Jobs - Create Or Update

Servizio:

Machine Learning

Versione API:

2025-12-01

Crea ed esegue un processo. In caso di aggiornamento, i tag nella definizione passata sostituiranno i tag nel processo esistente.
Crea ed esegue un processo. In caso di aggiornamento, i tag nella definizione passata sostituiranno i tag nel processo esistente.

PUT https://management.azure.com/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.MachineLearningServices/workspaces/{workspaceName}/jobs/{id}?api-version=2025-12-01

Parametri dell'URI

Nome	In	Necessario	Tipo	Descrizione
id	path	True	string	Nome e identificatore del processo. Distinzione tra maiuscole e minuscole.
resourceGroupName	path	True	string minLength: 1 maxLength: 90	Nome del gruppo di risorse. Il nome è insensibile alle maiuscole e minuscole.
subscriptionId	path	True	string minLength: 1	ID della sottoscrizione di destinazione.
workspaceName	path	True	string pattern: ^[a-zA-Z0-9][a-zA-Z0-9_-]{2,32}$	Nome dell'area di lavoro di Azure Machine Learning
api-version	query	True	string minLength: 1	Versione dell'API da usare per questa operazione.

Corpo della richiesta

Nome	Necessario	Tipo	Descrizione
properties	True	JobBaseProperties: AutoMLJob CommandJob PipelineJob SparkJob SweepJob	[Obbligatorio] Attributi aggiuntivi dell'entità.

Risposte

Nome	Tipo	Descrizione
200 OK	JobBase	Operazione di aggiornamento 'JobBase' della risorsa riuscita
201 Created	JobBase	Risorsa 'JobBase' crea l'operazione con successo
Other Status Codes	ErrorResponse	Risposta di errore imprevista.

Sicurezza

azure_auth

Flusso OAuth2 di Azure Active Directory.

Tipo: oauth2
Flow: implicit
URL di autorizzazione: https://login.microsoftonline.com/common/oauth2/authorize

Ambiti

Nome	Descrizione
user_impersonation	rappresentare l'account utente

Esempio

CreateOrUpdate AutoML Job.

CreateOrUpdate Command Job.

CreateOrUpdate Pipeline Job.

CreateOrUpdate Sweep Job.

CreateOrUpdate AutoML Job.

Esempio di richiesta

HTTP

PUT https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2025-12-01

{
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "isArchived": false,
    "jobType": "AutoML",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "9bec0ab0-c62f-4fa9-a97c-7b24bbcc90ad": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        }
      }
    },
    "tags": {
      "string": "string"
    },
    "taskDetails": {
      "limitSettings": {
        "maxTrials": 2
      },
      "modelSettings": {
        "validationCropSize": 2
      },
      "searchSpace": [
        {
          "validationCropSize": "choice(2, 360)"
        }
      ],
      "targetColumnName": "string",
      "taskType": "ImageClassification",
      "trainingData": {
        "jobInputType": "mltable",
        "uri": "string"
      }
    }
  }
}

Risposta di esempio

Codice di stato:

200

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "isArchived": false,
    "jobType": "AutoML",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "9bec0ab0-c62f-4fa9-a97c-7b24bbcc90ad": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "Scheduled",
    "tags": {
      "string": "string"
    },
    "taskDetails": {
      "limitSettings": {
        "maxTrials": 2
      },
      "modelSettings": {
        "validationCropSize": 2
      },
      "searchSpace": [
        {
          "validationCropSize": "choice(2, 360)"
        }
      ],
      "targetColumnName": "string",
      "taskType": "ImageClassification",
      "trainingData": {
        "jobInputType": "mltable",
        "uri": "string"
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "ManagedIdentity"
  }
}

Codice di stato:

201

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "isArchived": false,
    "jobType": "AutoML",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "9bec0ab0-c62f-4fa9-a97c-7b24bbcc90ad": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "Scheduled",
    "tags": {
      "string": "string"
    },
    "taskDetails": {
      "limitSettings": {
        "maxTrials": 2
      },
      "modelSettings": {
        "validationCropSize": 2
      },
      "searchSpace": [
        {
          "validationCropSize": "choice(2, 360)"
        }
      ],
      "targetColumnName": "string",
      "taskType": "ImageClassification",
      "trainingData": {
        "jobInputType": "mltable",
        "uri": "string"
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "ManagedIdentity"
  }
}

CreateOrUpdate Command Job.

Esempio di richiesta

HTTP

PUT https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2025-12-01

{
  "properties": {
    "description": "string",
    "codeId": "string",
    "command": "string",
    "computeId": "string",
    "displayName": "string",
    "distribution": {
      "distributionType": "TensorFlow",
      "parameterServerCount": 1,
      "workerCount": 1
    },
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Command",
    "limits": {
      "jobLimitsType": "Command",
      "timeout": "PT5M"
    },
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "e6b6493e-7d5e-4db3-be1e-306ec641327e": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        }
      }
    },
    "tags": {
      "string": "string"
    }
  }
}

Risposta di esempio

Codice di stato:

200

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "codeId": "string",
    "command": "string",
    "computeId": "string",
    "displayName": "string",
    "distribution": {
      "distributionType": "TensorFlow",
      "parameterServerCount": 1,
      "workerCount": 1
    },
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Command",
    "limits": {
      "jobLimitsType": "Command",
      "timeout": "PT5M"
    },
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "parameters": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "a0847709-f5aa-4561-8ba5-d915d403fdcf": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "NotStarted",
    "tags": {
      "string": "string"
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

Codice di stato:

201

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "codeId": "string",
    "command": "string",
    "computeId": "string",
    "displayName": "string",
    "distribution": {
      "distributionType": "TensorFlow",
      "parameterServerCount": 1,
      "workerCount": 1
    },
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Command",
    "limits": {
      "jobLimitsType": "Command",
      "timeout": "PT5M"
    },
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "parameters": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "b8163d40-c351-43d6-8a34-d0cd895b8a5a": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "NotStarted",
    "tags": {
      "string": "string"
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

CreateOrUpdate Pipeline Job.

Esempio di richiesta

HTTP

PUT https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2025-12-01

{
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "experimentName": "string",
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Pipeline",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "Upload",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "services": {
      "string": {
        "endpoint": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        }
      }
    },
    "settings": {},
    "tags": {
      "string": "string"
    }
  }
}

Risposta di esempio

Codice di stato:

200

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "experimentName": "string",
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Pipeline",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "Upload",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "settings": {},
    "status": "NotStarted",
    "tags": {
      "string": "string"
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

Codice di stato:

201

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "experimentName": "string",
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Pipeline",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "Upload",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "settings": {},
    "status": "NotStarted",
    "tags": {
      "string": "string"
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

CreateOrUpdate Sweep Job.

Esempio di richiesta

HTTP

PUT https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2025-12-01

{
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "earlyTermination": {
      "delayEvaluation": 1,
      "evaluationInterval": 1,
      "policyType": "MedianStopping"
    },
    "experimentName": "string",
    "jobType": "Sweep",
    "limits": {
      "jobLimitsType": "Sweep",
      "maxConcurrentTrials": 1,
      "maxTotalTrials": 1,
      "trialTimeout": "PT1S"
    },
    "objective": {
      "goal": "Minimize",
      "primaryMetric": "string"
    },
    "properties": {
      "string": "string"
    },
    "samplingAlgorithm": {
      "samplingAlgorithmType": "Grid"
    },
    "searchSpace": {
      "string": {}
    },
    "services": {
      "string": {
        "endpoint": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        }
      }
    },
    "tags": {
      "string": "string"
    },
    "trial": {
      "codeId": "string",
      "command": "string",
      "distribution": {
        "distributionType": "Mpi",
        "processCountPerInstance": 1
      },
      "environmentId": "string",
      "environmentVariables": {
        "string": "string"
      },
      "resources": {
        "instanceCount": 1,
        "instanceType": "string",
        "properties": {
          "string": {
            "e6b6493e-7d5e-4db3-be1e-306ec641327e": null
          }
        }
      }
    }
  }
}

Risposta di esempio

Codice di stato:

200

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "earlyTermination": {
      "delayEvaluation": 1,
      "evaluationInterval": 1,
      "policyType": "MedianStopping"
    },
    "experimentName": "string",
    "jobType": "Sweep",
    "limits": {
      "jobLimitsType": "Sweep",
      "maxConcurrentTrials": 1,
      "maxTotalTrials": 1,
      "trialTimeout": "PT1S"
    },
    "objective": {
      "goal": "Minimize",
      "primaryMetric": "string"
    },
    "properties": {
      "string": "string"
    },
    "samplingAlgorithm": {
      "samplingAlgorithmType": "Grid"
    },
    "searchSpace": {
      "string": {}
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "NotStarted",
    "tags": {
      "string": "string"
    },
    "trial": {
      "codeId": "string",
      "command": "string",
      "distribution": {
        "distributionType": "Mpi",
        "processCountPerInstance": 1
      },
      "environmentId": "string",
      "environmentVariables": {
        "string": "string"
      },
      "resources": {
        "instanceCount": 1,
        "instanceType": "string",
        "properties": {
          "string": {
            "e6b6493e-7d5e-4db3-be1e-306ec641327e": null
          }
        }
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

Codice di stato:

201

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "earlyTermination": {
      "delayEvaluation": 1,
      "evaluationInterval": 1,
      "policyType": "MedianStopping"
    },
    "experimentName": "string",
    "jobType": "Sweep",
    "limits": {
      "jobLimitsType": "Sweep",
      "maxConcurrentTrials": 1,
      "maxTotalTrials": 1,
      "trialTimeout": "PT1S"
    },
    "objective": {
      "goal": "Minimize",
      "primaryMetric": "string"
    },
    "properties": {
      "string": "string"
    },
    "samplingAlgorithm": {
      "samplingAlgorithmType": "Grid"
    },
    "searchSpace": {
      "string": {}
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "NotStarted",
    "tags": {
      "string": "string"
    },
    "trial": {
      "codeId": "string",
      "command": "string",
      "distribution": {
        "distributionType": "Mpi",
        "processCountPerInstance": 1
      },
      "environmentId": "string",
      "environmentVariables": {
        "string": "string"
      },
      "resources": {
        "instanceCount": 1,
        "instanceType": "string",
        "properties": {
          "string": {
            "e6b6493e-7d5e-4db3-be1e-306ec641327e": null
          }
        }
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

Definizioni

Nome	Descrizione
AllNodes	Tutti i nodi significa che il servizio sarà in esecuzione su tutti i nodi del processo
AmlToken	Configurazione dell'identità del token AML.
AutoForecastHorizon	Orizzonte di previsione determinato automaticamente dal sistema.
AutoMLJob	AutoMLJob. Usare questa classe per l'esecuzione di attività AutoML come classificazione/regressione e così via. Vedere Enum TaskType per tutte le attività supportate.
AutoNCrossValidations	Convalide N-Cross determinate automaticamente.
AutoSeasonality
AutoTargetLags
AutoTargetRollingWindowSize	Il target ritarda la finestra di rotolamento determinata automaticamente.
AzureDevOpsWebhook	Dettagli del webhook specifici per Azure DevOps
BanditPolicy	Definisce una politica di terminazione anticipata basata su criteri di allentamento e una frequenza e un intervallo di ritardo per la valutazione
BayesianSamplingAlgorithm	Definisce un algoritmo di campionamento che genera valori basati su valori precedenti
BlockedTransformers	Enum per tutti i modelli di classificazione supportati da AutoML.
Classification	Attività di classificazione nel verticale della tabella AutoML.
ClassificationModels	Enum per tutti i modelli di classificazione supportati da AutoML.
ClassificationMultilabelPrimaryMetrics	Metriche primarie per le attività di classificazione multilabel.
ClassificationPrimaryMetrics	Metriche primarie per le attività di classificazione.
ClassificationTrainingSettings	Configurazione relativa all'addestramento di classificazione.
CommandJob	Definizione del processo di comando.
CommandJobLimits	Classe limite del processo di comando.
createdByType	Tipo di identità che ha creato la risorsa.
CustomForecastHorizon	L'orizzonte di previsione massimo desiderato in unità di frequenza delle serie temporali.
CustomModelJobInput
CustomModelJobOutput
CustomNCrossValidations	Le convalide N-Cross sono specificate dall'utente.
CustomSeasonality
CustomTargetLags
CustomTargetRollingWindowSize
DistributionType	Enumerazione per determinare il tipo di distribuzione dei processi.
EarlyTerminationPolicyType
EmailNotificationEnableType	Enum per determinare il tipo di notifica tramite posta elettronica.
ErrorAdditionalInfo	L'errore di gestione delle risorse informazioni aggiuntive.
ErrorDetail	I dettagli dell'errore.
ErrorResponse	Risposta di errore
FeatureLags	Flag per la generazione di ritardi per le funzionalità numeriche.
FeaturizationMode	Modalità di definizione delle caratteristiche: 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 'Custom' è selezionata, l'utente può specificare input aggiuntivi per personalizzare la modalità di definizione delle caratteristiche.
ForecastHorizonMode	Enum per determinare la modalità di selezione dell'orizzonte di previsione.
Forecasting	Attività di previsione nel verticale della tabella AutoML.
ForecastingModels	Enum per tutti i modelli di previsione supportati da AutoML.
ForecastingPrimaryMetrics	Metriche primarie per l'attività di previsione.
ForecastingSettings	Previsione di parametri specifici.
ForecastingTrainingSettings	Configurazione relativa alla formazione previsionale.
Goal	Definisce gli obiettivi delle metriche supportati per l'ottimizzazione degli iperparametri
GridSamplingAlgorithm	Definisce un algoritmo di campionamento che genera in modo esaustivo ogni combinazione di valori nello spazio
IdentityConfigurationType	Enum per determinare il framework di identità.
ImageClassification	Classificazione delle immagini. La classificazione delle immagini multiclasse viene utilizzata quando un'immagine viene classificata con una sola etichetta da un insieme di classi, ad esempio ogni immagine viene classificata come immagine di un "gatto" o di un "cane" o di un'"anatra".
ImageClassificationMultilabel	Classificazione delle immagini Multilabel. La classificazione delle immagini multi-etichetta viene utilizzata quando un'immagine potrebbe avere una o più etichette da un insieme di etichette, ad esempio un'immagine potrebbe essere etichettata sia con "gatto" che con "cane".
ImageInstanceSegmentation	Segmentazione dell'istanza dell'immagine. La segmentazione delle istanze viene utilizzata per identificare gli oggetti in un'immagine a livello di pixel, disegnando un poligono attorno a ciascun oggetto nell'immagine.
ImageLimitSettings	Limitare le impostazioni per il processo AutoML.
ImageModelDistributionSettingsClassification	Espressioni di distribuzione per eseguire lo sweep sui valori delle impostazioni del modello. <esempio> Alcuni esempi sono: ModelName = "choice('seresnext', 'resnest50')"; LearningRate = "uniform(0.001, 0.01)"; LayersToFreeze = "choice(0, 2)"; ```</example> For more details on how to compose distribution expressions please check the documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters For more information on the available settings please visit the official documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageModelDistributionSettingsObjectDetection	Espressioni di distribuzione per eseguire lo sweep sui valori delle impostazioni del modello. <esempio> Alcuni esempi sono: ModelName = "choice('seresnext', 'resnest50')"; LearningRate = "uniform(0.001, 0.01)"; LayersToFreeze = "choice(0, 2)"; ```</example> For more details on how to compose distribution expressions please check the documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters For more information on the available settings please visit the official documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageModelSettingsClassification	Impostazioni usate per il training del modello. Per maggiori informazioni sulle impostazioni disponibili, visita la documentazione ufficiale: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageModelSettingsObjectDetection	Impostazioni usate per il training del modello. Per maggiori informazioni sulle impostazioni disponibili, visita la documentazione ufficiale: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageObjectDetection	Rilevamento di oggetti immagine. Il rilevamento degli oggetti viene utilizzato per identificare gli oggetti in un'immagine e localizzare ogni oggetto con un riquadro di delimitazione, ad esempio individuare tutti i cani e i gatti in un'immagine e disegnare un riquadro di delimitazione attorno a ciascuno.
ImageSweepSettings	Sweep del modello e sweep degli iperparametri per le impostazioni correlate.
InputDeliveryMode	Enum per determinare la modalità di recapito dei dati di input.
InstanceSegmentationPrimaryMetrics	Metriche primarie per le attività InstanceSegmentation.
JobBase	Busta delle risorse di Azure Resource Manager.
JobInputType	Enum per determinare il tipo di input del processo.
JobLimitsType
JobOutputType	Enum per determinare il tipo di output del processo.
JobResourceConfiguration
JobService	Definizione dell'endpoint del processo
JobStatus	Stato di un processo.
JobTier	Enumerazione per determinare il livello di processo.
JobType	Enumerazione per determinare il tipo di processo.
LearningRateScheduler	Enumerazione del pianificatore delle tariffe di apprendimento.
LiteralJobInput	Tipo di input letterale.
LogVerbosity	Enum per l'impostazione del livello di dettaglio del log.
ManagedIdentity	Configurazione dell'identità gestita.
MedianStoppingPolicy	Definisce un criterio di terminazione anticipata basato sulle medie correnti della metrica primaria di tutte le esecuzioni
MLFlowModelJobInput
MLFlowModelJobOutput
MLTableJobInput
MLTableJobOutput
ModelSize	Dimensioni del modello di immagine.
Mpi	Configurazione della distribuzione MPI.
NCrossValidationsMode	Determina la modalità di determinazione del valore delle convalide N-Cross.
NlpVerticalFeaturizationSettings
NlpVerticalLimitSettings	Vincoli di esecuzione dei processi.
NodesValueType	Tipi enumerati per il valore dei nodi
NotificationSetting	Configurazione per la notifica.
ObjectDetectionPrimaryMetrics	Metriche primarie per l'attività Image ObjectDetection.
Objective	Obiettivo di ottimizzazione.
OutputDeliveryMode	Enumerazioni della modalità di consegna dei dati di output.
PipelineJob	Definizione del processo pipeline: definisce gli attributi generici in MFE.
PyTorch	Configurazione della distribuzione PyTorch.
QueueSettings
RandomSamplingAlgorithm	Definisce un algoritmo di campionamento che genera valori in modo casuale
RandomSamplingAlgorithmRule	Tipo specifico di algoritmo casuale
Regression	Attività di regressione nel verticale Tabella AutoML.
RegressionModels	Enum per tutti i modelli di regressione supportati da AutoML.
RegressionPrimaryMetrics	Metriche primarie per l'attività di regressione.
RegressionTrainingSettings	Configurazione correlata al training di regressione.
SamplingAlgorithmType
SeasonalityMode	Modalità di previsione della stagionalità.
ShortSeriesHandlingConfiguration	Parametro che definisce come se AutoML deve gestire serie temporali brevi.
SparkJob	Definizione del processo Spark.
SparkJobEntryType
SparkJobPythonEntry
SparkJobScalaEntry
SparkResourceConfiguration
StackEnsembleSettings	Avanza l'impostazione per personalizzare l'esecuzione di StackEnsemble.
StackMetaLearnerType	Il meta-learner è un modello addestrato sull'output dei singoli modelli eterogenei.\r\nMeta-apprendenti predefiniti sono LogisticRegression per i compiti di classificazione (o LogisticRegressionCV se è abilitata la validazione incrociata) ed ElasticNet per i compiti di regressione/previsione (o ElasticNetCV se la validazione incrociata è abilitata).\r\nQuesto parametro può essere una delle seguenti stringhe: LogisticRegression, LogisticRegressionCV, LightGBMClassifier, ElasticNet, ElasticNetCV, LightGBMRegressor o LinearRegression
StochasticOptimizer	Ottimizzatore stocastico per modelli di immagine.
SweepJob	Definizione del processo di sweep.
SweepJobLimits	Classe limite di lavoro Sweep.
systemData	Metadati relativi alla creazione e all'ultima modifica della risorsa.
TableVerticalFeaturizationSettings	Configurazione delle funzionalità.
TableVerticalLimitSettings	Vincoli di esecuzione dei processi.
TargetAggregationFunction	Funzione di aggregazione di destinazione.
TargetLagsMode	Il target ritarda le modalità di selezione.
TargetRollingWindowSizeMode	Mira alla modalità di dimensione delle finestre in rotazione.
TaskType	Tipo di attività AutoMLJob.
TensorFlow	Configurazione della distribuzione TensorFlow.
TextClassification	Attività di classificazione del testo nel verticale AutoML NLP. NLP - Elaborazione del linguaggio naturale.
TextClassificationMultilabel	Attività Multilabel di classificazione del testo nel verticale AutoML NLP. NLP - Elaborazione del linguaggio naturale.
TextNer	Text-NER attività nel verticale AutoML NLP. NER - Riconoscimento di entità denominate. NLP - Elaborazione del linguaggio naturale.
TrialComponent	Definizione del componente di valutazione.
TritonModelJobInput
TritonModelJobOutput
TruncationSelectionPolicy	Definisce un criterio di terminazione anticipata che annulla una determinata percentuale di esecuzioni a ogni intervallo di valutazione.
UriFileJobInput
UriFileJobOutput
UriFolderJobInput
UriFolderJobOutput
UserIdentity	Configurazione dell'identità utente.
UseStl	Configurare la sCOMposizione STL della colonna di destinazione della serie temporale.
ValidationMetricType	Metodo di calcolo delle metriche da utilizzare per le metriche di convalida nelle attività di immagine.
WebhookType	Enum per determinare il tipo di servizio di callback del webhook.

AllNodes

Oggetto

Tutti i nodi significa che il servizio sarà in esecuzione su tutti i nodi del processo

Nome	Tipo	Descrizione
nodesValueType	string: All	[Obbligatorio] Tipo del valore Nodes

AmlToken

Oggetto

Configurazione dell'identità del token AML.

Nome	Tipo	Descrizione
identityType	string: AMLToken	[Obbligatorio] Specifica il tipo di framework di gestione delle identità.

AutoForecastHorizon

Oggetto

Orizzonte di previsione determinato automaticamente dal sistema.

Nome	Tipo	Descrizione
mode	string: Auto	[Obbligatorio] Impostare la modalità di selezione del valore dell'orizzonte di previsione.

AutoMLJob

Oggetto

AutoMLJob. Usare questa classe per l'esecuzione di attività AutoML come classificazione/regressione e così via. Vedere Enum TaskType per tutte le attività supportate.

Nome	Tipo	Valore predefinito	Descrizione
componentId	string		ID risorsa ARM della risorsa componente.
computeId	string		ID risorsa ARM della risorsa di calcolo.
description	string		Testo della descrizione dell'asset.
displayName	string		Nome visualizzato del processo.
environmentId	string		ID risorsa ARM della specifica Ambiente per il processo. Questo è un valore facoltativo da specificare, se non specificato, l'impostazione predefinita di AutoML è la versione dell'ambiente curato per la produzione durante l'esecuzione del processo.
environmentVariables	object		Variabili di ambiente incluse nel processo.
experimentName	string	Default	Nome dell'esperimento a cui appartiene il processo. Se non è impostato, il processo viene inserito nell'esperimento "Default".
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		Configurazione dell'identità. Se impostato, deve essere uno di AmlToken, ManagedIdentity, UserIdentity o Null. L'impostazione predefinita è AmlToken se null.
isArchived	boolean	False	L'asset è archiviato?
jobType	string: AutoML		[Obbligatorio] Specifica il tipo di processo.
notificationSetting	NotificationSetting		Impostazione di notifica per il processo
outputs	object		Mapping dei data binding di output usati nel processo.
properties	object		Dizionario delle proprietà dell'asset.
queueSettings	QueueSettings		Impostazioni della coda per il processo
resources	JobResourceConfiguration		Configurazione delle risorse di calcolo per il processo.
services	<string,  JobService>		Elenco di JobEndpoints. Per i processi locali, un endpoint di processo avrà un valore endpoint di FileStreamObject.
status	JobStatus		Stato del processo.
tags	object		Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati.
taskDetails	AutoMLVertical: Classification Forecasting ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regression TextClassification TextClassificationMultilabel TextNer		[Obbligatorio] Questo scenario rappresenta uno scenario che può essere una delle tabelle/NLP/Image

AutoNCrossValidations

Oggetto

Convalide N-Cross determinate automaticamente.

Nome	Tipo	Descrizione
mode	string: Auto	[Obbligatorio] Modalità per determinare le convalide tra N.

AutoSeasonality

Oggetto

Nome	Tipo	Descrizione
mode	string: Auto	[Obbligatorio] Modalità stagionalità.

AutoTargetLags

Oggetto

Nome	Tipo	Descrizione
mode	string: Auto	[Obbligatorio] Impostare la modalità di ritardo di destinazione - Auto/Personalizzato

AutoTargetRollingWindowSize

Oggetto

Il target ritarda la finestra di rotolamento determinata automaticamente.

Nome	Tipo	Descrizione
mode	string: Auto	[Obbligatorio] Modalità di rilevamento TargetRollingWindowSiz.

AzureDevOpsWebhook

Oggetto

Dettagli del webhook specifici per Azure DevOps

Nome	Tipo	Descrizione
eventType	string	Inviare il callback a un evento di notifica specificato
webhookType	string: AzureDevOps	[Obbligatorio] Specifica il tipo di servizio da inviare a un callback

BanditPolicy

Oggetto

Definisce una politica di terminazione anticipata basata su criteri di allentamento e una frequenza e un intervallo di ritardo per la valutazione

Nome	Tipo	Valore predefinito	Descrizione
delayEvaluation	integer (int32)	0	Numero di intervalli in base ai quali ritardare la prima valutazione.
evaluationInterval	integer (int32)	0	Intervallo (numero di esecuzioni) tra le valutazioni dei criteri.
policyType	string: Bandit		[Obbligatorio] Nome della configurazione dei criteri
slackAmount	number (float)	0	Distanza assoluta consentita dalla migliore esecuzione.
slackFactor	number (float)	0	Rapporto tra la distanza consentita e l'esecuzione con prestazioni migliori.

BayesianSamplingAlgorithm

Oggetto

Definisce un algoritmo di campionamento che genera valori basati su valori precedenti

Nome	Tipo	Descrizione
samplingAlgorithmType	string: Bayesian	[Obbligatorio] Algoritmo usato per la generazione di valori degli iperparametri, insieme alle proprietà di configurazione

BlockedTransformers

Enumerazione

Enum per tutti i modelli di classificazione supportati da AutoML.

Valore	Descrizione
TextTargetEncoder	Codifica di destinazione per i dati di testo.
OneHotEncoder	La codifica a caldo crea una trasformazione di funzionalità binarie.
CatTargetEncoder	Codifica di destinazione per i dati categorici.
TfIdf	Tf-Idf sta per frequenza dei termini per frequenza inversa dei documenti. Si tratta di uno schema di ponderazione dei termini comune per identificare le informazioni dai documenti.
WoETargetEncoder	La codifica del peso dell'evidenza è una tecnica utilizzata per codificare le variabili categoriali. Utilizza il logaritmo naturale di P(1)/P(0) per creare pesi.
LabelEncoder	Il codificatore di etichette converte etichette/variabili categoriali in forma numerica.
WordEmbedding	L'incorporamento di parole consente di rappresentare parole o frasi come vettore o una serie di numeri.
NaiveBayes	Naive Bayes è un classificato che viene utilizzato per la classificazione di caratteristiche discrete che sono distribuite categoricamente.
CountVectorizer	Count Vectorizer converte una raccolta di documenti di testo in una matrice di conteggi di token.
HashOneHotEncoder	L'hashing di un codificatore a caldo può trasformare le variabili categoriche in un numero limitato di nuove funzionalità. Viene spesso utilizzato per le funzionalità categoriche ad alta cardinalità.

Classification

Oggetto

Attività di classificazione nel verticale della tabella AutoML.

Nome	Tipo	Valore predefinito	Descrizione
cvSplitColumnNames	string[]		Colonne da utilizzare per i dati CVSplit.
featurizationSettings	TableVerticalFeaturizationSettings		Input di definizione delle caratteristiche necessari per il processo AutoML.
limitSettings	TableVerticalLimitSettings		Vincoli di esecuzione per AutoMLJob.
logVerbosity	LogVerbosity	Info	Enum per l'impostazione del livello di dettaglio del log.
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		Numero di riduzioni di convalida incrociata da applicare al set di dati di training quando il set di dati di convalida non viene fornito.
positiveLabel	string		Etichetta positiva per il calcolo delle metriche binarie.
primaryMetric	ClassificationPrimaryMetrics	AUCWeighted	Metriche primarie per le attività di classificazione.
targetColumnName	string		Nome colonna di destinazione: colonna dei valori di stima. Noto anche come nome di colonna etichetta nel contesto delle attività di classificazione.
taskType	string: Classification		[Obbligatorio] Tipo di attività per AutoMLJob.
testData	MLTableJobInput		Testare l'input dei dati.
testDataSize	number (double)		Frazione del set di dati di test da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicati quando il set di dati di convalida non viene fornito.
trainingData	MLTableJobInput		[Obbligatorio] Input dei dati di training.
trainingSettings	ClassificationTrainingSettings		Input per la fase di training per un processo AutoML.
validationData	MLTableJobInput		Input dei dati di convalida.
validationDataSize	number (double)		Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicati quando il set di dati di convalida non viene fornito.
weightColumnName	string		Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso delle righe nei dati verso l'alto o verso il basso.

ClassificationModels

Enumerazione

Enum per tutti i modelli di classificazione supportati da AutoML.

Valore	Descrizione
LogisticRegression	La regressione logistica è una tecnica di classificazione fondamentale. Appartiene al gruppo dei classificatori lineari ed è in qualche modo simile alla regressione polinomiale e lineare. La regressione logistica è rapida e relativamente semplice ed è conveniente per te interpretare i risultati. Sebbene sia essenzialmente un metodo per la classificazione binaria, può essere applicato anche a problemi multiclasse.
SGD	SGD: La discesa stocastica del gradiente è un algoritmo di ottimizzazione spesso utilizzato nelle applicazioni di apprendimento automatico per trovare i parametri del modello che corrispondono al miglior adattamento tra gli output previsti ed effettivi.
MultinomialNaiveBayes	Il classificatore multinomiale Naive Bayes è adatto per la classificazione con caratteristiche discrete (ad esempio, il conteggio delle parole per la classificazione del testo). La distribuzione multinomiale richiede normalmente il conteggio delle funzionalità intere. Tuttavia, in pratica, anche i conteggi frazionari come tf-idf possono funzionare.
BernoulliNaiveBayes	Classificatore Naive Bayes per modelli multivariati di Bernoulli.
SVM	Una macchina a vettori di supporto (SVM) è un modello di apprendimento automatico supervisionato che utilizza algoritmi di classificazione per problemi di classificazione a due gruppi. Dopo aver fornito a un modello SVM set di dati di training etichettati per ogni categoria, sono in grado di classificare il nuovo testo.
LinearSVM	Una macchina a vettori di supporto (SVM) è un modello di apprendimento automatico supervisionato che utilizza algoritmi di classificazione per problemi di classificazione a due gruppi. Dopo aver fornito a un modello SVM set di dati di training etichettati per ogni categoria, sono in grado di classificare il nuovo testo. La SVM lineare offre prestazioni migliori quando i dati di input sono lineari, ovvero i dati possono essere facilmente classificati tracciando la linea retta tra i valori classificati su un grafico tracciato.
KNN	L'algoritmo K-nearest neighbors (KNN) utilizza la "somiglianza delle caratteristiche" per prevedere i valori dei nuovi punti dati, il che significa inoltre che al nuovo punto dati verrà assegnato un valore in base alla corrispondenza con i punti nel set di addestramento.
DecisionTree	Gli alberi decisionali sono un metodo di apprendimento supervisionato non parametrico utilizzato sia per le attività di classificazione che per quelle di regressione. L'obiettivo è creare un modello che preveda il valore di una variabile target apprendendo semplici regole decisionali dedotte dalle funzionalità dei dati.
RandomForest	La foresta casuale è un algoritmo di apprendimento supervisionato. La "foresta" che costruisce, è un insieme di alberi decisionali, solitamente addestrati con il metodo del "bagging". L'idea generale del metodo di insaccamento è che una combinazione di modelli di apprendimento aumenta il risultato complessivo.
ExtremeRandomTrees	Extreme Trees è un algoritmo di apprendimento automatico che combina le previsioni di molti alberi decisionali. È correlato all'algoritmo della foresta casuale ampiamente utilizzato.
LightGBM	LightGBM è un framework di potenziamento del gradiente che utilizza algoritmi di apprendimento basati su alberi.
GradientBoosting	La tecnica di trasformare gli studenti della settimana in uno studente forte si chiama Boosting. Il processo dell'algoritmo di potenziamento del gradiente funziona su questa teoria dell'esecuzione.
XGBoostClassifier	XGBoost: Algoritmo di potenziamento del gradiente estremo. Questo algoritmo viene utilizzato per i dati strutturati in cui i valori delle colonne di destinazione possono essere suddivisi in valori di classe distinti.

ClassificationMultilabelPrimaryMetrics

Enumerazione

Metriche primarie per le attività di classificazione multilabel.

Valore	Descrizione
AUCWeighted	L'area di valutazione è l'area sotto la curva. Questa metrica rappresenta la media aritmetica del punteggio per ogni classe, ponderata per il numero di istanze vere in ogni classe.
Accuracy	L'accuratezza è il rapporto delle stime che corrispondono esattamente alle etichette di classe vere.
NormMacroRecall	Il richiamo di macro normalizzato è il richiamo macro-mediato e normalizzato, in modo che le prestazioni casuali dispongano di un punteggio pari a 0 e prestazioni perfette abbia un punteggio pari a 1.
AveragePrecisionScoreWeighted	Media aritmetica del punteggio medio di precisione per ogni classe, ponderata per il numero di istanze vere in ogni classe.
PrecisionScoreWeighted	Media aritmetica della precisione per ogni classe, ponderata per il numero di istanze vere in ogni classe.
IOU	Intersezione sull'unione. Intersezione di previsioni divise per unione di previsioni.

ClassificationPrimaryMetrics

Enumerazione

Metriche primarie per le attività di classificazione.

Valore	Descrizione
AUCWeighted	L'area di valutazione è l'area sotto la curva. Questa metrica rappresenta la media aritmetica del punteggio per ogni classe, ponderata per il numero di istanze vere in ogni classe.
Accuracy	L'accuratezza è il rapporto delle stime che corrispondono esattamente alle etichette di classe vere.
NormMacroRecall	Il richiamo di macro normalizzato è il richiamo macro-mediato e normalizzato, in modo che le prestazioni casuali dispongano di un punteggio pari a 0 e prestazioni perfette abbia un punteggio pari a 1.
AveragePrecisionScoreWeighted	Media aritmetica del punteggio medio di precisione per ogni classe, ponderata per il numero di istanze vere in ogni classe.
PrecisionScoreWeighted	Media aritmetica della precisione per ogni classe, ponderata per il numero di istanze vere in ogni classe.

ClassificationTrainingSettings

Oggetto

Configurazione relativa all'addestramento di classificazione.

Nome	Tipo	Valore predefinito	Descrizione
allowedTrainingAlgorithms	ClassificationModels[]		Modelli consentiti per l'attività di classificazione.
blockedTrainingAlgorithms	ClassificationModels[]		Modelli bloccati per l'attività di classificazione.
enableDnnTraining	boolean	False	Abilitare la raccomandazione dei modelli DNN.
enableModelExplainability	boolean	True	Flag per attivare la spiegazione sul modello migliore.
enableOnnxCompatibleModels	boolean	False	Flag per l'abilitazione di modelli compatibili con onnx.
enableStackEnsemble	boolean	True	Abilitare l'esecuzione dell'insieme dello stack.
enableVoteEnsemble	boolean	True	Abilitare l'esecuzione dell'ensemble di voto.
ensembleModelDownloadTimeout	string (duration)	PT5M	Durante la generazione di modelli VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati dalle esecuzioni figlio precedenti. Configurare questo parametro con un valore superiore a 300 sec, se è necessario più tempo.
stackEnsembleSettings	StackEnsembleSettings		Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack.

CommandJob

Oggetto

Definizione del processo di comando.

Nome	Tipo	Valore predefinito	Descrizione
codeId	string		ID risorsa ARM dell'asset di codice.
command	string minLength: 1 pattern: [a-zA-Z0-9_]		[Obbligatorio] Comando da eseguire all'avvio del processo. eg. "Pitone train.py"
componentId	string		ID risorsa ARM della risorsa componente.
computeId	string		ID risorsa ARM della risorsa di calcolo.
description	string		Testo della descrizione dell'asset.
displayName	string		Nome visualizzato del processo.
distribution	DistributionConfiguration: Mpi PyTorch TensorFlow		Configurazione di distribuzione del processo. Se impostato, deve essere uno dei valori Mpi, Tensorflow, PyTorch o Null.
environmentId	string minLength: 1 pattern: [a-zA-Z0-9_]		[Obbligatorio] ID risorsa ARM della specifica Ambiente per il processo.
environmentVariables	object		Variabili di ambiente incluse nel processo.
experimentName	string	Default	Nome dell'esperimento a cui appartiene il processo. Se non è impostato, il processo viene inserito nell'esperimento "Default".
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		Configurazione dell'identità. Se impostato, deve essere uno di AmlToken, ManagedIdentity, UserIdentity o Null. L'impostazione predefinita è AmlToken se null.
inputs	object		Mapping dei data binding di input usati nel processo.
isArchived	boolean	False	L'asset è archiviato?
jobType	string: Command		[Obbligatorio] Specifica il tipo di processo.
limits	CommandJobLimits		Limite del processo di comando.
notificationSetting	NotificationSetting		Impostazione di notifica per il processo
outputs	object		Mapping dei data binding di output usati nel processo.
parameters			Parametri di input.
properties	object		Dizionario delle proprietà dell'asset.
queueSettings	QueueSettings		Impostazioni della coda per il processo
resources	JobResourceConfiguration		Configurazione delle risorse di calcolo per il processo.
services	<string,  JobService>		Elenco di JobEndpoints. Per i processi locali, un endpoint di processo avrà un valore endpoint di FileStreamObject.
status	JobStatus		Stato del processo.
tags	object		Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati.

CommandJobLimits

Oggetto

Classe limite del processo di comando.

Nome	Tipo	Descrizione
jobLimitsType	string: Command	[Obbligatorio] Tipo JobLimit.
timeout	string (duration)	Durata massima dell'esecuzione in formato ISO 8601, dopo la quale il processo verrà annullato. Supporta solo la durata con precisione inferiore a secondi.

createdByType

Enumerazione

Tipo di identità che ha creato la risorsa.

Valore	Descrizione
User
Application
ManagedIdentity
Key

CustomForecastHorizon

Oggetto

L'orizzonte di previsione massimo desiderato in unità di frequenza delle serie temporali.

Nome	Tipo	Descrizione
mode	string: Custom	[Obbligatorio] Impostare la modalità di selezione del valore dell'orizzonte di previsione.
value	integer (int32)	[Obbligatorio] Valore dell'orizzonte di previsione.

CustomModelJobInput

Oggetto

Nome	Tipo	Valore predefinito	Descrizione
description	string		Descrizione per l'input.
jobInputType	string: custom_model		[Obbligatorio] Specifica il tipo di processo.
mode	InputDeliveryMode	ReadOnlyMount	Enum per determinare la modalità di recapito dei dati di input.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Obbligatorio] URI dell'asset di input.

CustomModelJobOutput

Oggetto

Nome	Tipo	Valore predefinito	Descrizione
assetName	string		Nome asset di output.
description	string		Descrizione per l'output.
jobOutputType	string: custom_model		[Obbligatorio] Specifica il tipo di processo.
mode	OutputDeliveryMode	ReadWriteMount	Enumerazioni della modalità di consegna dei dati di output.
uri	string		URI dell'asset di output.

CustomNCrossValidations

Oggetto

Le convalide N-Cross sono specificate dall'utente.

Nome	Tipo	Descrizione
mode	string: Custom	[Obbligatorio] Modalità per determinare le convalide tra N.
value	integer (int32)	[Obbligatorio] Valore delle convalide incrociate N.

CustomSeasonality

Oggetto

Nome	Tipo	Descrizione
mode	string: Custom	[Obbligatorio] Modalità stagionalità.
value	integer (int32)	[Obbligatorio] Valore stagionalità.

CustomTargetLags

Oggetto

Nome	Tipo	Descrizione
mode	string: Custom	[Obbligatorio] Impostare la modalità di ritardo di destinazione - Auto/Personalizzato
values	integer[] (int32)	[Obbligatorio] Impostare i valori di ritardo di destinazione.

CustomTargetRollingWindowSize

Oggetto

Nome	Tipo	Descrizione
mode	string: Custom	[Obbligatorio] Modalità di rilevamento TargetRollingWindowSiz.
value	integer (int32)	[Obbligatorio] Valore TargetRollingWindowSize.

DistributionType

Enumerazione

Enumerazione per determinare il tipo di distribuzione dei processi.

Valore	Descrizione
PyTorch
TensorFlow
Mpi

EarlyTerminationPolicyType

Enumerazione

Valore	Descrizione
Bandit
MedianStopping
TruncationSelection

EmailNotificationEnableType

Enumerazione

Enum per determinare il tipo di notifica tramite posta elettronica.

Valore	Descrizione
JobCompleted
JobFailed
JobCancelled

ErrorAdditionalInfo

Oggetto

L'errore di gestione delle risorse informazioni aggiuntive.

Nome	Tipo	Descrizione
info	object	Le informazioni aggiuntive.
type	string	Il tipo di informazioni aggiuntive.

ErrorDetail

Oggetto

I dettagli dell'errore.

Nome	Tipo	Descrizione
additionalInfo	ErrorAdditionalInfo[]	L'errore informazioni aggiuntive.
code	string	Codice di errore.
details	ErrorDetail[]	Dettagli dell'errore.
message	string	Messaggio di errore.
target	string	Obiettivo dell'errore.

ErrorResponse

Oggetto

Risposta di errore

Nome	Tipo	Descrizione
error	ErrorDetail	Oggetto error.

FeatureLags

Enumerazione

Flag per la generazione di ritardi per le funzionalità numeriche.

Valore	Descrizione
None	Non sono stati generati ritardi di funzionalità.
Auto	Il sistema genera automaticamente i ritardi delle funzionalità.

FeaturizationMode

Enumerazione

Modalità di definizione delle caratteristiche: 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 'Custom' è selezionata, l'utente può specificare input aggiuntivi per personalizzare la modalità di definizione delle caratteristiche.

Valore	Descrizione
Auto	Modalità automatica, il sistema esegue la definizione delle funzionalità senza input di funzionalità personalizzati.
Custom	Funzionalità personalizzate.
Off	Funzionalità disattivate. L'attività "Previsione" non può utilizzare questo valore.

ForecastHorizonMode

Enumerazione

Enum per determinare la modalità di selezione dell'orizzonte di previsione.

Valore	Descrizione
Auto	L'orizzonte di previsione deve essere determinato automaticamente.
Custom	Utilizza l'orizzonte di previsione personalizzato.

Forecasting

Oggetto

Attività di previsione nel verticale della tabella AutoML.

Nome	Tipo	Valore predefinito	Descrizione
cvSplitColumnNames	string[]		Colonne da utilizzare per i dati CVSplit.
featurizationSettings	TableVerticalFeaturizationSettings		Input di definizione delle caratteristiche necessari per il processo AutoML.
forecastingSettings	ForecastingSettings		Previsione di input specifici dell'attività.
limitSettings	TableVerticalLimitSettings		Vincoli di esecuzione per AutoMLJob.
logVerbosity	LogVerbosity	Info	Enum per l'impostazione del livello di dettaglio del log.
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		Numero di riduzioni di convalida incrociata da applicare al set di dati di training quando il set di dati di convalida non viene fornito.
primaryMetric	ForecastingPrimaryMetrics	NormalizedRootMeanSquaredError	Metriche primarie per l'attività di previsione.
targetColumnName	string		Nome colonna di destinazione: colonna dei valori di stima. Noto anche come nome di colonna etichetta nel contesto delle attività di classificazione.
taskType	string: Forecasting		[Obbligatorio] Tipo di attività per AutoMLJob.
testData	MLTableJobInput		Testare l'input dei dati.
testDataSize	number (double)		Frazione del set di dati di test da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicati quando il set di dati di convalida non viene fornito.
trainingData	MLTableJobInput		[Obbligatorio] Input dei dati di training.
trainingSettings	ForecastingTrainingSettings		Input per la fase di training per un processo AutoML.
validationData	MLTableJobInput		Input dei dati di convalida.
validationDataSize	number (double)		Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicati quando il set di dati di convalida non viene fornito.
weightColumnName	string		Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso delle righe nei dati verso l'alto o verso il basso.

ForecastingModels

Enumerazione

Enum per tutti i modelli di previsione supportati da AutoML.

Valore	Descrizione
AutoArima	Il modello ARIMA (Auto-Autoregressive Integrated Moving Average) utilizza dati di serie temporali e analisi statistiche per interpretare i dati e fare previsioni future. Questo modello mira a spiegare i dati utilizzando i dati delle serie temporali sui valori passati e utilizza la regressione lineare per effettuare stime.
Prophet	Prophet è una procedura per la previsione dei dati delle serie temporali basata su un modello additivo in cui le tendenze non lineari si adattano alla stagionalità annuale, settimanale e giornaliera, oltre agli effetti delle festività. Funziona meglio con serie temporali che hanno forti effetti stagionali e diverse stagioni di dati storici. Prophet è robusto per i dati mancanti e i cambiamenti nel trend e in genere gestisce bene i valori anomali.
Naive	Il modello di previsione Naive esegue stime riportando il valore target più recente per ogni serie temporale nei dati di training.
SeasonalNaive	Il modello di previsione Seasonal Naive effettua stime portando avanti l'ultima stagione di valori target per ogni serie temporale nei dati di training.
Average	Il modello di previsione Media effettua stime riportando avanti la media dei valori target per ogni serie temporale nei dati di training.
SeasonalAverage	Il modello di previsione Media stagionale effettua stime riportando il valore medio dell'ultima stagione di dati per ogni serie temporale nei dati di training.
ExponentialSmoothing	Il livellamento esponenziale è un metodo di previsione delle serie temporali per dati univariati che può essere esteso per supportare i dati con una tendenza sistematica o una componente stagionale.
Arimax	Un modello ARIMAX (Autoregressive Integrated Moving Average with Explanatory Variable) può essere visto come un modello di regressione multipla con uno o più termini autoregressivi (AR) e/o uno o più termini di media mobile (MA). Questo metodo è adatto per la previsione quando i dati sono stazionari/non stazionari e multivariati con qualsiasi tipo di modello di dati, ad esempio livello/tendenza/stagionalità/ciclicità.
TCNForecaster	TCNForecaster: Previsioni di reti convoluzionali temporali. DA FARE: Chiedi al team di previsione una breve introduzione.
ElasticNet	La rete elastica è un tipo popolare di regressione lineare regolarizzata che combina due penalità comuni, in particolare le funzioni di penalità L1 e L2.
GradientBoosting	La tecnica di trasformare gli studenti della settimana in uno studente forte si chiama Boosting. Il processo dell'algoritmo di potenziamento del gradiente funziona su questa teoria dell'esecuzione.
DecisionTree	Gli alberi decisionali sono un metodo di apprendimento supervisionato non parametrico utilizzato sia per le attività di classificazione che per quelle di regressione. L'obiettivo è creare un modello che preveda il valore di una variabile target apprendendo semplici regole decisionali dedotte dalle funzionalità dei dati.
KNN	L'algoritmo K-nearest neighbors (KNN) utilizza la "somiglianza delle caratteristiche" per prevedere i valori dei nuovi punti dati, il che significa inoltre che al nuovo punto dati verrà assegnato un valore in base alla corrispondenza con i punti nel set di addestramento.
LassoLars	Adattamento del modello lazo con la regressione dell'angolo minimo a.k.a. Lars. Si tratta di un modello lineare addestrato con un L1 a priori come regolarizzatore.
SGD	SGD: La discesa stocastica del gradiente è un algoritmo di ottimizzazione spesso utilizzato nelle applicazioni di apprendimento automatico per trovare i parametri del modello che corrispondono al miglior adattamento tra gli output previsti ed effettivi. È una tecnica inesatta ma potente.
RandomForest	La foresta casuale è un algoritmo di apprendimento supervisionato. La "foresta" che costruisce, è un insieme di alberi decisionali, solitamente addestrati con il metodo del "bagging". L'idea generale del metodo di insaccamento è che una combinazione di modelli di apprendimento aumenta il risultato complessivo.
ExtremeRandomTrees	Extreme Trees è un algoritmo di apprendimento automatico che combina le previsioni di molti alberi decisionali. È correlato all'algoritmo della foresta casuale ampiamente utilizzato.
LightGBM	LightGBM è un framework di potenziamento del gradiente che utilizza algoritmi di apprendimento basati su alberi.
XGBoostRegressor	XGBoostRegressor: Extreme Gradient Boosting Regressor è un modello di apprendimento automatico supervisionato che utilizza un insieme di studenti di base.

ForecastingPrimaryMetrics

Enumerazione

Metriche primarie per l'attività di previsione.

Valore	Descrizione
SpearmanCorrelation	Il coefficiente di correlazione del rango di Spearman è una misura non parametrica della correlazione del rango.
NormalizedRootMeanSquaredError	L'errore quadratico medio normalizzato (NRMSE) facilita il confronto tra modelli con scale diverse.
R2Score	Il punteggio R2 è una delle misure di valutazione delle prestazioni per i modelli di apprendimento automatico basati sulle previsioni.
NormalizedMeanAbsoluteError	L'errore assoluto medio normalizzato (NMAE) è una metrica di convalida per confrontare l'errore assoluto medio (MAE) di serie (temporali) con scale diverse.

ForecastingSettings

Oggetto

Previsione di parametri specifici.

Nome	Tipo	Valore predefinito	Descrizione
countryOrRegionForHolidays	string		Paese o area geografica per le vacanze per le attività di previsione. Devono essere codici PAESE/area geografica ISO 3166, ad esempio 'US' o 'GB'.
cvStepSize	integer (int32)		Numero di periodi tra l'ora di origine di una piega cv e la piega successiva. Ad esempio, se CVStepSize = 3 per i dati giornalieri, l'ora di origine per ogni riduzione sarà a tre giorni di distanza.
featureLags	FeatureLags	None	Flag per la generazione di ritardi per le funzionalità numeriche.
forecastHorizon	ForecastHorizon: AutoForecastHorizon CustomForecastHorizon		L'orizzonte di previsione massimo desiderato in unità di frequenza delle serie temporali.
frequency	string		Durante la previsione, questo parametro rappresenta il periodo con cui si desidera eseguire la previsione, ad esempio giornaliera, settimanale, annuale e così via. La frequenza di previsione è la frequenza del set di dati per impostazione predefinita.
seasonality	Seasonality: AutoSeasonality CustomSeasonality		Impostare la stagionalità delle serie temporali come numero intero multiplo della frequenza della serie. Se la stagionalità è impostata su "auto", verrà dedotta.
shortSeriesHandlingConfig	ShortSeriesHandlingConfiguration	Auto	Parametro che definisce come se AutoML deve gestire serie temporali brevi.
targetAggregateFunction	TargetAggregationFunction	None	Funzione di aggregazione di destinazione.
targetLags	TargetLags: AutoTargetLags CustomTargetLags		Numero di periodi passati di ritardo dalla colonna di destinazione.
targetRollingWindowSize	TargetRollingWindowSize: AutoTargetRollingWindowSize CustomTargetRollingWindowSize		Numero di periodi passati utilizzati per creare una media della finestra mobile della colonna di destinazione.
timeColumnName	string		Nome della colonna temporale. Questo parametro è obbligatorio quando si prevede di specificare la colonna datetime nei dati di input usati per compilare la serie temporale e dedurre la relativa frequenza.
timeSeriesIdColumnNames	string[]		Nomi delle colonne utilizzate 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 del tipo di attività.
useStl	UseStl	None	Configurare la sCOMposizione STL della colonna di destinazione della serie temporale.

ForecastingTrainingSettings

Oggetto

Configurazione relativa alla formazione previsionale.

Nome	Tipo	Valore predefinito	Descrizione
allowedTrainingAlgorithms	ForecastingModels[]		Modelli consentiti per l'attività di previsione.
blockedTrainingAlgorithms	ForecastingModels[]		Modelli bloccati per l'attività di previsione.
enableDnnTraining	boolean	False	Abilitare la raccomandazione dei modelli DNN.
enableModelExplainability	boolean	True	Flag per attivare la spiegazione sul modello migliore.
enableOnnxCompatibleModels	boolean	False	Flag per l'abilitazione di modelli compatibili con onnx.
enableStackEnsemble	boolean	True	Abilitare l'esecuzione dell'insieme dello stack.
enableVoteEnsemble	boolean	True	Abilitare l'esecuzione dell'ensemble di voto.
ensembleModelDownloadTimeout	string (duration)	PT5M	Durante la generazione di modelli VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati dalle esecuzioni figlio precedenti. Configurare questo parametro con un valore superiore a 300 sec, se è necessario più tempo.
stackEnsembleSettings	StackEnsembleSettings		Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack.

Goal

Enumerazione

Definisce gli obiettivi delle metriche supportati per l'ottimizzazione degli iperparametri

Valore	Descrizione
Minimize
Maximize

GridSamplingAlgorithm

Oggetto

Definisce un algoritmo di campionamento che genera in modo esaustivo ogni combinazione di valori nello spazio

Nome	Tipo	Descrizione
samplingAlgorithmType	string: Grid	[Obbligatorio] Algoritmo usato per la generazione di valori degli iperparametri, insieme alle proprietà di configurazione

IdentityConfigurationType

Enumerazione

Enum per determinare il framework di identità.

Valore	Descrizione
Managed
AMLToken
UserIdentity

ImageClassification

Oggetto

Classificazione delle immagini. La classificazione delle immagini multiclasse viene utilizzata quando un'immagine viene classificata con una sola etichetta da un insieme di classi, ad esempio ogni immagine viene classificata come immagine di un "gatto" o di un "cane" o di un'"anatra".

Nome	Tipo	Valore predefinito	Descrizione
limitSettings	ImageLimitSettings		[Obbligatorio] Limitare le impostazioni per il processo AutoML.
logVerbosity	LogVerbosity	Info	Enum per l'impostazione del livello di dettaglio del log.
modelSettings	ImageModelSettingsClassification		Impostazioni usate per il training del modello.
primaryMetric	ClassificationPrimaryMetrics	Accuracy	Metriche primarie per le attività di classificazione.
searchSpace	ImageModelDistributionSettingsClassification[]		Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri.
sweepSettings	ImageSweepSettings		Sweep del modello e sweep degli iperparametri per le impostazioni correlate.
targetColumnName	string		Nome colonna di destinazione: colonna dei valori di stima. Noto anche come nome di colonna etichetta nel contesto delle attività di classificazione.
taskType	string: ImageClassification		[Obbligatorio] Tipo di attività per AutoMLJob.
trainingData	MLTableJobInput		[Obbligatorio] Input dei dati di training.
validationData	MLTableJobInput		Input dei dati di convalida.
validationDataSize	number (double)		Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicati quando il set di dati di convalida non viene fornito.

ImageClassificationMultilabel

Oggetto

Classificazione delle immagini Multilabel. La classificazione delle immagini multi-etichetta viene utilizzata quando un'immagine potrebbe avere una o più etichette da un insieme di etichette, ad esempio un'immagine potrebbe essere etichettata sia con "gatto" che con "cane".

Nome	Tipo	Valore predefinito	Descrizione
limitSettings	ImageLimitSettings		[Obbligatorio] Limitare le impostazioni per il processo AutoML.
logVerbosity	LogVerbosity	Info	Enum per l'impostazione del livello di dettaglio del log.
modelSettings	ImageModelSettingsClassification		Impostazioni usate per il training del modello.
primaryMetric	ClassificationMultilabelPrimaryMetrics	IOU	Metriche primarie per le attività di classificazione multilabel.
searchSpace	ImageModelDistributionSettingsClassification[]		Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri.
sweepSettings	ImageSweepSettings		Sweep del modello e sweep degli iperparametri per le impostazioni correlate.
targetColumnName	string		Nome colonna di destinazione: colonna dei valori di stima. Noto anche come nome di colonna etichetta nel contesto delle attività di classificazione.
taskType	string: ImageClassificationMultilabel		[Obbligatorio] Tipo di attività per AutoMLJob.
trainingData	MLTableJobInput		[Obbligatorio] Input dei dati di training.
validationData	MLTableJobInput		Input dei dati di convalida.
validationDataSize	number (double)		Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicati quando il set di dati di convalida non viene fornito.

ImageInstanceSegmentation

Oggetto

Segmentazione dell'istanza dell'immagine. La segmentazione delle istanze viene utilizzata per identificare gli oggetti in un'immagine a livello di pixel, disegnando un poligono attorno a ciascun oggetto nell'immagine.

Nome	Tipo	Valore predefinito	Descrizione
limitSettings	ImageLimitSettings		[Obbligatorio] Limitare le impostazioni per il processo AutoML.
logVerbosity	LogVerbosity	Info	Enum per l'impostazione del livello di dettaglio del log.
modelSettings	ImageModelSettingsObjectDetection		Impostazioni usate per il training del modello.
primaryMetric	InstanceSegmentationPrimaryMetrics	MeanAveragePrecision	Metriche primarie per le attività InstanceSegmentation.
searchSpace	ImageModelDistributionSettingsObjectDetection[]		Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri.
sweepSettings	ImageSweepSettings		Sweep del modello e sweep degli iperparametri per le impostazioni correlate.
targetColumnName	string		Nome colonna di destinazione: colonna dei valori di stima. Noto anche come nome di colonna etichetta nel contesto delle attività di classificazione.
taskType	string: ImageInstanceSegmentation		[Obbligatorio] Tipo di attività per AutoMLJob.
trainingData	MLTableJobInput		[Obbligatorio] Input dei dati di training.
validationData	MLTableJobInput		Input dei dati di convalida.
validationDataSize	number (double)		Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicati quando il set di dati di convalida non viene fornito.

ImageLimitSettings

Oggetto

Limitare le impostazioni per il processo AutoML.

Nome	Tipo	Valore predefinito	Descrizione
maxConcurrentTrials	integer (int32)	1	Numero massimo di iterazioni AutoML simultanee.
maxTrials	integer (int32)	1	Numero massimo di iterazioni AutoML.
timeout	string (duration)	P7D	Timeout del processo AutoML.

ImageModelDistributionSettingsClassification

Oggetto

Espressioni di distribuzione per eseguire lo sweep sui valori delle impostazioni del modello. <esempio> Alcuni esempi sono:

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Nome	Tipo	Descrizione
amsGradient	string	Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'.
augmentations	string	Impostazioni per l'uso di Augmentations.
beta1	string	Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float compreso nell'intervallo [0, 1].
beta2	string	Valore di 'beta2' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float compreso nell'intervallo [0, 1].
distributed	string	Indica se usare il training di distributer.
earlyStopping	string	Abilitare la logica di arresto anticipato durante il training.
earlyStoppingDelay	string	Numero minimo di epoche o valutazioni di convalida da attendere prima che il miglioramento della metrica primaria venga monitorato per l'arresto anticipato. Deve essere un intero positivo.
earlyStoppingPatience	string	Numero minimo di epoche o valutazioni di convalida senza alcun miglioramento della metrica primaria prima dell'arresto dell'esecuzione. Deve essere un intero positivo.
enableOnnxNormalization	string	Abilitare la normalizzazione durante l'esportazione del modello ONNX.
evaluationFrequency	string	Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo.
gradientAccumulationStep	string	L'accumulo di gradiente significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornare i pesi del modello mentre si accumulano i gradienti di tali passaggi e quindi usare i gradienti accumulati per calcolare gli aggiornamenti del peso. Deve essere un intero positivo.
layersToFreeze	string	Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, passare 2 come valore per 'seresnext' significa congelare layer0 e layer1. Per un elenco completo dei modelli supportati e per i dettagli sul congelamento degli strati, consultare: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	string	Velocità di apprendimento iniziale. Deve essere un valore float compreso nell'intervallo [0, 1].
learningRateScheduler	string	Tipo di pianificatore del tasso di apprendimento. Deve essere "warmup_cosine" o "passaggio".
modelName	string	Nome del modello da usare per il training. Per maggiori informazioni sui modelli disponibili visita la documentazione ufficiale: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	string	Valore di momentum quando optimizer è 'sgd'. Deve essere un valore float compreso nell'intervallo [0, 1].
nesterov	string	Abilitare nesterov quando optimizer è "sgd".
numberOfEpochs	string	Numero di periodi di training. Deve essere un intero positivo.
numberOfWorkers	string	Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo.
optimizer	string	Tipo di ottimizzatore. Deve essere 'sgd', 'adam', o 'adamw'.
randomSeed	string	Valore di inizializzazione casuale da usare quando si usa il training deterministico.
stepLRGamma	string	Il valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è 'step'. Deve essere un valore float compreso nell'intervallo [0, 1].
stepLRStepSize	string	Valore delle dimensioni del passaggio quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo.
trainingBatchSize	string	Dimensioni del batch di training. Deve essere un intero positivo.
trainingCropSize	string	Dimensioni di ritaglio delle immagini che vengono immesse nella rete neurale per il set di dati di training. Deve essere un intero positivo.
validationBatchSize	string	Dimensioni del batch di convalida. Deve essere un intero positivo.
validationCropSize	string	Dimensione ritaglio immagine che viene immessa nella rete neurale per il set di dati di convalida. Deve essere un intero positivo.
validationResizeSize	string	Dimensioni dell'immagine in cui ridimensionare prima del ritaglio per il set di dati di convalida. Deve essere un intero positivo.
warmupCosineLRCycles	string	Il valore del ciclo coseno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un valore float compreso nell'intervallo [0, 1].
warmupCosineLRWarmupEpochs	string	Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo.
weightDecay	string	Valore del decadimento del peso quando optimizer è 'sgd', 'adam' o 'adamw'. Deve essere un valore float nell'intervallo[0, 1].
weightedLoss	string	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.

ImageModelDistributionSettingsObjectDetection

Oggetto

Espressioni di distribuzione per eseguire lo sweep sui valori delle impostazioni del modello. <esempio> Alcuni esempi sono:

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Nome	Tipo	Descrizione
amsGradient	string	Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'.
augmentations	string	Impostazioni per l'uso di Augmentations.
beta1	string	Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float compreso nell'intervallo [0, 1].
beta2	string	Valore di 'beta2' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float compreso nell'intervallo [0, 1].
boxDetectionsPerImage	string	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".
boxScoreThreshold	string	Durante l'inferenza, restituiscono solo le proposte con un punteggio di classificazione maggiore di BoxScoreThreshold. Deve essere un valore float nell'intervallo[0, 1].
distributed	string	Indica se usare il training di distributer.
earlyStopping	string	Abilitare la logica di arresto anticipato durante il training.
earlyStoppingDelay	string	Numero minimo di epoche o valutazioni di convalida da attendere prima che il miglioramento della metrica primaria venga monitorato per l'arresto anticipato. Deve essere un intero positivo.
earlyStoppingPatience	string	Numero minimo di epoche o valutazioni di convalida senza alcun miglioramento della metrica primaria prima dell'arresto dell'esecuzione. Deve essere un intero positivo.
enableOnnxNormalization	string	Abilitare la normalizzazione durante l'esportazione del modello ONNX.
evaluationFrequency	string	Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo.
gradientAccumulationStep	string	L'accumulo di gradiente significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornare i pesi del modello mentre si accumulano i gradienti di tali passaggi e quindi usare i gradienti accumulati per calcolare gli aggiornamenti del peso. Deve essere un intero positivo.
imageSize	string	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".
layersToFreeze	string	Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, passare 2 come valore per 'seresnext' significa congelare layer0 e layer1. Per un elenco completo dei modelli supportati e per i dettagli sul congelamento degli strati, consultare: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	string	Velocità di apprendimento iniziale. Deve essere un valore float compreso nell'intervallo [0, 1].
learningRateScheduler	string	Tipo di pianificatore del tasso di apprendimento. Deve essere "warmup_cosine" o "passaggio".
maxSize	string	Dimensioni massime dell'immagine da ridimensionare prima di alimentarla al backbone. 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".
minSize	string	Dimensioni minime dell'immagine da ridimensionare prima di alimentarla al backbone. 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".
modelName	string	Nome del modello da usare per il training. Per maggiori informazioni sui modelli disponibili visita la documentazione ufficiale: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
modelSize	string	Dimensioni del modello. Deve essere "small", "medium", "large" o "xlarge". Nota: se le dimensioni del modello sono troppo grandi, l'esecuzione del training può entrare nell'OOM CUDA. Nota: queste impostazioni sono supportate solo per l'algoritmo "yolov5".
momentum	string	Valore di momentum quando optimizer è 'sgd'. Deve essere un valore float compreso nell'intervallo [0, 1].
multiScale	string	Abilitare l'immagine su più scalabilità variando le dimensioni dell'immagine per +/- 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".
nesterov	string	Abilitare nesterov quando optimizer è "sgd".
nmsIouThreshold	string	Soglia IOU usata durante l'inferenza in NMS post-elaborazione. Deve essere float nell'intervallo [0, 1].
numberOfEpochs	string	Numero di periodi di training. Deve essere un intero positivo.
numberOfWorkers	string	Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo.
optimizer	string	Tipo di ottimizzatore. Deve essere 'sgd', 'adam', o 'adamw'.
randomSeed	string	Valore di inizializzazione casuale da usare quando si usa il training deterministico.
stepLRGamma	string	Il valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è 'step'. Deve essere un valore float compreso nell'intervallo [0, 1].
stepLRStepSize	string	Valore delle dimensioni del passaggio quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo.
tileGridSize	string	Dimensioni della griglia da usare per collegare ogni immagine. Nota: TileGridSize non deve essere None 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".
tileOverlapRatio	string	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".
tilePredictionsNmsThreshold	string	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
trainingBatchSize	string	Dimensioni del batch di training. Deve essere un intero positivo.
validationBatchSize	string	Dimensioni del batch di convalida. Deve essere un intero positivo.
validationIouThreshold	string	Soglia IOU da usare durante il calcolo della metrica di convalida. Deve essere float nell'intervallo [0, 1].
validationMetricType	string	Metodo di calcolo delle metriche da usare per le metriche di convalida. Deve essere "none", "coco", "voc" o "coco_voc".
warmupCosineLRCycles	string	Il valore del ciclo coseno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un valore float compreso nell'intervallo [0, 1].
warmupCosineLRWarmupEpochs	string	Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo.
weightDecay	string	Valore del decadimento del peso quando optimizer è 'sgd', 'adam' o 'adamw'. Deve essere un valore float nell'intervallo[0, 1].

ImageModelSettingsClassification

Oggetto

Impostazioni usate per il training del modello. Per maggiori informazioni sulle impostazioni disponibili, visita la documentazione ufficiale: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Nome	Tipo	Valore predefinito	Descrizione
advancedSettings	string		Impostazioni per scenari avanzati.
amsGradient	boolean		Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'.
augmentations	string		Impostazioni per l'uso di Augmentations.
beta1	number (float)		Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float compreso nell'intervallo [0, 1].
beta2	number (float)		Valore di 'beta2' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float compreso nell'intervallo [0, 1].
checkpointFrequency	integer (int32)		Frequenza per archiviare i checkpoint del modello. Deve essere un intero positivo.
checkpointModel	MLFlowModelJobInput		Modello di checkpoint con training preliminare per il training incrementale.
checkpointRunId	string		ID di un'esecuzione precedente con un checkpoint con training preliminare per il training incrementale.
distributed	boolean		Indica se usare il training distribuito.
earlyStopping	boolean		Abilitare la logica di arresto anticipato durante il training.
earlyStoppingDelay	integer (int32)		Numero minimo di epoche o valutazioni di convalida da attendere prima che il miglioramento della metrica primaria venga monitorato per l'arresto anticipato. Deve essere un intero positivo.
earlyStoppingPatience	integer (int32)		Numero minimo di epoche o valutazioni di convalida senza alcun miglioramento della metrica primaria prima dell'arresto dell'esecuzione. Deve essere un intero positivo.
enableOnnxNormalization	boolean		Abilitare la normalizzazione durante l'esportazione del modello ONNX.
evaluationFrequency	integer (int32)		Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo.
gradientAccumulationStep	integer (int32)		L'accumulo di gradiente significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornare i pesi del modello mentre si accumulano i gradienti di tali passaggi e quindi usare i gradienti accumulati per calcolare gli aggiornamenti del peso. Deve essere un intero positivo.
layersToFreeze	integer (int32)		Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, passare 2 come valore per 'seresnext' significa congelare layer0 e layer1. Per un elenco completo dei modelli supportati e per i dettagli sul congelamento degli strati, consultare: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	number (float)		Velocità di apprendimento iniziale. Deve essere un valore float compreso nell'intervallo [0, 1].
learningRateScheduler	LearningRateScheduler	None	Enumerazione del pianificatore delle tariffe di apprendimento.
modelName	string		Nome del modello da usare per il training. Per maggiori informazioni sui modelli disponibili visita la documentazione ufficiale: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	number (float)		Valore di momentum quando optimizer è 'sgd'. Deve essere un valore float compreso nell'intervallo [0, 1].
nesterov	boolean		Abilitare nesterov quando optimizer è "sgd".
numberOfEpochs	integer (int32)		Numero di periodi di training. Deve essere un intero positivo.
numberOfWorkers	integer (int32)		Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo.
optimizer	StochasticOptimizer	None	Ottimizzatore stocastico per modelli di immagine.
randomSeed	integer (int32)		Valore di inizializzazione casuale da usare quando si usa il training deterministico.
stepLRGamma	number (float)		Il valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è 'step'. Deve essere un valore float compreso nell'intervallo [0, 1].
stepLRStepSize	integer (int32)		Valore delle dimensioni del passaggio quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo.
trainingBatchSize	integer (int32)		Dimensioni del batch di training. Deve essere un intero positivo.
trainingCropSize	integer (int32)		Dimensioni di ritaglio delle immagini che vengono immesse nella rete neurale per il set di dati di training. Deve essere un intero positivo.
validationBatchSize	integer (int32)		Dimensioni del batch di convalida. Deve essere un intero positivo.
validationCropSize	integer (int32)		Dimensione ritaglio immagine che viene immessa nella rete neurale per il set di dati di convalida. Deve essere un intero positivo.
validationResizeSize	integer (int32)		Dimensioni dell'immagine in cui ridimensionare prima del ritaglio per il set di dati di convalida. Deve essere un intero positivo.
warmupCosineLRCycles	number (float)		Il valore del ciclo coseno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un valore float compreso nell'intervallo [0, 1].
warmupCosineLRWarmupEpochs	integer (int32)		Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo.
weightDecay	number (float)		Valore del decadimento del peso quando optimizer è 'sgd', 'adam' o 'adamw'. Deve essere un valore float nell'intervallo[0, 1].
weightedLoss	integer (int32)		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.

ImageModelSettingsObjectDetection

Oggetto

Impostazioni usate per il training del modello. Per maggiori informazioni sulle impostazioni disponibili, visita la documentazione ufficiale: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Nome	Tipo	Valore predefinito	Descrizione
advancedSettings	string		Impostazioni per scenari avanzati.
amsGradient	boolean		Abilitare AMSGrad quando Optimizer è 'adam' o 'adamw'.
augmentations	string		Impostazioni per l'uso di Augmentations.
beta1	number (float)		Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float compreso nell'intervallo [0, 1].
beta2	number (float)		Valore di 'beta2' quando optimizer è 'adam' o 'adamw'. Deve essere un valore float compreso nell'intervallo [0, 1].
boxDetectionsPerImage	integer (int32)		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".
boxScoreThreshold	number (float)		Durante l'inferenza, restituiscono solo le proposte con un punteggio di classificazione maggiore di BoxScoreThreshold. Deve essere un valore float nell'intervallo[0, 1].
checkpointFrequency	integer (int32)		Frequenza per archiviare i checkpoint del modello. Deve essere un intero positivo.
checkpointModel	MLFlowModelJobInput		Modello di checkpoint con training preliminare per il training incrementale.
checkpointRunId	string		ID di un'esecuzione precedente con un checkpoint con training preliminare per il training incrementale.
distributed	boolean		Indica se usare il training distribuito.
earlyStopping	boolean		Abilitare la logica di arresto anticipato durante il training.
earlyStoppingDelay	integer (int32)		Numero minimo di epoche o valutazioni di convalida da attendere prima che il miglioramento della metrica primaria venga monitorato per l'arresto anticipato. Deve essere un intero positivo.
earlyStoppingPatience	integer (int32)		Numero minimo di epoche o valutazioni di convalida senza alcun miglioramento della metrica primaria prima dell'arresto dell'esecuzione. Deve essere un intero positivo.
enableOnnxNormalization	boolean		Abilitare la normalizzazione durante l'esportazione del modello ONNX.
evaluationFrequency	integer (int32)		Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo.
gradientAccumulationStep	integer (int32)		L'accumulo di gradiente significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornare i pesi del modello mentre si accumulano i gradienti di tali passaggi e quindi usare i gradienti accumulati per calcolare gli aggiornamenti del peso. Deve essere un intero positivo.
imageSize	integer (int32)		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".
layersToFreeze	integer (int32)		Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, passare 2 come valore per 'seresnext' significa congelare layer0 e layer1. Per un elenco completo dei modelli supportati e per i dettagli sul congelamento degli strati, consultare: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	number (float)		Velocità di apprendimento iniziale. Deve essere un valore float compreso nell'intervallo [0, 1].
learningRateScheduler	LearningRateScheduler	None	Enumerazione del pianificatore delle tariffe di apprendimento.
maxSize	integer (int32)		Dimensioni massime dell'immagine da ridimensionare prima di alimentarla al backbone. 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".
minSize	integer (int32)		Dimensioni minime dell'immagine da ridimensionare prima di alimentarla al backbone. 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".
modelName	string		Nome del modello da usare per il training. Per maggiori informazioni sui modelli disponibili visita la documentazione ufficiale: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
modelSize	ModelSize	None	Dimensioni del modello di immagine.
momentum	number (float)		Valore di momentum quando optimizer è 'sgd'. Deve essere un valore float compreso nell'intervallo [0, 1].
multiScale	boolean		Abilitare l'immagine su più scalabilità variando le dimensioni dell'immagine per +/- 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".
nesterov	boolean		Abilitare nesterov quando optimizer è "sgd".
nmsIouThreshold	number (float)		Soglia IOU usata durante l'inferenza in NMS post-elaborazione. Deve essere un valore float compreso nell'intervallo [0, 1].
numberOfEpochs	integer (int32)		Numero di periodi di training. Deve essere un intero positivo.
numberOfWorkers	integer (int32)		Numero di ruoli di lavoro del caricatore di dati. Deve essere un numero intero non negativo.
optimizer	StochasticOptimizer	None	Ottimizzatore stocastico per modelli di immagine.
randomSeed	integer (int32)		Valore di inizializzazione casuale da usare quando si usa il training deterministico.
stepLRGamma	number (float)		Il valore gamma quando l'utilità di pianificazione della frequenza di apprendimento è 'step'. Deve essere un valore float compreso nell'intervallo [0, 1].
stepLRStepSize	integer (int32)		Valore delle dimensioni del passaggio quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo.
tileGridSize	string		Dimensioni della griglia da usare per collegare ogni immagine. Nota: TileGridSize non deve essere None 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".
tileOverlapRatio	number (float)		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".
tilePredictionsNmsThreshold	number (float)		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".
trainingBatchSize	integer (int32)		Dimensioni del batch di training. Deve essere un intero positivo.
validationBatchSize	integer (int32)		Dimensioni del batch di convalida. Deve essere un intero positivo.
validationIouThreshold	number (float)		Soglia IOU da usare durante il calcolo della metrica di convalida. Deve essere float nell'intervallo [0, 1].
validationMetricType	ValidationMetricType	None	Metodo di calcolo delle metriche da utilizzare per le metriche di convalida nelle attività di immagine.
warmupCosineLRCycles	number (float)		Il valore del ciclo coseno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un valore float compreso nell'intervallo [0, 1].
warmupCosineLRWarmupEpochs	integer (int32)		Il valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo.
weightDecay	number (float)		Valore del decadimento del peso quando optimizer è 'sgd', 'adam' o 'adamw'. Deve essere un valore float nell'intervallo[0, 1].

ImageObjectDetection

Oggetto

Rilevamento di oggetti immagine. Il rilevamento degli oggetti viene utilizzato per identificare gli oggetti in un'immagine e localizzare ogni oggetto con un riquadro di delimitazione, ad esempio individuare tutti i cani e i gatti in un'immagine e disegnare un riquadro di delimitazione attorno a ciascuno.

Nome	Tipo	Valore predefinito	Descrizione
limitSettings	ImageLimitSettings		[Obbligatorio] Limitare le impostazioni per il processo AutoML.
logVerbosity	LogVerbosity	Info	Enum per l'impostazione del livello di dettaglio del log.
modelSettings	ImageModelSettingsObjectDetection		Impostazioni usate per il training del modello.
primaryMetric	ObjectDetectionPrimaryMetrics	MeanAveragePrecision	Metriche primarie per l'attività Image ObjectDetection.
searchSpace	ImageModelDistributionSettingsObjectDetection[]		Cercare spazio per il campionamento di diverse combinazioni di modelli e dei relativi iperparametri.
sweepSettings	ImageSweepSettings		Sweep del modello e sweep degli iperparametri per le impostazioni correlate.
targetColumnName	string		Nome colonna di destinazione: colonna dei valori di stima. Noto anche come nome di colonna etichetta nel contesto delle attività di classificazione.
taskType	string: ImageObjectDetection		[Obbligatorio] Tipo di attività per AutoMLJob.
trainingData	MLTableJobInput		[Obbligatorio] Input dei dati di training.
validationData	MLTableJobInput		Input dei dati di convalida.
validationDataSize	number (double)		Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicati quando il set di dati di convalida non viene fornito.

ImageSweepSettings

Oggetto

Sweep del modello e sweep degli iperparametri per le impostazioni correlate.

Nome	Tipo	Descrizione
earlyTermination	EarlyTerminationPolicy: BanditPolicy MedianStoppingPolicy TruncationSelectionPolicy	Tipo di criteri di terminazione anticipata.
samplingAlgorithm	SamplingAlgorithmType	[Obbligatorio] Tipo degli algoritmi di campionamento degli iperparametri.

InputDeliveryMode

Enumerazione

Enum per determinare la modalità di recapito dei dati di input.

Valore	Descrizione
ReadOnlyMount
ReadWriteMount
Download
Direct
EvalMount
EvalDownload

InstanceSegmentationPrimaryMetrics

Enumerazione

Metriche primarie per le attività InstanceSegmentation.

Valore	Descrizione
MeanAveragePrecision	La precisione media media (MAP) è la media di AP (precisione media). L'AP viene calcolato per ogni classe e ne viene calcolata la media per ottenere il MAP.

JobBase

Oggetto

Busta delle risorse di Azure Resource Manager.

Nome	Tipo	Descrizione
id	string	ID risorsa completo per la risorsa. Ad esempio: /subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/{resourceProviderNamespace}/{resourceType}/{resourceName}
name	string	nome della risorsa.
properties	JobBaseProperties: AutoMLJob CommandJob PipelineJob SparkJob SweepJob	[Obbligatorio] Attributi aggiuntivi dell'entità.
systemData	systemData	Metadati di Azure Resource Manager contenenti le informazioni createdBy e modifiedBy.
type	string	Tipo di risorsa. Ad esempio, "Microsoft.Compute/virtualMachines" o "Microsoft.Storage/storageAccounts"

JobInputType

Enumerazione

Enum per determinare il tipo di input del processo.

Valore	Descrizione
literal
uri_file
uri_folder
mltable
custom_model
mlflow_model
triton_model

JobLimitsType

Enumerazione

Valore	Descrizione
Command
Sweep

JobOutputType

Enumerazione

Enum per determinare il tipo di output del processo.

Valore	Descrizione
uri_file
uri_folder
mltable
custom_model
mlflow_model
triton_model

JobResourceConfiguration

Oggetto

Nome	Tipo	Valore predefinito	Descrizione
dockerArgs	string		Argomenti aggiuntivi da passare al comando docker run. 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.
dockerArgsList	string[]		Argomenti aggiuntivi da passare al comando docker run, come raccolta. 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.
instanceCount	integer (int32)	1	Numero facoltativo di istanze o nodi usati dalla destinazione di calcolo.
instanceType	string		Tipo facoltativo di macchina virtuale usato come supportato dalla destinazione di calcolo.
properties			Contenitore di proprietà aggiuntive.
shmSize	string pattern: \d+[bBkKmMgG]	2g	Dimensioni del blocco di memoria condiviso 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).

JobService

Oggetto

Definizione dell'endpoint del processo

Nome	Tipo	Descrizione
endpoint	string	URL per l'endpoint.
errorMessage	string	Qualsiasi errore nel servizio.
jobServiceType	string	Tipo di endpoint.
nodes	Nodes: AllNodes	Nodi su 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.
port	integer (int32)	Porta per l'endpoint.
properties	object	Proprietà aggiuntive da impostare nell'endpoint.
status	string	Stato dell'endpoint.

JobStatus

Enumerazione

Stato di un processo.

Valore	Descrizione
NotStarted	L'esecuzione non è ancora iniziata.
Starting	L'esecuzione è iniziata. L'utente dispone di un ID di esecuzione.
Provisioning	(Attualmente non utilizzato) Verrà utilizzato se ES sta creando la destinazione di calcolo.
Preparing	L'ambiente di esecuzione è in fase di preparazione.
Queued	Il processo viene accodato nella destinazione di calcolo. Ad esempio, in BatchAI il processo è in stato di coda, in attesa che tutti i nodi necessari siano pronti.
Running	L'esecuzione del processo è stata avviata nella destinazione di calcolo.
Finalizing	Il processo è stato completato nella destinazione. Ora è nello stato di raccolta dell'output.
CancelRequested	È stato richiesto l'annullamento del lavoro.
Completed	Processo completato correttamente. Ciò riflette che sia il processo stesso che gli stati della raccolta di output sono stati completati correttamente
Failed	Processo non riuscito.
Canceled	Dopo la richiesta di annullamento, il processo è stato annullato correttamente.
NotResponding	Quando l'heartbeat è abilitato, se l'esecuzione non aggiorna alcuna informazione a RunHistory, l'esecuzione passa allo stato NotResponding. NotResponding è l'unico stato esente da rigidi ordini di transizione. Un'esecuzione può passare da NotResponding a uno qualsiasi degli stati precedenti.
Paused	Il processo viene messo in pausa dagli utenti. Alcune modifiche ai processi di etichettatura possono essere apportate solo in stato di pausa.
Unknown	Stato del processo predefinito se non mappato a tutti gli altri stati

JobTier

Enumerazione

Enumerazione per determinare il livello di processo.

Valore	Descrizione
Null
Spot
Basic
Standard
Premium

JobType

Enumerazione

Enumerazione per determinare il tipo di processo.

Valore	Descrizione
AutoML
Command
Sweep
Pipeline
Spark

LearningRateScheduler

Enumerazione

Enumerazione del pianificatore delle tariffe di apprendimento.

Valore	Descrizione
None	Non è stato selezionato alcun pianificatore della frequenza di apprendimento.
WarmupCosine	Ricottura del coseno con riscaldamento.
Step	Pianificatore del tasso di apprendimento a gradini.

LiteralJobInput

Oggetto

Tipo di input letterale.

Nome	Tipo	Descrizione
description	string	Descrizione per l'input.
jobInputType	string: literal	[Obbligatorio] Specifica il tipo di processo.
value	string minLength: 1 pattern: [a-zA-Z0-9_]	[Obbligatorio] Valore letterale per l'input.

LogVerbosity

Enumerazione

Enum per l'impostazione del livello di dettaglio del log.

Valore	Descrizione
NotSet	Nessun registro emesso.
Debug	Debug e istruzioni di log superiori registrate.
Info	Informazioni e istruzioni di log sopra registrate.
Warning	Avviso e istruzioni di log precedenti registrate.
Error	Errore e istruzioni di log superiori registrate.
Critical	Vengono registrate solo le istruzioni critiche.

ManagedIdentity

Oggetto

Configurazione dell'identità gestita.

Nome	Tipo	Descrizione
clientId	string (uuid)	Specifica un'identità assegnata dall'utente in base all'ID client. Per l'assegnazione del sistema, non impostare questo campo.
identityType	string: Managed	[Obbligatorio] Specifica il tipo di framework di gestione delle identità.
objectId	string (uuid)	Specifica un'identità assegnata dall'utente in base all'ID oggetto. Per l'assegnazione del sistema, non impostare questo campo.
resourceId	string	Specifica un'identità assegnata dall'utente in base all'ID risorsa arm. Per l'assegnazione del sistema, non impostare questo campo.

MedianStoppingPolicy

Oggetto

Definisce un criterio di terminazione anticipata basato sulle medie correnti della metrica primaria di tutte le esecuzioni

Nome	Tipo	Valore predefinito	Descrizione
delayEvaluation	integer (int32)	0	Numero di intervalli in base ai quali ritardare la prima valutazione.
evaluationInterval	integer (int32)	0	Intervallo (numero di esecuzioni) tra le valutazioni dei criteri.
policyType	string: MedianStopping		[Obbligatorio] Nome della configurazione dei criteri

MLFlowModelJobInput

Oggetto

Nome	Tipo	Valore predefinito	Descrizione
description	string		Descrizione per l'input.
jobInputType	string: mlflow_model		[Obbligatorio] Specifica il tipo di processo.
mode	InputDeliveryMode	ReadOnlyMount	Enum per determinare la modalità di recapito dei dati di input.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Obbligatorio] URI dell'asset di input.

MLFlowModelJobOutput

Oggetto

Nome	Tipo	Valore predefinito	Descrizione
assetName	string		Nome asset di output.
description	string		Descrizione per l'output.
jobOutputType	string: mlflow_model		[Obbligatorio] Specifica il tipo di processo.
mode	OutputDeliveryMode	ReadWriteMount	Enumerazioni della modalità di consegna dei dati di output.
uri	string		URI dell'asset di output.

MLTableJobInput

Oggetto

Nome	Tipo	Valore predefinito	Descrizione
description	string		Descrizione per l'input.
jobInputType	string: mltable		[Obbligatorio] Specifica il tipo di processo.
mode	InputDeliveryMode	ReadOnlyMount	Enum per determinare la modalità di recapito dei dati di input.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Obbligatorio] URI dell'asset di input.

MLTableJobOutput

Oggetto

Nome	Tipo	Valore predefinito	Descrizione
assetName	string		Nome asset di output.
description	string		Descrizione per l'output.
jobOutputType	string: mltable		[Obbligatorio] Specifica il tipo di processo.
mode	OutputDeliveryMode	ReadWriteMount	Enumerazioni della modalità di consegna dei dati di output.
uri	string		URI dell'asset di output.

ModelSize

Enumerazione

Dimensioni del modello di immagine.

Valore	Descrizione
None	Nessun valore selezionato.
Small	Dimensioni ridotte.
Medium	Taglia media.
Large	Grandi dimensioni.
ExtraLarge	Formato extra large.

Mpi

Oggetto

Configurazione della distribuzione MPI.

Nome	Tipo	Descrizione
distributionType	string: Mpi	[Obbligatorio] Specifica il tipo di framework di distribuzione.
processCountPerInstance	integer (int32)	Numero di processi per nodo MPI.

NCrossValidationsMode

Enumerazione

Determina la modalità di determinazione del valore delle convalide N-Cross.

Valore	Descrizione
Auto	Determinare automaticamente il valore delle convalide N-Cross. Supportato solo per l'attività AutoML "Previsione".
Custom	Utilizzare il valore di convalida N-Cross personalizzato.

NlpVerticalFeaturizationSettings

Oggetto

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

NlpVerticalLimitSettings

Oggetto

Vincoli di esecuzione dei processi.

Nome	Tipo	Valore predefinito	Descrizione
maxConcurrentTrials	integer (int32)	1	Numero massimo di iterazioni AutoML simultanee.
maxTrials	integer (int32)	1	Numero di iterazioni AutoML.
timeout	string (duration)	P7D	Timeout del processo AutoML.

NodesValueType

Enumerazione

Tipi enumerati per il valore dei nodi

Valore	Descrizione
All

NotificationSetting

Oggetto

Configurazione per la notifica.

Nome	Tipo	Descrizione
emailOn	EmailNotificationEnableType[]	Inviare una notifica tramite posta elettronica all'utente nel tipo di notifica specificato
emails	string[]	Si tratta dell'elenco dei destinatari di posta elettronica con una limitazione di 499 caratteri in totale concat con separatore virgola
webhooks	object	Inviare il callback webhook a un servizio. La chiave è un nome fornito dall'utente per il webhook.

ObjectDetectionPrimaryMetrics

Enumerazione

Metriche primarie per l'attività Image ObjectDetection.

Valore	Descrizione
MeanAveragePrecision	La precisione media media (MAP) è la media di AP (precisione media). L'AP viene calcolato per ogni classe e ne viene calcolata la media per ottenere il MAP.

Objective

Oggetto

Obiettivo di ottimizzazione.

Nome	Tipo	Descrizione
goal	Goal	[Obbligatorio] Definisce gli obiettivi delle metriche supportati per l'ottimizzazione degli iperparametri
primaryMetric	string minLength: 1 pattern: [a-zA-Z0-9_]	[Obbligatorio] Nome della metrica da ottimizzare.

OutputDeliveryMode

Enumerazione

Enumerazioni della modalità di consegna dei dati di output.

Valore	Descrizione
ReadWriteMount
Upload
Direct

PipelineJob

Oggetto

Definizione del processo pipeline: definisce gli attributi generici in MFE.

Nome	Tipo	Valore predefinito	Descrizione
componentId	string		ID risorsa ARM della risorsa componente.
computeId	string		ID risorsa ARM della risorsa di calcolo.
description	string		Testo della descrizione dell'asset.
displayName	string		Nome visualizzato del processo.
experimentName	string	Default	Nome dell'esperimento a cui appartiene il processo. Se non è impostato, il processo viene inserito nell'esperimento "Default".
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		Configurazione dell'identità. Se impostato, deve essere uno di AmlToken, ManagedIdentity, UserIdentity o Null. L'impostazione predefinita è AmlToken se null.
inputs	object		Input per il processo della pipeline.
isArchived	boolean	False	L'asset è archiviato?
jobType	string: Pipeline		[Obbligatorio] Specifica il tipo di processo.
jobs			I processi costruiscono il processo pipeline.
notificationSetting	NotificationSetting		Impostazione di notifica per il processo
outputs	object		Output per il processo della pipeline
properties	object		Dizionario delle proprietà dell'asset.
services	<string,  JobService>		Elenco di JobEndpoints. Per i processi locali, un endpoint di processo avrà un valore endpoint di FileStreamObject.
settings			Impostazioni della pipeline, per elementi come ContinueRunOnStepFailure e così via.
sourceJobId	string		ID risorsa ARM del processo di origine.
status	JobStatus		Stato del processo.
tags	object		Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati.

PyTorch

Oggetto

Configurazione della distribuzione PyTorch.

Nome	Tipo	Descrizione
distributionType	string: PyTorch	[Obbligatorio] Specifica il tipo di framework di distribuzione.
processCountPerInstance	integer (int32)	Numero di processi per nodo.

QueueSettings

Oggetto

Nome	Tipo	Valore predefinito	Descrizione
jobTier	JobTier	Null	Enumerazione per determinare il livello di processo.

RandomSamplingAlgorithm

Oggetto

Definisce un algoritmo di campionamento che genera valori in modo casuale

Nome	Tipo	Valore predefinito	Descrizione
rule	RandomSamplingAlgorithmRule	Random	Tipo specifico di algoritmo casuale
samplingAlgorithmType	string: Random		[Obbligatorio] Algoritmo usato per la generazione di valori degli iperparametri, insieme alle proprietà di configurazione
seed	integer (int32)		Intero facoltativo da usare come valore di inizializzazione per la generazione di numeri casuali

RandomSamplingAlgorithmRule

Enumerazione

Tipo specifico di algoritmo casuale

Valore	Descrizione
Random
Sobol

Regression

Oggetto

Attività di regressione nel verticale Tabella AutoML.

Nome	Tipo	Valore predefinito	Descrizione
cvSplitColumnNames	string[]		Colonne da utilizzare per i dati CVSplit.
featurizationSettings	TableVerticalFeaturizationSettings		Input di definizione delle caratteristiche necessari per il processo AutoML.
limitSettings	TableVerticalLimitSettings		Vincoli di esecuzione per AutoMLJob.
logVerbosity	LogVerbosity	Info	Enum per l'impostazione del livello di dettaglio del log.
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		Numero di riduzioni di convalida incrociata da applicare al set di dati di training quando il set di dati di convalida non viene fornito.
primaryMetric	RegressionPrimaryMetrics	NormalizedRootMeanSquaredError	Metriche primarie per l'attività di regressione.
targetColumnName	string		Nome colonna di destinazione: colonna dei valori di stima. Noto anche come nome di colonna etichetta nel contesto delle attività di classificazione.
taskType	string: Regression		[Obbligatorio] Tipo di attività per AutoMLJob.
testData	MLTableJobInput		Testare l'input dei dati.
testDataSize	number (double)		Frazione del set di dati di test da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicati quando il set di dati di convalida non viene fornito.
trainingData	MLTableJobInput		[Obbligatorio] Input dei dati di training.
trainingSettings	RegressionTrainingSettings		Input per la fase di training per un processo AutoML.
validationData	MLTableJobInput		Input dei dati di convalida.
validationDataSize	number (double)		Frazione del set di dati di training da riservare a scopo di convalida. Valori compresi tra (0,0 , 1,0) Applicati quando il set di dati di convalida non viene fornito.
weightColumnName	string		Nome della colonna peso campione. Machine Learning automatizzato supporta una colonna ponderata come input, causando il peso delle righe nei dati verso l'alto o verso il basso.

RegressionModels

Enumerazione

Enum per tutti i modelli di regressione supportati da AutoML.

Valore	Descrizione
ElasticNet	La rete elastica è un tipo popolare di regressione lineare regolarizzata che combina due penalità comuni, in particolare le funzioni di penalità L1 e L2.
GradientBoosting	La tecnica di trasformare gli studenti della settimana in uno studente forte si chiama Boosting. Il processo dell'algoritmo di potenziamento del gradiente funziona su questa teoria dell'esecuzione.
DecisionTree	Gli alberi decisionali sono un metodo di apprendimento supervisionato non parametrico utilizzato sia per le attività di classificazione che per quelle di regressione. L'obiettivo è creare un modello che preveda il valore di una variabile target apprendendo semplici regole decisionali dedotte dalle funzionalità dei dati.
KNN	L'algoritmo K-nearest neighbors (KNN) utilizza la "somiglianza delle caratteristiche" per prevedere i valori dei nuovi punti dati, il che significa inoltre che al nuovo punto dati verrà assegnato un valore in base alla corrispondenza con i punti nel set di addestramento.
LassoLars	Adattamento del modello lazo con la regressione dell'angolo minimo a.k.a. Lars. Si tratta di un modello lineare addestrato con un L1 a priori come regolarizzatore.
SGD	SGD: La discesa stocastica del gradiente è un algoritmo di ottimizzazione spesso utilizzato nelle applicazioni di apprendimento automatico per trovare i parametri del modello che corrispondono al miglior adattamento tra gli output previsti ed effettivi. È una tecnica inesatta ma potente.
RandomForest	La foresta casuale è un algoritmo di apprendimento supervisionato. La "foresta" che costruisce, è un insieme di alberi decisionali, solitamente addestrati con il metodo del "bagging". L'idea generale del metodo di insaccamento è che una combinazione di modelli di apprendimento aumenta il risultato complessivo.
ExtremeRandomTrees	Extreme Trees è un algoritmo di apprendimento automatico che combina le previsioni di molti alberi decisionali. È correlato all'algoritmo della foresta casuale ampiamente utilizzato.
LightGBM	LightGBM è un framework di potenziamento del gradiente che utilizza algoritmi di apprendimento basati su alberi.
XGBoostRegressor	XGBoostRegressor: Extreme Gradient Boosting Regressor è un modello di apprendimento automatico supervisionato che utilizza un insieme di studenti di base.

RegressionPrimaryMetrics

Enumerazione

Metriche primarie per l'attività di regressione.

Valore	Descrizione
SpearmanCorrelation	Il coefficiente di correlazione del rango di Spearman è una misura non parametrica della correlazione del rango.
NormalizedRootMeanSquaredError	L'errore quadratico medio normalizzato (NRMSE) facilita il confronto tra modelli con scale diverse.
R2Score	Il punteggio R2 è una delle misure di valutazione delle prestazioni per i modelli di apprendimento automatico basati sulle previsioni.
NormalizedMeanAbsoluteError	L'errore assoluto medio normalizzato (NMAE) è una metrica di convalida per confrontare l'errore assoluto medio (MAE) di serie (temporali) con scale diverse.

RegressionTrainingSettings

Oggetto

Configurazione correlata al training di regressione.

Nome	Tipo	Valore predefinito	Descrizione
allowedTrainingAlgorithms	RegressionModels[]		Modelli consentiti per l'attività di regressione.
blockedTrainingAlgorithms	RegressionModels[]		Modelli bloccati per l'attività di regressione.
enableDnnTraining	boolean	False	Abilitare la raccomandazione dei modelli DNN.
enableModelExplainability	boolean	True	Flag per attivare la spiegazione sul modello migliore.
enableOnnxCompatibleModels	boolean	False	Flag per l'abilitazione di modelli compatibili con onnx.
enableStackEnsemble	boolean	True	Abilitare l'esecuzione dell'insieme dello stack.
enableVoteEnsemble	boolean	True	Abilitare l'esecuzione dell'ensemble di voto.
ensembleModelDownloadTimeout	string (duration)	PT5M	Durante la generazione di modelli VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati dalle esecuzioni figlio precedenti. Configurare questo parametro con un valore superiore a 300 sec, se è necessario più tempo.
stackEnsembleSettings	StackEnsembleSettings		Impostazioni dell'insieme di stack per l'esecuzione dell'insieme di stack.

SamplingAlgorithmType

Enumerazione

Valore	Descrizione
Grid
Random
Bayesian

SeasonalityMode

Enumerazione

Modalità di previsione della stagionalità.

Valore	Descrizione
Auto	Stagionalità da determinare automaticamente.
Custom	Utilizzare il valore di stagionalità personalizzato.

ShortSeriesHandlingConfiguration

Enumerazione

Parametro che definisce come se AutoML deve gestire serie temporali brevi.

Valore	Descrizione
None	Rappresenta nessun valore o valore nullo.
Auto	Le serie brevi verranno riempite se non ci sono serie lunghe, altrimenti le serie brevi verranno eliminate.
Pad	Tutte le serie brevi saranno imbottite.
Drop	Tutte le serie brevi verranno eliminate.

SparkJob

Oggetto

Definizione del processo Spark.

Nome	Tipo	Valore predefinito	Descrizione
archives	string[]		Archiviare i file usati nel processo.
args	string		Argomenti per il processo.
codeId	string (arm-id) minLength: 1 pattern: [a-zA-Z0-9_]		[Obbligatorio] ARM-ID dell'asset di codice.
componentId	string		ID risorsa ARM della risorsa componente.
computeId	string		ID risorsa ARM della risorsa di calcolo.
conf	object		Proprietà configurate di Spark.
description	string		Testo della descrizione dell'asset.
displayName	string		Nome visualizzato del processo.
entry	SparkJobEntry: SparkJobPythonEntry SparkJobScalaEntry		[Obbligatorio] Voce da eseguire all'avvio del processo.
environmentId	string (arm-id)		ID risorsa ARM della specifica Ambiente per il processo.
environmentVariables	object		Variabili di ambiente incluse nel processo.
experimentName	string	Default	Nome dell'esperimento a cui appartiene il processo. Se non è impostato, il processo viene inserito nell'esperimento "Default".
files	string[]		File usati nel processo.
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		Configurazione dell'identità. Se impostato, deve essere uno di AmlToken, ManagedIdentity, UserIdentity o Null. L'impostazione predefinita è AmlToken se null.
inputs	object		Mapping dei data binding di input usati nel processo.
isArchived	boolean	False	L'asset è archiviato?
jars	string[]		File JAR usati nel processo.
jobType	string: Spark		[Obbligatorio] Specifica il tipo di processo.
notificationSetting	NotificationSetting		Impostazione di notifica per il processo
outputs	object		Mapping dei data binding di output usati nel processo.
properties	object		Dizionario delle proprietà dell'asset.
pyFiles	string[]		File Python usati nel processo.
queueSettings	QueueSettings		Impostazioni della coda per il processo
resources	SparkResourceConfiguration		Configurazione delle risorse di calcolo per il processo.
services	<string,  JobService>		Elenco di JobEndpoints. Per i processi locali, un endpoint di processo avrà un valore endpoint di FileStreamObject.
status	JobStatus		Stato del processo.
tags	object		Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati.

SparkJobEntryType

Enumerazione

Valore	Descrizione
SparkJobPythonEntry
SparkJobScalaEntry

SparkJobPythonEntry

Oggetto

Nome	Tipo	Descrizione
file	string minLength: 1 pattern: [a-zA-Z0-9_]	[Obbligatorio] Percorso del file Python relativo per il punto di ingresso del processo.
sparkJobEntryType	string: SparkJobPythonEntry	[Obbligatorio] Tipo del punto di ingresso del processo.

SparkJobScalaEntry

Oggetto

Nome	Tipo	Descrizione
className	string minLength: 1 pattern: [a-zA-Z0-9_]	[Obbligatorio] Nome della classe Scala usato come punto di ingresso.
sparkJobEntryType	string: SparkJobScalaEntry	[Obbligatorio] Tipo del punto di ingresso del processo.

SparkResourceConfiguration

Oggetto

Nome	Tipo	Valore predefinito	Descrizione
instanceType	string		Tipo facoltativo di macchina virtuale usato come supportato dalla destinazione di calcolo.
runtimeVersion	string	3.1	Versione del runtime spark usata per il processo.

StackEnsembleSettings

Oggetto

Avanza l'impostazione per personalizzare l'esecuzione di StackEnsemble.

Nome	Tipo	Valore predefinito	Descrizione
stackMetaLearnerKWargs			Parametri facoltativi da passare all'inizializzatore del meta-learner.
stackMetaLearnerTrainPercentage	number (double)	0.2	Specifica la proporzione del set di training (quando si sceglie il tipo di training e di convalida) da riservare per il training del meta-apprendimento. Il valore predefinito è 0,2.
stackMetaLearnerType	StackMetaLearnerType	None	Il meta-learner è un modello addestrato sull'output dei singoli modelli eterogenei.\r\nMeta-apprendenti predefiniti sono LogisticRegression per i compiti di classificazione (o LogisticRegressionCV se è abilitata la validazione incrociata) ed ElasticNet per i compiti di regressione/previsione (o ElasticNetCV se la validazione incrociata è abilitata).\r\nQuesto parametro può essere una delle seguenti stringhe: LogisticRegression, LogisticRegressionCV, LightGBMClassifier, ElasticNet, ElasticNetCV, LightGBMRegressor o LinearRegression

StackMetaLearnerType

Enumerazione

Il meta-learner è un modello addestrato sull'output dei singoli modelli eterogenei.\r\nMeta-apprendenti predefiniti sono LogisticRegression per i compiti di classificazione (o LogisticRegressionCV se è abilitata la validazione incrociata) ed ElasticNet per i compiti di regressione/previsione (o ElasticNetCV se la validazione incrociata è abilitata).\r\nQuesto parametro può essere una delle seguenti stringhe: LogisticRegression, LogisticRegressionCV, LightGBMClassifier, ElasticNet, ElasticNetCV, LightGBMRegressor o LinearRegression

Valore	Descrizione
None
LogisticRegression	I meta-learner predefiniti sono LogisticRegression per le attività di classificazione.
LogisticRegressionCV	I meta-learner predefiniti sono LogisticRegression per l'attività di classificazione quando il CV è attivo.
LightGBMClassifier
ElasticNet	I meta-learner predefiniti sono LogisticRegression per l'attività di regressione.
ElasticNetCV	I meta-learner predefiniti sono LogisticRegression per l'attività di regressione quando il CV è attivo.
LightGBMRegressor
LinearRegression

StochasticOptimizer

Enumerazione

Ottimizzatore stocastico per modelli di immagine.

Valore	Descrizione
None	Nessun ottimizzatore selezionato.
Sgd	Ottimizzatore stocastico per la discesa del gradiente.
Adam	Adam è un algoritmo che ottimizza le funzioni obiettivo stocastiche basate su stime adattive dei momenti
Adamw	AdamW è una variante dell'ottimizzatore Adam che ha una migliore implementazione del decadimento del peso.

SweepJob

Oggetto

Definizione del processo di sweep.

Nome	Tipo	Valore predefinito	Descrizione
componentId	string		ID risorsa ARM della risorsa componente.
computeId	string		ID risorsa ARM della risorsa di calcolo.
description	string		Testo della descrizione dell'asset.
displayName	string		Nome visualizzato del processo.
earlyTermination	EarlyTerminationPolicy: BanditPolicy MedianStoppingPolicy TruncationSelectionPolicy		I criteri di terminazione anticipata consentono di annullare le esecuzioni con prestazioni scarse prima del completamento
experimentName	string	Default	Nome dell'esperimento a cui appartiene il processo. Se non è impostato, il processo viene inserito nell'esperimento "Default".
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		Configurazione dell'identità. Se impostato, deve essere uno di AmlToken, ManagedIdentity, UserIdentity o Null. L'impostazione predefinita è AmlToken se null.
inputs	object		Mapping dei data binding di input usati nel processo.
isArchived	boolean	False	L'asset è archiviato?
jobType	string: Sweep		[Obbligatorio] Specifica il tipo di processo.
limits	SweepJobLimits		Limite di processi sweep.
notificationSetting	NotificationSetting		Impostazione di notifica per il processo
objective	Objective		[Obbligatorio] Obiettivo di ottimizzazione.
outputs	object		Mapping dei data binding di output usati nel processo.
properties	object		Dizionario delle proprietà dell'asset.
queueSettings	QueueSettings		Impostazioni della coda per il processo
samplingAlgorithm	SamplingAlgorithm: BayesianSamplingAlgorithm GridSamplingAlgorithm RandomSamplingAlgorithm		[Obbligatorio] Algoritmo di campionamento degli iperparametri
searchSpace			[Obbligatorio] Dizionario contenente ogni parametro e la relativa distribuzione. La chiave del dizionario è il nome del parametro
services	<string,  JobService>		Elenco di JobEndpoints. Per i processi locali, un endpoint di processo avrà un valore endpoint di FileStreamObject.
status	JobStatus		Stato del processo.
tags	object		Dizionario tag. I tag possono essere aggiunti, rimossi e aggiornati.
trial	TrialComponent		[Obbligatorio] Definizione del componente di valutazione.

SweepJobLimits

Oggetto

Classe limite di lavoro Sweep.

Nome	Tipo	Descrizione
jobLimitsType	string: Sweep	[Obbligatorio] Tipo JobLimit.
maxConcurrentTrials	integer (int32)	Sweep Processo max test simultanei.
maxTotalTrials	integer (int32)	Sweep Job max total trial.Sweep Job max trial.
timeout	string (duration)	Durata massima dell'esecuzione in formato ISO 8601, dopo la quale il processo verrà annullato. Supporta solo la durata con precisione inferiore a secondi.
trialTimeout	string (duration)	Valore di timeout della versione di valutazione processo sweep.

systemData

Oggetto

Metadati relativi alla creazione e all'ultima modifica della risorsa.

Nome	Tipo	Descrizione
createdAt	string (date-time)	Timestamp della creazione della risorsa (UTC).
createdBy	string	Identità che ha creato la risorsa.
createdByType	createdByType	Tipo di identità che ha creato la risorsa.
lastModifiedAt	string (date-time)	Timestamp dell'ultima modifica della risorsa (UTC)
lastModifiedBy	string	Identità che ha modificato l'ultima volta la risorsa.
lastModifiedByType	createdByType	Tipo di identità che ha modificato l'ultima volta la risorsa.

TableVerticalFeaturizationSettings

Oggetto

Configurazione delle funzionalità.

Nome	Tipo	Valore predefinito	Descrizione
blockedTransformers	BlockedTransformers[]		Questi trasformatori non devono essere utilizzati nella definizione delle caratteristiche.
columnNameAndTypes	object		Dizionario del nome della colonna e del relativo tipo (int, float, string, datetime e così via).
datasetLanguage	string		Lingua del set di dati, utile per i dati di testo.
enableDnnFeaturization	boolean	False	Determina se utilizzare gli strumenti di funzionalità basati su Dnn per la definizione delle caratteristiche dei dati.
mode	FeaturizationMode	Auto	Modalità di definizione delle caratteristiche: 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 'Custom' è selezionata, l'utente può specificare input aggiuntivi per personalizzare la modalità di definizione delle caratteristiche.
transformerParams	object		L'utente può specificare trasformatori aggiuntivi da utilizzare insieme alle colonne a cui verrebbe applicato e parametri per il costruttore del trasformatore.

TableVerticalLimitSettings

Oggetto

Vincoli di esecuzione dei processi.

Nome	Tipo	Valore predefinito	Descrizione
enableEarlyTermination	boolean	True	Abilitare la terminazione anticipata, determina se AutoMLJob terminerà in anticipo se negli ultimi 20 iterazioni non è presente alcun miglioramento del punteggio.
exitScore	number (double)		Punteggio di uscita per il processo AutoML.
maxConcurrentTrials	integer (int32)	1	Numero massimo di iterazioni simultanee.
maxCoresPerTrial	integer (int32)	-1	Numero massimo di core per iterazione.
maxTrials	integer (int32)	1000	Numero di iterazioni.
timeout	string (duration)	PT6H	Timeout del processo AutoML.
trialTimeout	string (duration)	PT30M	Timeout di iterazione.

TargetAggregationFunction

Enumerazione

Funzione di aggregazione di destinazione.

Valore	Descrizione
None	Non rappresenta alcun insieme di valori.
Sum
Max
Min
Mean

TargetLagsMode

Enumerazione

Il target ritarda le modalità di selezione.

Valore	Descrizione
Auto	I ritardi del bersaglio devono essere determinati automaticamente.
Custom	Utilizza i ritardi target personalizzati.

TargetRollingWindowSizeMode

Enumerazione

Mira alla modalità di dimensione delle finestre in rotazione.

Valore	Descrizione
Auto	Determina automaticamente le dimensioni delle finestre mobili.
Custom	Utilizzare le dimensioni della finestra in sequenza specificate.

TaskType

Enumerazione

Tipo di attività AutoMLJob.

Valore	Descrizione
Classification	La classificazione nell'apprendimento automatico e nella statistica è un approccio di apprendimento supervisionato in cui il programma informatico apprende dai dati che gli vengono forniti ed effettua nuove osservazioni o classificazioni.
Regression	Regressione significa prevedere il valore utilizzando i dati di input. I modelli di regressione vengono utilizzati per stimare un valore continuo.
Forecasting	La previsione è un tipo speciale di attività di regressione che si occupa di dati di serie temporali e crea un modello di previsione che può essere utilizzato per prevedere i valori del prossimo futuro in base agli input.
ImageClassification	Classificazione delle immagini. La classificazione delle immagini multiclasse viene utilizzata quando un'immagine viene classificata con una sola etichetta da un insieme di classi, ad esempio ogni immagine viene classificata come immagine di un "gatto" o di un "cane" o di un'"anatra".
ImageClassificationMultilabel	Classificazione delle immagini Multilabel. La classificazione delle immagini multi-etichetta viene utilizzata quando un'immagine potrebbe avere una o più etichette da un insieme di etichette, ad esempio un'immagine potrebbe essere etichettata sia con "gatto" che con "cane".
ImageObjectDetection	Rilevamento di oggetti immagine. Il rilevamento degli oggetti viene utilizzato per identificare gli oggetti in un'immagine e localizzare ogni oggetto con un riquadro di delimitazione, ad esempio individuare tutti i cani e i gatti in un'immagine e disegnare un riquadro di delimitazione attorno a ciascuno.
ImageInstanceSegmentation	Segmentazione dell'istanza dell'immagine. La segmentazione delle istanze viene utilizzata per identificare gli oggetti in un'immagine a livello di pixel, disegnando un poligono attorno a ciascun oggetto nell'immagine.
TextClassification	La classificazione del testo (nota anche come etichettatura del testo o categorizzazione del testo) è il processo di ordinamento dei testi in categorie. Le categorie si escludono a vicenda.
TextClassificationMultilabel	L'attività di classificazione multilabel assegna ogni campione a un gruppo (zero o più) di etichette di destinazione.
TextNER	Testo denominato Entity Recognition a.k.a. TextNER. Il riconoscimento delle entità denominate (NER) è la capacità di prendere testo in formato libero e identificare le occorrenze di entità come persone, luoghi, organizzazioni e altro ancora.

TensorFlow

Oggetto

Configurazione della distribuzione TensorFlow.

Nome	Tipo	Valore predefinito	Descrizione
distributionType	string: TensorFlow		[Obbligatorio] Specifica il tipo di framework di distribuzione.
parameterServerCount	integer (int32)	0	Numero di attività del server dei parametri.
workerCount	integer (int32)		Numero di lavoratori. Se non specificato, per impostazione predefinita verrà impostato il numero di istanze.

TextClassification

Oggetto

Attività di classificazione del testo nel verticale AutoML NLP. NLP - Elaborazione del linguaggio naturale.

Nome	Tipo	Valore predefinito	Descrizione
featurizationSettings	NlpVerticalFeaturizationSettings		Input di definizione delle caratteristiche necessari per il processo AutoML.
limitSettings	NlpVerticalLimitSettings		Vincoli di esecuzione per AutoMLJob.
logVerbosity	LogVerbosity	Info	Enum per l'impostazione del livello di dettaglio del log.
primaryMetric	ClassificationPrimaryMetrics	Accuracy	Metriche primarie per le attività di classificazione.
targetColumnName	string		Nome colonna di destinazione: colonna dei valori di stima. Noto anche come nome di colonna etichetta nel contesto delle attività di classificazione.
taskType	string: TextClassification		[Obbligatorio] Tipo di attività per AutoMLJob.
trainingData	MLTableJobInput		[Obbligatorio] Input dei dati di training.
validationData	MLTableJobInput		Input dei dati di convalida.

TextClassificationMultilabel

Oggetto

Attività Multilabel di classificazione del testo nel verticale AutoML NLP. NLP - Elaborazione del linguaggio naturale.

Nome	Tipo	Valore predefinito	Descrizione
featurizationSettings	NlpVerticalFeaturizationSettings		Input di definizione delle caratteristiche necessari per il processo AutoML.
limitSettings	NlpVerticalLimitSettings		Vincoli di esecuzione per AutoMLJob.
logVerbosity	LogVerbosity	Info	Enum per l'impostazione del livello di dettaglio del log.
primaryMetric	ClassificationMultilabelPrimaryMetrics		Metrica primaria per l'attività diClassification-Multilabel testo. Attualmente solo l'accuratezza è supportata come metrica primaria, quindi l'utente non deve impostarla in modo esplicito.
targetColumnName	string		Nome colonna di destinazione: colonna dei valori di stima. Noto anche come nome di colonna etichetta nel contesto delle attività di classificazione.
taskType	string: TextClassificationMultilabel		[Obbligatorio] Tipo di attività per AutoMLJob.
trainingData	MLTableJobInput		[Obbligatorio] Input dei dati di training.
validationData	MLTableJobInput		Input dei dati di convalida.

TextNer

Oggetto

Text-NER attività nel verticale AutoML NLP. NER - Riconoscimento di entità denominate. NLP - Elaborazione del linguaggio naturale.

Nome	Tipo	Valore predefinito	Descrizione
featurizationSettings	NlpVerticalFeaturizationSettings		Input di definizione delle caratteristiche necessari per il processo AutoML.
limitSettings	NlpVerticalLimitSettings		Vincoli di esecuzione per AutoMLJob.
logVerbosity	LogVerbosity	Info	Enum per l'impostazione del livello di dettaglio del log.
primaryMetric	ClassificationPrimaryMetrics		Metrica primaria per Text-NER'attività. Solo 'Accuracy' è supportato per Text-NER, quindi l'utente non deve impostarlo esplicitamente.
targetColumnName	string		Nome colonna di destinazione: colonna dei valori di stima. Noto anche come nome di colonna etichetta nel contesto delle attività di classificazione.
taskType	string: TextNER		[Obbligatorio] Tipo di attività per AutoMLJob.
trainingData	MLTableJobInput		[Obbligatorio] Input dei dati di training.
validationData	MLTableJobInput		Input dei dati di convalida.

TrialComponent

Oggetto

Definizione del componente di valutazione.

Nome	Tipo	Descrizione
codeId	string	ID risorsa ARM dell'asset di codice.
command	string minLength: 1 pattern: [a-zA-Z0-9_]	[Obbligatorio] Comando da eseguire all'avvio del processo. eg. "Pitone train.py"
distribution	DistributionConfiguration: Mpi PyTorch TensorFlow	Configurazione di distribuzione del processo. Se impostato, deve essere uno dei valori Mpi, Tensorflow, PyTorch o Null.
environmentId	string minLength: 1 pattern: [a-zA-Z0-9_]	[Obbligatorio] ID risorsa ARM della specifica Ambiente per il processo.
environmentVariables	object	Variabili di ambiente incluse nel processo.
resources	JobResourceConfiguration	Configurazione delle risorse di calcolo per il processo.

TritonModelJobInput

Oggetto

Nome	Tipo	Valore predefinito	Descrizione
description	string		Descrizione per l'input.
jobInputType	string: triton_model		[Obbligatorio] Specifica il tipo di processo.
mode	InputDeliveryMode	ReadOnlyMount	Enum per determinare la modalità di recapito dei dati di input.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Obbligatorio] URI dell'asset di input.

TritonModelJobOutput

Oggetto

Nome	Tipo	Valore predefinito	Descrizione
assetName	string		Nome asset di output.
description	string		Descrizione per l'output.
jobOutputType	string: triton_model		[Obbligatorio] Specifica il tipo di processo.
mode	OutputDeliveryMode	ReadWriteMount	Enumerazioni della modalità di consegna dei dati di output.
uri	string		URI dell'asset di output.

TruncationSelectionPolicy

Oggetto

Definisce un criterio di terminazione anticipata che annulla una determinata percentuale di esecuzioni a ogni intervallo di valutazione.

Nome	Tipo	Valore predefinito	Descrizione
delayEvaluation	integer (int32)	0	Numero di intervalli in base ai quali ritardare la prima valutazione.
evaluationInterval	integer (int32)	0	Intervallo (numero di esecuzioni) tra le valutazioni dei criteri.
policyType	string: TruncationSelection		[Obbligatorio] Nome della configurazione dei criteri
truncationPercentage	integer (int32)	0	Percentuale di esecuzioni da annullare a ogni intervallo di valutazione.

UriFileJobInput

Oggetto

Nome	Tipo	Valore predefinito	Descrizione
description	string		Descrizione per l'input.
jobInputType	string: uri_file		[Obbligatorio] Specifica il tipo di processo.
mode	InputDeliveryMode	ReadOnlyMount	Enum per determinare la modalità di recapito dei dati di input.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Obbligatorio] URI dell'asset di input.

UriFileJobOutput

Oggetto

Nome	Tipo	Valore predefinito	Descrizione
assetName	string		Nome asset di output.
description	string		Descrizione per l'output.
jobOutputType	string: uri_file		[Obbligatorio] Specifica il tipo di processo.
mode	OutputDeliveryMode	ReadWriteMount	Enumerazioni della modalità di consegna dei dati di output.
uri	string		URI dell'asset di output.

UriFolderJobInput

Oggetto

Nome	Tipo	Valore predefinito	Descrizione
description	string		Descrizione per l'input.
jobInputType	string: uri_folder		[Obbligatorio] Specifica il tipo di processo.
mode	InputDeliveryMode	ReadOnlyMount	Enum per determinare la modalità di recapito dei dati di input.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Obbligatorio] URI dell'asset di input.

UriFolderJobOutput

Oggetto

Nome	Tipo	Valore predefinito	Descrizione
assetName	string		Nome asset di output.
description	string		Descrizione per l'output.
jobOutputType	string: uri_folder		[Obbligatorio] Specifica il tipo di processo.
mode	OutputDeliveryMode	ReadWriteMount	Enumerazioni della modalità di consegna dei dati di output.
uri	string		URI dell'asset di output.

UserIdentity

Oggetto

Configurazione dell'identità utente.

Nome	Tipo	Descrizione
identityType	string: UserIdentity	[Obbligatorio] Specifica il tipo di framework di gestione delle identità.

UseStl

Enumerazione

Configurare la sCOMposizione STL della colonna di destinazione della serie temporale.

Valore	Descrizione
None	Nessuna decomposizione STL.
Season
SeasonTrend

ValidationMetricType

Enumerazione

Metodo di calcolo delle metriche da utilizzare per le metriche di convalida nelle attività di immagine.

Valore	Descrizione
None	Nessuna metrica.
Coco	Metrica di cocco.
Voc	Metrica Voc.
CocoVoc	Metrica CocoVoc.

WebhookType

Enumerazione

Enum per determinare il tipo di servizio di callback del webhook.

Valore	Descrizione
AzureDevOps