Aree di lavoro/pianificazioni Microsoft.MachineLearningServices
Definizione di risorsa Bicep
Il tipo di risorsa aree di lavoro/pianificazioni può essere distribuito con operazioni destinate a:
- Gruppi di risorse - Vedere i comandi di distribuzione dei gruppi di risorse
Per un elenco delle proprietà modificate in ogni versione dell'API, vedere Log delle modifiche.
Formato di risorsa
Per creare una risorsa Microsoft.MachineLearningServices/workspaces/schedules, aggiungere il bicep seguente al modello.
resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2023-10-01' = {
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 saràtre 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:
- Gruppi di risorse - Vedere i comandi di distribuzione del gruppo di risorse
Per un elenco delle proprietà modificate in ogni versione dell'API, vedere log delle modifiche.
Formato di risorsa
Per creare una risorsa Microsoft.MachineLearningServices/workspaces/schedules, aggiungere il codice JSON seguente al modello.
{
"type": "Microsoft.MachineLearningServices/workspaces/schedules",
"apiVersion": "2023-10-01",
"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 saràtre 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 saràtre giorni a parte. |
INT |
featureLags | Contrassegno per la generazione di ritardi per le funzionalità numeriche con 'auto' o Null. | "Auto" "None" |
forecastHorizon | Orizzonte di previsione massimo desiderato in unità di frequenza della serie temporale. | ForecastHorizon |
frequency | Quando si prevede, questo parametro rappresenta il periodo con cui è desiderata la previsione, ad esempio giornaliera, settimanale, annuale e così via. La frequenza di previsione è la frequenza del set di dati per impostazione predefinita. | string |
Stagionalità | Impostare la stagionalità delle serie temporali come numero intero multiplo della frequenza della serie. Se la stagionalità è impostata su 'auto', verrà dedotto. |
Stagionalità |
shortSeriesHandlingConfig | Parametro che definisce come se AutoML deve gestire serie temporali brevi. | "Auto" "Drop" "None" "Pad" |
targetAggregateFunction | Funzione da utilizzare per aggregare la colonna di destinazione della serie temporale in modo che sia conforme a una frequenza specificata dall'utente. Se targetAggregateFunction è impostato, ad esempio non "Nessuno", ma il parametro freq non è impostato, viene generato l'errore. Le possibili funzioni di aggregazione di destinazione sono: "sum", "max", "min" e "mean". |
"Max" "Mean" "Min" "None" "Sum" |
targetLags | Numero di periodi passati da cui eseguire il ritardo dalla colonna di destinazione. | TargetLags |
targetRollingWindowSize | Numero di periodi 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" |
Commenti e suggerimenti
https://aka.ms/ContentUserFeedback.
Presto disponibile: Nel corso del 2024 verranno gradualmente disattivati i problemi di GitHub come meccanismo di feedback per il contenuto e ciò verrà sostituito con un nuovo sistema di feedback. Per altre informazioni, vedereInvia e visualizza il feedback per