Microsoft.MachineLearningServices workspaces/jobs 2022-02-01-preview
ワークスペース/ジョブ リソースの種類は、次を対象とする操作と共にデプロイできます。
- リソース グループの - リソース グループのデプロイ コマンド 参照
各 API バージョンで変更されたプロパティの一覧については、変更ログの
Microsoft.MachineLearningServices/workspaces/jobs リソースを作成するには、次の Bicep をテンプレートに追加します。
resource symbolicname 'Microsoft.MachineLearningServices/workspaces/jobs@2022-02-01-preview' = {
name: 'string'
parent: resourceSymbolicName
properties: {
computeId: 'string'
description: 'string'
displayName: 'string'
experimentName: 'string'
identity: {
identityType: 'string'
// For remaining properties, see IdentityConfiguration objects
}
isArchived: bool
properties: {
{customized property}: 'string'
}
schedule: {
endTime: 'string'
scheduleStatus: 'string'
startTime: 'string'
timeZone: 'string'
scheduleType: 'string'
// For remaining properties, see ScheduleBase objects
}
services: {
{customized property}: {
endpoint: 'string'
jobServiceType: 'string'
port: int
properties: {
{customized property}: 'string'
}
}
}
tags: {}
jobType: 'string'
// For remaining properties, see JobBaseDetails objects
}
}
オブジェクトの種類を指定するには、jobType プロパティを設定します。
AutoMLの場合は、次を使用します。
jobType: 'AutoML'
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
resources: {
instanceCount: int
instanceType: 'string'
properties: {
{customized property}: any()
}
}
taskDetails: {
logVerbosity: 'string'
taskType: 'string'
// For remaining properties, see AutoMLVertical objects
}
コマンドの場合は、次のコマンドを使用します。
jobType: 'Command'
codeId: 'string'
command: 'string'
distribution: {
distributionType: 'string'
// For remaining properties, see DistributionConfiguration objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
limits: {
jobLimitsType: 'string'
timeout: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
resources: {
instanceCount: int
instanceType: 'string'
properties: {
{customized property}: any()
}
}
パイプラインの場合は、次を使用します。
jobType: 'Pipeline'
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
jobs: {
{customized property}: any()
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
settings: any()
スイープ
jobType: 'Sweep'
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
limits: {
jobLimitsType: 'string'
maxConcurrentTrials: int
maxTotalTrials: int
timeout: 'string'
trialTimeout: 'string'
}
objective: {
goal: 'string'
primaryMetric: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
samplingAlgorithm: {
samplingAlgorithmType: 'string'
// For remaining properties, see SamplingAlgorithm objects
}
searchSpace: any()
trial: {
codeId: 'string'
command: 'string'
distribution: {
distributionType: 'string'
// For remaining properties, see DistributionConfiguration objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
resources: {
instanceCount: int
instanceType: 'string'
properties: {
{customized property}: any()
}
}
}
identityType プロパティを設定して、オブジェクトの種類を指定します。
AMLTokenを
identityType: 'AMLToken'
マネージドの場合は、次を使用します。
identityType: 'Managed'
clientId: 'string'
objectId: 'string'
resourceId: 'string'
UserIdentityの場合は、次の値を使用します。
identityType: 'UserIdentity'
scheduleType プロパティを設定して、オブジェクトの種類を指定します。
Cronの場合は、次を使用します。
scheduleType: 'Cron'
expression: 'string'
繰り返しの場合は、次の値を使用します。
scheduleType: 'Recurrence'
frequency: 'string'
interval: int
pattern: {
hours: [
int
]
minutes: [
int
]
weekdays: [
'string'
]
}
オブジェクトの種類を指定するには、jobOutputType プロパティを設定します。
CustomModelを
jobOutputType: 'CustomModel'
mode: 'string'
uri: 'string'
MLFlowModelの場合は、次を使用します。
jobOutputType: 'MLFlowModel'
mode: 'string'
uri: 'string'
MLTableの場合は、次を使用します。
jobOutputType: 'MLTable'
mode: 'string'
uri: 'string'
TritonModelの場合は、次を使用します。
jobOutputType: 'TritonModel'
mode: 'string'
uri: 'string'
UriFileの場合は、次の値を使用します。
jobOutputType: 'UriFile'
mode: 'string'
uri: 'string'
UriFolderを
jobOutputType: 'UriFolder'
mode: 'string'
uri: 'string'
taskType プロパティを設定して、オブジェクトの種類を指定します。
分類の場合は、次を使用します。
taskType: 'Classification'
allowedModels: [
'string'
]
blockedModels: [
'string'
]
dataSettings: {
targetColumnName: 'string'
testData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
}
trainingData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
}
validationData: {
cvSplitColumnNames: [
'string'
]
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
validationDataSize: int
}
weightColumnName: 'string'
}
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
dropColumns: [
'string'
]
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
primaryMetric: 'string'
trainingSettings: {
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
}
予測の場合は、次の値を使用します。
taskType: 'Forecasting'
allowedModels: [
'string'
]
blockedModels: [
'string'
]
dataSettings: {
targetColumnName: 'string'
testData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
}
trainingData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
}
validationData: {
cvSplitColumnNames: [
'string'
]
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
validationDataSize: int
}
weightColumnName: 'string'
}
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
dropColumns: [
'string'
]
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
forecastingSettings: {
countryOrRegionForHolidays: 'string'
cvStepSize: int
featureLags: 'string'
forecastHorizon: {
mode: 'string'
// For remaining properties, see ForecastHorizon objects
}
frequency: 'string'
seasonality: {
mode: 'string'
// For remaining properties, see Seasonality objects
}
shortSeriesHandlingConfig: 'string'
targetAggregateFunction: 'string'
targetLags: {
mode: 'string'
// For remaining properties, see TargetLags objects
}
targetRollingWindowSize: {
mode: 'string'
// For remaining properties, see TargetRollingWindowSize objects
}
timeColumnName: 'string'
timeSeriesIdColumnNames: [
'string'
]
useStl: 'string'
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
primaryMetric: 'string'
trainingSettings: {
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
}
ImageClassificationの場合は、次を使用します。
taskType: 'ImageClassification'
dataSettings: {
targetColumnName: 'string'
testData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
}
trainingData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
}
validationData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
}
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
checkpointDatasetId: 'string'
checkpointFilename: 'string'
checkpointFrequency: int
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
momentum: int
nesterov: bool
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
splitRatio: int
stepLRGamma: int
stepLRStepSize: int
trainingBatchSize: int
trainingCropSize: int
validationBatchSize: int
validationCropSize: int
validationResizeSize: int
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
weightedLoss: int
}
primaryMetric: 'string'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
momentum: 'string'
nesterov: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
splitRatio: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
trainingBatchSize: 'string'
trainingCropSize: 'string'
validationBatchSize: 'string'
validationCropSize: 'string'
validationResizeSize: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
weightedLoss: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
limits: {
maxConcurrentTrials: int
maxTrials: int
}
samplingAlgorithm: 'string'
}
ImageClassificationMultilabelを
taskType: 'ImageClassificationMultilabel'
dataSettings: {
targetColumnName: 'string'
testData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
}
trainingData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
}
validationData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
}
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
checkpointDatasetId: 'string'
checkpointFilename: 'string'
checkpointFrequency: int
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
momentum: int
nesterov: bool
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
splitRatio: int
stepLRGamma: int
stepLRStepSize: int
trainingBatchSize: int
trainingCropSize: int
validationBatchSize: int
validationCropSize: int
validationResizeSize: int
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
weightedLoss: int
}
primaryMetric: 'string'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
momentum: 'string'
nesterov: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
splitRatio: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
trainingBatchSize: 'string'
trainingCropSize: 'string'
validationBatchSize: 'string'
validationCropSize: 'string'
validationResizeSize: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
weightedLoss: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
limits: {
maxConcurrentTrials: int
maxTrials: int
}
samplingAlgorithm: 'string'
}
ImageInstanceSegmentationを
taskType: 'ImageInstanceSegmentation'
dataSettings: {
targetColumnName: 'string'
testData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
}
trainingData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
}
validationData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
}
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
boxDetectionsPerImage: int
boxScoreThreshold: int
checkpointDatasetId: 'string'
checkpointFilename: 'string'
checkpointFrequency: int
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
imageSize: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
maxSize: int
minSize: int
modelName: 'string'
modelSize: 'string'
momentum: int
multiScale: bool
nesterov: bool
nmsIouThreshold: int
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
splitRatio: int
stepLRGamma: int
stepLRStepSize: int
tileGridSize: 'string'
tileOverlapRatio: int
tilePredictionsNmsThreshold: int
trainingBatchSize: int
validationBatchSize: int
validationIouThreshold: int
validationMetricType: 'string'
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
}
primaryMetric: 'MeanAveragePrecision'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
boxDetectionsPerImage: 'string'
boxScoreThreshold: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
imageSize: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
maxSize: 'string'
minSize: 'string'
modelName: 'string'
modelSize: 'string'
momentum: 'string'
multiScale: 'string'
nesterov: 'string'
nmsIouThreshold: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
splitRatio: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
tileGridSize: 'string'
tileOverlapRatio: 'string'
tilePredictionsNmsThreshold: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
validationIouThreshold: 'string'
validationMetricType: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
limits: {
maxConcurrentTrials: int
maxTrials: int
}
samplingAlgorithm: 'string'
}
ImageObjectDetectionの場合は、次の値を使用します。
taskType: 'ImageObjectDetection'
dataSettings: {
targetColumnName: 'string'
testData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
}
trainingData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
}
validationData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
}
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
boxDetectionsPerImage: int
boxScoreThreshold: int
checkpointDatasetId: 'string'
checkpointFilename: 'string'
checkpointFrequency: int
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
imageSize: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
maxSize: int
minSize: int
modelName: 'string'
modelSize: 'string'
momentum: int
multiScale: bool
nesterov: bool
nmsIouThreshold: int
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
splitRatio: int
stepLRGamma: int
stepLRStepSize: int
tileGridSize: 'string'
tileOverlapRatio: int
tilePredictionsNmsThreshold: int
trainingBatchSize: int
validationBatchSize: int
validationIouThreshold: int
validationMetricType: 'string'
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
}
primaryMetric: 'MeanAveragePrecision'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
boxDetectionsPerImage: 'string'
boxScoreThreshold: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
imageSize: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
maxSize: 'string'
minSize: 'string'
modelName: 'string'
modelSize: 'string'
momentum: 'string'
multiScale: 'string'
nesterov: 'string'
nmsIouThreshold: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
splitRatio: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
tileGridSize: 'string'
tileOverlapRatio: 'string'
tilePredictionsNmsThreshold: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
validationIouThreshold: 'string'
validationMetricType: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
limits: {
maxConcurrentTrials: int
maxTrials: int
}
samplingAlgorithm: 'string'
}
回帰の場合は、次の値を使用します。
taskType: 'Regression'
allowedModels: [
'string'
]
blockedModels: [
'string'
]
dataSettings: {
targetColumnName: 'string'
testData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
}
trainingData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
}
validationData: {
cvSplitColumnNames: [
'string'
]
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
validationDataSize: int
}
weightColumnName: 'string'
}
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
dropColumns: [
'string'
]
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
primaryMetric: 'string'
trainingSettings: {
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
}
TextClassificationの場合は、次を使用します。
taskType: 'TextClassification'
dataSettings: {
targetColumnName: 'string'
testData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
}
trainingData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
}
validationData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
}
}
featurizationSettings: {
datasetLanguage: 'string'
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
primaryMetric: 'string'
TextClassificationMultilabelを
taskType: 'TextClassificationMultilabel'
dataSettings: {
targetColumnName: 'string'
testData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
}
trainingData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
}
validationData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
}
}
featurizationSettings: {
datasetLanguage: 'string'
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
TextNERの場合は、次を使用します。
taskType: 'TextNER'
dataSettings: {
targetColumnName: 'string'
testData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
}
trainingData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
}
validationData: {
data: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
}
}
featurizationSettings: {
datasetLanguage: 'string'
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode: 'Auto'
カスタムを
mode: 'Custom'
value: int
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode: 'Auto'
カスタムを
mode: 'Custom'
value: int
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode: 'Auto'
カスタムを
mode: 'Custom'
value: int
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode: 'Auto'
カスタムを
mode: 'Custom'
values: [
int
]
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode: 'Auto'
カスタムを
mode: 'Custom'
value: int
policyType プロパティを設定して、オブジェクトの種類を指定します。
バンディット
policyType: 'Bandit'
slackAmount: int
slackFactor: int
MedianStopping の場合は、次の値を使用します。
policyType: 'MedianStopping'
TruncationSelectionの場合は、次のコマンドを使用します。
policyType: 'TruncationSelection'
truncationPercentage: int
オブジェクトの種類を指定するには、distributionType プロパティを設定します。
Mpiの場合は、次を使用します。
distributionType: 'Mpi'
processCountPerInstance: int
PyTorchを
distributionType: 'PyTorch'
processCountPerInstance: int
TensorFlowの場合は、次を使用します。
distributionType: 'TensorFlow'
parameterServerCount: int
workerCount: int
jobInputType プロパティを設定して、オブジェクトの種類を指定します。
CustomModelを
jobInputType: 'CustomModel'
mode: 'string'
uri: 'string'
リテラル
jobInputType: 'Literal'
value: 'string'
MLFlowModelの場合は、次を使用します。
jobInputType: 'MLFlowModel'
mode: 'string'
uri: 'string'
MLTableの場合は、次を使用します。
jobInputType: 'MLTable'
mode: 'string'
uri: 'string'
TritonModelの場合は、次を使用します。
jobInputType: 'TritonModel'
mode: 'string'
uri: 'string'
UriFileの場合は、次の値を使用します。
jobInputType: 'UriFile'
mode: 'string'
uri: 'string'
UriFolderを
jobInputType: 'UriFolder'
mode: 'string'
uri: 'string'
samplingAlgorithmType プロパティを設定して、オブジェクトの種類を指定します。
ベイジアン の場合は、次を使用します。
samplingAlgorithmType: 'Bayesian'
Gridの場合は、次を使用します。
samplingAlgorithmType: 'Grid'
ランダム
samplingAlgorithmType: 'Random'
rule: 'string'
seed: int
名前 | 形容 | 価値 |
---|---|---|
名前 | リソース名 Bicepで子リソースの名前と種類 |
string (必須) |
親 | Bicep では、子リソースの親リソースを指定できます。 このプロパティを追加する必要があるのは、子リソースが親リソースの外部で宣言されている場合のみです。 詳細については、「親リソースの外部 |
種類のリソースのシンボリック名: ワークスペース |
プロパティ | [必須]エンティティの追加の属性。 | JobBaseDetails (必須) |
名前 | 形容 | 価値 |
---|---|---|
computeId | コンピューティング リソースの ARM リソース ID。 | 糸 |
形容 | 資産の説明テキスト。 | 糸 |
displayName | ジョブの表示名。 | 糸 |
experimentName | ジョブが属する実験の名前。 設定されていない場合、ジョブは "既定" の実験に配置されます。 | 糸 |
同一性 | ID の構成。 設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。 |
IdentityConfiguration |
isArchived | 資産はアーカイブされていますか? | bool |
プロパティ | 資産プロパティ ディクショナリ。 | ResourceBaseProperties |
計画 | ジョブの定義をスケジュールします。 スケジュールが指定されていない場合、ジョブは送信直後に 1 回実行されます。 |
ScheduleBase |
サービス | JobEndpoints の一覧。 ローカル ジョブの場合、ジョブ エンドポイントのエンドポイント値は FileStreamObject になります。 |
JobBaseServices |
タグ | タグ ディクショナリ。 タグは追加、削除、更新できます。 | オブジェクト |
jobType | オブジェクトの種類を設定する | AutoML の コマンド パイプラインの スイープ (必須) |
名前 | 形容 | 価値 |
---|---|---|
identityType | オブジェクトの種類を設定する | AMLToken を マネージド UserIdentity (必須) |
名前 | 形容 | 価値 |
---|---|---|
identityType | [必須]ID フレームワークの種類を指定します。 | 'AMLToken' (必須) |
名前 | 形容 | 価値 |
---|---|---|
identityType | [必須]ID フレームワークの種類を指定します。 | 'Managed' (必須) |
clientId | クライアント ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 制約: 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
objectId | ユーザー割り当て ID をオブジェクト ID で指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 制約: 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
resourceId | ARM リソース ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
identityType | [必須]ID フレームワークの種類を指定します。 | 'UserIdentity' (必須) |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |
名前 | 形容 | 価値 |
---|---|---|
endTime | スケジュールの終了時刻を ISO 8601 形式で指定します。 存在しない場合、スケジュールは無期限に実行されます |
糸 |
scheduleStatus | スケジュールの状態を指定します | 'Disabled' 'Enabled' |
startTime | スケジュールの開始時刻を ISO 8601 形式で指定します。 | 糸 |
timeZone | スケジュールを実行するタイム ゾーンを指定します。 TimeZone は、Windows のタイム ゾーン形式に従う必要があります。 |
糸 |
scheduleType | オブジェクトの種類を設定する |
Cron 繰り返し (必須) |
名前 | 形容 | 価値 |
---|---|---|
scheduleType | [必須]スケジュールの種類を指定します | 'Cron' (必須) |
表現 | [必須]スケジュールの cron 式を指定します。 式は NCronTab 形式に従う必要があります。 |
string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
scheduleType | [必須]スケジュールの種類を指定します | 'Recurrence' (必須) |
周波数 | [必須]スケジュールをトリガーする頻度を指定します | 'Day' 'Hour' 'Minute' 'Month' 'Week' (必須) |
間 | [必須]スケジュール間隔を頻度と組み合わせて指定します | int (必須) |
パターン | 繰り返しスケジュール パターンを指定します | RecurrencePattern の |
名前 | 形容 | 価値 |
---|---|---|
時間 | [必須]定期的なスケジュール パターンの時間の一覧 | int[] (必須) |
議事録 | [必須]定期的なスケジュール パターンの分数の一覧 | int[] (必須) |
平日 | 定期的なスケジュール パターンの平日の一覧 | 次のいずれかを含む文字列配列: 'Friday' 'Monday' 'Saturday' 'Sunday' 'Thursday' 'Tuesday' 'Wednesday' |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobService |
名前 | 形容 | 価値 |
---|---|---|
エンドポイント | エンドポイントの URL。 | 糸 |
jobServiceType | エンドポイントの種類。 | 糸 |
港 | エンドポイントのポート。 | int |
プロパティ | エンドポイントに設定する追加のプロパティ。 | JobServiceProperties |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobType | [必須]ジョブの種類を指定します。 | 'AutoML' (必須) |
environmentId | ジョブの環境仕様の ARM リソース ID。 これは省略可能な値です。指定しない場合、AutoML はジョブの実行時に既定で運用環境の AutoML キュレーション環境バージョンに設定されます。 |
糸 |
environmentVariables | ジョブに含まれる環境変数。 | AutoMLJobEnvironmentVariables の |
出力 | ジョブで使用される出力データ バインディングのマッピング。 | AutoMLJobOutputs の |
リソース | ジョブのコンピューティング リソース構成。 | ResourceConfiguration |
taskDetails | [必須]これは、テーブル/NLP/イメージのいずれかである可能性があるシナリオを表します | AutoMLVertical (必須) |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobOutput |
名前 | 形容 | 価値 |
---|---|---|
形容 | 出力の説明。 | 糸 |
jobOutputType | オブジェクトの種類を設定する | CustomModel の MLFlowModel MLTable TritonModel UriFile UriFolder (必須) |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | 'CustomModel' (必須) |
モード | 出力資産配信モード。 | 'ReadWriteMount' 'Upload' |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | 'MLFlowModel' (必須) |
モード | 出力資産配信モード。 | 'ReadWriteMount' 'Upload' |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | 'MLTable' (必須) |
モード | 出力資産配信モード。 | 'ReadWriteMount' 'Upload' |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | 'TritonModel' (必須) |
モード | 出力資産配信モード。 | 'ReadWriteMount' 'Upload' |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | 'UriFile' (必須) |
モード | 出力資産配信モード。 | 'ReadWriteMount' 'Upload' |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | 'UriFolder' (必須) |
モード | 出力資産配信モード。 | 'ReadWriteMount' 'Upload' |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
instanceCount | コンピューティング 先で使用されるインスタンスまたはノードの数 (省略可能)。 | int |
instanceType | コンピューティング 先でサポートされている VM のオプションの種類。 | 糸 |
プロパティ | 追加のプロパティ バッグ。 | ResourceConfigurationProperties |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | Bicep の場合は、any() 関数を使用できます。 |
名前 | 形容 | 価値 |
---|---|---|
logVerbosity | ジョブの詳細度をログに記録します。 | 'Critical' 'Debug' 'Error' 'Info' 'NotSet' 'Warning' |
taskType | オブジェクトの種類を設定する |
分類 予測 ImageClassification ImageClassificationMultilabel の ImageInstanceSegmentation ImageObjectDetection 回帰 TextClassification TextClassificationMultilabel TextNER (必須) |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'Classification' (必須) |
allowedModels | 分類タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier' |
blockedModels | 分類タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier' |
dataSettings | AutoMLJob のデータ入力。 | TableVerticalDataSettings の |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
primaryMetric | タスクのプライマリ メトリック。 | 'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | TrainingSettings |
名前 | 形容 | 価値 |
---|---|---|
targetColumnName | [必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。 |
string (必須) 制約: パターン = [a-zA-Z0-9_] |
testData | データ入力をテストします。 | TestDataSettings の |
trainingData | [必須]トレーニング データの入力。 | TrainingDataSettings (必須) |
validationData | 検証データの入力。 | TableVerticalValidationDataSettings |
weightColumnName | サンプルの重み列の名前。 自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
データ | テスト データ MLTable。 | MLTableJobInput の |
testDataSize | 検証のために確保する必要があるテスト データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
名前 | 形容 | 価値 |
---|---|---|
形容 | 入力の説明。 | 糸 |
jobInputType | [必須]ジョブの種類を指定します。 | 'CustomModel' 'Literal' 'MLFlowModel' 'MLTable' 'TritonModel' 'UriFile' 'UriFolder' (必須) |
モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
データ | [必須]トレーニング データ MLTable。 | MLTableJobInput の |
名前 | 形容 | 価値 |
---|---|---|
cvSplitColumnNames | CVSplit データに使用する列。 | string[] |
データ | 検証データ MLTable。 | MLTableJobInput の |
nCrossValidations | トレーニング データセットに適用されるクロス検証フォールドの数 検証データセットが指定されていない場合。 |
NCrossValidations |
validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
名前 | 形容 | 価値 |
---|---|---|
モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]N クロス検証を決定するためのモード。 | 'Auto' (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]N クロス検証を決定するためのモード。 | 'Custom' (必須) |
価値 | [必須]N クロス検証値。 | int (必須) |
名前 | 形容 | 価値 |
---|---|---|
blockedTransformers | これらのトランスは特徴付けには使用しないでください。 | string[] |
columnNameAndTypes | 列名とその型 (int、float、string、datetime など) のディクショナリ。 | TableVerticalFeaturizationSettingsColumnNameAndTypes |
datasetLanguage | テキスト データに役立つデータセット言語。 | 糸 |
dropColumns | 特徴量化中にデータから削除される列。 | string[] |
enableDnnFeaturization | データ特徴付けに Dnn ベースの特徴付け器を使用するかどうかを決定します。 | bool |
モード | 特徴量化モード - ユーザーは既定の "自動" モードを維持でき、AutoML は特徴量化フェーズでのデータの必要な変換を処理します。 [オフ] が選択されている場合、特徴量化は行われません。 [カスタム] が選択されている場合、ユーザーは追加の入力を指定して、特徴付けの実行方法をカスタマイズできます。 |
'Auto' 'Custom' 'Off' |
transformerParams | ユーザーは、使用する追加のトランスフォーマーと、それが適用される列、およびトランスフォーマー コンストラクターのパラメーターを指定できます。 | TableVerticalFeaturizationSettingsTransformerParams |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | ColumnTransformer[] |
名前 | 形容 | 価値 |
---|---|---|
田畑 | トランスフォーマー ロジックを適用するフィールド。 | string[] |
パラメーター | トランスフォーマーに渡されるさまざまなプロパティ。 必要な入力は、JSON 形式のキーと値のペアのディクショナリです。 |
Bicep の場合は、any() 関数を使用できます。 |
名前 | 形容 | 価値 |
---|---|---|
enableEarlyTermination | 早期終了を有効にし、過去 20 回のイテレーションでスコアの改善がない場合に AutoMLJob が早期に終了するかどうかを決定します。 | bool |
exitScore | AutoML ジョブの終了スコア。 | int |
maxConcurrentTrials | 最大同時反復数。 | int |
maxCoresPerTrial | イテレーションあたりの最大コア数。 | int |
maxTrials | 反復回数。 | int |
タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
trialTimeout | 繰り返しタイムアウト。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
enableDnnTraining | DNN モデルの推奨事項を有効にします。 | bool |
enableModelExplainability | 最適なモデルで説明可能性を有効にするフラグ。 | bool |
enableOnnxCompatibleModels | onnx 互換モデルを有効にするフラグ。 | bool |
enableStackEnsemble | スタック アンサンブル実行を有効にします。 | bool |
enableVoteEnsemble | 投票アンサンブル実行を有効にします。 | bool |
ensembleModelDownloadTimeout | VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。 |
糸 |
stackEnsembleSettings | スタック アンサンブル実行のスタック アンサンブル設定。 | StackEnsembleSettings |
名前 | 形容 | 価値 |
---|---|---|
stackMetaLearnerKWargs | メタ学習者の初期化子に渡す省略可能なパラメーター。 | Bicep の場合は、any() 関数を使用できます。 |
stackMetaLearnerTrainPercentage | メタ学習者のトレーニング用に予約するトレーニング セット (トレーニングのトレーニングと検証の種類を選択する場合) の割合を指定します。 既定値は 0.2 です。 | int |
stackMetaLearnerType | メタ学習者は、個々の異種モデルの出力でトレーニングされたモデルです。 | 'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'None' |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'Forecasting' (必須) |
allowedModels | 予測タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'Naive' 'Prophet' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor' |
blockedModels | 予測タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'Naive' 'Prophet' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor' |
dataSettings | AutoMLJob のデータ入力。 | TableVerticalDataSettings の |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
forecastingSettings | 予測タスク固有の入力。 | ForecastingSettings |
limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
primaryMetric | 予測タスクの主要メトリック。 | 'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'スピアマンコレレーション' |
trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | TrainingSettings |
名前 | 形容 | 価値 |
---|---|---|
countryOrRegionForHolidays | 予測タスクの休日の国または地域。 これらは、ISO 3166 の 2 文字の国/地域コード ("US" や "GB" など) である必要があります。 |
糸 |
cvStepSize | 1 つの CV フォールドの原点時間と次のフォールドの間の期間の数。 対して たとえば、日次データの CVStepSize = 3 の場合、各フォールドの起点時間は3 日分離します。 |
int |
featureLags | 'auto' または null を持つ数値特徴のラグを生成するためのフラグ。 | 'Auto' 'None' |
forecastHorizon | 時系列の頻度の単位で求められる最大予測期間。 | ForecastHorizon |
周波数 | 予測の場合、このパラメーターは、日単位、週単位、年単位など、予測が必要な期間を表します。予測頻度は、既定ではデータセットの頻度です。 | 糸 |
季節 | 時系列の季節性を、系列の頻度の整数倍数として設定します。 季節性が 'auto' に設定されている場合は、推論されます。 |
季節性 |
shortSeriesHandlingConfig | AutoML で短い時系列を処理する方法を定義するパラメーター。 | 'Auto' 'Drop' 'None' 'Pad' |
targetAggregateFunction | ユーザーが指定した頻度に準拠するように時系列ターゲット列を集計するために使用する関数。 TargetAggregateFunction が 'None' ではなく設定されているが、freq パラメーターが設定されていない場合、エラーが発生します。 可能なターゲット集計関数は、"sum"、"max"、"min"、"mean" です。 |
'Max' 'Mean' 'Min' 'None' 'Sum' |
targetLags | ターゲット列から遅延する過去の期間の数。 | TargetLags |
targetRollingWindowSize | ターゲット列のローリング ウィンドウ平均の作成に使用された過去の期間の数。 | TargetRollingWindowSize |
timeColumnName | 時刻列の名前。 このパラメーターは、時系列の構築とその頻度の推論に使用される入力データの datetime 列を予測する場合に必要です。 | 糸 |
timeSeriesIdColumnNames | 時系列をグループ化するために使用される列の名前。 複数の系列を作成するために使用できます。 グレインが定義されていない場合、データ セットは 1 つの時系列であると見なされます。 このパラメーターは、タスクの種類の予測で使用されます。 |
string[] |
useStl | 時系列ターゲット列の STL 分解を構成します。 | 'None' 'Season' 'SeasonTrend' |
名前 | 形容 | 価値 |
---|---|---|
モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]予測期間値の選択モードを設定します。 | 'Auto' (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]予測期間値の選択モードを設定します。 | 'Custom' (必須) |
価値 | [必須]予測期間の値。 | int (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]季節性モード。 | 'Auto' (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]季節性モード。 | 'Custom' (必須) |
価値 | [必須]季節性の値。 | int (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]ターゲット ラグ モードの設定 - 自動/カスタム | 'Auto' (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]ターゲット ラグ モードの設定 - 自動/カスタム | 'Custom' (必須) |
価値観 | [必須]ターゲットラグ値を設定します。 | int[] (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]TargetRollingWindowSiz 検出モード。 | 'Auto' (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]TargetRollingWindowSiz 検出モード。 | 'Custom' (必須) |
価値 | [必須]TargetRollingWindowSize 値。 | int (必須) |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'ImageClassification' (必須) |
dataSettings | [必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。 | ImageVerticalDataSettings (必須) |
limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsClassification の |
primaryMetric | このタスク用に最適化する主要メトリック。 | 'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsClassification[] |
sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
名前 | 形容 | 価値 |
---|---|---|
targetColumnName | [必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。 |
string (必須) 制約: パターン = [a-zA-Z0-9_] |
testData | データ入力をテストします。 | TestDataSettings の |
trainingData | [必須]トレーニング データの入力。 | TrainingDataSettings (必須) |
validationData | 検証データセットの設定。 | ImageVerticalValidationDataSettings |
名前 | 形容 | 価値 |
---|---|---|
データ | 検証データ MLTable。 | MLTableJobInput の |
validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
名前 | 形容 | 価値 |
---|---|---|
maxConcurrentTrials | 同時 AutoML イテレーションの最大数。 | int |
maxTrials | AutoML イテレーションの最大数。 | int |
タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
advancedSettings | 高度なシナリオの設定。 | 糸 |
amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | bool |
拡張 | 拡張を使用するための設定。 | 糸 |
beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | int |
beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | int |
checkpointDatasetId | 増分トレーニング用の事前トレーニング済みチェックポイントの FileDataset ID。 CheckpointDatasetId と共に CheckpointFilename を渡してください。 |
糸 |
checkpointFilename | 増分トレーニング用の FileDataset の事前トレーニング済みチェックポイント ファイル名。 CheckpointFilename と共に CheckpointDatasetId を渡してください。 |
糸 |
checkpointFrequency | モデル チェックポイントを格納する頻度。 正の整数にする必要があります。 | int |
checkpointRunId | 増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。 | 糸 |
分散 | 分散トレーニングを使用するかどうか。 | bool |
earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | bool |
earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
int |
earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
int |
enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | bool |
evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | int |
gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
int |
layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
int |
learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | int |
learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 'None' 'Step' 'WarmupCosine' |
modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | int |
nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | bool |
numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | int |
numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | int |
オプティマイザ | オプティマイザーの種類。 | 'Adam' 'Adamw' 'None' 'Sgd' |
randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | int |
splitRatio | 検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。 |
int |
stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | int |
stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | int |
trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | int |
trainingCropSize | トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | int |
validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | int |
validationCropSize | 検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | int |
validationResizeSize | 検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。 | int |
warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | int |
warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | int |
weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | int |
weightedLoss | 加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。 |
int |
名前 | 形容 | 価値 |
---|---|---|
amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | 糸 |
拡張 | 拡張を使用するための設定。 | 糸 |
beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
分散 | 配布者トレーニングを使用するかどうか。 | 糸 |
earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | 糸 |
earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
糸 |
earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
糸 |
enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | 糸 |
evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | 糸 |
gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
糸 |
layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
糸 |
learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | 糸 |
learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 糸 |
modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | 糸 |
numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | 糸 |
numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | 糸 |
オプティマイザ | オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。 | 糸 |
randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | 糸 |
splitRatio | 検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。 |
糸 |
stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | 糸 |
trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | 糸 |
trainingCropSize | トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | 糸 |
validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | 糸 |
validationCropSize | 検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | 糸 |
validationResizeSize | 検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。 | 糸 |
warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | 糸 |
weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
weightedLoss | 加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。 |
糸 |
名前 | 形容 | 価値 |
---|---|---|
earlyTermination | 早期終了ポリシーの種類。 | EarlyTerminationPolicy |
切り | [必須]モデル スイープとハイパーパラメーター スイープの設定を制限します。 | ImageSweepLimitSettings (必須) |
samplingAlgorithm | [必須]ハイパーパラメーター サンプリング アルゴリズムの種類。 | 'Bayesian' 'Grid' 'Random' (必須) |
名前 | 形容 | 価値 |
---|---|---|
delayEvaluation | 最初の評価を遅らせる間隔の数。 | int |
evaluationInterval | ポリシー評価間の間隔 (実行回数)。 | int |
policyType | オブジェクトの種類を設定する |
バンディット MedianStopping TruncationSelection (必須) |
名前 | 形容 | 価値 |
---|---|---|
policyType | [必須]ポリシー構成の名前 | 'Bandit' (必須) |
slackAmount | 最高のパフォーマンスを発揮する実行から許容される絶対距離。 | int |
slackFactor | 最もパフォーマンスの高い実行からの許容距離の比率。 | int |
名前 | 形容 | 価値 |
---|---|---|
policyType | [必須]ポリシー構成の名前 | 'MedianStopping' (必須) |
名前 | 形容 | 価値 |
---|---|---|
policyType | [必須]ポリシー構成の名前 | 'TruncationSelection' (必須) |
truncationPercentage | 各評価間隔で取り消す実行の割合。 | int |
名前 | 形容 | 価値 |
---|---|---|
maxConcurrentTrials | 基になるスイープ ジョブの同時実行イテレーションの最大数。 | int |
maxTrials | 基になるスイープ ジョブのイテレーションの最大数。 | int |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'ImageClassificationMultilabel' (必須) |
dataSettings | [必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。 | ImageVerticalDataSettings (必須) |
limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsClassification の |
primaryMetric | このタスク用に最適化する主要メトリック。 | 'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted' |
searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsClassification[] |
sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'ImageInstanceSegmentation' (必須) |
dataSettings | [必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。 | ImageVerticalDataSettings (必須) |
limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsObjectDetection |
primaryMetric | このタスク用に最適化する主要メトリック。 | 'MeanAveragePrecision' |
searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
名前 | 形容 | 価値 |
---|---|---|
advancedSettings | 高度なシナリオの設定。 | 糸 |
amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | bool |
拡張 | 拡張を使用するための設定。 | 糸 |
beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | int |
beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | int |
boxDetectionsPerImage | すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
boxScoreThreshold | 推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。 |
int |
checkpointDatasetId | 増分トレーニング用の事前トレーニング済みチェックポイントの FileDataset ID。 CheckpointDatasetId と共に CheckpointFilename を渡してください。 |
糸 |
checkpointFilename | 増分トレーニング用の FileDataset の事前トレーニング済みチェックポイント ファイル名。 CheckpointFilename と共に CheckpointDatasetId を渡してください。 |
糸 |
checkpointFrequency | モデル チェックポイントを格納する頻度。 正の整数にする必要があります。 | int |
checkpointRunId | 増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。 | 糸 |
分散 | 分散トレーニングを使用するかどうか。 | bool |
earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | bool |
earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
int |
earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
int |
enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | bool |
evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | int |
gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
int |
imageSize | トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
int |
layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
int |
learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | int |
learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 'None' 'Step' 'WarmupCosine' |
maxSize | バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
minSize | バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
modelSize | モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
'ExtraLarge' 'Large' 'Medium' 'None' 'Small' |
運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | int |
multiScale | イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
bool |
nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | bool |
nmsIouThreshold | NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] の float である必要があります。 | int |
numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | int |
numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | int |
オプティマイザ | オプティマイザーの種類。 | 'Adam' 'Adamw' 'None' 'Sgd' |
randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | int |
splitRatio | 検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。 |
int |
stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | int |
stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | int |
tileGridSize | 各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
tileOverlapRatio | 各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
tilePredictionsNmsThreshold | タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | int |
validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | int |
validationIouThreshold | 検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | int |
validationMetricType | 検証メトリックに使用するメトリック計算方法。 | 'Coco' 'CocoVoc' 'None' 'Voc' |
warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | int |
warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | int |
weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | int |
名前 | 形容 | 価値 |
---|---|---|
amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | 糸 |
拡張 | 拡張を使用するための設定。 | 糸 |
beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
boxDetectionsPerImage | すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
boxScoreThreshold | 推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。 |
糸 |
分散 | 配布者トレーニングを使用するかどうか。 | 糸 |
earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | 糸 |
earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
糸 |
earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
糸 |
enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | 糸 |
evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | 糸 |
gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
糸 |
imageSize | トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
糸 |
learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | 糸 |
learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 糸 |
maxSize | バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
minSize | バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
modelSize | モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
multiScale | イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | 糸 |
nmsIouThreshold | NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | 糸 |
numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | 糸 |
numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | 糸 |
オプティマイザ | オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。 | 糸 |
randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | 糸 |
splitRatio | 検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。 |
糸 |
stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | 糸 |
tileGridSize | 各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
tileOverlapRatio | 各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
tilePredictionsNmsThreshold | タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 NMS: 非最大抑制 |
糸 |
trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | 糸 |
validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | 糸 |
validationIouThreshold | 検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | 糸 |
validationMetricType | 検証メトリックに使用するメトリック計算方法。 'none'、'coco'、'voc'、または 'coco_voc' である必要があります。 | 糸 |
warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | 糸 |
weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'ImageObjectDetection' (必須) |
dataSettings | [必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。 | ImageVerticalDataSettings (必須) |
limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsObjectDetection |
primaryMetric | このタスク用に最適化する主要メトリック。 | 'MeanAveragePrecision' |
searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'Regression' (必須) |
allowedModels | 回帰タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor' |
blockedModels | 回帰タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor' |
dataSettings | AutoMLJob のデータ入力。 | TableVerticalDataSettings の |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
primaryMetric | 回帰タスクの主要メトリック。 | 'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'スピアマンコレレーション' |
trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | TrainingSettings |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'TextClassification' (必須) |
dataSettings | AutoMLJob のデータ入力。 | NlpVerticalDataSettings |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
primaryMetric | Text-Classification タスクのプライマリ メトリック。 | 'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
名前 | 形容 | 価値 |
---|---|---|
targetColumnName | [必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。 |
string (必須) 制約: パターン = [a-zA-Z0-9_] |
testData | データ入力をテストします。 | TestDataSettings の |
trainingData | [必須]トレーニング データの入力。 | TrainingDataSettings (必須) |
validationData | 検証データの入力。 | NlpVerticalValidationDataSettings |
名前 | 形容 | 価値 |
---|---|---|
データ | 検証データ MLTable。 | MLTableJobInput の |
validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
名前 | 形容 | 価値 |
---|---|---|
datasetLanguage | テキスト データに役立つデータセット言語。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
maxConcurrentTrials | AutoML の同時実行の最大イテレーション数。 | int |
maxTrials | AutoML イテレーションの数。 | int |
タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'TextClassificationMultilabel' (必須) |
dataSettings | AutoMLJob のデータ入力。 | NlpVerticalDataSettings |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'TextNER' (必須) |
dataSettings | AutoMLJob のデータ入力。 | NlpVerticalDataSettings |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
名前 | 形容 | 価値 |
---|---|---|
jobType | [必須]ジョブの種類を指定します。 | 'Command' (必須) |
codeId | コード資産の ARM リソース ID。 | 糸 |
命令 | [必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py" | string (必須) 制約: 最小長 = 1 パターン = [a-zA-Z0-9_] |
流通 | ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。 | DistributionConfiguration |
environmentId | [必須]ジョブの環境仕様の ARM リソース ID。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
environmentVariables | ジョブに含まれる環境変数。 | CommandJobEnvironmentVariables |
入力 | ジョブで使用される入力データ バインディングのマッピング。 | CommandJobInputs |
切り | コマンド ジョブの制限。 | CommandJobLimits |
出力 | ジョブで使用される出力データ バインディングのマッピング。 | CommandJobOutputs |
リソース | ジョブのコンピューティング リソース構成。 | ResourceConfiguration |
名前 | 形容 | 価値 |
---|---|---|
distributionType | オブジェクトの種類を設定する |
Mpi PyTorch を TensorFlow (必須) |
名前 | 形容 | 価値 |
---|---|---|
distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | 'Mpi' (必須) |
processCountPerInstance | MPI ノードあたりのプロセス数。 | int |
名前 | 形容 | 価値 |
---|---|---|
distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | 'PyTorch' (必須) |
processCountPerInstance | ノードあたりのプロセス数。 | int |
名前 | 形容 | 価値 |
---|---|---|
distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | 'TensorFlow' (必須) |
parameterServerCount | パラメーター サーバー タスクの数。 | int |
workerCount | ワーカーの数。 指定しない場合は、既定でインスタンス数が設定されます。 | int |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobInput を |
名前 | 形容 | 価値 |
---|---|---|
形容 | 入力の説明。 | 糸 |
jobInputType | オブジェクトの種類を設定する | CustomModel の リテラル MLFlowModel MLTable TritonModel UriFile UriFolder (必須) |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | 'CustomModel' (必須) |
モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | 'Literal' (必須) |
価値 | [必須]入力のリテラル値。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | 'MLFlowModel' (必須) |
モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | 'TritonModel' (必須) |
モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | 'UriFile' (必須) |
モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | 'UriFolder' (必須) |
モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobLimitsType | [必須]JobLimit 型。 | 'Command' 'Sweep' (必須) |
タイムアウト | ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobOutput |
名前 | 形容 | 価値 |
---|---|---|
jobType | [必須]ジョブの種類を指定します。 | 'Pipeline' (必須) |
入力 | パイプライン ジョブの入力。 | PipelineJobInputs |
ジョブ | ジョブはパイプライン ジョブを構築します。 | PipelineJobs |
出力 | パイプライン ジョブの出力 | PipelineJobOutputs |
設定 | ContinueRunOnStepFailure などのパイプライン設定。 | Bicep の場合は、any() 関数を使用できます。 |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobInput を |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | Bicep の場合は、any() 関数を使用できます。 |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobOutput |
名前 | 形容 | 価値 |
---|---|---|
jobType | [必須]ジョブの種類を指定します。 | 'Sweep' (必須) |
earlyTermination | 早期終了ポリシーを使用すると、実行が完了する前にパフォーマンスの低い実行を取り消す | EarlyTerminationPolicy |
入力 | ジョブで使用される入力データ バインディングのマッピング。 | SweepJobInputs |
切り | スイープ ジョブの制限。 | SweepJobLimits |
目的 | [必須]最適化の目的。 | 目標 (必須) |
出力 | ジョブで使用される出力データ バインディングのマッピング。 | SweepJobOutputs |
samplingAlgorithm | [必須]ハイパーパラメーター サンプリング アルゴリズム | SamplingAlgorithm (必須) |
searchSpace | [必須]各パラメーターとその分布を含むディクショナリ。 ディクショナリ キーはパラメーターの名前です | Bicep の場合は、any() 関数を使用できます。(必須) |
裁判 | [必須]試用版コンポーネントの定義。 | TrialComponent (必須) |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobInput を |
名前 | 形容 | 価値 |
---|---|---|
jobLimitsType | [必須]JobLimit 型。 | 'Command' 'Sweep' (必須) |
maxConcurrentTrials | スイープ ジョブの最大同時試行回数。 | int |
maxTotalTrials | スイープ ジョブの最大試行回数。 | int |
タイムアウト | ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。 | 糸 |
trialTimeout | スイープ ジョブ試用版のタイムアウト値。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
ゴール | [必須]ハイパーパラメーター調整でサポートされるメトリックの目標を定義します | '最大化' '最小化' (必須) |
primaryMetric | [必須]最適化するメトリックの名前。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobOutput |
名前 | 形容 | 価値 |
---|---|---|
samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | 'Bayesian' (必須) |
名前 | 形容 | 価値 |
---|---|---|
samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | 'Grid' (必須) |
名前 | 形容 | 価値 |
---|---|---|
samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | 'Random' (必須) |
支配 | ランダム アルゴリズムの特定の種類 | 'Random' 'Sobol' |
種 | 乱数生成のシードとして使用する省略可能な整数 | int |
名前 | 形容 | 価値 |
---|---|---|
codeId | コード資産の ARM リソース ID。 | 糸 |
命令 | [必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py" | string (必須) 制約: 最小長 = 1 パターン = [a-zA-Z0-9_] |
流通 | ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。 | DistributionConfiguration |
environmentId | [必須]ジョブの環境仕様の ARM リソース ID。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
environmentVariables | ジョブに含まれる環境変数。 | TrialComponentEnvironmentVariables |
リソース | ジョブのコンピューティング リソース構成。 | ResourceConfiguration |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |
次のクイック スタート テンプレートでは、このリソースの種類をデプロイします。
テンプレート | 形容 |
---|---|
Azure Machine Learning AutoML 分類ジョブ を作成する Azure にデプロイする |
このテンプレートでは、Azure Machine Learning AutoML 分類ジョブを作成して、クライアントが金融機関との固定定期預金をサブスクライブするかどうかを予測するための最適なモデルを見つけます。 |
Azure Machine Learning コマンド ジョブ を作成する Azure にデプロイする |
このテンプレートは、基本的なhello_world スクリプトを使用して Azure Machine Learning コマンド ジョブを作成します |
Azure Machine Learning スイープ ジョブ を作成する Azure |
このテンプレートでは、ハイパーパラメーター調整用の Azure Machine Learning スイープ ジョブが作成されます。 |
ワークスペース/ジョブ リソースの種類は、次を対象とする操作と共にデプロイできます。
- リソース グループの - リソース グループのデプロイ コマンド 参照
各 API バージョンで変更されたプロパティの一覧については、変更ログの
Microsoft.MachineLearningServices/workspaces/jobs リソースを作成するには、次の JSON をテンプレートに追加します。
{
"type": "Microsoft.MachineLearningServices/workspaces/jobs",
"apiVersion": "2022-02-01-preview",
"name": "string",
"properties": {
"computeId": "string",
"description": "string",
"displayName": "string",
"experimentName": "string",
"identity": {
"identityType": "string"
// For remaining properties, see IdentityConfiguration objects
},
"isArchived": "bool",
"properties": {
"{customized property}": "string"
},
"schedule": {
"endTime": "string",
"scheduleStatus": "string",
"startTime": "string",
"timeZone": "string",
"scheduleType": "string"
// For remaining properties, see ScheduleBase objects
},
"services": {
"{customized property}": {
"endpoint": "string",
"jobServiceType": "string",
"port": "int",
"properties": {
"{customized property}": "string"
}
}
},
"tags": {},
"jobType": "string"
// For remaining properties, see JobBaseDetails objects
}
}
オブジェクトの種類を指定するには、jobType プロパティを設定します。
AutoMLの場合は、次を使用します。
"jobType": "AutoML",
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"resources": {
"instanceCount": "int",
"instanceType": "string",
"properties": {
"{customized property}": {}
}
},
"taskDetails": {
"logVerbosity": "string",
"taskType": "string"
// For remaining properties, see AutoMLVertical objects
}
コマンドの場合は、次のコマンドを使用します。
"jobType": "Command",
"codeId": "string",
"command": "string",
"distribution": {
"distributionType": "string"
// For remaining properties, see DistributionConfiguration objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"limits": {
"jobLimitsType": "string",
"timeout": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"resources": {
"instanceCount": "int",
"instanceType": "string",
"properties": {
"{customized property}": {}
}
}
パイプラインの場合は、次を使用します。
"jobType": "Pipeline",
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"jobs": {
"{customized property}": {}
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"settings": {}
スイープ
"jobType": "Sweep",
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"limits": {
"jobLimitsType": "string",
"maxConcurrentTrials": "int",
"maxTotalTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"objective": {
"goal": "string",
"primaryMetric": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"samplingAlgorithm": {
"samplingAlgorithmType": "string"
// For remaining properties, see SamplingAlgorithm objects
},
"searchSpace": {},
"trial": {
"codeId": "string",
"command": "string",
"distribution": {
"distributionType": "string"
// For remaining properties, see DistributionConfiguration objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"resources": {
"instanceCount": "int",
"instanceType": "string",
"properties": {
"{customized property}": {}
}
}
}
identityType プロパティを設定して、オブジェクトの種類を指定します。
AMLTokenを
"identityType": "AMLToken"
マネージドの場合は、次を使用します。
"identityType": "Managed",
"clientId": "string",
"objectId": "string",
"resourceId": "string"
UserIdentityの場合は、次の値を使用します。
"identityType": "UserIdentity"
scheduleType プロパティを設定して、オブジェクトの種類を指定します。
Cronの場合は、次を使用します。
"scheduleType": "Cron",
"expression": "string"
繰り返しの場合は、次の値を使用します。
"scheduleType": "Recurrence",
"frequency": "string",
"interval": "int",
"pattern": {
"hours": [ "int" ],
"minutes": [ "int" ],
"weekdays": [ "string" ]
}
オブジェクトの種類を指定するには、jobOutputType プロパティを設定します。
CustomModelを
"jobOutputType": "CustomModel",
"mode": "string",
"uri": "string"
MLFlowModelの場合は、次を使用します。
"jobOutputType": "MLFlowModel",
"mode": "string",
"uri": "string"
MLTableの場合は、次を使用します。
"jobOutputType": "MLTable",
"mode": "string",
"uri": "string"
TritonModelの場合は、次を使用します。
"jobOutputType": "TritonModel",
"mode": "string",
"uri": "string"
UriFileの場合は、次の値を使用します。
"jobOutputType": "UriFile",
"mode": "string",
"uri": "string"
UriFolderを
"jobOutputType": "UriFolder",
"mode": "string",
"uri": "string"
taskType プロパティを設定して、オブジェクトの種類を指定します。
分類の場合は、次を使用します。
"taskType": "Classification",
"allowedModels": [ "string" ],
"blockedModels": [ "string" ],
"dataSettings": {
"targetColumnName": "string",
"testData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int"
},
"trainingData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
},
"validationData": {
"cvSplitColumnNames": [ "string" ],
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"validationDataSize": "int"
},
"weightColumnName": "string"
},
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"dropColumns": [ "string" ],
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"primaryMetric": "string",
"trainingSettings": {
"enableDnnTraining": "bool",
"enableModelExplainability": "bool",
"enableOnnxCompatibleModels": "bool",
"enableStackEnsemble": "bool",
"enableVoteEnsemble": "bool",
"ensembleModelDownloadTimeout": "string",
"stackEnsembleSettings": {
"stackMetaLearnerKWargs": {},
"stackMetaLearnerTrainPercentage": "int",
"stackMetaLearnerType": "string"
}
}
予測の場合は、次の値を使用します。
"taskType": "Forecasting",
"allowedModels": [ "string" ],
"blockedModels": [ "string" ],
"dataSettings": {
"targetColumnName": "string",
"testData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int"
},
"trainingData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
},
"validationData": {
"cvSplitColumnNames": [ "string" ],
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"validationDataSize": "int"
},
"weightColumnName": "string"
},
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"dropColumns": [ "string" ],
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"forecastingSettings": {
"countryOrRegionForHolidays": "string",
"cvStepSize": "int",
"featureLags": "string",
"forecastHorizon": {
"mode": "string"
// For remaining properties, see ForecastHorizon objects
},
"frequency": "string",
"seasonality": {
"mode": "string"
// For remaining properties, see Seasonality objects
},
"shortSeriesHandlingConfig": "string",
"targetAggregateFunction": "string",
"targetLags": {
"mode": "string"
// For remaining properties, see TargetLags objects
},
"targetRollingWindowSize": {
"mode": "string"
// For remaining properties, see TargetRollingWindowSize objects
},
"timeColumnName": "string",
"timeSeriesIdColumnNames": [ "string" ],
"useStl": "string"
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"primaryMetric": "string",
"trainingSettings": {
"enableDnnTraining": "bool",
"enableModelExplainability": "bool",
"enableOnnxCompatibleModels": "bool",
"enableStackEnsemble": "bool",
"enableVoteEnsemble": "bool",
"ensembleModelDownloadTimeout": "string",
"stackEnsembleSettings": {
"stackMetaLearnerKWargs": {},
"stackMetaLearnerTrainPercentage": "int",
"stackMetaLearnerType": "string"
}
}
ImageClassificationの場合は、次を使用します。
"taskType": "ImageClassification",
"dataSettings": {
"targetColumnName": "string",
"testData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int"
},
"trainingData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
},
"validationData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
}
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"checkpointDatasetId": "string",
"checkpointFilename": "string",
"checkpointFrequency": "int",
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "int",
"nesterov": "bool",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"splitRatio": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"trainingBatchSize": "int",
"trainingCropSize": "int",
"validationBatchSize": "int",
"validationCropSize": "int",
"validationResizeSize": "int",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int",
"weightedLoss": "int"
},
"primaryMetric": "string",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "string",
"nesterov": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"splitRatio": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"trainingBatchSize": "string",
"trainingCropSize": "string",
"validationBatchSize": "string",
"validationCropSize": "string",
"validationResizeSize": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string",
"weightedLoss": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"limits": {
"maxConcurrentTrials": "int",
"maxTrials": "int"
},
"samplingAlgorithm": "string"
}
ImageClassificationMultilabelを
"taskType": "ImageClassificationMultilabel",
"dataSettings": {
"targetColumnName": "string",
"testData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int"
},
"trainingData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
},
"validationData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
}
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"checkpointDatasetId": "string",
"checkpointFilename": "string",
"checkpointFrequency": "int",
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "int",
"nesterov": "bool",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"splitRatio": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"trainingBatchSize": "int",
"trainingCropSize": "int",
"validationBatchSize": "int",
"validationCropSize": "int",
"validationResizeSize": "int",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int",
"weightedLoss": "int"
},
"primaryMetric": "string",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "string",
"nesterov": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"splitRatio": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"trainingBatchSize": "string",
"trainingCropSize": "string",
"validationBatchSize": "string",
"validationCropSize": "string",
"validationResizeSize": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string",
"weightedLoss": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"limits": {
"maxConcurrentTrials": "int",
"maxTrials": "int"
},
"samplingAlgorithm": "string"
}
ImageInstanceSegmentationを
"taskType": "ImageInstanceSegmentation",
"dataSettings": {
"targetColumnName": "string",
"testData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int"
},
"trainingData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
},
"validationData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
}
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"boxDetectionsPerImage": "int",
"boxScoreThreshold": "int",
"checkpointDatasetId": "string",
"checkpointFilename": "string",
"checkpointFrequency": "int",
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"imageSize": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"maxSize": "int",
"minSize": "int",
"modelName": "string",
"modelSize": "string",
"momentum": "int",
"multiScale": "bool",
"nesterov": "bool",
"nmsIouThreshold": "int",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"splitRatio": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"tileGridSize": "string",
"tileOverlapRatio": "int",
"tilePredictionsNmsThreshold": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"validationIouThreshold": "int",
"validationMetricType": "string",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int"
},
"primaryMetric": "MeanAveragePrecision",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"boxDetectionsPerImage": "string",
"boxScoreThreshold": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"imageSize": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"maxSize": "string",
"minSize": "string",
"modelName": "string",
"modelSize": "string",
"momentum": "string",
"multiScale": "string",
"nesterov": "string",
"nmsIouThreshold": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"splitRatio": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"tileGridSize": "string",
"tileOverlapRatio": "string",
"tilePredictionsNmsThreshold": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"validationIouThreshold": "string",
"validationMetricType": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"limits": {
"maxConcurrentTrials": "int",
"maxTrials": "int"
},
"samplingAlgorithm": "string"
}
ImageObjectDetectionの場合は、次の値を使用します。
"taskType": "ImageObjectDetection",
"dataSettings": {
"targetColumnName": "string",
"testData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int"
},
"trainingData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
},
"validationData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
}
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"boxDetectionsPerImage": "int",
"boxScoreThreshold": "int",
"checkpointDatasetId": "string",
"checkpointFilename": "string",
"checkpointFrequency": "int",
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"imageSize": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"maxSize": "int",
"minSize": "int",
"modelName": "string",
"modelSize": "string",
"momentum": "int",
"multiScale": "bool",
"nesterov": "bool",
"nmsIouThreshold": "int",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"splitRatio": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"tileGridSize": "string",
"tileOverlapRatio": "int",
"tilePredictionsNmsThreshold": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"validationIouThreshold": "int",
"validationMetricType": "string",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int"
},
"primaryMetric": "MeanAveragePrecision",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"boxDetectionsPerImage": "string",
"boxScoreThreshold": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"imageSize": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"maxSize": "string",
"minSize": "string",
"modelName": "string",
"modelSize": "string",
"momentum": "string",
"multiScale": "string",
"nesterov": "string",
"nmsIouThreshold": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"splitRatio": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"tileGridSize": "string",
"tileOverlapRatio": "string",
"tilePredictionsNmsThreshold": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"validationIouThreshold": "string",
"validationMetricType": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"limits": {
"maxConcurrentTrials": "int",
"maxTrials": "int"
},
"samplingAlgorithm": "string"
}
回帰の場合は、次の値を使用します。
"taskType": "Regression",
"allowedModels": [ "string" ],
"blockedModels": [ "string" ],
"dataSettings": {
"targetColumnName": "string",
"testData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int"
},
"trainingData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
},
"validationData": {
"cvSplitColumnNames": [ "string" ],
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"validationDataSize": "int"
},
"weightColumnName": "string"
},
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"dropColumns": [ "string" ],
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"primaryMetric": "string",
"trainingSettings": {
"enableDnnTraining": "bool",
"enableModelExplainability": "bool",
"enableOnnxCompatibleModels": "bool",
"enableStackEnsemble": "bool",
"enableVoteEnsemble": "bool",
"ensembleModelDownloadTimeout": "string",
"stackEnsembleSettings": {
"stackMetaLearnerKWargs": {},
"stackMetaLearnerTrainPercentage": "int",
"stackMetaLearnerType": "string"
}
}
TextClassificationの場合は、次を使用します。
"taskType": "TextClassification",
"dataSettings": {
"targetColumnName": "string",
"testData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int"
},
"trainingData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
},
"validationData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
}
},
"featurizationSettings": {
"datasetLanguage": "string"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"primaryMetric": "string"
TextClassificationMultilabelを
"taskType": "TextClassificationMultilabel",
"dataSettings": {
"targetColumnName": "string",
"testData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int"
},
"trainingData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
},
"validationData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
}
},
"featurizationSettings": {
"datasetLanguage": "string"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
}
TextNERの場合は、次を使用します。
"taskType": "TextNER",
"dataSettings": {
"targetColumnName": "string",
"testData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int"
},
"trainingData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
},
"validationData": {
"data": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
}
},
"featurizationSettings": {
"datasetLanguage": "string"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
}
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
"mode": "Auto"
カスタムを
"mode": "Custom",
"value": "int"
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
"mode": "Auto"
カスタムを
"mode": "Custom",
"value": "int"
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
"mode": "Auto"
カスタムを
"mode": "Custom",
"value": "int"
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
"mode": "Auto"
カスタムを
"mode": "Custom",
"values": [ "int" ]
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
"mode": "Auto"
カスタムを
"mode": "Custom",
"value": "int"
policyType プロパティを設定して、オブジェクトの種類を指定します。
バンディット
"policyType": "Bandit",
"slackAmount": "int",
"slackFactor": "int"
MedianStopping の場合は、次の値を使用します。
"policyType": "MedianStopping"
TruncationSelectionの場合は、次のコマンドを使用します。
"policyType": "TruncationSelection",
"truncationPercentage": "int"
オブジェクトの種類を指定するには、distributionType プロパティを設定します。
Mpiの場合は、次を使用します。
"distributionType": "Mpi",
"processCountPerInstance": "int"
PyTorchを
"distributionType": "PyTorch",
"processCountPerInstance": "int"
TensorFlowの場合は、次を使用します。
"distributionType": "TensorFlow",
"parameterServerCount": "int",
"workerCount": "int"
jobInputType プロパティを設定して、オブジェクトの種類を指定します。
CustomModelを
"jobInputType": "CustomModel",
"mode": "string",
"uri": "string"
リテラル
"jobInputType": "Literal",
"value": "string"
MLFlowModelの場合は、次を使用します。
"jobInputType": "MLFlowModel",
"mode": "string",
"uri": "string"
MLTableの場合は、次を使用します。
"jobInputType": "MLTable",
"mode": "string",
"uri": "string"
TritonModelの場合は、次を使用します。
"jobInputType": "TritonModel",
"mode": "string",
"uri": "string"
UriFileの場合は、次の値を使用します。
"jobInputType": "UriFile",
"mode": "string",
"uri": "string"
UriFolderを
"jobInputType": "UriFolder",
"mode": "string",
"uri": "string"
samplingAlgorithmType プロパティを設定して、オブジェクトの種類を指定します。
ベイジアン の場合は、次を使用します。
"samplingAlgorithmType": "Bayesian"
Gridの場合は、次を使用します。
"samplingAlgorithmType": "Grid"
ランダム
"samplingAlgorithmType": "Random",
"rule": "string",
"seed": "int"
名前 | 形容 | 価値 |
---|---|---|
種類 | リソースの種類 | 'Microsoft.MachineLearningServices/workspaces/jobs' |
apiVersion | リソース API のバージョン | '2022-02-01-preview' |
名前 | リソース名 JSON ARM テンプレートで子リソースの名前と型 |
string (必須) |
プロパティ | [必須]エンティティの追加の属性。 | JobBaseDetails (必須) |
名前 | 形容 | 価値 |
---|---|---|
computeId | コンピューティング リソースの ARM リソース ID。 | 糸 |
形容 | 資産の説明テキスト。 | 糸 |
displayName | ジョブの表示名。 | 糸 |
experimentName | ジョブが属する実験の名前。 設定されていない場合、ジョブは "既定" の実験に配置されます。 | 糸 |
同一性 | ID の構成。 設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。 |
IdentityConfiguration |
isArchived | 資産はアーカイブされていますか? | bool |
プロパティ | 資産プロパティ ディクショナリ。 | ResourceBaseProperties |
計画 | ジョブの定義をスケジュールします。 スケジュールが指定されていない場合、ジョブは送信直後に 1 回実行されます。 |
ScheduleBase |
サービス | JobEndpoints の一覧。 ローカル ジョブの場合、ジョブ エンドポイントのエンドポイント値は FileStreamObject になります。 |
JobBaseServices |
タグ | タグ ディクショナリ。 タグは追加、削除、更新できます。 | オブジェクト |
jobType | オブジェクトの種類を設定する | AutoML の コマンド パイプラインの スイープ (必須) |
名前 | 形容 | 価値 |
---|---|---|
identityType | オブジェクトの種類を設定する | AMLToken を マネージド UserIdentity (必須) |
名前 | 形容 | 価値 |
---|---|---|
identityType | [必須]ID フレームワークの種類を指定します。 | 'AMLToken' (必須) |
名前 | 形容 | 価値 |
---|---|---|
identityType | [必須]ID フレームワークの種類を指定します。 | 'Managed' (必須) |
clientId | クライアント ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 制約: 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
objectId | ユーザー割り当て ID をオブジェクト ID で指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 制約: 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
resourceId | ARM リソース ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
identityType | [必須]ID フレームワークの種類を指定します。 | 'UserIdentity' (必須) |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |
名前 | 形容 | 価値 |
---|---|---|
endTime | スケジュールの終了時刻を ISO 8601 形式で指定します。 存在しない場合、スケジュールは無期限に実行されます |
糸 |
scheduleStatus | スケジュールの状態を指定します | 'Disabled' 'Enabled' |
startTime | スケジュールの開始時刻を ISO 8601 形式で指定します。 | 糸 |
timeZone | スケジュールを実行するタイム ゾーンを指定します。 TimeZone は、Windows のタイム ゾーン形式に従う必要があります。 |
糸 |
scheduleType | オブジェクトの種類を設定する |
Cron 繰り返し (必須) |
名前 | 形容 | 価値 |
---|---|---|
scheduleType | [必須]スケジュールの種類を指定します | 'Cron' (必須) |
表現 | [必須]スケジュールの cron 式を指定します。 式は NCronTab 形式に従う必要があります。 |
string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
scheduleType | [必須]スケジュールの種類を指定します | 'Recurrence' (必須) |
周波数 | [必須]スケジュールをトリガーする頻度を指定します | 'Day' 'Hour' 'Minute' 'Month' 'Week' (必須) |
間 | [必須]スケジュール間隔を頻度と組み合わせて指定します | int (必須) |
パターン | 繰り返しスケジュール パターンを指定します | RecurrencePattern の |
名前 | 形容 | 価値 |
---|---|---|
時間 | [必須]定期的なスケジュール パターンの時間の一覧 | int[] (必須) |
議事録 | [必須]定期的なスケジュール パターンの分数の一覧 | int[] (必須) |
平日 | 定期的なスケジュール パターンの平日の一覧 | 次のいずれかを含む文字列配列: 'Friday' 'Monday' 'Saturday' 'Sunday' 'Thursday' 'Tuesday' 'Wednesday' |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobService |
名前 | 形容 | 価値 |
---|---|---|
エンドポイント | エンドポイントの URL。 | 糸 |
jobServiceType | エンドポイントの種類。 | 糸 |
港 | エンドポイントのポート。 | int |
プロパティ | エンドポイントに設定する追加のプロパティ。 | JobServiceProperties |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobType | [必須]ジョブの種類を指定します。 | 'AutoML' (必須) |
environmentId | ジョブの環境仕様の ARM リソース ID。 これは省略可能な値です。指定しない場合、AutoML はジョブの実行時に既定で運用環境の AutoML キュレーション環境バージョンに設定されます。 |
糸 |
environmentVariables | ジョブに含まれる環境変数。 | AutoMLJobEnvironmentVariables の |
出力 | ジョブで使用される出力データ バインディングのマッピング。 | AutoMLJobOutputs の |
リソース | ジョブのコンピューティング リソース構成。 | ResourceConfiguration |
taskDetails | [必須]これは、テーブル/NLP/イメージのいずれかである可能性があるシナリオを表します | AutoMLVertical (必須) |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobOutput |
名前 | 形容 | 価値 |
---|---|---|
形容 | 出力の説明。 | 糸 |
jobOutputType | オブジェクトの種類を設定する | CustomModel の MLFlowModel MLTable TritonModel UriFile UriFolder (必須) |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | 'CustomModel' (必須) |
モード | 出力資産配信モード。 | 'ReadWriteMount' 'Upload' |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | 'MLFlowModel' (必須) |
モード | 出力資産配信モード。 | 'ReadWriteMount' 'Upload' |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | 'MLTable' (必須) |
モード | 出力資産配信モード。 | 'ReadWriteMount' 'Upload' |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | 'TritonModel' (必須) |
モード | 出力資産配信モード。 | 'ReadWriteMount' 'Upload' |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | 'UriFile' (必須) |
モード | 出力資産配信モード。 | 'ReadWriteMount' 'Upload' |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | 'UriFolder' (必須) |
モード | 出力資産配信モード。 | 'ReadWriteMount' 'Upload' |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
instanceCount | コンピューティング 先で使用されるインスタンスまたはノードの数 (省略可能)。 | int |
instanceType | コンピューティング 先でサポートされている VM のオプションの種類。 | 糸 |
プロパティ | 追加のプロパティ バッグ。 | ResourceConfigurationProperties |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} |
名前 | 形容 | 価値 |
---|---|---|
logVerbosity | ジョブの詳細度をログに記録します。 | 'Critical' 'Debug' 'Error' 'Info' 'NotSet' 'Warning' |
taskType | オブジェクトの種類を設定する |
分類 予測 ImageClassification ImageClassificationMultilabel の ImageInstanceSegmentation ImageObjectDetection 回帰 TextClassification TextClassificationMultilabel TextNER (必須) |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'Classification' (必須) |
allowedModels | 分類タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier' |
blockedModels | 分類タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier' |
dataSettings | AutoMLJob のデータ入力。 | TableVerticalDataSettings の |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
primaryMetric | タスクのプライマリ メトリック。 | 'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | TrainingSettings |
名前 | 形容 | 価値 |
---|---|---|
targetColumnName | [必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。 |
string (必須) 制約: パターン = [a-zA-Z0-9_] |
testData | データ入力をテストします。 | TestDataSettings の |
trainingData | [必須]トレーニング データの入力。 | TrainingDataSettings (必須) |
validationData | 検証データの入力。 | TableVerticalValidationDataSettings |
weightColumnName | サンプルの重み列の名前。 自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
データ | テスト データ MLTable。 | MLTableJobInput の |
testDataSize | 検証のために確保する必要があるテスト データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
名前 | 形容 | 価値 |
---|---|---|
形容 | 入力の説明。 | 糸 |
jobInputType | [必須]ジョブの種類を指定します。 | 'CustomModel' 'Literal' 'MLFlowModel' 'MLTable' 'TritonModel' 'UriFile' 'UriFolder' (必須) |
モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
データ | [必須]トレーニング データ MLTable。 | MLTableJobInput の |
名前 | 形容 | 価値 |
---|---|---|
cvSplitColumnNames | CVSplit データに使用する列。 | string[] |
データ | 検証データ MLTable。 | MLTableJobInput の |
nCrossValidations | トレーニング データセットに適用されるクロス検証フォールドの数 検証データセットが指定されていない場合。 |
NCrossValidations |
validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
名前 | 形容 | 価値 |
---|---|---|
モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]N クロス検証を決定するためのモード。 | 'Auto' (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]N クロス検証を決定するためのモード。 | 'Custom' (必須) |
価値 | [必須]N クロス検証値。 | int (必須) |
名前 | 形容 | 価値 |
---|---|---|
blockedTransformers | これらのトランスは特徴付けには使用しないでください。 | string[] |
columnNameAndTypes | 列名とその型 (int、float、string、datetime など) のディクショナリ。 | TableVerticalFeaturizationSettingsColumnNameAndTypes |
datasetLanguage | テキスト データに役立つデータセット言語。 | 糸 |
dropColumns | 特徴量化中にデータから削除される列。 | string[] |
enableDnnFeaturization | データ特徴付けに Dnn ベースの特徴付け器を使用するかどうかを決定します。 | bool |
モード | 特徴量化モード - ユーザーは既定の "自動" モードを維持でき、AutoML は特徴量化フェーズでのデータの必要な変換を処理します。 [オフ] が選択されている場合、特徴量化は行われません。 [カスタム] が選択されている場合、ユーザーは追加の入力を指定して、特徴付けの実行方法をカスタマイズできます。 |
'Auto' 'Custom' 'Off' |
transformerParams | ユーザーは、使用する追加のトランスフォーマーと、それが適用される列、およびトランスフォーマー コンストラクターのパラメーターを指定できます。 | TableVerticalFeaturizationSettingsTransformerParams |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | ColumnTransformer[] |
名前 | 形容 | 価値 |
---|---|---|
田畑 | トランスフォーマー ロジックを適用するフィールド。 | string[] |
パラメーター | トランスフォーマーに渡されるさまざまなプロパティ。 必要な入力は、JSON 形式のキーと値のペアのディクショナリです。 |
名前 | 形容 | 価値 |
---|---|---|
enableEarlyTermination | 早期終了を有効にし、過去 20 回のイテレーションでスコアの改善がない場合に AutoMLJob が早期に終了するかどうかを決定します。 | bool |
exitScore | AutoML ジョブの終了スコア。 | int |
maxConcurrentTrials | 最大同時反復数。 | int |
maxCoresPerTrial | イテレーションあたりの最大コア数。 | int |
maxTrials | 反復回数。 | int |
タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
trialTimeout | 繰り返しタイムアウト。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
enableDnnTraining | DNN モデルの推奨事項を有効にします。 | bool |
enableModelExplainability | 最適なモデルで説明可能性を有効にするフラグ。 | bool |
enableOnnxCompatibleModels | onnx 互換モデルを有効にするフラグ。 | bool |
enableStackEnsemble | スタック アンサンブル実行を有効にします。 | bool |
enableVoteEnsemble | 投票アンサンブル実行を有効にします。 | bool |
ensembleModelDownloadTimeout | VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。 |
糸 |
stackEnsembleSettings | スタック アンサンブル実行のスタック アンサンブル設定。 | StackEnsembleSettings |
名前 | 形容 | 価値 |
---|---|---|
stackMetaLearnerKWargs | メタ学習者の初期化子に渡す省略可能なパラメーター。 | |
stackMetaLearnerTrainPercentage | メタ学習者のトレーニング用に予約するトレーニング セット (トレーニングのトレーニングと検証の種類を選択する場合) の割合を指定します。 既定値は 0.2 です。 | int |
stackMetaLearnerType | メタ学習者は、個々の異種モデルの出力でトレーニングされたモデルです。 | 'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'None' |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'Forecasting' (必須) |
allowedModels | 予測タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'Naive' 'Prophet' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor' |
blockedModels | 予測タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'Naive' 'Prophet' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor' |
dataSettings | AutoMLJob のデータ入力。 | TableVerticalDataSettings の |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
forecastingSettings | 予測タスク固有の入力。 | ForecastingSettings |
limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
primaryMetric | 予測タスクの主要メトリック。 | 'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'スピアマンコレレーション' |
trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | TrainingSettings |
名前 | 形容 | 価値 |
---|---|---|
countryOrRegionForHolidays | 予測タスクの休日の国または地域。 これらは、ISO 3166 の 2 文字の国/地域コード ("US" や "GB" など) である必要があります。 |
糸 |
cvStepSize | 1 つの CV フォールドの原点時間と次のフォールドの間の期間の数。 対して たとえば、日次データの CVStepSize = 3 の場合、各フォールドの起点時間は3 日分離します。 |
int |
featureLags | 'auto' または null を持つ数値特徴のラグを生成するためのフラグ。 | 'Auto' 'None' |
forecastHorizon | 時系列の頻度の単位で求められる最大予測期間。 | ForecastHorizon |
周波数 | 予測の場合、このパラメーターは、日単位、週単位、年単位など、予測が必要な期間を表します。予測頻度は、既定ではデータセットの頻度です。 | 糸 |
季節 | 時系列の季節性を、系列の頻度の整数倍数として設定します。 季節性が 'auto' に設定されている場合は、推論されます。 |
季節性 |
shortSeriesHandlingConfig | AutoML で短い時系列を処理する方法を定義するパラメーター。 | 'Auto' 'Drop' 'None' 'Pad' |
targetAggregateFunction | ユーザーが指定した頻度に準拠するように時系列ターゲット列を集計するために使用する関数。 TargetAggregateFunction が 'None' ではなく設定されているが、freq パラメーターが設定されていない場合、エラーが発生します。 可能なターゲット集計関数は、"sum"、"max"、"min"、"mean" です。 |
'Max' 'Mean' 'Min' 'None' 'Sum' |
targetLags | ターゲット列から遅延する過去の期間の数。 | TargetLags |
targetRollingWindowSize | ターゲット列のローリング ウィンドウ平均の作成に使用された過去の期間の数。 | TargetRollingWindowSize |
timeColumnName | 時刻列の名前。 このパラメーターは、時系列の構築とその頻度の推論に使用される入力データの datetime 列を予測する場合に必要です。 | 糸 |
timeSeriesIdColumnNames | 時系列をグループ化するために使用される列の名前。 複数の系列を作成するために使用できます。 グレインが定義されていない場合、データ セットは 1 つの時系列であると見なされます。 このパラメーターは、タスクの種類の予測で使用されます。 |
string[] |
useStl | 時系列ターゲット列の STL 分解を構成します。 | 'None' 'Season' 'SeasonTrend' |
名前 | 形容 | 価値 |
---|---|---|
モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]予測期間値の選択モードを設定します。 | 'Auto' (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]予測期間値の選択モードを設定します。 | 'Custom' (必須) |
価値 | [必須]予測期間の値。 | int (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]季節性モード。 | 'Auto' (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]季節性モード。 | 'Custom' (必須) |
価値 | [必須]季節性の値。 | int (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]ターゲット ラグ モードの設定 - 自動/カスタム | 'Auto' (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]ターゲット ラグ モードの設定 - 自動/カスタム | 'Custom' (必須) |
価値観 | [必須]ターゲットラグ値を設定します。 | int[] (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]TargetRollingWindowSiz 検出モード。 | 'Auto' (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]TargetRollingWindowSiz 検出モード。 | 'Custom' (必須) |
価値 | [必須]TargetRollingWindowSize 値。 | int (必須) |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'ImageClassification' (必須) |
dataSettings | [必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。 | ImageVerticalDataSettings (必須) |
limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsClassification の |
primaryMetric | このタスク用に最適化する主要メトリック。 | 'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsClassification[] |
sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
名前 | 形容 | 価値 |
---|---|---|
targetColumnName | [必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。 |
string (必須) 制約: パターン = [a-zA-Z0-9_] |
testData | データ入力をテストします。 | TestDataSettings の |
trainingData | [必須]トレーニング データの入力。 | TrainingDataSettings (必須) |
validationData | 検証データセットの設定。 | ImageVerticalValidationDataSettings |
名前 | 形容 | 価値 |
---|---|---|
データ | 検証データ MLTable。 | MLTableJobInput の |
validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
名前 | 形容 | 価値 |
---|---|---|
maxConcurrentTrials | 同時 AutoML イテレーションの最大数。 | int |
maxTrials | AutoML イテレーションの最大数。 | int |
タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
advancedSettings | 高度なシナリオの設定。 | 糸 |
amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | bool |
拡張 | 拡張を使用するための設定。 | 糸 |
beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | int |
beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | int |
checkpointDatasetId | 増分トレーニング用の事前トレーニング済みチェックポイントの FileDataset ID。 CheckpointDatasetId と共に CheckpointFilename を渡してください。 |
糸 |
checkpointFilename | 増分トレーニング用の FileDataset の事前トレーニング済みチェックポイント ファイル名。 CheckpointFilename と共に CheckpointDatasetId を渡してください。 |
糸 |
checkpointFrequency | モデル チェックポイントを格納する頻度。 正の整数にする必要があります。 | int |
checkpointRunId | 増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。 | 糸 |
分散 | 分散トレーニングを使用するかどうか。 | bool |
earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | bool |
earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
int |
earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
int |
enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | bool |
evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | int |
gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
int |
layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
int |
learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | int |
learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 'None' 'Step' 'WarmupCosine' |
modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | int |
nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | bool |
numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | int |
numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | int |
オプティマイザ | オプティマイザーの種類。 | 'Adam' 'Adamw' 'None' 'Sgd' |
randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | int |
splitRatio | 検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。 |
int |
stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | int |
stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | int |
trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | int |
trainingCropSize | トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | int |
validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | int |
validationCropSize | 検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | int |
validationResizeSize | 検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。 | int |
warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | int |
warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | int |
weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | int |
weightedLoss | 加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。 |
int |
名前 | 形容 | 価値 |
---|---|---|
amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | 糸 |
拡張 | 拡張を使用するための設定。 | 糸 |
beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
分散 | 配布者トレーニングを使用するかどうか。 | 糸 |
earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | 糸 |
earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
糸 |
earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
糸 |
enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | 糸 |
evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | 糸 |
gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
糸 |
layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
糸 |
learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | 糸 |
learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 糸 |
modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | 糸 |
numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | 糸 |
numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | 糸 |
オプティマイザ | オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。 | 糸 |
randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | 糸 |
splitRatio | 検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。 |
糸 |
stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | 糸 |
trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | 糸 |
trainingCropSize | トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | 糸 |
validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | 糸 |
validationCropSize | 検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | 糸 |
validationResizeSize | 検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。 | 糸 |
warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | 糸 |
weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
weightedLoss | 加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。 |
糸 |
名前 | 形容 | 価値 |
---|---|---|
earlyTermination | 早期終了ポリシーの種類。 | EarlyTerminationPolicy |
切り | [必須]モデル スイープとハイパーパラメーター スイープの設定を制限します。 | ImageSweepLimitSettings (必須) |
samplingAlgorithm | [必須]ハイパーパラメーター サンプリング アルゴリズムの種類。 | 'Bayesian' 'Grid' 'Random' (必須) |
名前 | 形容 | 価値 |
---|---|---|
delayEvaluation | 最初の評価を遅らせる間隔の数。 | int |
evaluationInterval | ポリシー評価間の間隔 (実行回数)。 | int |
policyType | オブジェクトの種類を設定する |
バンディット MedianStopping TruncationSelection (必須) |
名前 | 形容 | 価値 |
---|---|---|
policyType | [必須]ポリシー構成の名前 | 'Bandit' (必須) |
slackAmount | 最高のパフォーマンスを発揮する実行から許容される絶対距離。 | int |
slackFactor | 最もパフォーマンスの高い実行からの許容距離の比率。 | int |
名前 | 形容 | 価値 |
---|---|---|
policyType | [必須]ポリシー構成の名前 | 'MedianStopping' (必須) |
名前 | 形容 | 価値 |
---|---|---|
policyType | [必須]ポリシー構成の名前 | 'TruncationSelection' (必須) |
truncationPercentage | 各評価間隔で取り消す実行の割合。 | int |
名前 | 形容 | 価値 |
---|---|---|
maxConcurrentTrials | 基になるスイープ ジョブの同時実行イテレーションの最大数。 | int |
maxTrials | 基になるスイープ ジョブのイテレーションの最大数。 | int |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'ImageClassificationMultilabel' (必須) |
dataSettings | [必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。 | ImageVerticalDataSettings (必須) |
limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsClassification の |
primaryMetric | このタスク用に最適化する主要メトリック。 | 'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted' |
searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsClassification[] |
sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'ImageInstanceSegmentation' (必須) |
dataSettings | [必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。 | ImageVerticalDataSettings (必須) |
limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsObjectDetection |
primaryMetric | このタスク用に最適化する主要メトリック。 | 'MeanAveragePrecision' |
searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
名前 | 形容 | 価値 |
---|---|---|
advancedSettings | 高度なシナリオの設定。 | 糸 |
amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | bool |
拡張 | 拡張を使用するための設定。 | 糸 |
beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | int |
beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | int |
boxDetectionsPerImage | すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
boxScoreThreshold | 推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。 |
int |
checkpointDatasetId | 増分トレーニング用の事前トレーニング済みチェックポイントの FileDataset ID。 CheckpointDatasetId と共に CheckpointFilename を渡してください。 |
糸 |
checkpointFilename | 増分トレーニング用の FileDataset の事前トレーニング済みチェックポイント ファイル名。 CheckpointFilename と共に CheckpointDatasetId を渡してください。 |
糸 |
checkpointFrequency | モデル チェックポイントを格納する頻度。 正の整数にする必要があります。 | int |
checkpointRunId | 増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。 | 糸 |
分散 | 分散トレーニングを使用するかどうか。 | bool |
earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | bool |
earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
int |
earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
int |
enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | bool |
evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | int |
gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
int |
imageSize | トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
int |
layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
int |
learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | int |
learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 'None' 'Step' 'WarmupCosine' |
maxSize | バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
minSize | バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
modelSize | モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
'ExtraLarge' 'Large' 'Medium' 'None' 'Small' |
運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | int |
multiScale | イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
bool |
nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | bool |
nmsIouThreshold | NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] の float である必要があります。 | int |
numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | int |
numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | int |
オプティマイザ | オプティマイザーの種類。 | 'Adam' 'Adamw' 'None' 'Sgd' |
randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | int |
splitRatio | 検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。 |
int |
stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | int |
stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | int |
tileGridSize | 各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
tileOverlapRatio | 各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
tilePredictionsNmsThreshold | タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | int |
validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | int |
validationIouThreshold | 検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | int |
validationMetricType | 検証メトリックに使用するメトリック計算方法。 | 'Coco' 'CocoVoc' 'None' 'Voc' |
warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | int |
warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | int |
weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | int |
名前 | 形容 | 価値 |
---|---|---|
amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | 糸 |
拡張 | 拡張を使用するための設定。 | 糸 |
beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
boxDetectionsPerImage | すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
boxScoreThreshold | 推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。 |
糸 |
分散 | 配布者トレーニングを使用するかどうか。 | 糸 |
earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | 糸 |
earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
糸 |
earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
糸 |
enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | 糸 |
evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | 糸 |
gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
糸 |
imageSize | トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
糸 |
learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | 糸 |
learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 糸 |
maxSize | バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
minSize | バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
modelSize | モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
multiScale | イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | 糸 |
nmsIouThreshold | NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | 糸 |
numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | 糸 |
numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | 糸 |
オプティマイザ | オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。 | 糸 |
randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | 糸 |
splitRatio | 検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。 |
糸 |
stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | 糸 |
tileGridSize | 各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
tileOverlapRatio | 各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
tilePredictionsNmsThreshold | タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 NMS: 非最大抑制 |
糸 |
trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | 糸 |
validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | 糸 |
validationIouThreshold | 検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | 糸 |
validationMetricType | 検証メトリックに使用するメトリック計算方法。 'none'、'coco'、'voc'、または 'coco_voc' である必要があります。 | 糸 |
warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | 糸 |
weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'ImageObjectDetection' (必須) |
dataSettings | [必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。 | ImageVerticalDataSettings (必須) |
limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsObjectDetection |
primaryMetric | このタスク用に最適化する主要メトリック。 | 'MeanAveragePrecision' |
searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'Regression' (必須) |
allowedModels | 回帰タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor' |
blockedModels | 回帰タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor' |
dataSettings | AutoMLJob のデータ入力。 | TableVerticalDataSettings の |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
primaryMetric | 回帰タスクの主要メトリック。 | 'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'スピアマンコレレーション' |
trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | TrainingSettings |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'TextClassification' (必須) |
dataSettings | AutoMLJob のデータ入力。 | NlpVerticalDataSettings |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
primaryMetric | Text-Classification タスクのプライマリ メトリック。 | 'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
名前 | 形容 | 価値 |
---|---|---|
targetColumnName | [必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。 |
string (必須) 制約: パターン = [a-zA-Z0-9_] |
testData | データ入力をテストします。 | TestDataSettings の |
trainingData | [必須]トレーニング データの入力。 | TrainingDataSettings (必須) |
validationData | 検証データの入力。 | NlpVerticalValidationDataSettings |
名前 | 形容 | 価値 |
---|---|---|
データ | 検証データ MLTable。 | MLTableJobInput の |
validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
名前 | 形容 | 価値 |
---|---|---|
datasetLanguage | テキスト データに役立つデータセット言語。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
maxConcurrentTrials | AutoML の同時実行の最大イテレーション数。 | int |
maxTrials | AutoML イテレーションの数。 | int |
タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'TextClassificationMultilabel' (必須) |
dataSettings | AutoMLJob のデータ入力。 | NlpVerticalDataSettings |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | 'TextNER' (必須) |
dataSettings | AutoMLJob のデータ入力。 | NlpVerticalDataSettings |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
名前 | 形容 | 価値 |
---|---|---|
jobType | [必須]ジョブの種類を指定します。 | 'Command' (必須) |
codeId | コード資産の ARM リソース ID。 | 糸 |
命令 | [必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py" | string (必須) 制約: 最小長 = 1 パターン = [a-zA-Z0-9_] |
流通 | ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。 | DistributionConfiguration |
environmentId | [必須]ジョブの環境仕様の ARM リソース ID。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
environmentVariables | ジョブに含まれる環境変数。 | CommandJobEnvironmentVariables |
入力 | ジョブで使用される入力データ バインディングのマッピング。 | CommandJobInputs |
切り | コマンド ジョブの制限。 | CommandJobLimits |
出力 | ジョブで使用される出力データ バインディングのマッピング。 | CommandJobOutputs |
リソース | ジョブのコンピューティング リソース構成。 | ResourceConfiguration |
名前 | 形容 | 価値 |
---|---|---|
distributionType | オブジェクトの種類を設定する |
Mpi PyTorch を TensorFlow (必須) |
名前 | 形容 | 価値 |
---|---|---|
distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | 'Mpi' (必須) |
processCountPerInstance | MPI ノードあたりのプロセス数。 | int |
名前 | 形容 | 価値 |
---|---|---|
distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | 'PyTorch' (必須) |
processCountPerInstance | ノードあたりのプロセス数。 | int |
名前 | 形容 | 価値 |
---|---|---|
distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | 'TensorFlow' (必須) |
parameterServerCount | パラメーター サーバー タスクの数。 | int |
workerCount | ワーカーの数。 指定しない場合は、既定でインスタンス数が設定されます。 | int |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobInput を |
名前 | 形容 | 価値 |
---|---|---|
形容 | 入力の説明。 | 糸 |
jobInputType | オブジェクトの種類を設定する | CustomModel の リテラル MLFlowModel MLTable TritonModel UriFile UriFolder (必須) |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | 'CustomModel' (必須) |
モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | 'Literal' (必須) |
価値 | [必須]入力のリテラル値。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | 'MLFlowModel' (必須) |
モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | 'TritonModel' (必須) |
モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | 'UriFile' (必須) |
モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | 'UriFolder' (必須) |
モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobLimitsType | [必須]JobLimit 型。 | 'Command' 'Sweep' (必須) |
タイムアウト | ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobOutput |
名前 | 形容 | 価値 |
---|---|---|
jobType | [必須]ジョブの種類を指定します。 | 'Pipeline' (必須) |
入力 | パイプライン ジョブの入力。 | PipelineJobInputs |
ジョブ | ジョブはパイプライン ジョブを構築します。 | PipelineJobs |
出力 | パイプライン ジョブの出力 | PipelineJobOutputs |
設定 | ContinueRunOnStepFailure などのパイプライン設定。 |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobInput を |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobOutput |
名前 | 形容 | 価値 |
---|---|---|
jobType | [必須]ジョブの種類を指定します。 | 'Sweep' (必須) |
earlyTermination | 早期終了ポリシーを使用すると、実行が完了する前にパフォーマンスの低い実行を取り消す | EarlyTerminationPolicy |
入力 | ジョブで使用される入力データ バインディングのマッピング。 | SweepJobInputs |
切り | スイープ ジョブの制限。 | SweepJobLimits |
目的 | [必須]最適化の目的。 | 目標 (必須) |
出力 | ジョブで使用される出力データ バインディングのマッピング。 | SweepJobOutputs |
samplingAlgorithm | [必須]ハイパーパラメーター サンプリング アルゴリズム | SamplingAlgorithm (必須) |
searchSpace | [必須]各パラメーターとその分布を含むディクショナリ。 ディクショナリ キーはパラメーターの名前です | |
裁判 | [必須]試用版コンポーネントの定義。 | TrialComponent (必須) |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobInput を |
名前 | 形容 | 価値 |
---|---|---|
jobLimitsType | [必須]JobLimit 型。 | 'Command' 'Sweep' (必須) |
maxConcurrentTrials | スイープ ジョブの最大同時試行回数。 | int |
maxTotalTrials | スイープ ジョブの最大試行回数。 | int |
タイムアウト | ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。 | 糸 |
trialTimeout | スイープ ジョブ試用版のタイムアウト値。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
ゴール | [必須]ハイパーパラメーター調整でサポートされるメトリックの目標を定義します | '最大化' '最小化' (必須) |
primaryMetric | [必須]最適化するメトリックの名前。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobOutput |
名前 | 形容 | 価値 |
---|---|---|
samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | 'Bayesian' (必須) |
名前 | 形容 | 価値 |
---|---|---|
samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | 'Grid' (必須) |
名前 | 形容 | 価値 |
---|---|---|
samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | 'Random' (必須) |
支配 | ランダム アルゴリズムの特定の種類 | 'Random' 'Sobol' |
種 | 乱数生成のシードとして使用する省略可能な整数 | int |
名前 | 形容 | 価値 |
---|---|---|
codeId | コード資産の ARM リソース ID。 | 糸 |
命令 | [必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py" | string (必須) 制約: 最小長 = 1 パターン = [a-zA-Z0-9_] |
流通 | ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。 | DistributionConfiguration |
environmentId | [必須]ジョブの環境仕様の ARM リソース ID。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
environmentVariables | ジョブに含まれる環境変数。 | TrialComponentEnvironmentVariables |
リソース | ジョブのコンピューティング リソース構成。 | ResourceConfiguration |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |
次のクイック スタート テンプレートでは、このリソースの種類をデプロイします。
テンプレート | 形容 |
---|---|
Azure Machine Learning AutoML 分類ジョブ を作成する Azure にデプロイする |
このテンプレートでは、Azure Machine Learning AutoML 分類ジョブを作成して、クライアントが金融機関との固定定期預金をサブスクライブするかどうかを予測するための最適なモデルを見つけます。 |
Azure Machine Learning コマンド ジョブ を作成する Azure にデプロイする |
このテンプレートは、基本的なhello_world スクリプトを使用して Azure Machine Learning コマンド ジョブを作成します |
Azure Machine Learning スイープ ジョブ を作成する Azure |
このテンプレートでは、ハイパーパラメーター調整用の Azure Machine Learning スイープ ジョブが作成されます。 |
ワークスペース/ジョブ リソースの種類は、次を対象とする操作と共にデプロイできます。
- リソース グループの
各 API バージョンで変更されたプロパティの一覧については、変更ログの
Microsoft.MachineLearningServices/workspaces/jobs リソースを作成するには、次の Terraform をテンプレートに追加します。
resource "azapi_resource" "symbolicname" {
type = "Microsoft.MachineLearningServices/workspaces/jobs@2022-02-01-preview"
name = "string"
parent_id = "string"
body = jsonencode({
properties = {
computeId = "string"
description = "string"
displayName = "string"
experimentName = "string"
identity = {
identityType = "string"
// For remaining properties, see IdentityConfiguration objects
}
isArchived = bool
properties = {
{customized property} = "string"
}
schedule = {
endTime = "string"
scheduleStatus = "string"
startTime = "string"
timeZone = "string"
scheduleType = "string"
// For remaining properties, see ScheduleBase objects
}
services = {
{customized property} = {
endpoint = "string"
jobServiceType = "string"
port = int
properties = {
{customized property} = "string"
}
}
}
tags = {}
jobType = "string"
// For remaining properties, see JobBaseDetails objects
}
})
}
オブジェクトの種類を指定するには、jobType プロパティを設定します。
AutoMLの場合は、次を使用します。
jobType = "AutoML"
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
resources = {
instanceCount = int
instanceType = "string"
properties = {}
}
taskDetails = {
logVerbosity = "string"
taskType = "string"
// For remaining properties, see AutoMLVertical objects
}
コマンドの場合は、次のコマンドを使用します。
jobType = "Command"
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
limits = {
jobLimitsType = "string"
timeout = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
resources = {
instanceCount = int
instanceType = "string"
properties = {}
}
パイプラインの場合は、次を使用します。
jobType = "Pipeline"
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
jobs = {}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
スイープ
jobType = "Sweep"
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
limits = {
jobLimitsType = "string"
maxConcurrentTrials = int
maxTotalTrials = int
timeout = "string"
trialTimeout = "string"
}
objective = {
goal = "string"
primaryMetric = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
samplingAlgorithm = {
samplingAlgorithmType = "string"
// For remaining properties, see SamplingAlgorithm objects
}
trial = {
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
resources = {
instanceCount = int
instanceType = "string"
properties = {}
}
}
identityType プロパティを設定して、オブジェクトの種類を指定します。
AMLTokenを
identityType = "AMLToken"
マネージドの場合は、次を使用します。
identityType = "Managed"
clientId = "string"
objectId = "string"
resourceId = "string"
UserIdentityの場合は、次の値を使用します。
identityType = "UserIdentity"
scheduleType プロパティを設定して、オブジェクトの種類を指定します。
Cronの場合は、次を使用します。
scheduleType = "Cron"
expression = "string"
繰り返しの場合は、次の値を使用します。
scheduleType = "Recurrence"
frequency = "string"
interval = int
pattern = {
hours = [
int
]
minutes = [
int
]
weekdays = [
"string"
]
}
オブジェクトの種類を指定するには、jobOutputType プロパティを設定します。
CustomModelを
jobOutputType = "CustomModel"
mode = "string"
uri = "string"
MLFlowModelの場合は、次を使用します。
jobOutputType = "MLFlowModel"
mode = "string"
uri = "string"
MLTableの場合は、次を使用します。
jobOutputType = "MLTable"
mode = "string"
uri = "string"
TritonModelの場合は、次を使用します。
jobOutputType = "TritonModel"
mode = "string"
uri = "string"
UriFileの場合は、次の値を使用します。
jobOutputType = "UriFile"
mode = "string"
uri = "string"
UriFolderを
jobOutputType = "UriFolder"
mode = "string"
uri = "string"
taskType プロパティを設定して、オブジェクトの種類を指定します。
分類の場合は、次を使用します。
taskType = "Classification"
allowedModels = [
"string"
]
blockedModels = [
"string"
]
dataSettings = {
targetColumnName = "string"
testData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
}
trainingData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
}
validationData = {
cvSplitColumnNames = [
"string"
]
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
validationDataSize = int
}
weightColumnName = "string"
}
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
dropColumns = [
"string"
]
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
primaryMetric = "string"
trainingSettings = {
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
}
予測の場合は、次の値を使用します。
taskType = "Forecasting"
allowedModels = [
"string"
]
blockedModels = [
"string"
]
dataSettings = {
targetColumnName = "string"
testData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
}
trainingData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
}
validationData = {
cvSplitColumnNames = [
"string"
]
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
validationDataSize = int
}
weightColumnName = "string"
}
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
dropColumns = [
"string"
]
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
forecastingSettings = {
countryOrRegionForHolidays = "string"
cvStepSize = int
featureLags = "string"
forecastHorizon = {
mode = "string"
// For remaining properties, see ForecastHorizon objects
}
frequency = "string"
seasonality = {
mode = "string"
// For remaining properties, see Seasonality objects
}
shortSeriesHandlingConfig = "string"
targetAggregateFunction = "string"
targetLags = {
mode = "string"
// For remaining properties, see TargetLags objects
}
targetRollingWindowSize = {
mode = "string"
// For remaining properties, see TargetRollingWindowSize objects
}
timeColumnName = "string"
timeSeriesIdColumnNames = [
"string"
]
useStl = "string"
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
primaryMetric = "string"
trainingSettings = {
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
}
ImageClassificationの場合は、次を使用します。
taskType = "ImageClassification"
dataSettings = {
targetColumnName = "string"
testData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
}
trainingData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
}
validationData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
}
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
checkpointDatasetId = "string"
checkpointFilename = "string"
checkpointFrequency = int
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
momentum = int
nesterov = bool
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
splitRatio = int
stepLRGamma = int
stepLRStepSize = int
trainingBatchSize = int
trainingCropSize = int
validationBatchSize = int
validationCropSize = int
validationResizeSize = int
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
weightedLoss = int
}
primaryMetric = "string"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
momentum = "string"
nesterov = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
splitRatio = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
trainingBatchSize = "string"
trainingCropSize = "string"
validationBatchSize = "string"
validationCropSize = "string"
validationResizeSize = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
weightedLoss = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
limits = {
maxConcurrentTrials = int
maxTrials = int
}
samplingAlgorithm = "string"
}
ImageClassificationMultilabelを
taskType = "ImageClassificationMultilabel"
dataSettings = {
targetColumnName = "string"
testData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
}
trainingData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
}
validationData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
}
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
checkpointDatasetId = "string"
checkpointFilename = "string"
checkpointFrequency = int
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
momentum = int
nesterov = bool
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
splitRatio = int
stepLRGamma = int
stepLRStepSize = int
trainingBatchSize = int
trainingCropSize = int
validationBatchSize = int
validationCropSize = int
validationResizeSize = int
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
weightedLoss = int
}
primaryMetric = "string"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
momentum = "string"
nesterov = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
splitRatio = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
trainingBatchSize = "string"
trainingCropSize = "string"
validationBatchSize = "string"
validationCropSize = "string"
validationResizeSize = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
weightedLoss = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
limits = {
maxConcurrentTrials = int
maxTrials = int
}
samplingAlgorithm = "string"
}
ImageInstanceSegmentationを
taskType = "ImageInstanceSegmentation"
dataSettings = {
targetColumnName = "string"
testData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
}
trainingData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
}
validationData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
}
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
boxDetectionsPerImage = int
boxScoreThreshold = int
checkpointDatasetId = "string"
checkpointFilename = "string"
checkpointFrequency = int
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
imageSize = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
maxSize = int
minSize = int
modelName = "string"
modelSize = "string"
momentum = int
multiScale = bool
nesterov = bool
nmsIouThreshold = int
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
splitRatio = int
stepLRGamma = int
stepLRStepSize = int
tileGridSize = "string"
tileOverlapRatio = int
tilePredictionsNmsThreshold = int
trainingBatchSize = int
validationBatchSize = int
validationIouThreshold = int
validationMetricType = "string"
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
}
primaryMetric = "MeanAveragePrecision"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
boxDetectionsPerImage = "string"
boxScoreThreshold = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
imageSize = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
maxSize = "string"
minSize = "string"
modelName = "string"
modelSize = "string"
momentum = "string"
multiScale = "string"
nesterov = "string"
nmsIouThreshold = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
splitRatio = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
tileGridSize = "string"
tileOverlapRatio = "string"
tilePredictionsNmsThreshold = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
validationIouThreshold = "string"
validationMetricType = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
limits = {
maxConcurrentTrials = int
maxTrials = int
}
samplingAlgorithm = "string"
}
ImageObjectDetectionの場合は、次の値を使用します。
taskType = "ImageObjectDetection"
dataSettings = {
targetColumnName = "string"
testData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
}
trainingData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
}
validationData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
}
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
boxDetectionsPerImage = int
boxScoreThreshold = int
checkpointDatasetId = "string"
checkpointFilename = "string"
checkpointFrequency = int
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
imageSize = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
maxSize = int
minSize = int
modelName = "string"
modelSize = "string"
momentum = int
multiScale = bool
nesterov = bool
nmsIouThreshold = int
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
splitRatio = int
stepLRGamma = int
stepLRStepSize = int
tileGridSize = "string"
tileOverlapRatio = int
tilePredictionsNmsThreshold = int
trainingBatchSize = int
validationBatchSize = int
validationIouThreshold = int
validationMetricType = "string"
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
}
primaryMetric = "MeanAveragePrecision"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
boxDetectionsPerImage = "string"
boxScoreThreshold = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
imageSize = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
maxSize = "string"
minSize = "string"
modelName = "string"
modelSize = "string"
momentum = "string"
multiScale = "string"
nesterov = "string"
nmsIouThreshold = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
splitRatio = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
tileGridSize = "string"
tileOverlapRatio = "string"
tilePredictionsNmsThreshold = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
validationIouThreshold = "string"
validationMetricType = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
limits = {
maxConcurrentTrials = int
maxTrials = int
}
samplingAlgorithm = "string"
}
回帰の場合は、次の値を使用します。
taskType = "Regression"
allowedModels = [
"string"
]
blockedModels = [
"string"
]
dataSettings = {
targetColumnName = "string"
testData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
}
trainingData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
}
validationData = {
cvSplitColumnNames = [
"string"
]
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
validationDataSize = int
}
weightColumnName = "string"
}
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
dropColumns = [
"string"
]
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
primaryMetric = "string"
trainingSettings = {
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
}
TextClassificationの場合は、次を使用します。
taskType = "TextClassification"
dataSettings = {
targetColumnName = "string"
testData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
}
trainingData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
}
validationData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
}
}
featurizationSettings = {
datasetLanguage = "string"
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
primaryMetric = "string"
TextClassificationMultilabelを
taskType = "TextClassificationMultilabel"
dataSettings = {
targetColumnName = "string"
testData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
}
trainingData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
}
validationData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
}
}
featurizationSettings = {
datasetLanguage = "string"
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
TextNERの場合は、次を使用します。
taskType = "TextNER"
dataSettings = {
targetColumnName = "string"
testData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
}
trainingData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
}
validationData = {
data = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
}
}
featurizationSettings = {
datasetLanguage = "string"
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode = "Auto"
カスタムを
mode = "Custom"
value = int
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode = "Auto"
カスタムを
mode = "Custom"
value = int
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode = "Auto"
カスタムを
mode = "Custom"
value = int
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode = "Auto"
カスタムを
mode = "Custom"
values = [
int
]
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode = "Auto"
カスタムを
mode = "Custom"
value = int
policyType プロパティを設定して、オブジェクトの種類を指定します。
バンディット
policyType = "Bandit"
slackAmount = int
slackFactor = int
MedianStopping の場合は、次の値を使用します。
policyType = "MedianStopping"
TruncationSelectionの場合は、次のコマンドを使用します。
policyType = "TruncationSelection"
truncationPercentage = int
オブジェクトの種類を指定するには、distributionType プロパティを設定します。
Mpiの場合は、次を使用します。
distributionType = "Mpi"
processCountPerInstance = int
PyTorchを
distributionType = "PyTorch"
processCountPerInstance = int
TensorFlowの場合は、次を使用します。
distributionType = "TensorFlow"
parameterServerCount = int
workerCount = int
jobInputType プロパティを設定して、オブジェクトの種類を指定します。
CustomModelを
jobInputType = "CustomModel"
mode = "string"
uri = "string"
リテラル
jobInputType = "Literal"
value = "string"
MLFlowModelの場合は、次を使用します。
jobInputType = "MLFlowModel"
mode = "string"
uri = "string"
MLTableの場合は、次を使用します。
jobInputType = "MLTable"
mode = "string"
uri = "string"
TritonModelの場合は、次を使用します。
jobInputType = "TritonModel"
mode = "string"
uri = "string"
UriFileの場合は、次の値を使用します。
jobInputType = "UriFile"
mode = "string"
uri = "string"
UriFolderを
jobInputType = "UriFolder"
mode = "string"
uri = "string"
samplingAlgorithmType プロパティを設定して、オブジェクトの種類を指定します。
ベイジアン の場合は、次を使用します。
samplingAlgorithmType = "Bayesian"
Gridの場合は、次を使用します。
samplingAlgorithmType = "Grid"
ランダム
samplingAlgorithmType = "Random"
rule = "string"
seed = int
名前 | 形容 | 価値 |
---|---|---|
種類 | リソースの種類 | "Microsoft.MachineLearningServices/workspaces/jobs@2022-02-01-preview" |
名前 | リソース名 | string (必須) |
parent_id | このリソースの親であるリソースの ID。 | 種類のリソースの ID: ワークスペース |
プロパティ | [必須]エンティティの追加の属性。 | JobBaseDetails (必須) |
名前 | 形容 | 価値 |
---|---|---|
computeId | コンピューティング リソースの ARM リソース ID。 | 糸 |
形容 | 資産の説明テキスト。 | 糸 |
displayName | ジョブの表示名。 | 糸 |
experimentName | ジョブが属する実験の名前。 設定されていない場合、ジョブは "既定" の実験に配置されます。 | 糸 |
同一性 | ID の構成。 設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。 |
IdentityConfiguration |
isArchived | 資産はアーカイブされていますか? | bool |
プロパティ | 資産プロパティ ディクショナリ。 | ResourceBaseProperties |
計画 | ジョブの定義をスケジュールします。 スケジュールが指定されていない場合、ジョブは送信直後に 1 回実行されます。 |
ScheduleBase |
サービス | JobEndpoints の一覧。 ローカル ジョブの場合、ジョブ エンドポイントのエンドポイント値は FileStreamObject になります。 |
JobBaseServices |
タグ | タグ ディクショナリ。 タグは追加、削除、更新できます。 | オブジェクト |
jobType | オブジェクトの種類を設定する | AutoML の コマンド パイプラインの スイープ (必須) |
名前 | 形容 | 価値 |
---|---|---|
identityType | オブジェクトの種類を設定する | AMLToken を マネージド UserIdentity (必須) |
名前 | 形容 | 価値 |
---|---|---|
identityType | [必須]ID フレームワークの種類を指定します。 | "AMLToken" (必須) |
名前 | 形容 | 価値 |
---|---|---|
identityType | [必須]ID フレームワークの種類を指定します。 | "マネージド" (必須) |
clientId | クライアント ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 制約: 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
objectId | ユーザー割り当て ID をオブジェクト ID で指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 制約: 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
resourceId | ARM リソース ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
identityType | [必須]ID フレームワークの種類を指定します。 | "UserIdentity" (必須) |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |
名前 | 形容 | 価値 |
---|---|---|
endTime | スケジュールの終了時刻を ISO 8601 形式で指定します。 存在しない場合、スケジュールは無期限に実行されます |
糸 |
scheduleStatus | スケジュールの状態を指定します | "無効" "有効" |
startTime | スケジュールの開始時刻を ISO 8601 形式で指定します。 | 糸 |
timeZone | スケジュールを実行するタイム ゾーンを指定します。 TimeZone は、Windows のタイム ゾーン形式に従う必要があります。 |
糸 |
scheduleType | オブジェクトの種類を設定する |
Cron 繰り返し (必須) |
名前 | 形容 | 価値 |
---|---|---|
scheduleType | [必須]スケジュールの種類を指定します | "Cron" (必須) |
表現 | [必須]スケジュールの cron 式を指定します。 式は NCronTab 形式に従う必要があります。 |
string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
scheduleType | [必須]スケジュールの種類を指定します | "繰り返し" (必須) |
周波数 | [必須]スケジュールをトリガーする頻度を指定します | "Day" "Hour" "Minute" "Month" "Week" (必須) |
間 | [必須]スケジュール間隔を頻度と組み合わせて指定します | int (必須) |
パターン | 繰り返しスケジュール パターンを指定します | RecurrencePattern の |
名前 | 形容 | 価値 |
---|---|---|
時間 | [必須]定期的なスケジュール パターンの時間の一覧 | int[] (必須) |
議事録 | [必須]定期的なスケジュール パターンの分数の一覧 | int[] (必須) |
平日 | 定期的なスケジュール パターンの平日の一覧 | 次のいずれかを含む文字列配列: "Friday" "Monday" "Saturday" "Sunday" "木曜日" "Tuesday" "水曜日" |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobService |
名前 | 形容 | 価値 |
---|---|---|
エンドポイント | エンドポイントの URL。 | 糸 |
jobServiceType | エンドポイントの種類。 | 糸 |
港 | エンドポイントのポート。 | int |
プロパティ | エンドポイントに設定する追加のプロパティ。 | JobServiceProperties |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobType | [必須]ジョブの種類を指定します。 | "AutoML" (必須) |
environmentId | ジョブの環境仕様の ARM リソース ID。 これは省略可能な値です。指定しない場合、AutoML はジョブの実行時に既定で運用環境の AutoML キュレーション環境バージョンに設定されます。 |
糸 |
environmentVariables | ジョブに含まれる環境変数。 | AutoMLJobEnvironmentVariables の |
出力 | ジョブで使用される出力データ バインディングのマッピング。 | AutoMLJobOutputs の |
リソース | ジョブのコンピューティング リソース構成。 | ResourceConfiguration |
taskDetails | [必須]これは、テーブル/NLP/イメージのいずれかである可能性があるシナリオを表します | AutoMLVertical (必須) |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobOutput |
名前 | 形容 | 価値 |
---|---|---|
形容 | 出力の説明。 | 糸 |
jobOutputType | オブジェクトの種類を設定する | CustomModel の MLFlowModel MLTable TritonModel UriFile UriFolder (必須) |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | "CustomModel" (必須) |
モード | 出力資産配信モード。 | "ReadWriteMount" "アップロード" |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | "MLFlowModel" (必須) |
モード | 出力資産配信モード。 | "ReadWriteMount" "アップロード" |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | "MLTable" (必須) |
モード | 出力資産配信モード。 | "ReadWriteMount" "アップロード" |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | "TritonModel" (必須) |
モード | 出力資産配信モード。 | "ReadWriteMount" "アップロード" |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | "UriFile" (必須) |
モード | 出力資産配信モード。 | "ReadWriteMount" "アップロード" |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
jobOutputType | [必須]ジョブの種類を指定します。 | "UriFolder" (必須) |
モード | 出力資産配信モード。 | "ReadWriteMount" "アップロード" |
uri | 出力アセット URI。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
instanceCount | コンピューティング 先で使用されるインスタンスまたはノードの数 (省略可能)。 | int |
instanceType | コンピューティング 先でサポートされている VM のオプションの種類。 | 糸 |
プロパティ | 追加のプロパティ バッグ。 | ResourceConfigurationProperties |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} |
名前 | 形容 | 価値 |
---|---|---|
logVerbosity | ジョブの詳細度をログに記録します。 | "Critical" "デバッグ" "Error" "Info" "NotSet" "警告" |
taskType | オブジェクトの種類を設定する |
分類 予測 ImageClassification ImageClassificationMultilabel の ImageInstanceSegmentation ImageObjectDetection 回帰 TextClassification TextClassificationMultilabel TextNER (必須) |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | "分類" (必須) |
allowedModels | 分類タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier" |
blockedModels | 分類タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier" |
dataSettings | AutoMLJob のデータ入力。 | TableVerticalDataSettings の |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
primaryMetric | タスクのプライマリ メトリック。 | "AUCWeighted" "Accuracy" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | TrainingSettings |
名前 | 形容 | 価値 |
---|---|---|
targetColumnName | [必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。 |
string (必須) 制約: パターン = [a-zA-Z0-9_] |
testData | データ入力をテストします。 | TestDataSettings の |
trainingData | [必須]トレーニング データの入力。 | TrainingDataSettings (必須) |
validationData | 検証データの入力。 | TableVerticalValidationDataSettings |
weightColumnName | サンプルの重み列の名前。 自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
データ | テスト データ MLTable。 | MLTableJobInput の |
testDataSize | 検証のために確保する必要があるテスト データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
名前 | 形容 | 価値 |
---|---|---|
形容 | 入力の説明。 | 糸 |
jobInputType | [必須]ジョブの種類を指定します。 | "CustomModel" "Literal" "MLFlowModel" "MLTable" "TritonModel" "UriFile" "UriFolder" (必須) |
モード | 入力資産配信モード。 | "Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
データ | [必須]トレーニング データ MLTable。 | MLTableJobInput の |
名前 | 形容 | 価値 |
---|---|---|
cvSplitColumnNames | CVSplit データに使用する列。 | string[] |
データ | 検証データ MLTable。 | MLTableJobInput の |
nCrossValidations | トレーニング データセットに適用されるクロス検証フォールドの数 検証データセットが指定されていない場合。 |
NCrossValidations |
validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
名前 | 形容 | 価値 |
---|---|---|
モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]N クロス検証を決定するためのモード。 | "Auto" (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]N クロス検証を決定するためのモード。 | "カスタム" (必須) |
価値 | [必須]N クロス検証値。 | int (必須) |
名前 | 形容 | 価値 |
---|---|---|
blockedTransformers | これらのトランスは特徴付けには使用しないでください。 | string[] |
columnNameAndTypes | 列名とその型 (int、float、string、datetime など) のディクショナリ。 | TableVerticalFeaturizationSettingsColumnNameAndTypes |
datasetLanguage | テキスト データに役立つデータセット言語。 | 糸 |
dropColumns | 特徴量化中にデータから削除される列。 | string[] |
enableDnnFeaturization | データ特徴付けに Dnn ベースの特徴付け器を使用するかどうかを決定します。 | bool |
モード | 特徴量化モード - ユーザーは既定の "自動" モードを維持でき、AutoML は特徴量化フェーズでのデータの必要な変換を処理します。 [オフ] が選択されている場合、特徴量化は行われません。 [カスタム] が選択されている場合、ユーザーは追加の入力を指定して、特徴付けの実行方法をカスタマイズできます。 |
"Auto" "Custom" "オフ" |
transformerParams | ユーザーは、使用する追加のトランスフォーマーと、それが適用される列、およびトランスフォーマー コンストラクターのパラメーターを指定できます。 | TableVerticalFeaturizationSettingsTransformerParams |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | ColumnTransformer[] |
名前 | 形容 | 価値 |
---|---|---|
田畑 | トランスフォーマー ロジックを適用するフィールド。 | string[] |
パラメーター | トランスフォーマーに渡されるさまざまなプロパティ。 必要な入力は、JSON 形式のキーと値のペアのディクショナリです。 |
名前 | 形容 | 価値 |
---|---|---|
enableEarlyTermination | 早期終了を有効にし、過去 20 回のイテレーションでスコアの改善がない場合に AutoMLJob が早期に終了するかどうかを決定します。 | bool |
exitScore | AutoML ジョブの終了スコア。 | int |
maxConcurrentTrials | 最大同時反復数。 | int |
maxCoresPerTrial | イテレーションあたりの最大コア数。 | int |
maxTrials | 反復回数。 | int |
タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
trialTimeout | 繰り返しタイムアウト。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
enableDnnTraining | DNN モデルの推奨事項を有効にします。 | bool |
enableModelExplainability | 最適なモデルで説明可能性を有効にするフラグ。 | bool |
enableOnnxCompatibleModels | onnx 互換モデルを有効にするフラグ。 | bool |
enableStackEnsemble | スタック アンサンブル実行を有効にします。 | bool |
enableVoteEnsemble | 投票アンサンブル実行を有効にします。 | bool |
ensembleModelDownloadTimeout | VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。 |
糸 |
stackEnsembleSettings | スタック アンサンブル実行のスタック アンサンブル設定。 | StackEnsembleSettings |
名前 | 形容 | 価値 |
---|---|---|
stackMetaLearnerKWargs | メタ学習者の初期化子に渡す省略可能なパラメーター。 | |
stackMetaLearnerTrainPercentage | メタ学習者のトレーニング用に予約するトレーニング セット (トレーニングのトレーニングと検証の種類を選択する場合) の割合を指定します。 既定値は 0.2 です。 | int |
stackMetaLearnerType | メタ学習者は、個々の異種モデルの出力でトレーニングされたモデルです。 | "ElasticNet" "ElasticNetCV" "LightGBMClassifier" "LightGBMRegressor" "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "なし" |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | "予測" (必須) |
allowedModels | 予測タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: "Arimax" "AutoArima" "Average" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "なげなわ" "LightGBM" "Naive" "Prophet" "RandomForest" "SGD" "SeasonalAverage" "SeasonalNaive" "TCNForecaster" "XGBoostRegressor" |
blockedModels | 予測タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: "Arimax" "AutoArima" "Average" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "なげなわ" "LightGBM" "Naive" "Prophet" "RandomForest" "SGD" "SeasonalAverage" "SeasonalNaive" "TCNForecaster" "XGBoostRegressor" |
dataSettings | AutoMLJob のデータ入力。 | TableVerticalDataSettings の |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
forecastingSettings | 予測タスク固有の入力。 | ForecastingSettings |
limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
primaryMetric | 予測タスクの主要メトリック。 | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "スピアマン相関" |
trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | TrainingSettings |
名前 | 形容 | 価値 |
---|---|---|
countryOrRegionForHolidays | 予測タスクの休日の国または地域。 これらは、ISO 3166 の 2 文字の国/地域コード ("US" や "GB" など) である必要があります。 |
糸 |
cvStepSize | 1 つの CV フォールドの原点時間と次のフォールドの間の期間の数。 対して たとえば、日次データの CVStepSize = 3 の場合、各フォールドの起点時間は3 日分離します。 |
int |
featureLags | 'auto' または null を持つ数値特徴のラグを生成するためのフラグ。 | "Auto" "なし" |
forecastHorizon | 時系列の頻度の単位で求められる最大予測期間。 | ForecastHorizon |
周波数 | 予測の場合、このパラメーターは、日単位、週単位、年単位など、予測が必要な期間を表します。予測頻度は、既定ではデータセットの頻度です。 | 糸 |
季節 | 時系列の季節性を、系列の頻度の整数倍数として設定します。 季節性が 'auto' に設定されている場合は、推論されます。 |
季節性 |
shortSeriesHandlingConfig | AutoML で短い時系列を処理する方法を定義するパラメーター。 | "Auto" "Drop" "なし" "Pad" |
targetAggregateFunction | ユーザーが指定した頻度に準拠するように時系列ターゲット列を集計するために使用する関数。 TargetAggregateFunction が 'None' ではなく設定されているが、freq パラメーターが設定されていない場合、エラーが発生します。 可能なターゲット集計関数は、"sum"、"max"、"min"、"mean" です。 |
"Max" "Mean" "Min" "なし" "Sum" |
targetLags | ターゲット列から遅延する過去の期間の数。 | TargetLags |
targetRollingWindowSize | ターゲット列のローリング ウィンドウ平均の作成に使用された過去の期間の数。 | TargetRollingWindowSize |
timeColumnName | 時刻列の名前。 このパラメーターは、時系列の構築とその頻度の推論に使用される入力データの datetime 列を予測する場合に必要です。 | 糸 |
timeSeriesIdColumnNames | 時系列をグループ化するために使用される列の名前。 複数の系列を作成するために使用できます。 グレインが定義されていない場合、データ セットは 1 つの時系列であると見なされます。 このパラメーターは、タスクの種類の予測で使用されます。 |
string[] |
useStl | 時系列ターゲット列の STL 分解を構成します。 | "なし" "Season" "SeasonTrend" |
名前 | 形容 | 価値 |
---|---|---|
モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]予測期間値の選択モードを設定します。 | "Auto" (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]予測期間値の選択モードを設定します。 | "カスタム" (必須) |
価値 | [必須]予測期間の値。 | int (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]季節性モード。 | "Auto" (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]季節性モード。 | "カスタム" (必須) |
価値 | [必須]季節性の値。 | int (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]ターゲット ラグ モードの設定 - 自動/カスタム | "Auto" (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]ターゲット ラグ モードの設定 - 自動/カスタム | "カスタム" (必須) |
価値観 | [必須]ターゲットラグ値を設定します。 | int[] (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]TargetRollingWindowSiz 検出モード。 | "Auto" (必須) |
名前 | 形容 | 価値 |
---|---|---|
モード | [必須]TargetRollingWindowSiz 検出モード。 | "カスタム" (必須) |
価値 | [必須]TargetRollingWindowSize 値。 | int (必須) |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | "ImageClassification" (必須) |
dataSettings | [必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。 | ImageVerticalDataSettings (必須) |
limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsClassification の |
primaryMetric | このタスク用に最適化する主要メトリック。 | "AUCWeighted" "Accuracy" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsClassification[] |
sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
名前 | 形容 | 価値 |
---|---|---|
targetColumnName | [必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。 |
string (必須) 制約: パターン = [a-zA-Z0-9_] |
testData | データ入力をテストします。 | TestDataSettings の |
trainingData | [必須]トレーニング データの入力。 | TrainingDataSettings (必須) |
validationData | 検証データセットの設定。 | ImageVerticalValidationDataSettings |
名前 | 形容 | 価値 |
---|---|---|
データ | 検証データ MLTable。 | MLTableJobInput の |
validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
名前 | 形容 | 価値 |
---|---|---|
maxConcurrentTrials | 同時 AutoML イテレーションの最大数。 | int |
maxTrials | AutoML イテレーションの最大数。 | int |
タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
advancedSettings | 高度なシナリオの設定。 | 糸 |
amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | bool |
拡張 | 拡張を使用するための設定。 | 糸 |
beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | int |
beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | int |
checkpointDatasetId | 増分トレーニング用の事前トレーニング済みチェックポイントの FileDataset ID。 CheckpointDatasetId と共に CheckpointFilename を渡してください。 |
糸 |
checkpointFilename | 増分トレーニング用の FileDataset の事前トレーニング済みチェックポイント ファイル名。 CheckpointFilename と共に CheckpointDatasetId を渡してください。 |
糸 |
checkpointFrequency | モデル チェックポイントを格納する頻度。 正の整数にする必要があります。 | int |
checkpointRunId | 増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。 | 糸 |
分散 | 分散トレーニングを使用するかどうか。 | bool |
earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | bool |
earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
int |
earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
int |
enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | bool |
evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | int |
gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
int |
layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
int |
learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | int |
learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | "なし" "ステップ" "WarmupCosine" |
modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | int |
nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | bool |
numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | int |
numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | int |
オプティマイザ | オプティマイザーの種類。 | "Adam" "Adamw" "なし" "Sgd" |
randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | int |
splitRatio | 検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。 |
int |
stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | int |
stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | int |
trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | int |
trainingCropSize | トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | int |
validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | int |
validationCropSize | 検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | int |
validationResizeSize | 検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。 | int |
warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | int |
warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | int |
weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | int |
weightedLoss | 加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。 |
int |
名前 | 形容 | 価値 |
---|---|---|
amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | 糸 |
拡張 | 拡張を使用するための設定。 | 糸 |
beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
分散 | 配布者トレーニングを使用するかどうか。 | 糸 |
earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | 糸 |
earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
糸 |
earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
糸 |
enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | 糸 |
evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | 糸 |
gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
糸 |
layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
糸 |
learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | 糸 |
learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 糸 |
modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | 糸 |
numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | 糸 |
numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | 糸 |
オプティマイザ | オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。 | 糸 |
randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | 糸 |
splitRatio | 検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。 |
糸 |
stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | 糸 |
trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | 糸 |
trainingCropSize | トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | 糸 |
validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | 糸 |
validationCropSize | 検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | 糸 |
validationResizeSize | 検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。 | 糸 |
warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | 糸 |
weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
weightedLoss | 加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。 |
糸 |
名前 | 形容 | 価値 |
---|---|---|
earlyTermination | 早期終了ポリシーの種類。 | EarlyTerminationPolicy |
切り | [必須]モデル スイープとハイパーパラメーター スイープの設定を制限します。 | ImageSweepLimitSettings (必須) |
samplingAlgorithm | [必須]ハイパーパラメーター サンプリング アルゴリズムの種類。 | "Bayesian" "Grid" "Random" (必須) |
名前 | 形容 | 価値 |
---|---|---|
delayEvaluation | 最初の評価を遅らせる間隔の数。 | int |
evaluationInterval | ポリシー評価間の間隔 (実行回数)。 | int |
policyType | オブジェクトの種類を設定する |
バンディット MedianStopping TruncationSelection (必須) |
名前 | 形容 | 価値 |
---|---|---|
policyType | [必須]ポリシー構成の名前 | "Bandit" (必須) |
slackAmount | 最高のパフォーマンスを発揮する実行から許容される絶対距離。 | int |
slackFactor | 最もパフォーマンスの高い実行からの許容距離の比率。 | int |
名前 | 形容 | 価値 |
---|---|---|
policyType | [必須]ポリシー構成の名前 | "MedianStopping" (必須) |
名前 | 形容 | 価値 |
---|---|---|
policyType | [必須]ポリシー構成の名前 | "TruncationSelection" (必須) |
truncationPercentage | 各評価間隔で取り消す実行の割合。 | int |
名前 | 形容 | 価値 |
---|---|---|
maxConcurrentTrials | 基になるスイープ ジョブの同時実行イテレーションの最大数。 | int |
maxTrials | 基になるスイープ ジョブのイテレーションの最大数。 | int |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | "ImageClassificationMultilabel" (必須) |
dataSettings | [必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。 | ImageVerticalDataSettings (必須) |
limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsClassification の |
primaryMetric | このタスク用に最適化する主要メトリック。 | "AUCWeighted" "Accuracy" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsClassification[] |
sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | "ImageInstanceSegmentation" (必須) |
dataSettings | [必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。 | ImageVerticalDataSettings (必須) |
limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsObjectDetection |
primaryMetric | このタスク用に最適化する主要メトリック。 | "MeanAveragePrecision" |
searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
名前 | 形容 | 価値 |
---|---|---|
advancedSettings | 高度なシナリオの設定。 | 糸 |
amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | bool |
拡張 | 拡張を使用するための設定。 | 糸 |
beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | int |
beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | int |
boxDetectionsPerImage | すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
boxScoreThreshold | 推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。 |
int |
checkpointDatasetId | 増分トレーニング用の事前トレーニング済みチェックポイントの FileDataset ID。 CheckpointDatasetId と共に CheckpointFilename を渡してください。 |
糸 |
checkpointFilename | 増分トレーニング用の FileDataset の事前トレーニング済みチェックポイント ファイル名。 CheckpointFilename と共に CheckpointDatasetId を渡してください。 |
糸 |
checkpointFrequency | モデル チェックポイントを格納する頻度。 正の整数にする必要があります。 | int |
checkpointRunId | 増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。 | 糸 |
分散 | 分散トレーニングを使用するかどうか。 | bool |
earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | bool |
earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
int |
earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
int |
enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | bool |
evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | int |
gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
int |
imageSize | トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
int |
layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
int |
learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | int |
learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | "なし" "ステップ" "WarmupCosine" |
maxSize | バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
minSize | バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
modelSize | モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
"ExtraLarge" "Large" "Medium" "なし" "Small" |
運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | int |
multiScale | イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
bool |
nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | bool |
nmsIouThreshold | NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] の float である必要があります。 | int |
numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | int |
numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | int |
オプティマイザ | オプティマイザーの種類。 | "Adam" "Adamw" "なし" "Sgd" |
randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | int |
splitRatio | 検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。 |
int |
stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | int |
stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | int |
tileGridSize | 各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
tileOverlapRatio | 各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
tilePredictionsNmsThreshold | タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | int |
validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | int |
validationIouThreshold | 検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | int |
validationMetricType | 検証メトリックに使用するメトリック計算方法。 | "Coco" "CocoVoc" "なし" "Voc" |
warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | int |
warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | int |
weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | int |
名前 | 形容 | 価値 |
---|---|---|
amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | 糸 |
拡張 | 拡張を使用するための設定。 | 糸 |
beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
boxDetectionsPerImage | すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
boxScoreThreshold | 推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。 |
糸 |
分散 | 配布者トレーニングを使用するかどうか。 | 糸 |
earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | 糸 |
earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
糸 |
earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
糸 |
enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | 糸 |
evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | 糸 |
gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
糸 |
imageSize | トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
糸 |
learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | 糸 |
learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 糸 |
maxSize | バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
minSize | バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
modelSize | モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
multiScale | イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | 糸 |
nmsIouThreshold | NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | 糸 |
numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | 糸 |
numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | 糸 |
オプティマイザ | オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。 | 糸 |
randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | 糸 |
splitRatio | 検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。 |
糸 |
stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | 糸 |
tileGridSize | 各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
tileOverlapRatio | 各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
tilePredictionsNmsThreshold | タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 NMS: 非最大抑制 |
糸 |
trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | 糸 |
validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | 糸 |
validationIouThreshold | 検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | 糸 |
validationMetricType | 検証メトリックに使用するメトリック計算方法。 'none'、'coco'、'voc'、または 'coco_voc' である必要があります。 | 糸 |
warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | 糸 |
weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | "ImageObjectDetection" (必須) |
dataSettings | [必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。 | ImageVerticalDataSettings (必須) |
limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsObjectDetection |
primaryMetric | このタスク用に最適化する主要メトリック。 | "MeanAveragePrecision" |
searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | "回帰" (必須) |
allowedModels | 回帰タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "なげなわ" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor" |
blockedModels | 回帰タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "なげなわ" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor" |
dataSettings | AutoMLJob のデータ入力。 | TableVerticalDataSettings の |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
primaryMetric | 回帰タスクの主要メトリック。 | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "スピアマン相関" |
trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | TrainingSettings |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | "TextClassification" (必須) |
dataSettings | AutoMLJob のデータ入力。 | NlpVerticalDataSettings |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
primaryMetric | Text-Classification タスクのプライマリ メトリック。 | "AUCWeighted" "Accuracy" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
名前 | 形容 | 価値 |
---|---|---|
targetColumnName | [必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。 |
string (必須) 制約: パターン = [a-zA-Z0-9_] |
testData | データ入力をテストします。 | TestDataSettings の |
trainingData | [必須]トレーニング データの入力。 | TrainingDataSettings (必須) |
validationData | 検証データの入力。 | NlpVerticalValidationDataSettings |
名前 | 形容 | 価値 |
---|---|---|
データ | 検証データ MLTable。 | MLTableJobInput の |
validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
名前 | 形容 | 価値 |
---|---|---|
datasetLanguage | テキスト データに役立つデータセット言語。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
maxConcurrentTrials | AutoML の同時実行の最大イテレーション数。 | int |
maxTrials | AutoML イテレーションの数。 | int |
タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | "TextClassificationMultilabel" (必須) |
dataSettings | AutoMLJob のデータ入力。 | NlpVerticalDataSettings |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
名前 | 形容 | 価値 |
---|---|---|
taskType | [必須]AutoMLJob のタスクの種類。 | "TextNER" (必須) |
dataSettings | AutoMLJob のデータ入力。 | NlpVerticalDataSettings |
featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
名前 | 形容 | 価値 |
---|---|---|
jobType | [必須]ジョブの種類を指定します。 | "Command" (必須) |
codeId | コード資産の ARM リソース ID。 | 糸 |
命令 | [必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py" | string (必須) 制約: 最小長 = 1 パターン = [a-zA-Z0-9_] |
流通 | ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。 | DistributionConfiguration |
environmentId | [必須]ジョブの環境仕様の ARM リソース ID。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
environmentVariables | ジョブに含まれる環境変数。 | CommandJobEnvironmentVariables |
入力 | ジョブで使用される入力データ バインディングのマッピング。 | CommandJobInputs |
切り | コマンド ジョブの制限。 | CommandJobLimits |
出力 | ジョブで使用される出力データ バインディングのマッピング。 | CommandJobOutputs |
リソース | ジョブのコンピューティング リソース構成。 | ResourceConfiguration |
名前 | 形容 | 価値 |
---|---|---|
distributionType | オブジェクトの種類を設定する |
Mpi PyTorch を TensorFlow (必須) |
名前 | 形容 | 価値 |
---|---|---|
distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | "Mpi" (必須) |
processCountPerInstance | MPI ノードあたりのプロセス数。 | int |
名前 | 形容 | 価値 |
---|---|---|
distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | "PyTorch" (必須) |
processCountPerInstance | ノードあたりのプロセス数。 | int |
名前 | 形容 | 価値 |
---|---|---|
distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | "TensorFlow" (必須) |
parameterServerCount | パラメーター サーバー タスクの数。 | int |
workerCount | ワーカーの数。 指定しない場合は、既定でインスタンス数が設定されます。 | int |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobInput を |
名前 | 形容 | 価値 |
---|---|---|
形容 | 入力の説明。 | 糸 |
jobInputType | オブジェクトの種類を設定する | CustomModel の リテラル MLFlowModel MLTable TritonModel UriFile UriFolder (必須) |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | "CustomModel" (必須) |
モード | 入力資産配信モード。 | "Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | "Literal" (必須) |
価値 | [必須]入力のリテラル値。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | "MLFlowModel" (必須) |
モード | 入力資産配信モード。 | "Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | "TritonModel" (必須) |
モード | 入力資産配信モード。 | "Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | "UriFile" (必須) |
モード | 入力資産配信モード。 | "Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobInputType | [必須]ジョブの種類を指定します。 | "UriFolder" (必須) |
モード | 入力資産配信モード。 | "Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [必須]入力資産 URI。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
jobLimitsType | [必須]JobLimit 型。 | "Command" "スイープ" (必須) |
タイムアウト | ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobOutput |
名前 | 形容 | 価値 |
---|---|---|
jobType | [必須]ジョブの種類を指定します。 | "Pipeline" (必須) |
入力 | パイプライン ジョブの入力。 | PipelineJobInputs |
ジョブ | ジョブはパイプライン ジョブを構築します。 | PipelineJobs |
出力 | パイプライン ジョブの出力 | PipelineJobOutputs |
設定 | ContinueRunOnStepFailure などのパイプライン設定。 |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobInput を |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobOutput |
名前 | 形容 | 価値 |
---|---|---|
jobType | [必須]ジョブの種類を指定します。 | "スイープ" (必須) |
earlyTermination | 早期終了ポリシーを使用すると、実行が完了する前にパフォーマンスの低い実行を取り消す | EarlyTerminationPolicy |
入力 | ジョブで使用される入力データ バインディングのマッピング。 | SweepJobInputs |
切り | スイープ ジョブの制限。 | SweepJobLimits |
目的 | [必須]最適化の目的。 | 目標 (必須) |
出力 | ジョブで使用される出力データ バインディングのマッピング。 | SweepJobOutputs |
samplingAlgorithm | [必須]ハイパーパラメーター サンプリング アルゴリズム | SamplingAlgorithm (必須) |
searchSpace | [必須]各パラメーターとその分布を含むディクショナリ。 ディクショナリ キーはパラメーターの名前です | |
裁判 | [必須]試用版コンポーネントの定義。 | TrialComponent (必須) |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobInput を |
名前 | 形容 | 価値 |
---|---|---|
jobLimitsType | [必須]JobLimit 型。 | "Command" "スイープ" (必須) |
maxConcurrentTrials | スイープ ジョブの最大同時試行回数。 | int |
maxTotalTrials | スイープ ジョブの最大試行回数。 | int |
タイムアウト | ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。 | 糸 |
trialTimeout | スイープ ジョブ試用版のタイムアウト値。 | 糸 |
名前 | 形容 | 価値 |
---|---|---|
ゴール | [必須]ハイパーパラメーター調整でサポートされるメトリックの目標を定義します | "最大化" "最小化" (必須) |
primaryMetric | [必須]最適化するメトリックの名前。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | JobOutput |
名前 | 形容 | 価値 |
---|---|---|
samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | "Bayesian" (必須) |
名前 | 形容 | 価値 |
---|---|---|
samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | "Grid" (必須) |
名前 | 形容 | 価値 |
---|---|---|
samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | "Random" (必須) |
支配 | ランダム アルゴリズムの特定の種類 | "Random" "Sobol" |
種 | 乱数生成のシードとして使用する省略可能な整数 | int |
名前 | 形容 | 価値 |
---|---|---|
codeId | コード資産の ARM リソース ID。 | 糸 |
命令 | [必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py" | string (必須) 制約: 最小長 = 1 パターン = [a-zA-Z0-9_] |
流通 | ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。 | DistributionConfiguration |
environmentId | [必須]ジョブの環境仕様の ARM リソース ID。 | string (必須) 制約: パターン = [a-zA-Z0-9_] |
environmentVariables | ジョブに含まれる環境変数。 | TrialComponentEnvironmentVariables |
リソース | ジョブのコンピューティング リソース構成。 | ResourceConfiguration |
名前 | 形容 | 価値 |
---|---|---|
{カスタマイズされたプロパティ} | 糸 |