obbligatorio] Specifica il tipo di azione della pianificazione "InvokeBatchEndpoint" (obbligatorio)
endpointInvocationDefinition [Obbligatorio] Definisce i dettagli della definizione dell'azione di pianificazione.
{see href="TBD" /}

Triggerbase

Nome Descrizione Valore
endTime Specifica l'ora di fine della pianificazione in ISO 8601, ma senza un offset UTC. Fare riferimento a https://en.wikipedia.org/wiki/ISO_8601.
Il formato commentato sarebbe "2022-06-01T00:00:01"
Se non presente, la pianificazione verrà eseguita in modo indefinito		 string
startTime Specifica l'ora di inizio della pianificazione nel formato ISO 8601, ma senza un offset UTC. string
timeZone Specifica il fuso orario in cui viene eseguita la pianificazione.
TimeZone deve seguire il formato del fuso orario di Windows. Fare riferimento: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones />		 string
triggerType Impostare il tipo di oggetto Cron
Ricorrenza (obbligatoria)

CronTrigger

Nome Descrizione Valore
triggerType [Obbligatorio] "Cron" (obbligatorio)
expression [Obbligatorio] Specifica l'espressione cron della pianificazione.
L'espressione deve seguire il formato NCronTab.		 stringa (obbligatoria)

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 un offset UTC. Fare riferimento a https://en.wikipedia.org/wiki/ISO_8601.
Il formato commentato sarebbe "2022-06-01T00:00:01"
Se non presente, la pianificazione verrà eseguita in modo indefinito		 string
frequency [Obbligatorio] Frequenza di attivazione della pianificazione. "Giorno"
"Ora"
"Minuto"
"Mese"
"Settimana" (obbligatorio)
interval [Obbligatorio] Specifica l'intervallo di pianificazione in combinazione con la frequenza int (obbligatorio)
schedule Pianificazione delle ricorrenze. RicorrenzaSchedule
startTime Specifica l'ora di inizio della pianificazione nel formato ISO 8601, ma senza un offset UTC. string
timeZone Specifica il fuso orario in cui viene eseguita la pianificazione.
TimeZone deve seguire il formato del fuso orario di Windows. Vedere: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones		 string
triggerType [Obbligatorio] "Cron"
"Ricorrenza" (obbligatoria)

RicorrenzaSchedule

Nome Descrizione Valore
ore [Obbligatorio] Elenco di ore per la pianificazione. int[] (obbligatorio)
minutes [Obbligatorio] Elenco di minuti per la pianificazione. int[] (obbligatorio)
monthDays Elenco di giorni di mese per la pianificazione int[]
weekDays Elenco di giorni per la pianificazione. Matrice di stringhe contenente uno qualsiasi di:
"Friday"
"Lunedì"
"Sabato"
"Sunday"
"Thursday"
"Tuesday"
"Wednesday"