英語で読む

次の方法で共有


Microsoft.MachineLearningServices workspaces/jobs 2023-04-01

デプロイ言語を選択する

Bicep リソース定義

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、変更ログの参照してください。

リソースの形式

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@2023-04-01' = {
  name: 'string'
  parent: resourceSymbolicName
  properties: {
    componentId: 'string'
    computeId: 'string'
    description: 'string'
    displayName: 'string'
    experimentName: 'string'
    identity: {
      identityType: 'string'
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived: bool
    properties: {
      {customized property}: 'string'
    }
    services: {
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        nodes: {
          nodesValueType: 'string'
          // For remaining properties, see Nodes objects
        }
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
    }
    tags: {}
    jobType: 'string'
    // For remaining properties, see JobBaseProperties objects
  }
}

JobBaseProperties オブジェクト

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: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    properties: {
      {customized property}: any()
    }
    shmSize: 'string'
  }
  taskDetails: {
    logVerbosity: 'string'
    targetColumnName: 'string'
    trainingData: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    taskType: 'string'
    // For remaining properties, see AutoMLVertical objects
  }

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

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()
  sourceJobId: 'string'

スイープの場合は、次を使用します。

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

IdentityConfiguration オブジェクト

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 する場合は、次を使用します。

  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'

Nodes オブジェクト

nodesValueType 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。

[すべてのを する場合は、次を使用します。

  nodesValueType: 'All'

JobOutput オブジェクト

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。

custom_modelの場合は、次を使用します。

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

mlflow_modelの場合は、次を使用します。

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

mltableを する場合は、次を使用します。

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

triton_modelの場合は、次を使用します。

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

uri_fileの場合は、次を使用します。

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

uri_folderの場合は、次を使用します。

  jobOutputType: 'uri_folder'
  mode: 'string'
  uri: 'string'

AutoMLVertical オブジェクト

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'
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel: 'string'
  primaryMetric: 'string'
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

予測の場合は、次の値を使用します。

  taskType: 'Forecasting'
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  forecastingSettings: {
    countryOrRegionForHolidays: 'string'
    cvStepSize: int
    featureLags: 'string'
    forecastHorizon: {
      mode: 'string'
      // For remaining properties, see ForecastHorizon objects
    }
    frequency: 'string'
    seasonality: {
      mode: 'string'
      // For remaining properties, see Seasonality objects
    }
    shortSeriesHandlingConfig: 'string'
    targetAggregateFunction: 'string'
    targetLags: {
      mode: 'string'
      // For remaining properties, see TargetLags objects
    }
    targetRollingWindowSize: {
      mode: 'string'
      // For remaining properties, see TargetRollingWindowSize objects
    }
    timeColumnName: 'string'
    timeSeriesIdColumnNames: [
      'string'
    ]
    useStl: 'string'
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

ImageClassificationの場合は、次を使用します。

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

ImageClassificationMultilabelを する場合は、次を使用します。

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

ImageInstanceSegmentationを する場合は、次を使用します。

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

ImageObjectDetectionの場合は、次の値を使用します。

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

回帰の場合は、次の値を使用します。

  taskType: 'Regression'
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

TextClassificationの場合は、次を使用します。

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

TextClassificationMultilabelを する場合は、次を使用します。

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

TextNERの場合は、次を使用します。

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

NCrossValidations オブジェクト

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 する場合は、次の値を使用します。

  mode: 'Custom'
  value: int

ForecastHorizon オブジェクト

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 する場合は、次の値を使用します。

  mode: 'Custom'
  value: int

季節性オブジェクト

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 する場合は、次の値を使用します。

  mode: 'Custom'
  value: int

TargetLags オブジェクト

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 する場合は、次の値を使用します。

  mode: 'Custom'
  values: [
    int
  ]

TargetRollingWindowSize オブジェクト

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 する場合は、次の値を使用します。

  mode: 'Custom'
  value: int

EarlyTerminationPolicy オブジェクト

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。

バンディットの場合は、次を使用します。

  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

DistributionConfiguration オブジェクト

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 する場合は、次を使用します。

  distributionType: 'PyTorch'
  processCountPerInstance: int

TensorFlowの場合は、次を使用します。

  distributionType: 'TensorFlow'
  parameterServerCount: int
  workerCount: int

JobInput オブジェクト

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。

custom_modelの場合は、次を使用します。

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

リテラル の場合は、次の値を使用します。

  jobInputType: 'literal'
  value: 'string'

mlflow_modelの場合は、次を使用します。

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

mltableを する場合は、次を使用します。

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

triton_modelの場合は、次を使用します。

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

uri_fileの場合は、次を使用します。

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

uri_folderの場合は、次を使用します。

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

SamplingAlgorithm オブジェクト

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'

ランダムには、次の値を使用します。

  samplingAlgorithmType: 'Random'
  rule: 'string'
  seed: int

プロパティ値

workspaces/jobs

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 設定する方法を参照してください。
string (必須)
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 子リソース」を参照してください。
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。 JobBaseProperties (必須)

JobBaseProperties

名前 形容 価値
componentId コンポーネント リソースの ARM リソース ID。
computeId コンピューティング リソースの ARM リソース ID。
形容 資産の説明テキスト。
displayName ジョブの表示名。
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。
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
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)

IdentityConfiguration

名前 形容 価値
identityType オブジェクトの種類を設定する AMLToken を する
マネージド

UserIdentity (必須)

AmlToken

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)

ManagedIdentity

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。

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。

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。

UserIdentity

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)

ResourceBaseProperties

名前 形容 価値
{カスタマイズされたプロパティ}

JobBaseServices

名前 形容 価値
{カスタマイズされたプロパティ} JobService

JobService

名前 形容 価値
エンドポイント エンドポイントの URL。
jobServiceType エンドポイントの種類。
ノード ユーザーがサービスを開始するノード。
ノードが設定されていないか、null に設定されていない場合、サービスはリーダー ノードでのみ開始されます。
ノード
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

ノード

名前 形容 価値
nodesValueType オブジェクトの種類を設定する すべての (必須)

AllNodes

名前 形容 価値
nodesValueType [必須]ノード値の型 'All' (必須)

JobServiceProperties

名前 形容 価値
{カスタマイズされたプロパティ}

AutoMLJob

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。
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。 JobResourceConfiguration
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)

AutoMLJobEnvironmentVariables

名前 形容 価値
{カスタマイズされたプロパティ}

AutoMLJobOutputs

名前 形容 価値
{カスタマイズされたプロパティ} JobOutput

JobOutput

名前 形容 価値
形容 出力の説明。
jobOutputType オブジェクトの種類を設定する custom_model
mlflow_model
mltable を する
triton_model
uri_file
uri_folder (必須)

CustomModelJobOutput

名前 形容 価値
jobOutputType [必須]ジョブの種類を指定します。 'custom_model' (必須)
モード 出力資産配信モード。 'ReadWriteMount'
'Upload'
uri 出力アセット URI。

MLFlowModelJobOutput

名前 形容 価値
jobOutputType [必須]ジョブの種類を指定します。 'mlflow_model' (必須)
モード 出力資産配信モード。 'ReadWriteMount'
'Upload'
uri 出力アセット URI。

MLTableJobOutput

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。

TritonModelJobOutput

名前 形容 価値
jobOutputType [必須]ジョブの種類を指定します。 'triton_model' (必須)
モード 出力資産配信モード。 'ReadWriteMount'
'Upload'
uri 出力アセット URI。

UriFileJobOutput

名前 形容 価値
jobOutputType [必須]ジョブの種類を指定します。 'uri_file' (必須)
モード 出力資産配信モード。 'ReadWriteMount'
'Upload'
uri 出力アセット URI。

UriFolderJobOutput

名前 形容 価値
jobOutputType [必須]ジョブの種類を指定します。 'uri_folder' (必須)
モード 出力資産配信モード。 'ReadWriteMount'
'Upload'
uri 出力アセット URI。

JobResourceConfiguration

名前 形容 価値
dockerArgs Docker run コマンドに渡す追加の引数。 これにより、システムまたはこのセクションで既に設定されているパラメーターがオーバーライドされます。 このパラメーターは、Azure ML コンピューティングの種類でのみサポートされます。
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。
プロパティ 追加のプロパティ バッグ。 ResourceConfigurationProperties
shmSize Docker コンテナーの共有メモリ ブロックのサイズ。 これは (number)(unit) の形式で指定する必要があります。数値は 0 より大きく、単位は b(バイト)、k(キロバイト)、m(メガバイト)、または g(ギガバイト) のいずれかです。

制約:
パターン = \d+[bBkKmMgG]

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。

AutoMLVertical

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'
targetColumnName 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。
trainingData [必須]トレーニング データの入力。 MLTableJobInput の (必須)
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)

MLTableJobInput

名前 形容 価値
形容 入力の説明。
jobInputType [必須]ジョブの種類を指定します。 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

分類

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'Classification' (必須)
cvSplitColumnNames CVSplit データに使用する列。 string[]
featurizationSettings AutoML ジョブに必要な特徴量化入力。 TableVerticalFeaturizationSettings
limitSettings AutoMLJob の実行制約。 TableVerticalLimitSettings
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
positiveLabel バイナリ メトリック計算の正のラベル。
primaryMetric タスクのプライマリ メトリック。 'AUCWeighted'
'Accuracy'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
testData データ入力をテストします。 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
trainingSettings AutoML ジョブのトレーニング フェーズの入力。 ClassificationTrainingSettings
validationData 検証データの入力。 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
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。

TableVerticalFeaturizationSettings

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。 次のいずれかを含む文字列配列:
'CatTargetEncoder'
'CountVectorizer'
'HashOneHotEncoder'
'LabelEncoder'
'NaiveBayes'
'OneHotEncoder'
'TextTargetEncoder'
'TfIdf'
'WoETargetEncoder'
'WordEmbedding'
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。
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

TableVerticalFeaturizationSettingsColumnNameAndTypes

名前 形容 価値
{カスタマイズされたプロパティ}

TableVerticalFeaturizationSettingsTransformerParams

名前 形容 価値
{カスタマイズされたプロパティ} ColumnTransformer[]

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。

TableVerticalLimitSettings

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。
trialTimeout 繰り返しタイムアウト。

NCrossValidations

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)

AutoNCrossValidations

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)

CustomNCrossValidations

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)

ClassificationTrainingSettings

名前 形容 価値
allowedTrainingAlgorithms 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'
blockedTrainingAlgorithms 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'
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。
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

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'

予測

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'Forecasting' (必須)
cvSplitColumnNames CVSplit データに使用する列。 string[]
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
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
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'
testData データ入力をテストします。 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
trainingSettings AutoML ジョブのトレーニング フェーズの入力。 ForecastingTrainingSettings
validationData 検証データの入力。 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
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。

ForecastingSettings

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。
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。
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。
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'

ForecastHorizon

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)

AutoForecastHorizon

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)

CustomForecastHorizon

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)

季節

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)

AutoSeasonality

名前 形容 価値
モード [必須]季節性モード。 'Auto' (必須)

CustomSeasonality

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)

TargetLags

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)

AutoTargetLags

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)

CustomTargetLags

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)

TargetRollingWindowSize

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)

AutoTargetRollingWindowSize

名前 形容 価値
モード [必須]TargetRollingWindowSiz 検出モード。 'Auto' (必須)

CustomTargetRollingWindowSize

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)

ForecastingTrainingSettings

名前 形容 価値
allowedTrainingAlgorithms 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'
blockedTrainingAlgorithms 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'
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。
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

ImageClassification

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'ImageClassification' (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
validationData 検証データの入力。 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

ImageLimitSettings

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。

ImageModelSettingsClassification

名前 形容 価値
advancedSettings 高度なシナリオの設定。
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。
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
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
checkpointModel 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 モデル。 MLFlowModelJobInput の
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。
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。
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
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

MLFlowModelJobInput

名前 形容 価値
形容 入力の説明。
jobInputType [必須]ジョブの種類を指定します。 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

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。
拡張 拡張を使用するための設定。
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。
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。
分散 配布者トレーニングを使用するかどうか。
earlyStopping トレーニング中に早期停止ロジックを有効にします。
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。
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。
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。
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。
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。
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。
learningRate 初期学習率。 範囲 [0, 1] の float である必要があります。
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。
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。
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。
nesterov オプティマイザーが 'sgd' の場合に nesterov を有効にします。
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。
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。
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。
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。
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。
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。
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。
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。
validationBatchSize 検証バッチ サイズ。 正の整数にする必要があります。
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。
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。
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。
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。
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。
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。

ImageSweepSettings

名前 形容 価値
earlyTermination 早期終了ポリシーの種類。 EarlyTerminationPolicy
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)

EarlyTerminationPolicy

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)

BanditPolicy

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

MedianStoppingPolicy

名前 形容 価値
policyType [必須]ポリシー構成の名前 'MedianStopping' (必須)

TruncationSelectionPolicy

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

ImageClassificationMultilabel

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'ImageClassificationMultilabel' (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
validationData 検証データの入力。 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

ImageInstanceSegmentation

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'ImageInstanceSegmentation' (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
validationData 検証データの入力。 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

ImageModelSettingsObjectDetection

名前 形容 価値
advancedSettings 高度なシナリオの設定。
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。
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
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
checkpointModel 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 モデル。 MLFlowModelJobInput の
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。
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。
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
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。
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

ImageModelDistributionSettingsObjectDetection

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。
拡張 拡張を使用するための設定。
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。
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。
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。
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。
分散 配布者トレーニングを使用するかどうか。
earlyStopping トレーニング中に早期停止ロジックを有効にします。
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。
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。
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。
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。
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。
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。
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。
learningRate 初期学習率。 範囲 [0, 1] の float である必要があります。
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。
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。
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。
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。
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。
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。
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。
nesterov オプティマイザーが 'sgd' の場合に nesterov を有効にします。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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
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。
validationBatchSize 検証バッチ サイズ。 正の整数にする必要があります。
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。
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。
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。
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。
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。

ImageObjectDetection

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'ImageObjectDetection' (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
validationData 検証データの入力。 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

回帰

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'Regression' (必須)
cvSplitColumnNames CVSplit データに使用する列。 string[]
featurizationSettings AutoML ジョブに必要な特徴量化入力。 TableVerticalFeaturizationSettings
limitSettings AutoMLJob の実行制約。 TableVerticalLimitSettings
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
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'
testData データ入力をテストします。 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
trainingSettings AutoML ジョブのトレーニング フェーズの入力。 RegressionTrainingSettings
validationData 検証データの入力。 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
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。

RegressionTrainingSettings

名前 形容 価値
allowedTrainingAlgorithms 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'
blockedTrainingAlgorithms 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'
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。
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

TextClassification

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'TextClassification' (必須)
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'
validationData 検証データの入力。 MLTableJobInput の

NlpVerticalFeaturizationSettings

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。

NlpVerticalLimitSettings

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。

TextClassificationMultilabel

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'TextClassificationMultilabel' (必須)
featurizationSettings AutoML ジョブに必要な特徴量化入力。 NlpVerticalFeaturizationSettings
limitSettings AutoMLJob の実行制約。 NlpVerticalLimitSettings
validationData 検証データの入力。 MLTableJobInput の

TextNer

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'TextNER' (必須)
featurizationSettings AutoML ジョブに必要な特徴量化入力。 NlpVerticalFeaturizationSettings
limitSettings AutoMLJob の実行制約。 NlpVerticalLimitSettings
validationData 検証データの入力。 MLTableJobInput の

CommandJob

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。
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:
最小長 = 1
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。 JobResourceConfiguration

DistributionConfiguration

名前 形容 価値
distributionType オブジェクトの種類を設定する Mpi
PyTorch を する
TensorFlow (必須)

Mpi

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

PyTorch

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

TensorFlow

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

CommandJobEnvironmentVariables

名前 形容 価値
{カスタマイズされたプロパティ}

CommandJobInputs

名前 形容 価値
{カスタマイズされたプロパティ} JobInput を する

JobInput

名前 形容 価値
形容 入力の説明。
jobInputType オブジェクトの種類を設定する custom_model
リテラル
mlflow_model
mltable
する
triton_model
uri_file
uri_folder (必須)

CustomModelJobInput

名前 形容 価値
jobInputType [必須]ジョブの種類を指定します。 'custom_model' (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

LiteralJobInput

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:
最小長 = 1
パターン = [a-zA-Z0-9_]

TritonModelJobInput

名前 形容 価値
jobInputType [必須]ジョブの種類を指定します。 'triton_model' (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

UriFileJobInput

名前 形容 価値
jobInputType [必須]ジョブの種類を指定します。 'uri_file' (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

UriFolderJobInput

名前 形容 価値
jobInputType [必須]ジョブの種類を指定します。 'uri_folder' (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

CommandJobLimits

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。

CommandJobOutputs

名前 形容 価値
{カスタマイズされたプロパティ} JobOutput

PipelineJob

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。
sourceJobId ソース ジョブの ARM リソース ID。

PipelineJobInputs

名前 形容 価値
{カスタマイズされたプロパティ} JobInput を する

PipelineJobs

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。

PipelineJobOutputs

名前 形容 価値
{カスタマイズされたプロパティ} JobOutput

SweepJob

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)

SweepJobInputs

名前 形容 価値
{カスタマイズされたプロパティ} JobInput を する

SweepJobLimits

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。
trialTimeout スイープ ジョブ試用版のタイムアウト値。

目的

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:
最小長 = 1
パターン = [a-zA-Z0-9_]

SweepJobOutputs

名前 形容 価値
{カスタマイズされたプロパティ} JobOutput

SamplingAlgorithm

名前 形容 価値
samplingAlgorithmType オブジェクトの種類を設定する ベイジアン
Grid
ランダム の (必須)

BayesianSamplingAlgorithm

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)

GridSamplingAlgorithm

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)

RandomSamplingAlgorithm

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'
乱数生成のシードとして使用する省略可能な整数 int

TrialComponent

名前 形容 価値
codeId コード資産の ARM リソース ID。
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:
最小長 = 1
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。 JobResourceConfiguration

TrialComponentEnvironmentVariables

名前 形容 価値
{カスタマイズされたプロパティ}

クイック スタート テンプレート

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
にデプロイする
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。

ARM テンプレート リソース定義

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、変更ログの参照してください。

リソースの形式

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": "2023-04-01",
  "name": "string",
  "properties": {
    "componentId": "string",
    "computeId": "string",
    "description": "string",
    "displayName": "string",
    "experimentName": "string",
    "identity": {
      "identityType": "string"
      // For remaining properties, see IdentityConfiguration objects
    },
    "isArchived": "bool",
    "properties": {
      "{customized property}": "string"
    },
    "services": {
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "nodes": {
          "nodesValueType": "string"
          // For remaining properties, see Nodes objects
        },
        "port": "int",
        "properties": {
          "{customized property}": "string"
        }
      }
    },
    "tags": {},
    "jobType": "string"
    // For remaining properties, see JobBaseProperties objects
  }
}

JobBaseProperties オブジェクト

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": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "properties": {
      "{customized property}": {}
    },
    "shmSize": "string"
  },
  "taskDetails": {
    "logVerbosity": "string",
    "targetColumnName": "string",
    "trainingData": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "taskType": "string"
    // For remaining properties, see AutoMLVertical objects
  }

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

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": {},
  "sourceJobId": "string"

スイープの場合は、次を使用します。

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

IdentityConfiguration オブジェクト

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 する場合は、次を使用します。

  "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"

Nodes オブジェクト

nodesValueType 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。

[すべてのを する場合は、次を使用します。

  "nodesValueType": "All"

JobOutput オブジェクト

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。

custom_modelの場合は、次を使用します。

  "jobOutputType": "custom_model",
  "mode": "string",
  "uri": "string"

mlflow_modelの場合は、次を使用します。

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

mltableを する場合は、次を使用します。

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

triton_modelの場合は、次を使用します。

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

uri_fileの場合は、次を使用します。

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

uri_folderの場合は、次を使用します。

  "jobOutputType": "uri_folder",
  "mode": "string",
  "uri": "string"

AutoMLVertical オブジェクト

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",
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "positiveLabel": "string",
  "primaryMetric": "string",
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

予測の場合は、次の値を使用します。

  "taskType": "Forecasting",
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "forecastingSettings": {
    "countryOrRegionForHolidays": "string",
    "cvStepSize": "int",
    "featureLags": "string",
    "forecastHorizon": {
      "mode": "string"
      // For remaining properties, see ForecastHorizon objects
    },
    "frequency": "string",
    "seasonality": {
      "mode": "string"
      // For remaining properties, see Seasonality objects
    },
    "shortSeriesHandlingConfig": "string",
    "targetAggregateFunction": "string",
    "targetLags": {
      "mode": "string"
      // For remaining properties, see TargetLags objects
    },
    "targetRollingWindowSize": {
      "mode": "string"
      // For remaining properties, see TargetRollingWindowSize objects
    },
    "timeColumnName": "string",
    "timeSeriesIdColumnNames": [ "string" ],
    "useStl": "string"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

ImageClassificationの場合は、次を使用します。

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

ImageClassificationMultilabelを する場合は、次を使用します。

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

ImageInstanceSegmentationを する場合は、次を使用します。

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

ImageObjectDetectionの場合は、次の値を使用します。

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

回帰の場合は、次の値を使用します。

  "taskType": "Regression",
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

TextClassificationの場合は、次を使用します。

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

TextClassificationMultilabelを する場合は、次を使用します。

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

TextNERの場合は、次を使用します。

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

NCrossValidations オブジェクト

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 する場合は、次の値を使用します。

  "mode": "Custom",
  "value": "int"

ForecastHorizon オブジェクト

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 する場合は、次の値を使用します。

  "mode": "Custom",
  "value": "int"

季節性オブジェクト

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 する場合は、次の値を使用します。

  "mode": "Custom",
  "value": "int"

TargetLags オブジェクト

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 する場合は、次の値を使用します。

  "mode": "Custom",
  "values": [ "int" ]

TargetRollingWindowSize オブジェクト

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 する場合は、次の値を使用します。

  "mode": "Custom",
  "value": "int"

EarlyTerminationPolicy オブジェクト

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。

バンディットの場合は、次を使用します。

  "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"

DistributionConfiguration オブジェクト

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 する場合は、次を使用します。

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

TensorFlowの場合は、次を使用します。

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

JobInput オブジェクト

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。

custom_modelの場合は、次を使用します。

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

リテラル の場合は、次の値を使用します。

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

mlflow_modelの場合は、次を使用します。

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

mltableを する場合は、次を使用します。

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

triton_modelの場合は、次を使用します。

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

uri_fileの場合は、次を使用します。

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

uri_folderの場合は、次を使用します。

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

SamplingAlgorithm オブジェクト

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"

ランダムには、次の値を使用します。

  "samplingAlgorithmType": "Random",
  "rule": "string",
  "seed": "int"

プロパティ値

workspaces/jobs

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 '2023-04-01'
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 設定する方法を参照してください。
string (必須)
プロパティ [必須]エンティティの追加の属性。 JobBaseProperties (必須)

JobBaseProperties

名前 形容 価値
componentId コンポーネント リソースの ARM リソース ID。
computeId コンピューティング リソースの ARM リソース ID。
形容 資産の説明テキスト。
displayName ジョブの表示名。
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。
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
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)

IdentityConfiguration

名前 形容 価値
identityType オブジェクトの種類を設定する AMLToken を する
マネージド

UserIdentity (必須)

AmlToken

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)

ManagedIdentity

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。

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。

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。

UserIdentity

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)

ResourceBaseProperties

名前 形容 価値
{カスタマイズされたプロパティ}

JobBaseServices

名前 形容 価値
{カスタマイズされたプロパティ} JobService

JobService

名前 形容 価値
エンドポイント エンドポイントの URL。
jobServiceType エンドポイントの種類。
ノード ユーザーがサービスを開始するノード。
ノードが設定されていないか、null に設定されていない場合、サービスはリーダー ノードでのみ開始されます。
ノード
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

ノード

名前 形容 価値
nodesValueType オブジェクトの種類を設定する すべての (必須)

AllNodes

名前 形容 価値
nodesValueType [必須]ノード値の型 'All' (必須)

JobServiceProperties

名前 形容 価値
{カスタマイズされたプロパティ}

AutoMLJob

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。
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。 JobResourceConfiguration
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)

AutoMLJobEnvironmentVariables

名前 形容 価値
{カスタマイズされたプロパティ}

AutoMLJobOutputs

名前 形容 価値
{カスタマイズされたプロパティ} JobOutput

JobOutput

名前 形容 価値
形容 出力の説明。
jobOutputType オブジェクトの種類を設定する custom_model
mlflow_model
mltable を する
triton_model
uri_file
uri_folder (必須)

CustomModelJobOutput

名前 形容 価値
jobOutputType [必須]ジョブの種類を指定します。 'custom_model' (必須)
モード 出力資産配信モード。 'ReadWriteMount'
'Upload'
uri 出力アセット URI。

MLFlowModelJobOutput

名前 形容 価値
jobOutputType [必須]ジョブの種類を指定します。 'mlflow_model' (必須)
モード 出力資産配信モード。 'ReadWriteMount'
'Upload'
uri 出力アセット URI。

MLTableJobOutput

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。

TritonModelJobOutput

名前 形容 価値
jobOutputType [必須]ジョブの種類を指定します。 'triton_model' (必須)
モード 出力資産配信モード。 'ReadWriteMount'
'Upload'
uri 出力アセット URI。

UriFileJobOutput

名前 形容 価値
jobOutputType [必須]ジョブの種類を指定します。 'uri_file' (必須)
モード 出力資産配信モード。 'ReadWriteMount'
'Upload'
uri 出力アセット URI。

UriFolderJobOutput

名前 形容 価値
jobOutputType [必須]ジョブの種類を指定します。 'uri_folder' (必須)
モード 出力資産配信モード。 'ReadWriteMount'
'Upload'
uri 出力アセット URI。

JobResourceConfiguration

名前 形容 価値
dockerArgs Docker run コマンドに渡す追加の引数。 これにより、システムまたはこのセクションで既に設定されているパラメーターがオーバーライドされます。 このパラメーターは、Azure ML コンピューティングの種類でのみサポートされます。
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。
プロパティ 追加のプロパティ バッグ。 ResourceConfigurationProperties
shmSize Docker コンテナーの共有メモリ ブロックのサイズ。 これは (number)(unit) の形式で指定する必要があります。数値は 0 より大きく、単位は b(バイト)、k(キロバイト)、m(メガバイト)、または g(ギガバイト) のいずれかです。

制約:
パターン = \d+[bBkKmMgG]

ResourceConfigurationProperties

名前 形容 価値
{カスタマイズされたプロパティ}

AutoMLVertical

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'
targetColumnName 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。
trainingData [必須]トレーニング データの入力。 MLTableJobInput の (必須)
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)

MLTableJobInput

名前 形容 価値
形容 入力の説明。
jobInputType [必須]ジョブの種類を指定します。 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

分類

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'Classification' (必須)
cvSplitColumnNames CVSplit データに使用する列。 string[]
featurizationSettings AutoML ジョブに必要な特徴量化入力。 TableVerticalFeaturizationSettings
limitSettings AutoMLJob の実行制約。 TableVerticalLimitSettings
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
positiveLabel バイナリ メトリック計算の正のラベル。
primaryMetric タスクのプライマリ メトリック。 'AUCWeighted'
'Accuracy'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
testData データ入力をテストします。 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
trainingSettings AutoML ジョブのトレーニング フェーズの入力。 ClassificationTrainingSettings
validationData 検証データの入力。 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
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。

TableVerticalFeaturizationSettings

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。 次のいずれかを含む文字列配列:
'CatTargetEncoder'
'CountVectorizer'
'HashOneHotEncoder'
'LabelEncoder'
'NaiveBayes'
'OneHotEncoder'
'TextTargetEncoder'
'TfIdf'
'WoETargetEncoder'
'WordEmbedding'
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。
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

TableVerticalFeaturizationSettingsColumnNameAndTypes

名前 形容 価値
{カスタマイズされたプロパティ}

TableVerticalFeaturizationSettingsTransformerParams

名前 形容 価値
{カスタマイズされたプロパティ} ColumnTransformer[]

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。

TableVerticalLimitSettings

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。
trialTimeout 繰り返しタイムアウト。

NCrossValidations

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)

AutoNCrossValidations

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)

CustomNCrossValidations

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)

ClassificationTrainingSettings

名前 形容 価値
allowedTrainingAlgorithms 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'
blockedTrainingAlgorithms 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'
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。
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

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'

予測

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'Forecasting' (必須)
cvSplitColumnNames CVSplit データに使用する列。 string[]
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
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
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'
testData データ入力をテストします。 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
trainingSettings AutoML ジョブのトレーニング フェーズの入力。 ForecastingTrainingSettings
validationData 検証データの入力。 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
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。

ForecastingSettings

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。
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。
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。
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'

ForecastHorizon

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)

AutoForecastHorizon

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)

CustomForecastHorizon

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)

季節

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)

AutoSeasonality

名前 形容 価値
モード [必須]季節性モード。 'Auto' (必須)

CustomSeasonality

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)

TargetLags

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)

AutoTargetLags

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)

CustomTargetLags

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)

TargetRollingWindowSize

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)

AutoTargetRollingWindowSize

名前 形容 価値
モード [必須]TargetRollingWindowSiz 検出モード。 'Auto' (必須)

CustomTargetRollingWindowSize

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)

ForecastingTrainingSettings

名前 形容 価値
allowedTrainingAlgorithms 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'
blockedTrainingAlgorithms 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'
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。
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

ImageClassification

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'ImageClassification' (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
validationData 検証データの入力。 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

ImageLimitSettings

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。

ImageModelSettingsClassification

名前 形容 価値
advancedSettings 高度なシナリオの設定。
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。
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
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
checkpointModel 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 モデル。 MLFlowModelJobInput の
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。
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。
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
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

MLFlowModelJobInput

名前 形容 価値
形容 入力の説明。
jobInputType [必須]ジョブの種類を指定します。 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

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。
拡張 拡張を使用するための設定。
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。
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。
分散 配布者トレーニングを使用するかどうか。
earlyStopping トレーニング中に早期停止ロジックを有効にします。
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。
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。
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。
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。
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。
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。
learningRate 初期学習率。 範囲 [0, 1] の float である必要があります。
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。
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。
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。
nesterov オプティマイザーが 'sgd' の場合に nesterov を有効にします。
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。
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。
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。
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。
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。
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。
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。
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。
validationBatchSize 検証バッチ サイズ。 正の整数にする必要があります。
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。
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。
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。
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。
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。
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。

ImageSweepSettings

名前 形容 価値
earlyTermination 早期終了ポリシーの種類。 EarlyTerminationPolicy
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)

EarlyTerminationPolicy

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)

BanditPolicy

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

MedianStoppingPolicy

名前 形容 価値
policyType [必須]ポリシー構成の名前 'MedianStopping' (必須)

TruncationSelectionPolicy

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

ImageClassificationMultilabel

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'ImageClassificationMultilabel' (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
validationData 検証データの入力。 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

ImageInstanceSegmentation

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'ImageInstanceSegmentation' (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
validationData 検証データの入力。 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

ImageModelSettingsObjectDetection

名前 形容 価値
advancedSettings 高度なシナリオの設定。
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。
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
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
checkpointModel 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 モデル。 MLFlowModelJobInput の
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。
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。
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
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。
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

ImageModelDistributionSettingsObjectDetection

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。
拡張 拡張を使用するための設定。
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。
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。
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。
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。
分散 配布者トレーニングを使用するかどうか。
earlyStopping トレーニング中に早期停止ロジックを有効にします。
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。
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。
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。
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。
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。
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。
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。
learningRate 初期学習率。 範囲 [0, 1] の float である必要があります。
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。
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。
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。
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。
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。
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。
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。
nesterov オプティマイザーが 'sgd' の場合に nesterov を有効にします。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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
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。
validationBatchSize 検証バッチ サイズ。 正の整数にする必要があります。
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。
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。
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。
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。
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。

ImageObjectDetection

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'ImageObjectDetection' (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
validationData 検証データの入力。 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

回帰

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'Regression' (必須)
cvSplitColumnNames CVSplit データに使用する列。 string[]
featurizationSettings AutoML ジョブに必要な特徴量化入力。 TableVerticalFeaturizationSettings
limitSettings AutoMLJob の実行制約。 TableVerticalLimitSettings
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
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'
testData データ入力をテストします。 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
trainingSettings AutoML ジョブのトレーニング フェーズの入力。 RegressionTrainingSettings
validationData 検証データの入力。 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
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。

RegressionTrainingSettings

名前 形容 価値
allowedTrainingAlgorithms 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'
blockedTrainingAlgorithms 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'
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。
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

TextClassification

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'TextClassification' (必須)
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'
validationData 検証データの入力。 MLTableJobInput の

NlpVerticalFeaturizationSettings

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。

NlpVerticalLimitSettings

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。

TextClassificationMultilabel

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'TextClassificationMultilabel' (必須)
featurizationSettings AutoML ジョブに必要な特徴量化入力。 NlpVerticalFeaturizationSettings
limitSettings AutoMLJob の実行制約。 NlpVerticalLimitSettings
validationData 検証データの入力。 MLTableJobInput の

TextNer

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 'TextNER' (必須)
featurizationSettings AutoML ジョブに必要な特徴量化入力。 NlpVerticalFeaturizationSettings
limitSettings AutoMLJob の実行制約。 NlpVerticalLimitSettings
validationData 検証データの入力。 MLTableJobInput の

CommandJob

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。
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:
最小長 = 1
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。 JobResourceConfiguration

DistributionConfiguration

名前 形容 価値
distributionType オブジェクトの種類を設定する Mpi
PyTorch を する
TensorFlow (必須)

Mpi

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

PyTorch

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

TensorFlow

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

CommandJobEnvironmentVariables

名前 形容 価値
{カスタマイズされたプロパティ}

CommandJobInputs

名前 形容 価値
{カスタマイズされたプロパティ} JobInput を する

JobInput

名前 形容 価値
形容 入力の説明。
jobInputType オブジェクトの種類を設定する custom_model
リテラル
mlflow_model
mltable
する
triton_model
uri_file
uri_folder (必須)

CustomModelJobInput

名前 形容 価値
jobInputType [必須]ジョブの種類を指定します。 'custom_model' (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

LiteralJobInput

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:
最小長 = 1
パターン = [a-zA-Z0-9_]

TritonModelJobInput

名前 形容 価値
jobInputType [必須]ジョブの種類を指定します。 'triton_model' (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

UriFileJobInput

名前 形容 価値
jobInputType [必須]ジョブの種類を指定します。 'uri_file' (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

UriFolderJobInput

名前 形容 価値
jobInputType [必須]ジョブの種類を指定します。 'uri_folder' (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

CommandJobLimits

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。

CommandJobOutputs

名前 形容 価値
{カスタマイズされたプロパティ} JobOutput

PipelineJob

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。
sourceJobId ソース ジョブの ARM リソース ID。

PipelineJobInputs

名前 形容 価値
{カスタマイズされたプロパティ} JobInput を する

PipelineJobs

名前 形容 価値
{カスタマイズされたプロパティ}

PipelineJobOutputs

名前 形容 価値
{カスタマイズされたプロパティ} JobOutput

SweepJob

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)

SweepJobInputs

名前 形容 価値
{カスタマイズされたプロパティ} JobInput を する

SweepJobLimits

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。
trialTimeout スイープ ジョブ試用版のタイムアウト値。

目的

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:
最小長 = 1
パターン = [a-zA-Z0-9_]

SweepJobOutputs

名前 形容 価値
{カスタマイズされたプロパティ} JobOutput

SamplingAlgorithm

名前 形容 価値
samplingAlgorithmType オブジェクトの種類を設定する ベイジアン
Grid
ランダム の (必須)

BayesianSamplingAlgorithm

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)

GridSamplingAlgorithm

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)

RandomSamplingAlgorithm

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'
乱数生成のシードとして使用する省略可能な整数 int

TrialComponent

名前 形容 価値
codeId コード資産の ARM リソース ID。
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:
最小長 = 1
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。 JobResourceConfiguration

TrialComponentEnvironmentVariables

名前 形容 価値
{カスタマイズされたプロパティ}

クイック スタート テンプレート

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
にデプロイする
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。

Terraform (AzAPI プロバイダー) リソース定義

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、変更ログの参照してください。

リソースの形式

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@2023-04-01"
  name = "string"
  parent_id = "string"
  body = jsonencode({
    properties = {
      componentId = "string"
      computeId = "string"
      description = "string"
      displayName = "string"
      experimentName = "string"
      identity = {
        identityType = "string"
        // For remaining properties, see IdentityConfiguration objects
      }
      isArchived = bool
      properties = {
        {customized property} = "string"
      }
      services = {
        {customized property} = {
          endpoint = "string"
          jobServiceType = "string"
          nodes = {
            nodesValueType = "string"
            // For remaining properties, see Nodes objects
          }
          port = int
          properties = {
            {customized property} = "string"
          }
        }
      }
      tags = {}
      jobType = "string"
      // For remaining properties, see JobBaseProperties objects
    }
  })
}

JobBaseProperties オブジェクト

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 = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    properties = {}
    shmSize = "string"
  }
  taskDetails = {
    logVerbosity = "string"
    targetColumnName = "string"
    trainingData = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    taskType = "string"
    // For remaining properties, see AutoMLVertical objects
  }

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 = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    properties = {}
    shmSize = "string"
  }

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
    }
  }
  sourceJobId = "string"

スイープの場合は、次を使用します。

  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 = {
      dockerArgs = "string"
      instanceCount = int
      instanceType = "string"
      properties = {}
      shmSize = "string"
    }
  }

IdentityConfiguration オブジェクト

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 する場合は、次を使用します。

  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"

Nodes オブジェクト

nodesValueType 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。

[すべてのを する場合は、次を使用します。

  nodesValueType = "All"

JobOutput オブジェクト

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。

custom_modelの場合は、次を使用します。

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

mlflow_modelの場合は、次を使用します。

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

mltableを する場合は、次を使用します。

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

triton_modelの場合は、次を使用します。

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

uri_fileの場合は、次を使用します。

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

uri_folderの場合は、次を使用します。

  jobOutputType = "uri_folder"
  mode = "string"
  uri = "string"

AutoMLVertical オブジェクト

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"
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel = "string"
  primaryMetric = "string"
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

予測の場合は、次の値を使用します。

  taskType = "Forecasting"
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  forecastingSettings = {
    countryOrRegionForHolidays = "string"
    cvStepSize = int
    featureLags = "string"
    forecastHorizon = {
      mode = "string"
      // For remaining properties, see ForecastHorizon objects
    }
    frequency = "string"
    seasonality = {
      mode = "string"
      // For remaining properties, see Seasonality objects
    }
    shortSeriesHandlingConfig = "string"
    targetAggregateFunction = "string"
    targetLags = {
      mode = "string"
      // For remaining properties, see TargetLags objects
    }
    targetRollingWindowSize = {
      mode = "string"
      // For remaining properties, see TargetRollingWindowSize objects
    }
    timeColumnName = "string"
    timeSeriesIdColumnNames = [
      "string"
    ]
    useStl = "string"
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

ImageClassificationの場合は、次を使用します。

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

ImageClassificationMultilabelを する場合は、次を使用します。

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

ImageInstanceSegmentationを する場合は、次を使用します。

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

ImageObjectDetectionの場合は、次の値を使用します。

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

回帰の場合は、次の値を使用します。

  taskType = "Regression"
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

TextClassificationの場合は、次を使用します。

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

TextClassificationMultilabelを する場合は、次を使用します。

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

TextNERの場合は、次を使用します。

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

NCrossValidations オブジェクト

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 する場合は、次の値を使用します。

  mode = "Custom"
  value = int

ForecastHorizon オブジェクト

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 する場合は、次の値を使用します。

  mode = "Custom"
  value = int

季節性オブジェクト

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 する場合は、次の値を使用します。

  mode = "Custom"
  value = int

TargetLags オブジェクト

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 する場合は、次の値を使用します。

  mode = "Custom"
  values = [
    int
  ]

TargetRollingWindowSize オブジェクト

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 する場合は、次の値を使用します。

  mode = "Custom"
  value = int

EarlyTerminationPolicy オブジェクト

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。

バンディットの場合は、次を使用します。

  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

DistributionConfiguration オブジェクト

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 する場合は、次を使用します。

  distributionType = "PyTorch"
  processCountPerInstance = int

TensorFlowの場合は、次を使用します。

  distributionType = "TensorFlow"
  parameterServerCount = int
  workerCount = int

JobInput オブジェクト

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。

custom_modelの場合は、次を使用します。

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

リテラル の場合は、次の値を使用します。

  jobInputType = "literal"
  value = "string"

mlflow_modelの場合は、次を使用します。

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

mltableを する場合は、次を使用します。

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

triton_modelの場合は、次を使用します。

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

uri_fileの場合は、次を使用します。

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

uri_folderの場合は、次を使用します。

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

SamplingAlgorithm オブジェクト

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"

ランダムには、次の値を使用します。

  samplingAlgorithmType = "Random"
  rule = "string"
  seed = int

プロパティ値

workspaces/jobs

名前 形容 価値
種類 リソースの種類 "Microsoft.MachineLearningServices/workspaces/jobs@2023-04-01"
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。 JobBaseProperties (必須)

JobBaseProperties

名前 形容 価値
componentId コンポーネント リソースの ARM リソース ID。
computeId コンピューティング リソースの ARM リソース ID。
形容 資産の説明テキスト。
displayName ジョブの表示名。
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。
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
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)

IdentityConfiguration

名前 形容 価値
identityType オブジェクトの種類を設定する AMLToken を する
マネージド

UserIdentity (必須)

AmlToken

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)

ManagedIdentity

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。

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。

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。

UserIdentity

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)

ResourceBaseProperties

名前 形容 価値
{カスタマイズされたプロパティ}

JobBaseServices

名前 形容 価値
{カスタマイズされたプロパティ} JobService

JobService

名前 形容 価値
エンドポイント エンドポイントの URL。
jobServiceType エンドポイントの種類。
ノード ユーザーがサービスを開始するノード。
ノードが設定されていないか、null に設定されていない場合、サービスはリーダー ノードでのみ開始されます。
ノード
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

ノード

名前 形容 価値
nodesValueType オブジェクトの種類を設定する すべての (必須)

AllNodes

名前 形容 価値
nodesValueType [必須]ノード値の型 "すべて" (必須)

JobServiceProperties

名前 形容 価値
{カスタマイズされたプロパティ}

AutoMLJob

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。
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。 JobResourceConfiguration
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)

AutoMLJobEnvironmentVariables

名前 形容 価値
{カスタマイズされたプロパティ}

AutoMLJobOutputs

名前 形容 価値
{カスタマイズされたプロパティ} JobOutput

JobOutput

名前 形容 価値
形容 出力の説明。
jobOutputType オブジェクトの種類を設定する custom_model
mlflow_model
mltable を する
triton_model
uri_file
uri_folder (必須)

CustomModelJobOutput

名前 形容 価値
jobOutputType [必須]ジョブの種類を指定します。 "custom_model" (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。

MLFlowModelJobOutput

名前 形容 価値
jobOutputType [必須]ジョブの種類を指定します。 "mlflow_model" (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。

MLTableJobOutput

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。

TritonModelJobOutput

名前 形容 価値
jobOutputType [必須]ジョブの種類を指定します。 "triton_model" (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。

UriFileJobOutput

名前 形容 価値
jobOutputType [必須]ジョブの種類を指定します。 "uri_file" (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。

UriFolderJobOutput

名前 形容 価値
jobOutputType [必須]ジョブの種類を指定します。 "uri_folder" (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。

JobResourceConfiguration

名前 形容 価値
dockerArgs Docker run コマンドに渡す追加の引数。 これにより、システムまたはこのセクションで既に設定されているパラメーターがオーバーライドされます。 このパラメーターは、Azure ML コンピューティングの種類でのみサポートされます。
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。
プロパティ 追加のプロパティ バッグ。 ResourceConfigurationProperties
shmSize Docker コンテナーの共有メモリ ブロックのサイズ。 これは (number)(unit) の形式で指定する必要があります。数値は 0 より大きく、単位は b(バイト)、k(キロバイト)、m(メガバイト)、または g(ギガバイト) のいずれかです。

制約:
パターン = \d+[bBkKmMgG]

ResourceConfigurationProperties

名前 形容 価値
{カスタマイズされたプロパティ}

AutoMLVertical

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"
targetColumnName 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。
trainingData [必須]トレーニング データの入力。 MLTableJobInput の (必須)
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)

MLTableJobInput

名前 形容 価値
形容 入力の説明。
jobInputType [必須]ジョブの種類を指定します。 "custom_model"
"literal"
"mlflow_model"
"mltable"
"triton_model"
"uri_file"
"uri_folder" (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

分類

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 "分類" (必須)
cvSplitColumnNames CVSplit データに使用する列。 string[]
featurizationSettings AutoML ジョブに必要な特徴量化入力。 TableVerticalFeaturizationSettings
limitSettings AutoMLJob の実行制約。 TableVerticalLimitSettings
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
positiveLabel バイナリ メトリック計算の正のラベル。
primaryMetric タスクのプライマリ メトリック。 "AUCWeighted"
"Accuracy"
"AveragePrecisionScoreWeighted"
"NormMacroRecall"
"PrecisionScoreWeighted"
testData データ入力をテストします。 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
trainingSettings AutoML ジョブのトレーニング フェーズの入力。 ClassificationTrainingSettings
validationData 検証データの入力。 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
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。

TableVerticalFeaturizationSettings

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。 次のいずれかを含む文字列配列:
"CatTargetEncoder"
"CountVectorizer"
"HashOneHotEncoder"
"LabelEncoder"
"NaiveBayes"
"OneHotEncoder"
"TextTargetEncoder"
"TfIdf"
"WoETargetEncoder"
"WordEmbedding"
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。
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

TableVerticalFeaturizationSettingsColumnNameAndTypes

名前 形容 価値
{カスタマイズされたプロパティ}

TableVerticalFeaturizationSettingsTransformerParams

名前 形容 価値
{カスタマイズされたプロパティ} ColumnTransformer[]

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。

TableVerticalLimitSettings

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。
trialTimeout 繰り返しタイムアウト。

NCrossValidations

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)

AutoNCrossValidations

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)

CustomNCrossValidations

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)

ClassificationTrainingSettings

名前 形容 価値
allowedTrainingAlgorithms 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"
blockedTrainingAlgorithms 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"
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。
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

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"

予測

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 "予測" (必須)
cvSplitColumnNames CVSplit データに使用する列。 string[]
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
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
primaryMetric 予測タスクの主要メトリック。 "NormalizedMeanAbsoluteError"
"NormalizedRootMeanSquaredError"
"R2Score"
"スピアマン相関"
testData データ入力をテストします。 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
trainingSettings AutoML ジョブのトレーニング フェーズの入力。 ForecastingTrainingSettings
validationData 検証データの入力。 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
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。

ForecastingSettings

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。
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。
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。
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"

ForecastHorizon

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)

AutoForecastHorizon

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)

CustomForecastHorizon

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)

季節

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)

AutoSeasonality

名前 形容 価値
モード [必須]季節性モード。 "Auto" (必須)

CustomSeasonality

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)

TargetLags

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)

AutoTargetLags

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)

CustomTargetLags

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)

TargetRollingWindowSize

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)

AutoTargetRollingWindowSize

名前 形容 価値
モード [必須]TargetRollingWindowSiz 検出モード。 "Auto" (必須)

CustomTargetRollingWindowSize

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)

ForecastingTrainingSettings

名前 形容 価値
allowedTrainingAlgorithms 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"
blockedTrainingAlgorithms 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"
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。
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

ImageClassification

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 "ImageClassification" (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
validationData 検証データの入力。 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

ImageLimitSettings

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。

ImageModelSettingsClassification

名前 形容 価値
advancedSettings 高度なシナリオの設定。
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。
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
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
checkpointModel 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 モデル。 MLFlowModelJobInput の
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。
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。
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
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

MLFlowModelJobInput

名前 形容 価値
形容 入力の説明。
jobInputType [必須]ジョブの種類を指定します。 "custom_model"
"literal"
"mlflow_model"
"mltable"
"triton_model"
"uri_file"
"uri_folder" (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

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。
拡張 拡張を使用するための設定。
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。
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。
分散 配布者トレーニングを使用するかどうか。
earlyStopping トレーニング中に早期停止ロジックを有効にします。
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。
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。
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。
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。
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。
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。
learningRate 初期学習率。 範囲 [0, 1] の float である必要があります。
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。
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。
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。
nesterov オプティマイザーが 'sgd' の場合に nesterov を有効にします。
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。
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。
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。
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。
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。
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。
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。
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。
validationBatchSize 検証バッチ サイズ。 正の整数にする必要があります。
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。
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。
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。
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。
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。
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。

ImageSweepSettings

名前 形容 価値
earlyTermination 早期終了ポリシーの種類。 EarlyTerminationPolicy
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)

EarlyTerminationPolicy

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)

BanditPolicy

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

MedianStoppingPolicy

名前 形容 価値
policyType [必須]ポリシー構成の名前 "MedianStopping" (必須)

TruncationSelectionPolicy

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

ImageClassificationMultilabel

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 "ImageClassificationMultilabel" (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
validationData 検証データの入力。 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

ImageInstanceSegmentation

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 "ImageInstanceSegmentation" (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
validationData 検証データの入力。 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

ImageModelSettingsObjectDetection

名前 形容 価値
advancedSettings 高度なシナリオの設定。
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。
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
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
checkpointModel 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 モデル。 MLFlowModelJobInput の
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。
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。
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
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。
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

ImageModelDistributionSettingsObjectDetection

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。
拡張 拡張を使用するための設定。
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。
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。
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。
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。
分散 配布者トレーニングを使用するかどうか。
earlyStopping トレーニング中に早期停止ロジックを有効にします。
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。
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。
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。
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。
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。
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。
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。
learningRate 初期学習率。 範囲 [0, 1] の float である必要があります。
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。
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。
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。
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。
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。
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。
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。
nesterov オプティマイザーが 'sgd' の場合に nesterov を有効にします。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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
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。
validationBatchSize 検証バッチ サイズ。 正の整数にする必要があります。
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。
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。
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。
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。
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。

ImageObjectDetection

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 "ImageObjectDetection" (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
validationData 検証データの入力。 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

回帰

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 "回帰" (必須)
cvSplitColumnNames CVSplit データに使用する列。 string[]
featurizationSettings AutoML ジョブに必要な特徴量化入力。 TableVerticalFeaturizationSettings
limitSettings AutoMLJob の実行制約。 TableVerticalLimitSettings
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
primaryMetric 回帰タスクの主要メトリック。 "NormalizedMeanAbsoluteError"
"NormalizedRootMeanSquaredError"
"R2Score"
"スピアマン相関"
testData データ入力をテストします。 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
trainingSettings AutoML ジョブのトレーニング フェーズの入力。 RegressionTrainingSettings
validationData 検証データの入力。 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
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。

RegressionTrainingSettings

名前 形容 価値
allowedTrainingAlgorithms 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"
blockedTrainingAlgorithms 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"
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。
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

TextClassification

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 "TextClassification" (必須)
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"
validationData 検証データの入力。 MLTableJobInput の

NlpVerticalFeaturizationSettings

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。

NlpVerticalLimitSettings

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。

TextClassificationMultilabel

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 "TextClassificationMultilabel" (必須)
featurizationSettings AutoML ジョブに必要な特徴量化入力。 NlpVerticalFeaturizationSettings
limitSettings AutoMLJob の実行制約。 NlpVerticalLimitSettings
validationData 検証データの入力。 MLTableJobInput の

TextNer

名前 形容 価値
taskType [必須]AutoMLJob のタスクの種類。 "TextNER" (必須)
featurizationSettings AutoML ジョブに必要な特徴量化入力。 NlpVerticalFeaturizationSettings
limitSettings AutoMLJob の実行制約。 NlpVerticalLimitSettings
validationData 検証データの入力。 MLTableJobInput の

CommandJob

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。
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:
最小長 = 1
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。 JobResourceConfiguration

DistributionConfiguration

名前 形容 価値
distributionType オブジェクトの種類を設定する Mpi
PyTorch を する
TensorFlow (必須)

Mpi

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

PyTorch

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

TensorFlow

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

CommandJobEnvironmentVariables

名前 形容 価値
{カスタマイズされたプロパティ}

CommandJobInputs

名前 形容 価値
{カスタマイズされたプロパティ} JobInput を する

JobInput

名前 形容 価値
形容 入力の説明。
jobInputType オブジェクトの種類を設定する custom_model
リテラル
mlflow_model
mltable
する
triton_model
uri_file
uri_folder (必須)

CustomModelJobInput

名前 形容 価値
jobInputType [必須]ジョブの種類を指定します。 "custom_model" (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

LiteralJobInput

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:
最小長 = 1
パターン = [a-zA-Z0-9_]

TritonModelJobInput

名前 形容 価値
jobInputType [必須]ジョブの種類を指定します。 "triton_model" (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

UriFileJobInput

名前 形容 価値
jobInputType [必須]ジョブの種類を指定します。 "uri_file" (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

UriFolderJobInput

名前 形容 価値
jobInputType [必須]ジョブの種類を指定します。 "uri_folder" (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:
最小長 = 1
パターン = [a-zA-Z0-9_]

CommandJobLimits

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。

CommandJobOutputs

名前 形容 価値
{カスタマイズされたプロパティ} JobOutput

PipelineJob

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。
sourceJobId ソース ジョブの ARM リソース ID。

PipelineJobInputs

名前 形容 価値
{カスタマイズされたプロパティ} JobInput を する

PipelineJobs

名前 形容 価値
{カスタマイズされたプロパティ}

PipelineJobOutputs

名前 形容 価値
{カスタマイズされたプロパティ} JobOutput

SweepJob

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)

SweepJobInputs

名前 形容 価値
{カスタマイズされたプロパティ} JobInput を する

SweepJobLimits

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。
trialTimeout スイープ ジョブ試用版のタイムアウト値。

目的

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:
最小長 = 1
パターン = [a-zA-Z0-9_]

SweepJobOutputs

名前 形容 価値
{カスタマイズされたプロパティ} JobOutput

SamplingAlgorithm

名前 形容 価値
samplingAlgorithmType オブジェクトの種類を設定する ベイジアン
Grid
ランダム の (必須)

BayesianSamplingAlgorithm

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)

GridSamplingAlgorithm

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)

RandomSamplingAlgorithm

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"
乱数生成のシードとして使用する省略可能な整数 int

TrialComponent

名前 形容 価値
codeId コード資産の ARM リソース ID。
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:
最小長 = 1
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。 JobResourceConfiguration

TrialComponentEnvironmentVariables

名前 形容 価値
{カスタマイズされたプロパティ}