Microsoft.MachineLearningServices ワークスペース/ジョブ 2024-07-01-preview

2025-07-01

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 - リソースグループのデプロイコマンドを参照する

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@2024-07-01-preview' = {
  parent: resourceSymbolicName
  name: 'string'
  properties: {
    componentId: 'string'
    computeId: 'string'
    description: 'string'
    displayName: 'string'
    experimentName: 'string'
    identity: {
      identityType: 'string'
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived: bool
    notificationSetting: {
      emailOn: [
        'string'
      ]
      emails: [
        'string'
      ]
      webhooks: {
        {customized property}: {
          eventType: 'string'
          webhookType: 'string'
          // For remaining properties, see Webhook objects
        }
      }
    }
    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: {
      {customized property}: 'string'
    }
    jobType: 'string'
    // For remaining properties, see JobBaseProperties objects
  }
}

FineTuningVertical オブジェクト

modelProvider 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。

AzureOpenAI の場合は、次を使用します。

{
  hyperParameters: {
    batchSize: int
    learningRateMultiplier: int
    nEpochs: int
  }
  modelProvider: 'AzureOpenAI'
}

カスタムの場合は、次を使用します。

{
  hyperParameters: {
    {customized property}: 'string'
  }
  modelProvider: 'Custom'
}

TargetRollingWindowSize オブジェクト

mode 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。

自動の場合は、次を使用します。

{
  mode: 'Auto'
}

カスタムの場合は、次を使用します。

{
  mode: 'Custom'
  value: int
}

JobInput オブジェクト

オブジェクトの種類を指定するように jobInputType プロパティを設定します。

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 の場合は、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'
}

JobBaseProperties オブジェクト

オブジェクトの種類を指定するように jobType プロパティを設定します。

AutoML の場合は、次を使用します。

{
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  jobType: 'AutoML'
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    properties: {
      {customized property}: any(...)
    }
    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。

{
  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
    }
  }
  jobType: 'Command'
  limits: {
    jobLimitsType: 'string'
    timeout: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    properties: {
      {customized property}: any(...)
    }
    shmSize: 'string'
  }
}

FineTuning の場合は、次の値を使用します。

{
  fineTuningDetails: {
    model: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    taskType: 'string'
    trainingData: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
    validationData: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
    modelProvider: 'string'
    // For remaining properties, see FineTuningVertical objects
  }
  jobType: 'FineTuning'
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
  }
  resources: {
    instanceTypes: [
      'string'
    ]
  }
}

パイプラインの場合は、次を使用します。

{
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  jobs: {
    {customized property}: any(...)
  }
  jobType: 'Pipeline'
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  settings: any(...)
  sourceJobId: 'string'
}

Spark の場合は、次を使用します。

{
  archives: [
    'string'
  ]
  args: 'string'
  codeId: 'string'
  conf: {
    {customized property}: 'string'
  }
  entry: {
    sparkJobEntryType: 'string'
    // For remaining properties, see SparkJobEntry objects
  }
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  files: [
    'string'
  ]
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  jars: [
    'string'
  ]
  jobType: 'Spark'
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  pyFiles: [
    'string'
  ]
  queueSettings: {
    jobTier: 'string'
  }
  resources: {
    instanceType: 'string'
    runtimeVersion: 'string'
  }
}

スイープの場合は、次を使用します。

{
  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
    }
  }
  jobType: 'Sweep'
  limits: {
    jobLimitsType: 'string'
    maxConcurrentTrials: int
    maxTotalTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  objective: {
    goal: 'string'
    primaryMetric: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
  }
  samplingAlgorithm: {
    samplingAlgorithmType: 'string'
    // For remaining properties, see SamplingAlgorithm objects
  }
  searchSpace: any(...)
  trial: {
    codeId: 'string'
    command: 'string'
    distribution: {
      distributionType: 'string'
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId: 'string'
    environmentVariables: {
      {customized property}: 'string'
    }
    resources: {
      dockerArgs: 'string'
      instanceCount: int
      instanceType: 'string'
      properties: {
        {customized property}: any(...)
      }
      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 の場合は、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。

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

UserIdentity の場合は、次の値を使用します。

{
  identityType: 'UserIdentity'
}

ForecastHorizon オブジェクト

mode 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。

自動の場合は、次を使用します。

{
  mode: 'Auto'
}

カスタムの場合は、次を使用します。

{
  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
}

季節性オブジェクト

mode 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。

自動の場合は、次を使用します。

{
  mode: 'Auto'
}

カスタムの場合は、次を使用します。

{
  mode: 'Custom'
  value: int
}

JobOutput オブジェクト

jobOutputType 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。

{
  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 の場合は、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'
}

TargetLags オブジェクト

mode 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。

自動の場合は、次を使用します。

{
  mode: 'Auto'
}

カスタムの場合は、次を使用します。

{
  mode: 'Custom'
  values: [
    int
  ]
}

Webhook オブジェクト

webhookType 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。

AzureDevOps の場合は、次を使用します。

{
  webhookType: 'AzureDevOps'
}

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'
}

Random の場合は、次の値を使用します。

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

SparkJobEntry オブジェクト

sparkJobEntryType 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。

SparkJobPythonEntry の場合は、次を使用します。

{
  file: 'string'
  sparkJobEntryType: 'SparkJobPythonEntry'
}

SparkJobScalaEntry の場合は、次を使用します。

{
  className: 'string'
  sparkJobEntryType: 'SparkJobScalaEntry'
}

DistributionConfiguration オブジェクト

distributionType 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。

Mpi の場合は、次を使用します。

{
  distributionType: 'Mpi'
  processCountPerInstance: int
}

PyTorch の場合は、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
}

NCrossValidations オブジェクト

mode 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。

自動の場合は、次を使用します。

{
  mode: 'Auto'
}

カスタムの場合は、次を使用します。

{
  mode: 'Custom'
  value: int
}

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] には、次を使用します。

{
  nodesValueType: 'All'
}

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。

{
  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'
  taskType: 'Classification'
  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。

{
  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'
  taskType: 'Forecasting'
  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。

{
  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'
  }
  taskType: 'ImageClassification'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

ImageClassificationMultilabel の場合は、次を使用します。

{
  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'
  }
  taskType: 'ImageClassificationMultilabel'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

ImageInstanceSegmentation の場合は、次を使用します。

{
  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: 'string'
  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'
  }
  taskType: 'ImageInstanceSegmentation'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

ImageObjectDetection の場合は、次を使用します。

{
  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: 'string'
  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'
  }
  taskType: 'ImageObjectDetection'
  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。

{
  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'
  taskType: 'Regression'
  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。

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

TextClassificationMultilabel の場合は、次を使用します。

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

TextNER の場合は、次を使用します。

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

プロパティ値

Microsoft.MachineLearningServices/workspaces/jobs (マイクロソフトの機械学習サービス/ワークスペース/ジョブ)

名前	説明	価値
名前	リソース名	糸制約：パターン = `^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$` (必須)
親	Bicep では、子リソースの親リソースを指定できます。このプロパティを追加する必要があるのは、子リソースが親リソースの外部で宣言されている場合のみです。詳細については、「親リソースの外部子リソース」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)

オールノード

名前	説明	価値
ノード値タイプ	[必須]ノード値の型	'All' (必須)

Amlトークン

名前	説明	価値
アイデンティティタイプ	[必須]ID フレームワークの種類を指定します。	'AMLToken' (必須)

自動予測ホライゾン

名前	説明	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)

AutoMLジョーブ

名前	説明	価値
環境ID	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。	文字列
環境変数	ジョブに含まれる環境変数。	AutoMLJobEnvironment変数
職種	[必須]ジョブの種類を指定します。	'AutoML' (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。	AutoMLのジョブ出力
キューセッティング	ジョブのキュー設定	キュー設定
リソース	ジョブのコンピューティングリソース構成。	ジョブリソース構成
タスク詳細	[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)

AutoMLJobEnvironment変数

名前	説明	価値

AutoMLのジョブ出力

名前	説明	価値

AutoMLバーティカル

名前	説明	価値
ログの詳細度	ジョブの詳細度をログに記録します。	「重大」「デバッグ」「エラー」「情報」「NotSet」「警告」
ターゲット列名	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。	文字列
タスクタイプ	型分類の場合は、'Classification' に設定します。型予測の場合は、"予測" に設定します。 ImageClassification 型の場合は、' ImageClassification' に設定します。 ImageClassificationMultilabel 型の場合、' ImageClassificationMultilabel' に設定します。 ImageInstanceSegmentation 型の場合は、" ImageInstanceSegmentation" に設定します。 ImageObjectDetection 型の場合は、' ImageObjectDetection' に設定します。型回帰の場合は、" Regression" に設定します。 TextClassification 型の場合、' TextClassification' に設定します。 TextClassificationMultilabel 型の場合、' TextClassificationMultilabel' に設定します。 TextNer 型の場合は、' TextNER' に設定します。	「分類」「予測」「画像分類」 'ImageClassificationMultilabel' 'ImageInstanceSegmentation' 'ImageObjectDetection' 「リグレッション」「テキスト分類」 'TextClassificationMultilabel' 'TextNER' (必須)
トレーニングデータ	[必須]トレーニングデータの入力。	MLTableJobInput (必須)

AutoNCross検証

名前	説明	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)

オートシーズナリティ

名前	説明	価値
モード	[必須]季節性モード。	'Auto' (必須)

オートターゲットラグ

名前	説明	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)

オートターゲットローリングウィンドウサイズ

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

AzureDevOpsWebhook

名前	説明	価値
webhookタイプ	[必須]コールバックを送信するサービスの種類を指定します	'AzureDevOps' (必須)

AzureOpenAiFineTuning

名前	説明	価値
ハイパーパラメータ	Azure Open AI モデルを微調整するための HyperParameters。	AzureOpenAiHyperParameters
モデルプロバイダ	[必須]微調整の種類を決定する列挙型。	'AzureOpenAI' (必須)

AzureOpenAiHyperParameters

名前	説明	価値
バッチサイズ	各バッチの例の数。バッチサイズが大きいほど、モデルパラメーターの更新頻度は低くなりますが、分散は小さくなります。	整数 (int)
learningRateMultiplier (英語)	学習率のスケーリング係数。より小さい学習率は、オーバーフィットを避けるために役立つ場合があります。	整数 (int)
nエポック	モデルをトレーニングするエポックの数。エポックとは、トレーニングデータセット全体での 1 つの完全なサイクルを指します。	整数 (int)

バンディットポリシー

名前	説明	価値
ポリシータイプ	[必須]ポリシー構成の名前	'Bandit' (必須)
スラック量	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。	整数 (int)
スラックファクター	最もパフォーマンスの高い実行からの許容距離の比率。	整数 (int)

ベイジアンサンプリングアルゴリズム

名前	説明	価値
サンプリングアルゴリズムタイプ	[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)

分類

名前	説明	価値
cvSplitColumnNames(cvSplitColumnNames)	CVSplit データに使用する列。	文字列[]
特徴化設定	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
limitSettings (制限設定)	AutoMLJob の実行制約。	TableVerticalLimitSettings (テーブル垂直制限設定)
nCrossValidations (英語)	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。	NCross検証
ポジティブラベル	バイナリメトリック計算の正のラベル。	文字列
プライマリメトリック	タスクのプライマリメトリック。	「正確さ」「AUCWeighted」 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 「PrecisionScoreWeighted」
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'Classification' (必須)
テストデータ	データ入力をテストします。	MLTableJobInput
testDataSize (テストデータサイズ)	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。	整数 (int)
training設定	AutoML ジョブのトレーニングフェーズの入力。	分類トレーニング設定
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)
weightColumnName (重み列名)	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。	文字列

分類トレーニング設定

名前	説明	価値
allowedTrainingAlgorithms (英語)	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: 「ベルヌーイ・ナイーブ・ベイズ」「デシジョンツリー」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」「ライトGBM」「リニアSVM」 'LogisticRegression' (ロジスティック回帰) 「MultinomialNaiveBayes」「ランダムフォレスト」「SGD」「SVM」「XGBoostClassifier」
blockedTrainingアルゴリズム	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: 「ベルヌーイ・ナイーブ・ベイズ」「デシジョンツリー」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」「ライトGBM」「リニアSVM」 'LogisticRegression' (ロジスティック回帰) 「MultinomialNaiveBayes」「ランダムフォレスト」「SGD」「SVM」「XGBoostClassifier」
enableDnnトレーニング	DNN モデルの推奨事項を有効にします。	ブール (bool)
enableModelExplainability (英語)	最適なモデルで説明可能性を有効にするフラグ。	ブール (bool)
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	ブール (bool)
enableStackEnsemble	スタックアンサンブル実行を有効にします。	ブール (bool)
enableVoteアンサンブル	投票アンサンブル実行を有効にします。	ブール (bool)
アンサンブルモデルダウンロードタイムアウト	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。	文字列
stackEnsemble設定	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。	StackEnsemble設定

カラムトランスフォーマー

名前	説明	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。	文字列[]
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。	任意

コマンドジョブ

名前	説明	価値
コードID	コード資産の ARM リソース ID。	文字列
コマンド	[必須]ジョブの起動時に実行するコマンド。例えば。「パイソン train.py」	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
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。	ディストリビューション構成
環境ID	[必須]ジョブの環境仕様の ARM リソース ID。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
環境変数	ジョブに含まれる環境変数。	CommandJobEnvironment変数
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。	コマンドジョブ入力
職種	[必須]ジョブの種類を指定します。	'Command' (必須)
制限	コマンドジョブの制限。	CommandJobLimits(コマンドジョブ制限)
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 (コマンドジョブ出力)
キューセッティング	ジョブのキュー設定	キュー設定
リソース	ジョブのコンピューティングリソース構成。	ジョブリソース構成

CommandJobEnvironment変数

名前	説明	価値

コマンドジョブ入力

名前	説明	価値

CommandJobLimits(コマンドジョブ制限)

名前	説明	価値
ジョブリミットタイプ	[必須]JobLimit 型。	「コマンド」 '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。	文字列

CommandJobOutputs (コマンドジョブ出力)

名前	説明	価値

カスタム予測ホライゾン

名前	説明	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)

CustomModelFineTuning

名前	説明	価値
ハイパーパラメータ	カスタムモデルを微調整するための HyperParameters。	CustomModelFineTuningハイパーパラメータ
モデルプロバイダ	[必須]微調整の種類を決定する列挙型。	'Custom' (必須)

CustomModelFineTuningハイパーパラメータ

名前	説明	価値

CustomModelJobInput

名前	説明	価値
ジョブインプットタイプ	[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。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

CustomModelJobOutput

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

CustomNCross検証

名前	説明	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)

カスタムシーズナリティ

名前	説明	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)

CustomTargetLags (英語)

名前	説明	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)

CustomTargetRollingWindowSize (カスタムターゲットローリングウィンドウサイズ)

名前	説明	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)

ディストリビューション構成

名前	説明	価値
distributionType (ディストリビューションタイプ)	Mpi 型の場合は、' Mpi' に設定します。 PyTorch 型の場合は ' PyTorch' に設定します。 TensorFlow 型の場合は ' TensorFlow' に設定します。	「ムピ」「PyTorch」 'TensorFlow' (必須)

早期終了ポリシー

名前	説明	価値
遅延評価	最初の評価を遅らせる間隔の数。	整数 (int)
評価間隔	ポリシー評価間の間隔 (実行回数)。	整数 (int)
ポリシータイプ	BanditPolicy 型の場合は 'Bandit' に設定します。 MedianStoppingPolicy 型の場合、'MedianStopping' に設定します。 TruncationSelectionPolicy 型の場合は、'TruncationSelection' に設定します。	「バンディット」「メディアンストップ」 'TruncationSelection' (必須)

ファインチューニングジョブ

名前	説明	価値
fineTuning詳細	[必須]	FineTuningVertical (必須)
職種	[必須]ジョブの種類を指定します。	'FineTuning' (必須)
出力	[必須]	FineTuningJobOutputs (必須)
キューセッティング	ジョブのキュー設定	キュー設定
リソース	ジョブのインスタンスの種類とその他のリソース	ジョブリソース

FineTuningJobOutputs (ジョブ出力の微調整)

名前	説明	価値

ファインチューニング垂直

名前	説明	価値
モデル	[必須]微調整のための入力モデル。	MLFlowModelJobInput (必須)
モデルプロバイダ	種類が AzureOpenAiFineTuning の場合は、'AzureOpenAI' に設定します。 CustomModelFineTuning 型の場合は、'Custom' に設定します。	「AzureOpenAI」 'Custom' (必須)
タスクタイプ	[必須]タスクの種類を微調整します。	「チャット完了」「画像分類」 'ImageInstanceSegmentation' 'ImageObjectDetection' 「クエスチョンアンセリング」「テキスト分類」「テキスト完了」「テキスト要約」「テキスト翻訳」 'トークン分類' 'VideoMultiObjectTracking' (必須)
トレーニングデータ	[必須]微調整のためのトレーニングデータ。	JobInput (必須)
validationData (検証データ)	微調整のための検証データ。	ジョブ入力

フォーキャストホライゾン

名前	説明	価値
モード	AutoForecastHorizon 型の場合は、'Auto' に設定します。 CustomForecastHorizon 型の場合は、'Custom' に設定します。	「オート」 'Custom' (必須)

予測

名前	説明	価値
cvSplitColumnNames(cvSplitColumnNames)	CVSplit データに使用する列。	文字列[]
特徴化設定	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
forecasting設定	予測タスク固有の入力。	ForecastingSettings (予測設定)
limitSettings (制限設定)	AutoMLJob の実行制約。	TableVerticalLimitSettings (テーブル垂直制限設定)
nCrossValidations (英語)	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。	NCross検証
プライマリメトリック	予測タスクの主要メトリック。	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 「R2スコア」 'スピアマンコレレーション'
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'Forecasting' (必須)
テストデータ	データ入力をテストします。	MLTableJobInput
testDataSize (テストデータサイズ)	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。	整数 (int)
training設定	AutoML ジョブのトレーニングフェーズの入力。	ForecastingTrainingSettings (英語)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)
weightColumnName (重み列名)	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。	文字列

ForecastingSettings (予測設定)

名前	説明	価値
countryOrRegionForHolidays (国または地域休日)	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。	文字列
cvステップサイズ	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。	整数 (int)
featureラグ	'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。	「オート」「なし」
予測ホライゾン	時系列の頻度の単位で求められる最大予測期間。	フォーキャストホライゾン
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。	文字列
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
shortSeriesHandlingConfig(ショートシリーズハンドリングコンフィグ)	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。	「オート」「ドロップ」「なし」「パッド」
ターゲット集計関数	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。	「マックス」「平均」「ミン」「なし」「合計」
ターゲットラグ	ターゲット列から遅延する過去の期間の数。	ターゲットラグ
ターゲットローリングウィンドウサイズ	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。	ターゲットローリングウィンドウサイズ
timeColumnName (時間列名)	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。	文字列
timeSeriesIdColumnNames(タイムシリーズIdカラムネーム)	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。	文字列[]
useStl	時系列ターゲット列の STL 分解を構成します。	「なし」「シーズン」「シーズントレンド」

ForecastingTrainingSettings (英語)

名前	説明	価値
allowedTrainingAlgorithms (英語)	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: 「アリマックス」「オートアリマ」「平均」「デシジョンツリー」「エラスティックネット」「指数平滑化」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」 'なげなわ' 「ライトGBM」「ナイーブ」「預言者」「ランダムフォレスト」「季節平均」「SeasonalNaive」「SGD」「TCNフォアキャスター」「XGBoostRegressor」
blockedTrainingアルゴリズム	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: 「アリマックス」「オートアリマ」「平均」「デシジョンツリー」「エラスティックネット」「指数平滑化」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」 'なげなわ' 「ライトGBM」「ナイーブ」「預言者」「ランダムフォレスト」「季節平均」「SeasonalNaive」「SGD」「TCNフォアキャスター」「XGBoostRegressor」
enableDnnトレーニング	DNN モデルの推奨事項を有効にします。	ブール (bool)
enableModelExplainability (英語)	最適なモデルで説明可能性を有効にするフラグ。	ブール (bool)
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	ブール (bool)
enableStackEnsemble	スタックアンサンブル実行を有効にします。	ブール (bool)
enableVoteアンサンブル	投票アンサンブル実行を有効にします。	ブール (bool)
アンサンブルモデルダウンロードタイムアウト	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。	文字列
stackEnsemble設定	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。	StackEnsemble設定

GridSamplingアルゴリズム

名前	説明	価値
サンプリングアルゴリズムタイプ	[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)

アイデンティティ設定

名前	説明	価値
アイデンティティタイプ	型 AmlToken に対して 'AMLToken' に設定します。型 ManagedIdentity に対して 'Managed' に設定します。 UserIdentity 型の場合は、' UserIdentity' に設定します。	「AMLToken」「管理」 'UserIdentity' (必須)

画像分類

名前	説明	価値
limitSettings (制限設定)	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
モデル設定	モデルのトレーニングに使用される設定。	ImageModelSettings分類
プライマリメトリック	このタスク用に最適化する主要メトリック。	「正確さ」「AUCWeighted」 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 「PrecisionScoreWeighted」
サーチスペース	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。	ImageModelDistributionSettings分類[]
sweepSettings (スイープ設定)	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 (イメージスイープ設定)
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'ImageClassification' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)

ImageClassificationマルチラベル

名前	説明	価値
limitSettings (制限設定)	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
モデル設定	モデルのトレーニングに使用される設定。	ImageModelSettings分類
プライマリメトリック	このタスク用に最適化する主要メトリック。	「正確さ」「AUCWeighted」 'AveragePrecisionScoreWeighted' 「借用書」 'NormMacroRecall' 「PrecisionScoreWeighted」
サーチスペース	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。	ImageModelDistributionSettings分類[]
sweepSettings (スイープ設定)	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 (イメージスイープ設定)
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'ImageClassificationMultilabel' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)

ImageInstanceセグメンテーション

名前	説明	価値
limitSettings (制限設定)	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
モデル設定	モデルのトレーニングに使用される設定。	ImageModelSettingsオブジェクト検出
プライマリメトリック	このタスク用に最適化する主要メトリック。	'平均精度'
サーチスペース	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。	ImageModelDistributionSettingsオブジェクト検出[]
sweepSettings (スイープ設定)	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 (イメージスイープ設定)
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'ImageInstanceSegmentation' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)

ImageLimitSettings (イメージリミット設定)

名前	説明	価値
maxConcurrentTrials	同時 AutoML イテレーションの最大数。	整数 (int)
マックストライアル	AutoML イテレーションの最大数。	整数 (int)
タイムアウト	AutoML ジョブのタイムアウト。	文字列

ImageModelDistributionSettings分類

名前	説明	価値
amsGradient (英語)	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。	文字列
拡張	拡張を使用するための設定。	文字列
ベータ1	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。	文字列
ベータ2	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。	文字列
分散	配布者トレーニングを使用するかどうか。	文字列
early停止	トレーニング中に早期停止ロジックを有効にします。	文字列
早期停止遅延	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。	文字列
早期停止忍耐	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。	文字列
enableOnnx正規化	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。	文字列
評価周波数	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。	文字列
gradientAccumulationStep (グラデーション累積ステップ)	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。	文字列
レイヤーToFreeze	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。	文字列
ラーニングレート	初期学習率。範囲 [0, 1] の float である必要があります。	文字列
learningRateスケジューラ	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。	文字列
モデルネーム	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。	文字列
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。	文字列
ネステロフ	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	文字列
numberOfEpochs(エポックの数)	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。	文字列
numberOfWorkers の	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。	文字列
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。	文字列
ランダムシード	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。	文字列
stepLRガンマ	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。	文字列
stepLRステップサイズ	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。	文字列
トレーニングバッチサイズ	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。	文字列
トレーニングクロップサイズ	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。	文字列
validationBatchSize (検証バッチサイズ)	検証バッチサイズ。正の整数にする必要があります。	文字列
validationCropSize(クロップサイズ)	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。	文字列
validationサイズ変更	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。	文字列
ウォームアップCosineLRサイクル	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。	文字列
ウォームアップCosineLRWarmupエポック	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。	文字列
ウェイトディケイ	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。	文字列
加重損失	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。	文字列

ImageModelDistributionSettingsオブジェクト検出

名前	説明	価値
amsGradient (英語)	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。	文字列
拡張	拡張を使用するための設定。	文字列
ベータ1	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。	文字列
ベータ2	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。	文字列
ボックス検出パーイメージ	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。	文字列
ボックススコアしきい値	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。	文字列
分散	配布者トレーニングを使用するかどうか。	文字列
early停止	トレーニング中に早期停止ロジックを有効にします。	文字列
早期停止遅延	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。	文字列
早期停止忍耐	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。	文字列
enableOnnx正規化	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。	文字列
評価周波数	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。	文字列
gradientAccumulationStep (グラデーション累積ステップ)	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。	文字列
画像サイズ	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。	文字列
レイヤーToFreeze	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。	文字列
ラーニングレート	初期学習率。範囲 [0, 1] の float である必要があります。	文字列
learningRateスケジューラ	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。	文字列
マックスサイズ	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。	文字列
最小サイズ	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。	文字列
モデルネーム	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。	文字列
モデルサイズ	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。	文字列
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。	文字列
マルチスケール	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。	文字列
ネステロフ	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	文字列
nmsIouしきい値	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。	文字列
numberOfEpochs(エポックの数)	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。	文字列
numberOfWorkers の	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。	文字列
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。	文字列
ランダムシード	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。	文字列
stepLRガンマ	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。	文字列
stepLRステップサイズ	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。	文字列
タイルグリッドサイズ	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。	文字列
タイルオーバーラップレシオ	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。	文字列
タイル予測Nmsしきい値	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	文字列
トレーニングバッチサイズ	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。	文字列
validationBatchSize (検証バッチサイズ)	検証バッチサイズ。正の整数にする必要があります。	文字列
検証IouThreshold	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。	文字列
validationMetricType (検証メトリックタイプ)	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。	文字列
ウォームアップCosineLRサイクル	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。	文字列
ウォームアップCosineLRWarmupエポック	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。	文字列
ウェイトディケイ	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。	文字列

ImageModelSettings分類

名前	説明	価値
advancedsettings (詳細設定)	高度なシナリオの設定。	文字列
amsGradient (英語)	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。	ブール (bool)
拡張	拡張を使用するための設定。	文字列
ベータ1	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。	整数 (int)
ベータ2	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。	整数 (int)
checkpointFrequency(チェックポイント周波数)	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。	整数 (int)
チェックポイントモデル	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。	MLFlowModelジョブ入力
checkpointRunId(チェックポイントランイド)	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。	文字列
分散	分散トレーニングを使用するかどうか。	ブール (bool)
early停止	トレーニング中に早期停止ロジックを有効にします。	ブール (bool)
早期停止遅延	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。	整数 (int)
早期停止忍耐	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。	整数 (int)
enableOnnx正規化	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。	ブール (bool)
評価周波数	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。	整数 (int)
gradientAccumulationStep (グラデーション累積ステップ)	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。	整数 (int)
レイヤーToFreeze	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。	整数 (int)
ラーニングレート	初期学習率。範囲 [0, 1] の float である必要があります。	整数 (int)
learningRateスケジューラ	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」「ウォームアップコサイン」
モデルネーム	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。	文字列
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。	整数 (int)
ネステロフ	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	ブール (bool)
numberOfEpochs(エポックの数)	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。	整数 (int)
numberOfWorkers の	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。	整数 (int)
オプティマイザ	オプティマイザーの種類。	「アダム」「アダム」「なし」「SGD」
ランダムシード	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。	整数 (int)
stepLRガンマ	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。	整数 (int)
stepLRステップサイズ	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。	整数 (int)
トレーニングバッチサイズ	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。	整数 (int)
トレーニングクロップサイズ	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。	整数 (int)
validationBatchSize (検証バッチサイズ)	検証バッチサイズ。正の整数にする必要があります。	整数 (int)
validationCropSize(クロップサイズ)	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。	整数 (int)
validationサイズ変更	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。	整数 (int)
ウォームアップCosineLRサイクル	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。	整数 (int)
ウォームアップCosineLRWarmupエポック	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。	整数 (int)
ウェイトディケイ	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。	整数 (int)
加重損失	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。	整数 (int)

ImageModelSettingsオブジェクト検出

名前	説明	価値
advancedsettings (詳細設定)	高度なシナリオの設定。	文字列
amsGradient (英語)	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。	ブール (bool)
拡張	拡張を使用するための設定。	文字列
ベータ1	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。	整数 (int)
ベータ2	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。	整数 (int)
ボックス検出パーイメージ	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。	整数 (int)
ボックススコアしきい値	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。	整数 (int)
checkpointFrequency(チェックポイント周波数)	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。	整数 (int)
チェックポイントモデル	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。	MLFlowModelジョブ入力
checkpointRunId(チェックポイントランイド)	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。	文字列
分散	分散トレーニングを使用するかどうか。	ブール (bool)
early停止	トレーニング中に早期停止ロジックを有効にします。	ブール (bool)
早期停止遅延	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。	整数 (int)
早期停止忍耐	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。	整数 (int)
enableOnnx正規化	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。	ブール (bool)
評価周波数	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。	整数 (int)
gradientAccumulationStep (グラデーション累積ステップ)	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。	整数 (int)
画像サイズ	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。	整数 (int)
レイヤーToFreeze	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。	整数 (int)
ラーニングレート	初期学習率。範囲 [0, 1] の float である必要があります。	整数 (int)
learningRateスケジューラ	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」「ウォームアップコサイン」
マックスサイズ	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。	整数 (int)
最小サイズ	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。	整数 (int)
モデルネーム	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。	文字列
モデルサイズ	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。	「エクストララージ」「ラージ」「ミディアム」「なし」「小さい」
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。	整数 (int)
マルチスケール	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。	ブール (bool)
ネステロフ	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	ブール (bool)
nmsIouしきい値	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。	整数 (int)
numberOfEpochs(エポックの数)	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。	整数 (int)
numberOfWorkers の	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。	整数 (int)
オプティマイザ	オプティマイザーの種類。	「アダム」「アダム」「なし」「SGD」
ランダムシード	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。	整数 (int)
stepLRガンマ	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。	整数 (int)
stepLRステップサイズ	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。	整数 (int)
タイルグリッドサイズ	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。	文字列
タイルオーバーラップレシオ	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。	整数 (int)
タイル予測Nmsしきい値	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。	整数 (int)
トレーニングバッチサイズ	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。	整数 (int)
validationBatchSize (検証バッチサイズ)	検証バッチサイズ。正の整数にする必要があります。	整数 (int)
検証IouThreshold	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。	整数 (int)
validationMetricType (検証メトリックタイプ)	検証メトリックに使用するメトリック計算方法。	「ココ」「ココボック」「なし」「ヴォック」
ウォームアップCosineLRサイクル	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。	整数 (int)
ウォームアップCosineLRWarmupエポック	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。	整数 (int)
ウェイトディケイ	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。	整数 (int)

ImageObjectDetection (画像オブジェクト検出)

名前	説明	価値
limitSettings (制限設定)	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
モデル設定	モデルのトレーニングに使用される設定。	ImageModelSettingsオブジェクト検出
プライマリメトリック	このタスク用に最適化する主要メトリック。	'平均精度'
サーチスペース	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。	ImageModelDistributionSettingsオブジェクト検出[]
sweepSettings (スイープ設定)	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 (イメージスイープ設定)
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'ImageObjectDetection' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)

ImageSweepSettings (イメージスイープ設定)

名前	説明	価値
早期終了	早期終了ポリシーの種類。	早期終了ポリシー
サンプリングアルゴリズム	[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。	「ベイジアン」「グリッド」 'Random' (必須)

ジョブベースプロパティ

名前	説明	価値
コンポーネントID	コンポーネントリソースの ARM リソース ID。	文字列
コンピュートイド	コンピューティングリソースの ARM リソース ID。	文字列
説明	資産の説明テキスト。	文字列
ディスプレイ名	ジョブの表示名。	文字列
実験名	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。	文字列
ID	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。	アイデンティティ設定
isArchived(アーカイブ済み)	資産はアーカイブされていますか?	ブール (bool)
職種	AutoMLJob 型の場合は、'AutoML' に設定します。 CommandJob 型の場合は、'Command' に設定します。 FineTuningJob 型の場合は、'FineTuning' に設定します。 PipelineJob 型の場合は " Pipeline" に設定します。 SparkJob 型の場合は、"Spark" に設定します。 SweepJob 型の場合は、"Sweep" に設定します。	「AutoML」「コマンド」「ファインチューニング」「パイプライン」「スパーク」 'Sweep' (必須)
notificationSetting (通知設定)	ジョブの通知設定	通知設定
プロパティ	資産プロパティディクショナリ。	リソースベースプロパティ
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。	ジョブベースサービス
タグ	タグディクショナリ。タグは追加、削除、更新できます。	リソースベースタグ

ジョブベースサービス

名前	説明	価値

ジョブ入力

名前	説明	価値
説明	入力の説明。	文字列
ジョブインプットタイプ	CustomModelJobInput 型の場合は、'custom_model' に設定します。 LiteralJobInput 型の場合は、'literal' に設定します。 MLFlowModelJobInput 型の場合は、'mlflow_model' に設定します。 MLTableJobInput 型の場合は 'mltable' に設定されます。 TritonModelJobInput 型の場合は、'triton_model' に設定します。 UriFileJobInput 型の場合は、'uri_file' に設定します。 UriFolderJobInput 型の場合は、'uri_folder' に設定します。	「custom_model」「リテラル」「mlflow_model」 'mltable' 「triton_model」「uri_file」 'uri_folder' (必須)

ジョブ出力

名前	説明	価値
説明	出力の説明。	文字列
ジョブ出力タイプ	CustomModelJobOutput 型の場合は、'custom_model' に設定します。 MLFlowModelJobOutput 型の場合は、'mlflow_model' に設定します。 MLTableJobOutput 型の場合は 'mltable' に設定されます。 TritonModelJobOutput 型の場合は、'triton_model' に設定します。 UriFileJobOutput 型の場合は、'uri_file' に設定します。 UriFolderJobOutput 型の場合は、'uri_folder' に設定します。	「custom_model」「mlflow_model」 'mltable' 「triton_model」「uri_file」 'uri_folder' (必須)

ジョブリソース構成

名前	説明	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。	文字列
インスタンス数	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)。	整数 (int)
インスタンスタイプ	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。	文字列
プロパティ	追加のプロパティバッグ。	リソース構成プロパティ
shmSize(シュムサイズ)	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。	糸制約：パターン = `\d+[bBkKmMgG]`

ジョブリソース

名前	説明	価値
インスタンスタイプ	選択するインスタンスの種類の一覧。	文字列[]

ジョブサービス

名前	説明	価値
エンドポイント	エンドポイントの URL。	文字列
ジョブサービスタイプ	エンドポイントの種類。	文字列
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
ポート	エンドポイントのポート。	整数 (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。	ジョブサービスプロパティ

ジョブサービスプロパティ

名前	説明	価値

リテラルジョブ入力

名前	説明	価値
ジョブインプットタイプ	[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。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

マネージドアイデンティティ

名前	説明	価値
クライアントID	クライアント ID でユーザー割り当て ID を指定します。システム割り当ての場合は、このフィールドを設定しないでください。	糸制約：最小長 = 36 最大長 = 36 パターン = `^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$`
アイデンティティタイプ	[必須]ID フレームワークの種類を指定します。	'Managed' (必須)
オブジェクトID	ユーザー割り当て ID をオブジェクト ID で指定します。システム割り当ての場合は、このフィールドを設定しないでください。	糸制約：最小長 = 36 最大長 = 36 パターン = `^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$`
リソースID	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。	文字列

メディアンストップポリシー

名前	説明	価値
ポリシータイプ	[必須]ポリシー構成の名前	'MedianStopping' (必須)

MLFlowModelジョブ入力

名前	説明	価値
説明	入力の説明。	文字列
ジョブインプットタイプ	[必須]ジョブの種類を指定します。	「custom_model」「リテラル」「mlflow_model」 'mltable' 「triton_model」「uri_file」 'uri_folder' (必須)
モード	入力資産配信モード。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

MLFlowModelジョブ入力

名前	説明	価値
ジョブインプットタイプ	[必須]ジョブの種類を指定します。	'mlflow_model' (必須)
モード	入力資産配信モード。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

MLFlowModelジョブ出力

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

MLTableJobInput

名前	説明	価値
説明	入力の説明。	文字列
ジョブインプットタイプ	[必須]ジョブの種類を指定します。	「custom_model」「リテラル」「mlflow_model」 'mltable' 「triton_model」「uri_file」 'uri_folder' (必須)
モード	入力資産配信モード。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

MLTableJobInput

名前	説明	価値
ジョブインプットタイプ	[必須]ジョブの種類を指定します。	'mltable' (必須)
モード	入力資産配信モード。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

MLTableJobOutput

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

Mpiの

名前	説明	価値
distributionType (ディストリビューションタイプ)	[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。	整数 (int)

NCross検証

名前	説明	価値
モード	AutoNCrossValidations 型の場合は、'Auto' に設定します。 CustomNCrossValidations 型の場合は、'Custom' に設定します。	「オート」 'Custom' (必須)

NlpVerticalFeaturizationSettings

名前	説明	価値
datasetLanguage (英語)	テキストデータに役立つデータセット言語。	文字列

NlpVerticalLimitSettings

名前	説明	価値
maxConcurrentTrials	AutoML の同時実行の最大イテレーション数。	整数 (int)
マックストライアル	AutoML イテレーションの数。	整数 (int)
タイムアウト	AutoML ジョブのタイムアウト。	文字列

ノード

名前	説明	価値
ノード値タイプ	AllNodes 型の場合は、'All' に設定します。	'All' (必須)

通知設定

名前	説明	価値
メールオン	指定した通知の種類でユーザーに電子メール通知を送信する	次のいずれかを含む文字列配列: 「ジョブキャンセル」「ジョブ完了」 'ジョブ失敗'
メール	これは、コンマ区切り記号付きの合計 concat で 499 文字の制限がある電子メール受信者リストです	文字列[]
ウェブフック	Webhook コールバックをサービスに送信します。キーは、Webhook のユーザー指定の名前です。	NotificationSettingWebhooks の

NotificationSettingWebhooks (英語)

名前	説明	価値

目的

名前	説明	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)
プライマリメトリック	[必須]最適化するメトリックの名前。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

パイプラインジョブ

名前	説明	価値
入力	パイプラインジョブの入力。	パイプラインジョブ入力
ジョブ	ジョブはパイプラインジョブを構築します。	PipelineJobs
職種	[必須]ジョブの種類を指定します。	'Pipeline' (必須)
出力	パイプラインジョブの出力	パイプラインジョブ出力
設定	ContinueRunOnStepFailure などのパイプライン設定。	任意
ソースジョブID	ソースジョブの ARM リソース ID。	文字列

パイプラインジョブ入力

名前	説明	価値

PipelineJobs

名前	説明	価値

パイプラインジョブ出力

名前	説明	価値

PyTorch

名前	説明	価値
distributionType (ディストリビューションタイプ)	[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。	整数 (int)

キュー設定

名前	説明	価値
ジョブティア	コンピューティングジョブレベルを制御します。	「ベーシック」 'ヌル' 「プレミアム」「スポット」「スタンダード」

ランダムサンプリングアルゴリズム

名前	説明	価値
ルール	ランダムアルゴリズムの特定の種類	「ランダム」「ソボル」
サンプリングアルゴリズムタイプ	[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)
シード	乱数生成のシードとして使用する省略可能な整数	整数 (int)

回帰

名前	説明	価値
cvSplitColumnNames(cvSplitColumnNames)	CVSplit データに使用する列。	文字列[]
特徴化設定	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
limitSettings (制限設定)	AutoMLJob の実行制約。	TableVerticalLimitSettings (テーブル垂直制限設定)
nCrossValidations (英語)	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。	NCross検証
プライマリメトリック	回帰タスクの主要メトリック。	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 「R2スコア」 'スピアマンコレレーション'
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'Regression' (必須)
テストデータ	データ入力をテストします。	MLTableJobInput
testDataSize (テストデータサイズ)	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。	整数 (int)
training設定	AutoML ジョブのトレーニングフェーズの入力。	RegressionTrainingSettings (回帰トレーニング設定)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)
weightColumnName (重み列名)	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。	文字列

RegressionTrainingSettings (回帰トレーニング設定)

名前	説明	価値
allowedTrainingAlgorithms (英語)	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: 「デシジョンツリー」「エラスティックネット」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」 'なげなわ' 「ライトGBM」「ランダムフォレスト」「SGD」「XGBoostRegressor」
blockedTrainingアルゴリズム	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: 「デシジョンツリー」「エラスティックネット」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」 'なげなわ' 「ライトGBM」「ランダムフォレスト」「SGD」「XGBoostRegressor」
enableDnnトレーニング	DNN モデルの推奨事項を有効にします。	ブール (bool)
enableModelExplainability (英語)	最適なモデルで説明可能性を有効にするフラグ。	ブール (bool)
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	ブール (bool)
enableStackEnsemble	スタックアンサンブル実行を有効にします。	ブール (bool)
enableVoteアンサンブル	投票アンサンブル実行を有効にします。	ブール (bool)
アンサンブルモデルダウンロードタイムアウト	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。	文字列
stackEnsemble設定	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。	StackEnsemble設定

リソースベースプロパティ

名前	説明	価値

リソースベースタグ

名前	説明	価値

リソース構成プロパティ

名前	説明	価値

サンプリングアルゴリズム

名前	説明	価値
サンプリングアルゴリズムタイプ	BayesianSamplingAlgorithm 型の場合は 'Bayesian' に設定します。 GridSamplingAlgorithm 型の 'Grid' に設定します。 RandomSamplingAlgorithm 型の場合は 'Random' に設定します。	「ベイジアン」「グリッド」 'Random' (必須)

季節

名前	説明	価値
モード	AutoSeasonality 型の場合は、'Auto' に設定します。 CustomSeasonality 型の場合は、'Custom' に設定します。	「オート」 'Custom' (必須)

スパークジョブ

名前	説明	価値
史料	ジョブで使用されるアーカイブファイル。	文字列[]
引数	ジョブの引数。	文字列
コードID	[必須] コード資産の arm-id。	string (必須)
(Assuming "conf" stands for "conference") コンファレンス	Spark で構成されたプロパティ。	SparkJobConf (英語)
エントリ	[必須]ジョブの起動時に実行するエントリ。	SparkJobEntry (必須)
環境ID	ジョブの環境仕様の ARM リソース ID。	文字列
環境変数	ジョブに含まれる環境変数。	SparkJobEnvironment変数
ファイル	ジョブで使用されるファイル。	文字列[]
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。	SparkJobの入力パラメータ
瓶	ジョブで使用される Jar ファイル。	文字列[]
職種	[必須]ジョブの種類を指定します。	'Spark' (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。	SparkJobの出力
pyファイル(pyFiles)	ジョブで使用される Python ファイル。	文字列[]
キューセッティング	ジョブのキュー設定	キュー設定
リソース	ジョブのコンピューティングリソース構成。	Sparkリソースコンフィギュレーション

SparkJobConf (英語)

名前	説明	価値

SparkJobエントリ

名前	説明	価値
sparkJobEntryType (スパークジョブエントリタイプ)	SparkJobPythonEntry 型の場合は、" SparkJobPythonEntry" に設定します。 SparkJobScalaEntry 型の場合は、" SparkJobScalaEntry" に設定します。	'SparkJobPythonEntry' 'SparkJobScalaEntry' (必須)

SparkJobEnvironment変数

名前	説明	価値

SparkJobの入力パラメータ

名前	説明	価値

SparkJobの出力

名前	説明	価値

SparkJobPythonエントリ

名前	説明	価値
ファイル	[必須]ジョブエントリポイントの相対 Python ファイルパス。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
sparkJobEntryType (スパークジョブエントリタイプ)	[必須]ジョブのエントリポイントの種類。	'SparkJobPythonEntry' (必須)

SparkJobScalaEntry

名前	説明	価値
クラス名	[必須]エントリポイントとして使用される Scala クラス名。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
sparkJobEntryType (スパークジョブエントリタイプ)	[必須]ジョブのエントリポイントの種類。	'SparkJobScalaEntry' (必須)

Sparkリソースコンフィギュレーション

名前	説明	価値
インスタンスタイプ	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。	文字列
ランタイムバージョン	ジョブに使用される Spark ランタイムのバージョン。	文字列

StackEnsemble設定

名前	説明	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。	任意
スタックMetaLearnerTrainPercentage	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。	整数 (int)
スタックメタ学習者タイプ	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。	「エラスティックネット」「エラスティックネットCV」「ライトGBMClassifier」「LightGBMレグレッサー」 '線形回帰' 'LogisticRegression' (ロジスティック回帰) 'LogisticRegressionCV' 「なし」

スイープジョブ

名前	説明	価値
早期終了	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	早期終了ポリシー
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 (スイープジョブ入力)
職種	[必須]ジョブの種類を指定します。	'Sweep' (必須)
制限	スイープジョブの制限。	スイープジョブの制限
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。	スイープジョブ出力
キューセッティング	ジョブのキュー設定	キュー設定
サンプリングアルゴリズム	[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)
サーチスペース	[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	any (必須)
評価版	[必須]試用版コンポーネントの定義。	TrialComponent (必須)

SweepJobInputs (スイープジョブ入力)

名前	説明	価値

スイープジョブの制限

名前	説明	価値
ジョブリミットタイプ	[必須]JobLimit 型。	「コマンド」 'Sweep' (必須)
maxConcurrentTrials	スイープジョブの最大同時試行回数。	整数 (int)
maxTotalTrialsの	スイープジョブの最大試行回数。	整数 (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。	文字列
trialTimeout(トライアルタイムアウト)	スイープジョブ試用版のタイムアウト値。	文字列

スイープジョブ出力

名前	説明	価値

TableVerticalFeaturizationSettings

名前	説明	価値
ブロックトランスフォーマー	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」 'カウントベクタライザー' 「ハッシュワンホットエンコーダー」「ラベルエンコーダー」「ナイーブベイズ」「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 (英語)	テキストデータに役立つデータセット言語。	文字列
enableDnnフィーチャライゼーション	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。	ブール (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。	「オート」「カスタム」「オフ」
トランスパラメータ	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	説明	価値

TableVerticalFeaturizationSettingsTransformerParams

名前	説明	価値

TableVerticalLimitSettings (テーブル垂直制限設定)

名前	説明	価値
enableEarlyTermination (英語)	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。	ブール (bool)
終了スコア	AutoML ジョブの終了スコア。	整数 (int)
maxConcurrentTrials	最大同時反復数。	整数 (int)
maxCoresPerTrial (英語)	イテレーションあたりの最大コア数。	整数 (int)
マックストライアル	反復回数。	整数 (int)
タイムアウト	AutoML ジョブのタイムアウト。	文字列
trialTimeout(トライアルタイムアウト)	繰り返しタイムアウト。	文字列

ターゲットラグ

名前	説明	価値
モード	AutoTargetLags 型の場合は、'Auto' に設定します。 CustomTargetLags 型の場合は、'Custom' に設定します。	「オート」 'Custom' (必須)

ターゲットローリングウィンドウサイズ

名前	説明	価値
モード	AutoTargetRollingWindowSize 型の場合は、'Auto' に設定します。 CustomTargetRollingWindowSize 型の場合は、'Custom' に設定します。	「オート」 'Custom' (必須)

TensorFlow

名前	説明	価値
distributionType (ディストリビューションタイプ)	[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)
パラメータServerCount	パラメーターサーバータスクの数。	整数 (int)
ワーカー数	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。	整数 (int)

テキスト分類

名前	説明	価値
特徴化設定	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings (制限設定)	AutoMLJob の実行制約。	NlpVerticalLimitSettings
プライマリメトリック	Text-Classification タスクのプライマリメトリック。	「正確さ」「AUCWeighted」 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 「PrecisionScoreWeighted」
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'TextClassification' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput

テキスト分類マルチラベル

名前	説明	価値
特徴化設定	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings (制限設定)	AutoMLJob の実行制約。	NlpVerticalLimitSettings
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'TextClassificationMultilabel' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput

テキストナー

名前	説明	価値
特徴化設定	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings (制限設定)	AutoMLJob の実行制約。	NlpVerticalLimitSettings
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'TextNER' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput

トライアルコンポーネント

名前	説明	価値
コードID	コード資産の ARM リソース ID。	文字列
コマンド	[必須]ジョブの起動時に実行するコマンド。例えば。「パイソン train.py」	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
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。	ディストリビューション構成
環境ID	[必須]ジョブの環境仕様の ARM リソース ID。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
環境変数	ジョブに含まれる環境変数。	TrialComponentEnvironment変数
リソース	ジョブのコンピューティングリソース構成。	ジョブリソース構成

TrialComponentEnvironment変数

名前	説明	価値

トリトンモデルジョブ入力

名前	説明	価値
ジョブインプットタイプ	[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。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

TritonModelジョブ出力

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

切り捨て選択ポリシー

名前	説明	価値
ポリシータイプ	[必須]ポリシー構成の名前	'TruncationSelection' (必須)
切り捨てパーセンテージ	各評価間隔で取り消す実行の割合。	整数 (int)

UriFileJobInput

名前	説明	価値
ジョブインプットタイプ	[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。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

UriFileジョブ出力

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

UriFolderJobInput

名前	説明	価値
ジョブインプットタイプ	[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。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

UriFolderJobOutput (英語)

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

ユーザーアイデンティティ

名前	説明	価値
アイデンティティタイプ	[必須]ID フレームワークの種類を指定します。	'UserIdentity' (必須)

ウェブフック

名前	説明	価値
イベントタイプ	指定した通知イベントのコールバックを送信する	文字列
webhookタイプ	AzureDevOpsWebhook 型の場合は、'AzureDevOps' に設定します。	'AzureDevOps' (必須)

使用例

Azure クイックスタートのサンプル

次の Azure クイックスタートテンプレートには、このリソースの種類をデプロイするための Bicep サンプルが含まれています。

Bicep ファイル	説明
Azure Machine Learning AutoML 分類ジョブを作成する	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	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	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 - リソースグループのデプロイコマンドを参照する

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": "2024-07-01-preview",
  "name": "string",
  "properties": {
    "componentId": "string",
    "computeId": "string",
    "description": "string",
    "displayName": "string",
    "experimentName": "string",
    "identity": {
      "identityType": "string"
      // For remaining properties, see IdentityConfiguration objects
    },
    "isArchived": "bool",
    "notificationSetting": {
      "emailOn": [ "string" ],
      "emails": [ "string" ],
      "webhooks": {
        "{customized property}": {
          "eventType": "string",
          "webhookType": "string"
          // For remaining properties, see Webhook objects
        }
      }
    },
    "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": {
      "{customized property}": "string"
    },
    "jobType": "string"
    // For remaining properties, see JobBaseProperties objects
  }
}

FineTuningVertical オブジェクト

modelProvider 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。

AzureOpenAI の場合は、次を使用します。

{
  "hyperParameters": {
    "batchSize": "int",
    "learningRateMultiplier": "int",
    "nEpochs": "int"
  },
  "modelProvider": "AzureOpenAI"
}

カスタムの場合は、次を使用します。

{
  "hyperParameters": {
    "{customized property}": "string"
  },
  "modelProvider": "Custom"
}

TargetRollingWindowSize オブジェクト

mode 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。

自動の場合は、次を使用します。

{
  "mode": "Auto"
}

カスタムの場合は、次を使用します。

{
  "mode": "Custom",
  "value": "int"
}

JobInput オブジェクト

オブジェクトの種類を指定するように jobInputType プロパティを設定します。

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 の場合は、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"
}

JobBaseProperties オブジェクト

オブジェクトの種類を指定するように jobType プロパティを設定します。

AutoML の場合は、次を使用します。

{
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "string"
  },
  "jobType": "AutoML",
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "queueSettings": {
    "jobTier": "string"
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "properties": {
      "{customized property}": {}
    },
    "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。

{
  "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
    }
  },
  "jobType": "Command",
  "limits": {
    "jobLimitsType": "string",
    "timeout": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "queueSettings": {
    "jobTier": "string"
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "properties": {
      "{customized property}": {}
    },
    "shmSize": "string"
  }
}

FineTuning の場合は、次の値を使用します。

{
  "fineTuningDetails": {
    "model": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "taskType": "string",
    "trainingData": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    },
    "validationData": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    },
    "modelProvider": "string"
    // For remaining properties, see FineTuningVertical objects
  },
  "jobType": "FineTuning",
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "queueSettings": {
    "jobTier": "string"
  },
  "resources": {
    "instanceTypes": [ "string" ]
  }
}

パイプラインの場合は、次を使用します。

{
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "jobs": {
    "{customized property}": {}
  },
  "jobType": "Pipeline",
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "settings": {},
  "sourceJobId": "string"
}

Spark の場合は、次を使用します。

{
  "archives": [ "string" ],
  "args": "string",
  "codeId": "string",
  "conf": {
    "{customized property}": "string"
  },
  "entry": {
    "sparkJobEntryType": "string"
    // For remaining properties, see SparkJobEntry objects
  },
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "string"
  },
  "files": [ "string" ],
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "jars": [ "string" ],
  "jobType": "Spark",
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "pyFiles": [ "string" ],
  "queueSettings": {
    "jobTier": "string"
  },
  "resources": {
    "instanceType": "string",
    "runtimeVersion": "string"
  }
}

スイープの場合は、次を使用します。

{
  "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
    }
  },
  "jobType": "Sweep",
  "limits": {
    "jobLimitsType": "string",
    "maxConcurrentTrials": "int",
    "maxTotalTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "objective": {
    "goal": "string",
    "primaryMetric": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "queueSettings": {
    "jobTier": "string"
  },
  "samplingAlgorithm": {
    "samplingAlgorithmType": "string"
    // For remaining properties, see SamplingAlgorithm objects
  },
  "searchSpace": {},
  "trial": {
    "codeId": "string",
    "command": "string",
    "distribution": {
      "distributionType": "string"
      // For remaining properties, see DistributionConfiguration objects
    },
    "environmentId": "string",
    "environmentVariables": {
      "{customized property}": "string"
    },
    "resources": {
      "dockerArgs": "string",
      "instanceCount": "int",
      "instanceType": "string",
      "properties": {
        "{customized property}": {}
      },
      "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 の場合は、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。

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

UserIdentity の場合は、次の値を使用します。

{
  "identityType": "UserIdentity"
}

ForecastHorizon オブジェクト

mode 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。

自動の場合は、次を使用します。

{
  "mode": "Auto"
}

カスタムの場合は、次を使用します。

{
  "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"
}

季節性オブジェクト

mode 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。

自動の場合は、次を使用します。

{
  "mode": "Auto"
}

カスタムの場合は、次を使用します。

{
  "mode": "Custom",
  "value": "int"
}

JobOutput オブジェクト

jobOutputType 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。

{
  "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 の場合は、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"
}

TargetLags オブジェクト

mode 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。

自動の場合は、次を使用します。

{
  "mode": "Auto"
}

カスタムの場合は、次を使用します。

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

Webhook オブジェクト

webhookType 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。

AzureDevOps の場合は、次を使用します。

{
  "webhookType": "AzureDevOps"
}

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"
}

Random の場合は、次の値を使用します。

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

SparkJobEntry オブジェクト

sparkJobEntryType 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。

SparkJobPythonEntry の場合は、次を使用します。

{
  "file": "string",
  "sparkJobEntryType": "SparkJobPythonEntry"
}

SparkJobScalaEntry の場合は、次を使用します。

{
  "className": "string",
  "sparkJobEntryType": "SparkJobScalaEntry"
}

DistributionConfiguration オブジェクト

distributionType 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。

Mpi の場合は、次を使用します。

{
  "distributionType": "Mpi",
  "processCountPerInstance": "int"
}

PyTorch の場合は、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"
}

NCrossValidations オブジェクト

mode 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。

自動の場合は、次を使用します。

{
  "mode": "Auto"
}

カスタムの場合は、次を使用します。

{
  "mode": "Custom",
  "value": "int"
}

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] には、次を使用します。

{
  "nodesValueType": "All"
}

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。

{
  "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",
  "taskType": "Classification",
  "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。

{
  "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",
  "taskType": "Forecasting",
  "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。

{
  "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"
  },
  "taskType": "ImageClassification",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"
}

ImageClassificationMultilabel の場合は、次を使用します。

{
  "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"
  },
  "taskType": "ImageClassificationMultilabel",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"
}

ImageInstanceSegmentation の場合は、次を使用します。

{
  "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": "string",
  "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"
  },
  "taskType": "ImageInstanceSegmentation",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"
}

ImageObjectDetection の場合は、次を使用します。

{
  "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": "string",
  "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"
  },
  "taskType": "ImageObjectDetection",
  "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。

{
  "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",
  "taskType": "Regression",
  "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。

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

TextClassificationMultilabel の場合は、次を使用します。

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

TextNER の場合は、次を使用します。

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

プロパティ値

Microsoft.MachineLearningServices/workspaces/jobs (マイクロソフトの機械学習サービス/ワークスペース/ジョブ)

名前	説明	価値
apiVersion (英語)	API のバージョン	「2024-07-01-プレビュー」
名前	リソース名	糸制約：パターン = `^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$` (必須)
プロパティ	[必須]エンティティの追加の属性。	JobBaseProperties (必須)
型	リソースの種類	'Microsoft.MachineLearningServices/ワークスペース/ジョブ'

オールノード

名前	説明	価値
ノード値タイプ	[必須]ノード値の型	'All' (必須)

Amlトークン

名前	説明	価値
アイデンティティタイプ	[必須]ID フレームワークの種類を指定します。	'AMLToken' (必須)

自動予測ホライゾン

名前	説明	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)

AutoMLジョーブ

名前	説明	価値
環境ID	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。	文字列
環境変数	ジョブに含まれる環境変数。	AutoMLJobEnvironment変数
職種	[必須]ジョブの種類を指定します。	'AutoML' (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。	AutoMLのジョブ出力
キューセッティング	ジョブのキュー設定	キュー設定
リソース	ジョブのコンピューティングリソース構成。	ジョブリソース構成
タスク詳細	[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)

AutoMLJobEnvironment変数

名前	説明	価値

AutoMLのジョブ出力

名前	説明	価値

AutoMLバーティカル

名前	説明	価値
ログの詳細度	ジョブの詳細度をログに記録します。	「重大」「デバッグ」「エラー」「情報」「NotSet」「警告」
ターゲット列名	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。	文字列
タスクタイプ	型分類の場合は、'Classification' に設定します。型予測の場合は、"予測" に設定します。 ImageClassification 型の場合は、' ImageClassification' に設定します。 ImageClassificationMultilabel 型の場合、' ImageClassificationMultilabel' に設定します。 ImageInstanceSegmentation 型の場合は、" ImageInstanceSegmentation" に設定します。 ImageObjectDetection 型の場合は、' ImageObjectDetection' に設定します。型回帰の場合は、" Regression" に設定します。 TextClassification 型の場合、' TextClassification' に設定します。 TextClassificationMultilabel 型の場合、' TextClassificationMultilabel' に設定します。 TextNer 型の場合は、' TextNER' に設定します。	「分類」「予測」「画像分類」 'ImageClassificationMultilabel' 'ImageInstanceSegmentation' 'ImageObjectDetection' 「リグレッション」「テキスト分類」 'TextClassificationMultilabel' 'TextNER' (必須)
トレーニングデータ	[必須]トレーニングデータの入力。	MLTableJobInput (必須)

AutoNCross検証

名前	説明	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)

オートシーズナリティ

名前	説明	価値
モード	[必須]季節性モード。	'Auto' (必須)

オートターゲットラグ

名前	説明	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)

オートターゲットローリングウィンドウサイズ

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

AzureDevOpsWebhook

名前	説明	価値
webhookタイプ	[必須]コールバックを送信するサービスの種類を指定します	'AzureDevOps' (必須)

AzureOpenAiFineTuning

名前	説明	価値
ハイパーパラメータ	Azure Open AI モデルを微調整するための HyperParameters。	AzureOpenAiHyperParameters
モデルプロバイダ	[必須]微調整の種類を決定する列挙型。	'AzureOpenAI' (必須)

AzureOpenAiHyperParameters

名前	説明	価値
バッチサイズ	各バッチの例の数。バッチサイズが大きいほど、モデルパラメーターの更新頻度は低くなりますが、分散は小さくなります。	整数 (int)
learningRateMultiplier (英語)	学習率のスケーリング係数。より小さい学習率は、オーバーフィットを避けるために役立つ場合があります。	整数 (int)
nエポック	モデルをトレーニングするエポックの数。エポックとは、トレーニングデータセット全体での 1 つの完全なサイクルを指します。	整数 (int)

バンディットポリシー

名前	説明	価値
ポリシータイプ	[必須]ポリシー構成の名前	'Bandit' (必須)
スラック量	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。	整数 (int)
スラックファクター	最もパフォーマンスの高い実行からの許容距離の比率。	整数 (int)

ベイジアンサンプリングアルゴリズム

名前	説明	価値
サンプリングアルゴリズムタイプ	[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)

分類

名前	説明	価値
cvSplitColumnNames(cvSplitColumnNames)	CVSplit データに使用する列。	文字列[]
特徴化設定	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
limitSettings (制限設定)	AutoMLJob の実行制約。	TableVerticalLimitSettings (テーブル垂直制限設定)
nCrossValidations (英語)	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。	NCross検証
ポジティブラベル	バイナリメトリック計算の正のラベル。	文字列
プライマリメトリック	タスクのプライマリメトリック。	「正確さ」「AUCWeighted」 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 「PrecisionScoreWeighted」
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'Classification' (必須)
テストデータ	データ入力をテストします。	MLTableJobInput
testDataSize (テストデータサイズ)	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。	整数 (int)
training設定	AutoML ジョブのトレーニングフェーズの入力。	分類トレーニング設定
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)
weightColumnName (重み列名)	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。	文字列

分類トレーニング設定

名前	説明	価値
allowedTrainingAlgorithms (英語)	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: 「ベルヌーイ・ナイーブ・ベイズ」「デシジョンツリー」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」「ライトGBM」「リニアSVM」 'LogisticRegression' (ロジスティック回帰) 「MultinomialNaiveBayes」「ランダムフォレスト」「SGD」「SVM」「XGBoostClassifier」
blockedTrainingアルゴリズム	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: 「ベルヌーイ・ナイーブ・ベイズ」「デシジョンツリー」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」「ライトGBM」「リニアSVM」 'LogisticRegression' (ロジスティック回帰) 「MultinomialNaiveBayes」「ランダムフォレスト」「SGD」「SVM」「XGBoostClassifier」
enableDnnトレーニング	DNN モデルの推奨事項を有効にします。	ブール (bool)
enableModelExplainability (英語)	最適なモデルで説明可能性を有効にするフラグ。	ブール (bool)
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	ブール (bool)
enableStackEnsemble	スタックアンサンブル実行を有効にします。	ブール (bool)
enableVoteアンサンブル	投票アンサンブル実行を有効にします。	ブール (bool)
アンサンブルモデルダウンロードタイムアウト	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。	文字列
stackEnsemble設定	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。	StackEnsemble設定

カラムトランスフォーマー

名前	説明	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。	文字列[]
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。	任意

コマンドジョブ

名前	説明	価値
コードID	コード資産の ARM リソース ID。	文字列
コマンド	[必須]ジョブの起動時に実行するコマンド。例えば。「パイソン train.py」	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
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。	ディストリビューション構成
環境ID	[必須]ジョブの環境仕様の ARM リソース ID。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
環境変数	ジョブに含まれる環境変数。	CommandJobEnvironment変数
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。	コマンドジョブ入力
職種	[必須]ジョブの種類を指定します。	'Command' (必須)
制限	コマンドジョブの制限。	CommandJobLimits(コマンドジョブ制限)
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 (コマンドジョブ出力)
キューセッティング	ジョブのキュー設定	キュー設定
リソース	ジョブのコンピューティングリソース構成。	ジョブリソース構成

CommandJobEnvironment変数

名前	説明	価値

コマンドジョブ入力

名前	説明	価値

CommandJobLimits(コマンドジョブ制限)

名前	説明	価値
ジョブリミットタイプ	[必須]JobLimit 型。	「コマンド」 '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。	文字列

CommandJobOutputs (コマンドジョブ出力)

名前	説明	価値

カスタム予測ホライゾン

名前	説明	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)

CustomModelFineTuning

名前	説明	価値
ハイパーパラメータ	カスタムモデルを微調整するための HyperParameters。	CustomModelFineTuningハイパーパラメータ
モデルプロバイダ	[必須]微調整の種類を決定する列挙型。	'Custom' (必須)

CustomModelFineTuningハイパーパラメータ

名前	説明	価値

CustomModelJobInput

名前	説明	価値
ジョブインプットタイプ	[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。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

CustomModelJobOutput

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

CustomNCross検証

名前	説明	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)

カスタムシーズナリティ

名前	説明	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)

CustomTargetLags (英語)

名前	説明	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)

CustomTargetRollingWindowSize (カスタムターゲットローリングウィンドウサイズ)

名前	説明	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)

ディストリビューション構成

名前	説明	価値
distributionType (ディストリビューションタイプ)	Mpi 型の場合は、' Mpi' に設定します。 PyTorch 型の場合は ' PyTorch' に設定します。 TensorFlow 型の場合は ' TensorFlow' に設定します。	「ムピ」「PyTorch」 'TensorFlow' (必須)

早期終了ポリシー

名前	説明	価値
遅延評価	最初の評価を遅らせる間隔の数。	整数 (int)
評価間隔	ポリシー評価間の間隔 (実行回数)。	整数 (int)
ポリシータイプ	BanditPolicy 型の場合は 'Bandit' に設定します。 MedianStoppingPolicy 型の場合、'MedianStopping' に設定します。 TruncationSelectionPolicy 型の場合は、'TruncationSelection' に設定します。	「バンディット」「メディアンストップ」 'TruncationSelection' (必須)

ファインチューニングジョブ

名前	説明	価値
fineTuning詳細	[必須]	FineTuningVertical (必須)
職種	[必須]ジョブの種類を指定します。	'FineTuning' (必須)
出力	[必須]	FineTuningJobOutputs (必須)
キューセッティング	ジョブのキュー設定	キュー設定
リソース	ジョブのインスタンスの種類とその他のリソース	ジョブリソース

FineTuningJobOutputs (ジョブ出力の微調整)

名前	説明	価値

ファインチューニング垂直

名前	説明	価値
モデル	[必須]微調整のための入力モデル。	MLFlowModelJobInput (必須)
モデルプロバイダ	種類が AzureOpenAiFineTuning の場合は、'AzureOpenAI' に設定します。 CustomModelFineTuning 型の場合は、'Custom' に設定します。	「AzureOpenAI」 'Custom' (必須)
タスクタイプ	[必須]タスクの種類を微調整します。	「チャット完了」「画像分類」 'ImageInstanceSegmentation' 'ImageObjectDetection' 「クエスチョンアンセリング」「テキスト分類」「テキスト完了」「テキスト要約」「テキスト翻訳」 'トークン分類' 'VideoMultiObjectTracking' (必須)
トレーニングデータ	[必須]微調整のためのトレーニングデータ。	JobInput (必須)
validationData (検証データ)	微調整のための検証データ。	ジョブ入力

フォーキャストホライゾン

名前	説明	価値
モード	AutoForecastHorizon 型の場合は、'Auto' に設定します。 CustomForecastHorizon 型の場合は、'Custom' に設定します。	「オート」 'Custom' (必須)

予測

名前	説明	価値
cvSplitColumnNames(cvSplitColumnNames)	CVSplit データに使用する列。	文字列[]
特徴化設定	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
forecasting設定	予測タスク固有の入力。	ForecastingSettings (予測設定)
limitSettings (制限設定)	AutoMLJob の実行制約。	TableVerticalLimitSettings (テーブル垂直制限設定)
nCrossValidations (英語)	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。	NCross検証
プライマリメトリック	予測タスクの主要メトリック。	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 「R2スコア」 'スピアマンコレレーション'
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'Forecasting' (必須)
テストデータ	データ入力をテストします。	MLTableJobInput
testDataSize (テストデータサイズ)	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。	整数 (int)
training設定	AutoML ジョブのトレーニングフェーズの入力。	ForecastingTrainingSettings (英語)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)
weightColumnName (重み列名)	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。	文字列

ForecastingSettings (予測設定)

名前	説明	価値
countryOrRegionForHolidays (国または地域休日)	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。	文字列
cvステップサイズ	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。	整数 (int)
featureラグ	'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。	「オート」「なし」
予測ホライゾン	時系列の頻度の単位で求められる最大予測期間。	フォーキャストホライゾン
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。	文字列
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
shortSeriesHandlingConfig(ショートシリーズハンドリングコンフィグ)	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。	「オート」「ドロップ」「なし」「パッド」
ターゲット集計関数	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。	「マックス」「平均」「ミン」「なし」「合計」
ターゲットラグ	ターゲット列から遅延する過去の期間の数。	ターゲットラグ
ターゲットローリングウィンドウサイズ	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。	ターゲットローリングウィンドウサイズ
timeColumnName (時間列名)	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。	文字列
timeSeriesIdColumnNames(タイムシリーズIdカラムネーム)	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。	文字列[]
useStl	時系列ターゲット列の STL 分解を構成します。	「なし」「シーズン」「シーズントレンド」

ForecastingTrainingSettings (英語)

名前	説明	価値
allowedTrainingAlgorithms (英語)	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: 「アリマックス」「オートアリマ」「平均」「デシジョンツリー」「エラスティックネット」「指数平滑化」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」 'なげなわ' 「ライトGBM」「ナイーブ」「預言者」「ランダムフォレスト」「季節平均」「SeasonalNaive」「SGD」「TCNフォアキャスター」「XGBoostRegressor」
blockedTrainingアルゴリズム	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: 「アリマックス」「オートアリマ」「平均」「デシジョンツリー」「エラスティックネット」「指数平滑化」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」 'なげなわ' 「ライトGBM」「ナイーブ」「預言者」「ランダムフォレスト」「季節平均」「SeasonalNaive」「SGD」「TCNフォアキャスター」「XGBoostRegressor」
enableDnnトレーニング	DNN モデルの推奨事項を有効にします。	ブール (bool)
enableModelExplainability (英語)	最適なモデルで説明可能性を有効にするフラグ。	ブール (bool)
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	ブール (bool)
enableStackEnsemble	スタックアンサンブル実行を有効にします。	ブール (bool)
enableVoteアンサンブル	投票アンサンブル実行を有効にします。	ブール (bool)
アンサンブルモデルダウンロードタイムアウト	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。	文字列
stackEnsemble設定	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。	StackEnsemble設定

GridSamplingアルゴリズム

名前	説明	価値
サンプリングアルゴリズムタイプ	[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)

アイデンティティ設定

名前	説明	価値
アイデンティティタイプ	型 AmlToken に対して 'AMLToken' に設定します。型 ManagedIdentity に対して 'Managed' に設定します。 UserIdentity 型の場合は、' UserIdentity' に設定します。	「AMLToken」「管理」 'UserIdentity' (必須)

画像分類

名前	説明	価値
limitSettings (制限設定)	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
モデル設定	モデルのトレーニングに使用される設定。	ImageModelSettings分類
プライマリメトリック	このタスク用に最適化する主要メトリック。	「正確さ」「AUCWeighted」 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 「PrecisionScoreWeighted」
サーチスペース	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。	ImageModelDistributionSettings分類[]
sweepSettings (スイープ設定)	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 (イメージスイープ設定)
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'ImageClassification' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)

ImageClassificationマルチラベル

名前	説明	価値
limitSettings (制限設定)	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
モデル設定	モデルのトレーニングに使用される設定。	ImageModelSettings分類
プライマリメトリック	このタスク用に最適化する主要メトリック。	「正確さ」「AUCWeighted」 'AveragePrecisionScoreWeighted' 「借用書」 'NormMacroRecall' 「PrecisionScoreWeighted」
サーチスペース	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。	ImageModelDistributionSettings分類[]
sweepSettings (スイープ設定)	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 (イメージスイープ設定)
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'ImageClassificationMultilabel' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)

ImageInstanceセグメンテーション

名前	説明	価値
limitSettings (制限設定)	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
モデル設定	モデルのトレーニングに使用される設定。	ImageModelSettingsオブジェクト検出
プライマリメトリック	このタスク用に最適化する主要メトリック。	'平均精度'
サーチスペース	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。	ImageModelDistributionSettingsオブジェクト検出[]
sweepSettings (スイープ設定)	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 (イメージスイープ設定)
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'ImageInstanceSegmentation' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)

ImageLimitSettings (イメージリミット設定)

名前	説明	価値
maxConcurrentTrials	同時 AutoML イテレーションの最大数。	整数 (int)
マックストライアル	AutoML イテレーションの最大数。	整数 (int)
タイムアウト	AutoML ジョブのタイムアウト。	文字列

ImageModelDistributionSettings分類

名前	説明	価値
amsGradient (英語)	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。	文字列
拡張	拡張を使用するための設定。	文字列
ベータ1	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。	文字列
ベータ2	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。	文字列
分散	配布者トレーニングを使用するかどうか。	文字列
early停止	トレーニング中に早期停止ロジックを有効にします。	文字列
早期停止遅延	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。	文字列
早期停止忍耐	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。	文字列
enableOnnx正規化	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。	文字列
評価周波数	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。	文字列
gradientAccumulationStep (グラデーション累積ステップ)	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。	文字列
レイヤーToFreeze	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。	文字列
ラーニングレート	初期学習率。範囲 [0, 1] の float である必要があります。	文字列
learningRateスケジューラ	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。	文字列
モデルネーム	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。	文字列
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。	文字列
ネステロフ	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	文字列
numberOfEpochs(エポックの数)	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。	文字列
numberOfWorkers の	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。	文字列
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。	文字列
ランダムシード	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。	文字列
stepLRガンマ	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。	文字列
stepLRステップサイズ	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。	文字列
トレーニングバッチサイズ	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。	文字列
トレーニングクロップサイズ	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。	文字列
validationBatchSize (検証バッチサイズ)	検証バッチサイズ。正の整数にする必要があります。	文字列
validationCropSize(クロップサイズ)	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。	文字列
validationサイズ変更	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。	文字列
ウォームアップCosineLRサイクル	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。	文字列
ウォームアップCosineLRWarmupエポック	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。	文字列
ウェイトディケイ	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。	文字列
加重損失	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。	文字列

ImageModelDistributionSettingsオブジェクト検出

名前	説明	価値
amsGradient (英語)	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。	文字列
拡張	拡張を使用するための設定。	文字列
ベータ1	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。	文字列
ベータ2	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。	文字列
ボックス検出パーイメージ	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。	文字列
ボックススコアしきい値	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。	文字列
分散	配布者トレーニングを使用するかどうか。	文字列
early停止	トレーニング中に早期停止ロジックを有効にします。	文字列
早期停止遅延	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。	文字列
早期停止忍耐	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。	文字列
enableOnnx正規化	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。	文字列
評価周波数	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。	文字列
gradientAccumulationStep (グラデーション累積ステップ)	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。	文字列
画像サイズ	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。	文字列
レイヤーToFreeze	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。	文字列
ラーニングレート	初期学習率。範囲 [0, 1] の float である必要があります。	文字列
learningRateスケジューラ	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。	文字列
マックスサイズ	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。	文字列
最小サイズ	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。	文字列
モデルネーム	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。	文字列
モデルサイズ	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。	文字列
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。	文字列
マルチスケール	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。	文字列
ネステロフ	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	文字列
nmsIouしきい値	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。	文字列
numberOfEpochs(エポックの数)	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。	文字列
numberOfWorkers の	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。	文字列
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。	文字列
ランダムシード	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。	文字列
stepLRガンマ	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。	文字列
stepLRステップサイズ	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。	文字列
タイルグリッドサイズ	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。	文字列
タイルオーバーラップレシオ	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。	文字列
タイル予測Nmsしきい値	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	文字列
トレーニングバッチサイズ	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。	文字列
validationBatchSize (検証バッチサイズ)	検証バッチサイズ。正の整数にする必要があります。	文字列
検証IouThreshold	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。	文字列
validationMetricType (検証メトリックタイプ)	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。	文字列
ウォームアップCosineLRサイクル	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。	文字列
ウォームアップCosineLRWarmupエポック	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。	文字列
ウェイトディケイ	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。	文字列

ImageModelSettings分類

名前	説明	価値
advancedsettings (詳細設定)	高度なシナリオの設定。	文字列
amsGradient (英語)	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。	ブール (bool)
拡張	拡張を使用するための設定。	文字列
ベータ1	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。	整数 (int)
ベータ2	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。	整数 (int)
checkpointFrequency(チェックポイント周波数)	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。	整数 (int)
チェックポイントモデル	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。	MLFlowModelジョブ入力
checkpointRunId(チェックポイントランイド)	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。	文字列
分散	分散トレーニングを使用するかどうか。	ブール (bool)
early停止	トレーニング中に早期停止ロジックを有効にします。	ブール (bool)
早期停止遅延	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。	整数 (int)
早期停止忍耐	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。	整数 (int)
enableOnnx正規化	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。	ブール (bool)
評価周波数	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。	整数 (int)
gradientAccumulationStep (グラデーション累積ステップ)	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。	整数 (int)
レイヤーToFreeze	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。	整数 (int)
ラーニングレート	初期学習率。範囲 [0, 1] の float である必要があります。	整数 (int)
learningRateスケジューラ	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」「ウォームアップコサイン」
モデルネーム	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。	文字列
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。	整数 (int)
ネステロフ	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	ブール (bool)
numberOfEpochs(エポックの数)	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。	整数 (int)
numberOfWorkers の	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。	整数 (int)
オプティマイザ	オプティマイザーの種類。	「アダム」「アダム」「なし」「SGD」
ランダムシード	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。	整数 (int)
stepLRガンマ	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。	整数 (int)
stepLRステップサイズ	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。	整数 (int)
トレーニングバッチサイズ	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。	整数 (int)
トレーニングクロップサイズ	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。	整数 (int)
validationBatchSize (検証バッチサイズ)	検証バッチサイズ。正の整数にする必要があります。	整数 (int)
validationCropSize(クロップサイズ)	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。	整数 (int)
validationサイズ変更	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。	整数 (int)
ウォームアップCosineLRサイクル	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。	整数 (int)
ウォームアップCosineLRWarmupエポック	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。	整数 (int)
ウェイトディケイ	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。	整数 (int)
加重損失	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。	整数 (int)

ImageModelSettingsオブジェクト検出

名前	説明	価値
advancedsettings (詳細設定)	高度なシナリオの設定。	文字列
amsGradient (英語)	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。	ブール (bool)
拡張	拡張を使用するための設定。	文字列
ベータ1	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。	整数 (int)
ベータ2	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。	整数 (int)
ボックス検出パーイメージ	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。	整数 (int)
ボックススコアしきい値	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。	整数 (int)
checkpointFrequency(チェックポイント周波数)	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。	整数 (int)
チェックポイントモデル	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。	MLFlowModelジョブ入力
checkpointRunId(チェックポイントランイド)	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。	文字列
分散	分散トレーニングを使用するかどうか。	ブール (bool)
early停止	トレーニング中に早期停止ロジックを有効にします。	ブール (bool)
早期停止遅延	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。	整数 (int)
早期停止忍耐	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。	整数 (int)
enableOnnx正規化	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。	ブール (bool)
評価周波数	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。	整数 (int)
gradientAccumulationStep (グラデーション累積ステップ)	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。	整数 (int)
画像サイズ	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。	整数 (int)
レイヤーToFreeze	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。	整数 (int)
ラーニングレート	初期学習率。範囲 [0, 1] の float である必要があります。	整数 (int)
learningRateスケジューラ	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」「ウォームアップコサイン」
マックスサイズ	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。	整数 (int)
最小サイズ	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。	整数 (int)
モデルネーム	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。	文字列
モデルサイズ	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。	「エクストララージ」「ラージ」「ミディアム」「なし」「小さい」
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。	整数 (int)
マルチスケール	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。	ブール (bool)
ネステロフ	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	ブール (bool)
nmsIouしきい値	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。	整数 (int)
numberOfEpochs(エポックの数)	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。	整数 (int)
numberOfWorkers の	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。	整数 (int)
オプティマイザ	オプティマイザーの種類。	「アダム」「アダム」「なし」「SGD」
ランダムシード	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。	整数 (int)
stepLRガンマ	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。	整数 (int)
stepLRステップサイズ	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。	整数 (int)
タイルグリッドサイズ	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。	文字列
タイルオーバーラップレシオ	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。	整数 (int)
タイル予測Nmsしきい値	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。	整数 (int)
トレーニングバッチサイズ	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。	整数 (int)
validationBatchSize (検証バッチサイズ)	検証バッチサイズ。正の整数にする必要があります。	整数 (int)
検証IouThreshold	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。	整数 (int)
validationMetricType (検証メトリックタイプ)	検証メトリックに使用するメトリック計算方法。	「ココ」「ココボック」「なし」「ヴォック」
ウォームアップCosineLRサイクル	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。	整数 (int)
ウォームアップCosineLRWarmupエポック	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。	整数 (int)
ウェイトディケイ	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。	整数 (int)

ImageObjectDetection (画像オブジェクト検出)

名前	説明	価値
limitSettings (制限設定)	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
モデル設定	モデルのトレーニングに使用される設定。	ImageModelSettingsオブジェクト検出
プライマリメトリック	このタスク用に最適化する主要メトリック。	'平均精度'
サーチスペース	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。	ImageModelDistributionSettingsオブジェクト検出[]
sweepSettings (スイープ設定)	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 (イメージスイープ設定)
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'ImageObjectDetection' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)

ImageSweepSettings (イメージスイープ設定)

名前	説明	価値
早期終了	早期終了ポリシーの種類。	早期終了ポリシー
サンプリングアルゴリズム	[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。	「ベイジアン」「グリッド」 'Random' (必須)

ジョブベースプロパティ

名前	説明	価値
コンポーネントID	コンポーネントリソースの ARM リソース ID。	文字列
コンピュートイド	コンピューティングリソースの ARM リソース ID。	文字列
説明	資産の説明テキスト。	文字列
ディスプレイ名	ジョブの表示名。	文字列
実験名	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。	文字列
ID	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。	アイデンティティ設定
isArchived(アーカイブ済み)	資産はアーカイブされていますか?	ブール (bool)
職種	AutoMLJob 型の場合は、'AutoML' に設定します。 CommandJob 型の場合は、'Command' に設定します。 FineTuningJob 型の場合は、'FineTuning' に設定します。 PipelineJob 型の場合は " Pipeline" に設定します。 SparkJob 型の場合は、"Spark" に設定します。 SweepJob 型の場合は、"Sweep" に設定します。	「AutoML」「コマンド」「ファインチューニング」「パイプライン」「スパーク」 'Sweep' (必須)
notificationSetting (通知設定)	ジョブの通知設定	通知設定
プロパティ	資産プロパティディクショナリ。	リソースベースプロパティ
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。	ジョブベースサービス
タグ	タグディクショナリ。タグは追加、削除、更新できます。	リソースベースタグ

ジョブベースサービス

名前	説明	価値

ジョブ入力

名前	説明	価値
説明	入力の説明。	文字列
ジョブインプットタイプ	CustomModelJobInput 型の場合は、'custom_model' に設定します。 LiteralJobInput 型の場合は、'literal' に設定します。 MLFlowModelJobInput 型の場合は、'mlflow_model' に設定します。 MLTableJobInput 型の場合は 'mltable' に設定されます。 TritonModelJobInput 型の場合は、'triton_model' に設定します。 UriFileJobInput 型の場合は、'uri_file' に設定します。 UriFolderJobInput 型の場合は、'uri_folder' に設定します。	「custom_model」「リテラル」「mlflow_model」 'mltable' 「triton_model」「uri_file」 'uri_folder' (必須)

ジョブ出力

名前	説明	価値
説明	出力の説明。	文字列
ジョブ出力タイプ	CustomModelJobOutput 型の場合は、'custom_model' に設定します。 MLFlowModelJobOutput 型の場合は、'mlflow_model' に設定します。 MLTableJobOutput 型の場合は 'mltable' に設定されます。 TritonModelJobOutput 型の場合は、'triton_model' に設定します。 UriFileJobOutput 型の場合は、'uri_file' に設定します。 UriFolderJobOutput 型の場合は、'uri_folder' に設定します。	「custom_model」「mlflow_model」 'mltable' 「triton_model」「uri_file」 'uri_folder' (必須)

ジョブリソース構成

名前	説明	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。	文字列
インスタンス数	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)。	整数 (int)
インスタンスタイプ	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。	文字列
プロパティ	追加のプロパティバッグ。	リソース構成プロパティ
shmSize(シュムサイズ)	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。	糸制約：パターン = `\d+[bBkKmMgG]`

ジョブリソース

名前	説明	価値
インスタンスタイプ	選択するインスタンスの種類の一覧。	文字列[]

ジョブサービス

名前	説明	価値
エンドポイント	エンドポイントの URL。	文字列
ジョブサービスタイプ	エンドポイントの種類。	文字列
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
ポート	エンドポイントのポート。	整数 (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。	ジョブサービスプロパティ

ジョブサービスプロパティ

名前	説明	価値

リテラルジョブ入力

名前	説明	価値
ジョブインプットタイプ	[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。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

マネージドアイデンティティ

名前	説明	価値
クライアントID	クライアント ID でユーザー割り当て ID を指定します。システム割り当ての場合は、このフィールドを設定しないでください。	糸制約：最小長 = 36 最大長 = 36 パターン = `^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$`
アイデンティティタイプ	[必須]ID フレームワークの種類を指定します。	'Managed' (必須)
オブジェクトID	ユーザー割り当て ID をオブジェクト ID で指定します。システム割り当ての場合は、このフィールドを設定しないでください。	糸制約：最小長 = 36 最大長 = 36 パターン = `^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$`
リソースID	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。	文字列

メディアンストップポリシー

名前	説明	価値
ポリシータイプ	[必須]ポリシー構成の名前	'MedianStopping' (必須)

MLFlowModelジョブ入力

名前	説明	価値
説明	入力の説明。	文字列
ジョブインプットタイプ	[必須]ジョブの種類を指定します。	「custom_model」「リテラル」「mlflow_model」 'mltable' 「triton_model」「uri_file」 'uri_folder' (必須)
モード	入力資産配信モード。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

MLFlowModelジョブ入力

名前	説明	価値
ジョブインプットタイプ	[必須]ジョブの種類を指定します。	'mlflow_model' (必須)
モード	入力資産配信モード。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

MLFlowModelジョブ出力

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

MLTableJobInput

名前	説明	価値
説明	入力の説明。	文字列
ジョブインプットタイプ	[必須]ジョブの種類を指定します。	「custom_model」「リテラル」「mlflow_model」 'mltable' 「triton_model」「uri_file」 'uri_folder' (必須)
モード	入力資産配信モード。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

MLTableJobInput

名前	説明	価値
ジョブインプットタイプ	[必須]ジョブの種類を指定します。	'mltable' (必須)
モード	入力資産配信モード。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

MLTableJobOutput

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

Mpiの

名前	説明	価値
distributionType (ディストリビューションタイプ)	[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。	整数 (int)

NCross検証

名前	説明	価値
モード	AutoNCrossValidations 型の場合は、'Auto' に設定します。 CustomNCrossValidations 型の場合は、'Custom' に設定します。	「オート」 'Custom' (必須)

NlpVerticalFeaturizationSettings

名前	説明	価値
datasetLanguage (英語)	テキストデータに役立つデータセット言語。	文字列

NlpVerticalLimitSettings

名前	説明	価値
maxConcurrentTrials	AutoML の同時実行の最大イテレーション数。	整数 (int)
マックストライアル	AutoML イテレーションの数。	整数 (int)
タイムアウト	AutoML ジョブのタイムアウト。	文字列

ノード

名前	説明	価値
ノード値タイプ	AllNodes 型の場合は、'All' に設定します。	'All' (必須)

通知設定

名前	説明	価値
メールオン	指定した通知の種類でユーザーに電子メール通知を送信する	次のいずれかを含む文字列配列: 「ジョブキャンセル」「ジョブ完了」 'ジョブ失敗'
メール	これは、コンマ区切り記号付きの合計 concat で 499 文字の制限がある電子メール受信者リストです	文字列[]
ウェブフック	Webhook コールバックをサービスに送信します。キーは、Webhook のユーザー指定の名前です。	NotificationSettingWebhooks の

NotificationSettingWebhooks (英語)

名前	説明	価値

目的

名前	説明	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)
プライマリメトリック	[必須]最適化するメトリックの名前。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

パイプラインジョブ

名前	説明	価値
入力	パイプラインジョブの入力。	パイプラインジョブ入力
ジョブ	ジョブはパイプラインジョブを構築します。	PipelineJobs
職種	[必須]ジョブの種類を指定します。	'Pipeline' (必須)
出力	パイプラインジョブの出力	パイプラインジョブ出力
設定	ContinueRunOnStepFailure などのパイプライン設定。	任意
ソースジョブID	ソースジョブの ARM リソース ID。	文字列

パイプラインジョブ入力

名前	説明	価値

PipelineJobs

名前	説明	価値

パイプラインジョブ出力

名前	説明	価値

PyTorch

名前	説明	価値
distributionType (ディストリビューションタイプ)	[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。	整数 (int)

キュー設定

名前	説明	価値
ジョブティア	コンピューティングジョブレベルを制御します。	「ベーシック」 'ヌル' 「プレミアム」「スポット」「スタンダード」

ランダムサンプリングアルゴリズム

名前	説明	価値
ルール	ランダムアルゴリズムの特定の種類	「ランダム」「ソボル」
サンプリングアルゴリズムタイプ	[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)
シード	乱数生成のシードとして使用する省略可能な整数	整数 (int)

回帰

名前	説明	価値
cvSplitColumnNames(cvSplitColumnNames)	CVSplit データに使用する列。	文字列[]
特徴化設定	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
limitSettings (制限設定)	AutoMLJob の実行制約。	TableVerticalLimitSettings (テーブル垂直制限設定)
nCrossValidations (英語)	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。	NCross検証
プライマリメトリック	回帰タスクの主要メトリック。	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 「R2スコア」 'スピアマンコレレーション'
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'Regression' (必須)
テストデータ	データ入力をテストします。	MLTableJobInput
testDataSize (テストデータサイズ)	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。	整数 (int)
training設定	AutoML ジョブのトレーニングフェーズの入力。	RegressionTrainingSettings (回帰トレーニング設定)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)
weightColumnName (重み列名)	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。	文字列

RegressionTrainingSettings (回帰トレーニング設定)

名前	説明	価値
allowedTrainingAlgorithms (英語)	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: 「デシジョンツリー」「エラスティックネット」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」 'なげなわ' 「ライトGBM」「ランダムフォレスト」「SGD」「XGBoostRegressor」
blockedTrainingアルゴリズム	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: 「デシジョンツリー」「エラスティックネット」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」 'なげなわ' 「ライトGBM」「ランダムフォレスト」「SGD」「XGBoostRegressor」
enableDnnトレーニング	DNN モデルの推奨事項を有効にします。	ブール (bool)
enableModelExplainability (英語)	最適なモデルで説明可能性を有効にするフラグ。	ブール (bool)
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	ブール (bool)
enableStackEnsemble	スタックアンサンブル実行を有効にします。	ブール (bool)
enableVoteアンサンブル	投票アンサンブル実行を有効にします。	ブール (bool)
アンサンブルモデルダウンロードタイムアウト	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。	文字列
stackEnsemble設定	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。	StackEnsemble設定

リソースベースプロパティ

名前	説明	価値

リソースベースタグ

名前	説明	価値

リソース構成プロパティ

名前	説明	価値

サンプリングアルゴリズム

名前	説明	価値
サンプリングアルゴリズムタイプ	BayesianSamplingAlgorithm 型の場合は 'Bayesian' に設定します。 GridSamplingAlgorithm 型の 'Grid' に設定します。 RandomSamplingAlgorithm 型の場合は 'Random' に設定します。	「ベイジアン」「グリッド」 'Random' (必須)

季節

名前	説明	価値
モード	AutoSeasonality 型の場合は、'Auto' に設定します。 CustomSeasonality 型の場合は、'Custom' に設定します。	「オート」 'Custom' (必須)

スパークジョブ

名前	説明	価値
史料	ジョブで使用されるアーカイブファイル。	文字列[]
引数	ジョブの引数。	文字列
コードID	[必須] コード資産の arm-id。	string (必須)
(Assuming "conf" stands for "conference") コンファレンス	Spark で構成されたプロパティ。	SparkJobConf (英語)
エントリ	[必須]ジョブの起動時に実行するエントリ。	SparkJobEntry (必須)
環境ID	ジョブの環境仕様の ARM リソース ID。	文字列
環境変数	ジョブに含まれる環境変数。	SparkJobEnvironment変数
ファイル	ジョブで使用されるファイル。	文字列[]
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。	SparkJobの入力パラメータ
瓶	ジョブで使用される Jar ファイル。	文字列[]
職種	[必須]ジョブの種類を指定します。	'Spark' (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。	SparkJobの出力
pyファイル(pyFiles)	ジョブで使用される Python ファイル。	文字列[]
キューセッティング	ジョブのキュー設定	キュー設定
リソース	ジョブのコンピューティングリソース構成。	Sparkリソースコンフィギュレーション

SparkJobConf (英語)

名前	説明	価値

SparkJobエントリ

名前	説明	価値
sparkJobEntryType (スパークジョブエントリタイプ)	SparkJobPythonEntry 型の場合は、" SparkJobPythonEntry" に設定します。 SparkJobScalaEntry 型の場合は、" SparkJobScalaEntry" に設定します。	'SparkJobPythonEntry' 'SparkJobScalaEntry' (必須)

SparkJobEnvironment変数

名前	説明	価値

SparkJobの入力パラメータ

名前	説明	価値

SparkJobの出力

名前	説明	価値

SparkJobPythonエントリ

名前	説明	価値
ファイル	[必須]ジョブエントリポイントの相対 Python ファイルパス。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
sparkJobEntryType (スパークジョブエントリタイプ)	[必須]ジョブのエントリポイントの種類。	'SparkJobPythonEntry' (必須)

SparkJobScalaEntry

名前	説明	価値
クラス名	[必須]エントリポイントとして使用される Scala クラス名。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
sparkJobEntryType (スパークジョブエントリタイプ)	[必須]ジョブのエントリポイントの種類。	'SparkJobScalaEntry' (必須)

Sparkリソースコンフィギュレーション

名前	説明	価値
インスタンスタイプ	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。	文字列
ランタイムバージョン	ジョブに使用される Spark ランタイムのバージョン。	文字列

StackEnsemble設定

名前	説明	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。	任意
スタックMetaLearnerTrainPercentage	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。	整数 (int)
スタックメタ学習者タイプ	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。	「エラスティックネット」「エラスティックネットCV」「ライトGBMClassifier」「LightGBMレグレッサー」 '線形回帰' 'LogisticRegression' (ロジスティック回帰) 'LogisticRegressionCV' 「なし」

スイープジョブ

名前	説明	価値
早期終了	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	早期終了ポリシー
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 (スイープジョブ入力)
職種	[必須]ジョブの種類を指定します。	'Sweep' (必須)
制限	スイープジョブの制限。	スイープジョブの制限
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。	スイープジョブ出力
キューセッティング	ジョブのキュー設定	キュー設定
サンプリングアルゴリズム	[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)
サーチスペース	[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	any (必須)
評価版	[必須]試用版コンポーネントの定義。	TrialComponent (必須)

SweepJobInputs (スイープジョブ入力)

名前	説明	価値

スイープジョブの制限

名前	説明	価値
ジョブリミットタイプ	[必須]JobLimit 型。	「コマンド」 'Sweep' (必須)
maxConcurrentTrials	スイープジョブの最大同時試行回数。	整数 (int)
maxTotalTrialsの	スイープジョブの最大試行回数。	整数 (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。	文字列
trialTimeout(トライアルタイムアウト)	スイープジョブ試用版のタイムアウト値。	文字列

スイープジョブ出力

名前	説明	価値

TableVerticalFeaturizationSettings

名前	説明	価値
ブロックトランスフォーマー	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」 'カウントベクタライザー' 「ハッシュワンホットエンコーダー」「ラベルエンコーダー」「ナイーブベイズ」「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 (英語)	テキストデータに役立つデータセット言語。	文字列
enableDnnフィーチャライゼーション	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。	ブール (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。	「オート」「カスタム」「オフ」
トランスパラメータ	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	説明	価値

TableVerticalFeaturizationSettingsTransformerParams

名前	説明	価値

TableVerticalLimitSettings (テーブル垂直制限設定)

名前	説明	価値
enableEarlyTermination (英語)	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。	ブール (bool)
終了スコア	AutoML ジョブの終了スコア。	整数 (int)
maxConcurrentTrials	最大同時反復数。	整数 (int)
maxCoresPerTrial (英語)	イテレーションあたりの最大コア数。	整数 (int)
マックストライアル	反復回数。	整数 (int)
タイムアウト	AutoML ジョブのタイムアウト。	文字列
trialTimeout(トライアルタイムアウト)	繰り返しタイムアウト。	文字列

ターゲットラグ

名前	説明	価値
モード	AutoTargetLags 型の場合は、'Auto' に設定します。 CustomTargetLags 型の場合は、'Custom' に設定します。	「オート」 'Custom' (必須)

ターゲットローリングウィンドウサイズ

名前	説明	価値
モード	AutoTargetRollingWindowSize 型の場合は、'Auto' に設定します。 CustomTargetRollingWindowSize 型の場合は、'Custom' に設定します。	「オート」 'Custom' (必須)

TensorFlow

名前	説明	価値
distributionType (ディストリビューションタイプ)	[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)
パラメータServerCount	パラメーターサーバータスクの数。	整数 (int)
ワーカー数	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。	整数 (int)

テキスト分類

名前	説明	価値
特徴化設定	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings (制限設定)	AutoMLJob の実行制約。	NlpVerticalLimitSettings
プライマリメトリック	Text-Classification タスクのプライマリメトリック。	「正確さ」「AUCWeighted」 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 「PrecisionScoreWeighted」
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'TextClassification' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput

テキスト分類マルチラベル

名前	説明	価値
特徴化設定	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings (制限設定)	AutoMLJob の実行制約。	NlpVerticalLimitSettings
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'TextClassificationMultilabel' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput

テキストナー

名前	説明	価値
特徴化設定	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings (制限設定)	AutoMLJob の実行制約。	NlpVerticalLimitSettings
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'TextNER' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput

トライアルコンポーネント

名前	説明	価値
コードID	コード資産の ARM リソース ID。	文字列
コマンド	[必須]ジョブの起動時に実行するコマンド。例えば。「パイソン train.py」	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
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。	ディストリビューション構成
環境ID	[必須]ジョブの環境仕様の ARM リソース ID。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
環境変数	ジョブに含まれる環境変数。	TrialComponentEnvironment変数
リソース	ジョブのコンピューティングリソース構成。	ジョブリソース構成

TrialComponentEnvironment変数

名前	説明	価値

トリトンモデルジョブ入力

名前	説明	価値
ジョブインプットタイプ	[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。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

TritonModelジョブ出力

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

切り捨て選択ポリシー

名前	説明	価値
ポリシータイプ	[必須]ポリシー構成の名前	'TruncationSelection' (必須)
切り捨てパーセンテージ	各評価間隔で取り消す実行の割合。	整数 (int)

UriFileJobInput

名前	説明	価値
ジョブインプットタイプ	[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。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

UriFileジョブ出力

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

UriFolderJobInput

名前	説明	価値
ジョブインプットタイプ	[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。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

UriFolderJobOutput (英語)

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

ユーザーアイデンティティ

名前	説明	価値
アイデンティティタイプ	[必須]ID フレームワークの種類を指定します。	'UserIdentity' (必須)

ウェブフック

名前	説明	価値
イベントタイプ	指定した通知イベントのコールバックを送信する	文字列
webhookタイプ	AzureDevOpsWebhook 型の場合は、'AzureDevOps' に設定します。	'AzureDevOps' (必須)

使用例

Azure クイックスタートテンプレート

次の Azure 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	説明
Azure Machine Learning AutoML 分類ジョブを作成する	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	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	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

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@2024-07-01-preview"
  name = "string"
  parent_id = "string"
  body = {
    properties = {
      componentId = "string"
      computeId = "string"
      description = "string"
      displayName = "string"
      experimentName = "string"
      identity = {
        identityType = "string"
        // For remaining properties, see IdentityConfiguration objects
      }
      isArchived = bool
      notificationSetting = {
        emailOn = [
          "string"
        ]
        emails = [
          "string"
        ]
        webhooks = {
          {customized property} = {
            eventType = "string"
            webhookType = "string"
            // For remaining properties, see Webhook objects
          }
        }
      }
      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 = {
        {customized property} = "string"
      }
      jobType = "string"
      // For remaining properties, see JobBaseProperties objects
    }
  }
}

FineTuningVertical オブジェクト

modelProvider 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。

AzureOpenAI の場合は、次を使用します。

{
  hyperParameters = {
    batchSize = int
    learningRateMultiplier = int
    nEpochs = int
  }
  modelProvider = "AzureOpenAI"
}

カスタムの場合は、次を使用します。

{
  hyperParameters = {
    {customized property} = "string"
  }
  modelProvider = "Custom"
}

TargetRollingWindowSize オブジェクト

mode 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。

自動の場合は、次を使用します。

{
  mode = "Auto"
}

カスタムの場合は、次を使用します。

{
  mode = "Custom"
  value = int
}

JobInput オブジェクト

オブジェクトの種類を指定するように jobInputType プロパティを設定します。

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 の場合は、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"
}

JobBaseProperties オブジェクト

オブジェクトの種類を指定するように jobType プロパティを設定します。

AutoML の場合は、次を使用します。

{
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  jobType = "AutoML"
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    properties = {
      {customized property} = ?
    }
    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。

{
  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
    }
  }
  jobType = "Command"
  limits = {
    jobLimitsType = "string"
    timeout = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    properties = {
      {customized property} = ?
    }
    shmSize = "string"
  }
}

FineTuning の場合は、次の値を使用します。

{
  fineTuningDetails = {
    model = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    taskType = "string"
    trainingData = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
    validationData = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
    modelProvider = "string"
    // For remaining properties, see FineTuningVertical objects
  }
  jobType = "FineTuning"
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
  }
  resources = {
    instanceTypes = [
      "string"
    ]
  }
}

パイプラインの場合は、次を使用します。

{
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  jobs = {
    {customized property} = ?
  }
  jobType = "Pipeline"
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  settings = ?
  sourceJobId = "string"
}

Spark の場合は、次を使用します。

{
  archives = [
    "string"
  ]
  args = "string"
  codeId = "string"
  conf = {
    {customized property} = "string"
  }
  entry = {
    sparkJobEntryType = "string"
    // For remaining properties, see SparkJobEntry objects
  }
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  files = [
    "string"
  ]
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  jars = [
    "string"
  ]
  jobType = "Spark"
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  pyFiles = [
    "string"
  ]
  queueSettings = {
    jobTier = "string"
  }
  resources = {
    instanceType = "string"
    runtimeVersion = "string"
  }
}

スイープの場合は、次を使用します。

{
  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
    }
  }
  jobType = "Sweep"
  limits = {
    jobLimitsType = "string"
    maxConcurrentTrials = int
    maxTotalTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  objective = {
    goal = "string"
    primaryMetric = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
  }
  samplingAlgorithm = {
    samplingAlgorithmType = "string"
    // For remaining properties, see SamplingAlgorithm objects
  }
  searchSpace = ?
  trial = {
    codeId = "string"
    command = "string"
    distribution = {
      distributionType = "string"
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId = "string"
    environmentVariables = {
      {customized property} = "string"
    }
    resources = {
      dockerArgs = "string"
      instanceCount = int
      instanceType = "string"
      properties = {
        {customized property} = ?
      }
      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 の場合は、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。

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

UserIdentity の場合は、次の値を使用します。

{
  identityType = "UserIdentity"
}

ForecastHorizon オブジェクト

mode 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。

自動の場合は、次を使用します。

{
  mode = "Auto"
}

カスタムの場合は、次を使用します。

{
  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
}

季節性オブジェクト

mode 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。

自動の場合は、次を使用します。

{
  mode = "Auto"
}

カスタムの場合は、次を使用します。

{
  mode = "Custom"
  value = int
}

JobOutput オブジェクト

jobOutputType 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。

{
  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 の場合は、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"
}

TargetLags オブジェクト

mode 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。

自動の場合は、次を使用します。

{
  mode = "Auto"
}

カスタムの場合は、次を使用します。

{
  mode = "Custom"
  values = [
    int
  ]
}

Webhook オブジェクト

webhookType 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。

AzureDevOps の場合は、次を使用します。

{
  webhookType = "AzureDevOps"
}

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"
}

Random の場合は、次の値を使用します。

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

SparkJobEntry オブジェクト

sparkJobEntryType 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。

SparkJobPythonEntry の場合は、次を使用します。

{
  file = "string"
  sparkJobEntryType = "SparkJobPythonEntry"
}

SparkJobScalaEntry の場合は、次を使用します。

{
  className = "string"
  sparkJobEntryType = "SparkJobScalaEntry"
}

DistributionConfiguration オブジェクト

distributionType 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。

Mpi の場合は、次を使用します。

{
  distributionType = "Mpi"
  processCountPerInstance = int
}

PyTorch の場合は、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
}

NCrossValidations オブジェクト

mode 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。

自動の場合は、次を使用します。

{
  mode = "Auto"
}

カスタムの場合は、次を使用します。

{
  mode = "Custom"
  value = int
}

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] には、次を使用します。

{
  nodesValueType = "All"
}

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。

{
  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"
  taskType = "Classification"
  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。

{
  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"
  taskType = "Forecasting"
  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。

{
  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"
  }
  taskType = "ImageClassification"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

ImageClassificationMultilabel の場合は、次を使用します。

{
  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"
  }
  taskType = "ImageClassificationMultilabel"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

ImageInstanceSegmentation の場合は、次を使用します。

{
  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 = "string"
  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"
  }
  taskType = "ImageInstanceSegmentation"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

ImageObjectDetection の場合は、次を使用します。

{
  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 = "string"
  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"
  }
  taskType = "ImageObjectDetection"
  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。

{
  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"
  taskType = "Regression"
  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。

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

TextClassificationMultilabel の場合は、次を使用します。

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

TextNER の場合は、次を使用します。

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

プロパティ値

Microsoft.MachineLearningServices/workspaces/jobs (マイクロソフトの機械学習サービス/ワークスペース/ジョブ)

名前	説明	価値
名前	リソース名	糸制約：パターン = `^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$` (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)
型	リソースの種類	"Microsoft.MachineLearningServices/workspaces/jobs@2024-07-01-preview" (マイクロソフトマシンラーニングサービス/ワークスペース/ワークスペース/-07-01-プレビュー)

オールノード

名前	説明	価値
ノード値タイプ	[必須]ノード値の型	'All' (必須)

Amlトークン

名前	説明	価値
アイデンティティタイプ	[必須]ID フレームワークの種類を指定します。	'AMLToken' (必須)

自動予測ホライゾン

名前	説明	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)

AutoMLジョーブ

名前	説明	価値
環境ID	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。	文字列
環境変数	ジョブに含まれる環境変数。	AutoMLJobEnvironment変数
職種	[必須]ジョブの種類を指定します。	'AutoML' (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。	AutoMLのジョブ出力
キューセッティング	ジョブのキュー設定	キュー設定
リソース	ジョブのコンピューティングリソース構成。	ジョブリソース構成
タスク詳細	[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)

AutoMLJobEnvironment変数

名前	説明	価値

AutoMLのジョブ出力

名前	説明	価値

AutoMLバーティカル

名前	説明	価値
ログの詳細度	ジョブの詳細度をログに記録します。	「重大」「デバッグ」「エラー」「情報」「NotSet」「警告」
ターゲット列名	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。	文字列
タスクタイプ	型分類の場合は、'Classification' に設定します。型予測の場合は、"予測" に設定します。 ImageClassification 型の場合は、' ImageClassification' に設定します。 ImageClassificationMultilabel 型の場合、' ImageClassificationMultilabel' に設定します。 ImageInstanceSegmentation 型の場合は、" ImageInstanceSegmentation" に設定します。 ImageObjectDetection 型の場合は、' ImageObjectDetection' に設定します。型回帰の場合は、" Regression" に設定します。 TextClassification 型の場合、' TextClassification' に設定します。 TextClassificationMultilabel 型の場合、' TextClassificationMultilabel' に設定します。 TextNer 型の場合は、' TextNER' に設定します。	「分類」「予測」「画像分類」 'ImageClassificationMultilabel' 'ImageInstanceSegmentation' 'ImageObjectDetection' 「リグレッション」「テキスト分類」 'TextClassificationMultilabel' 'TextNER' (必須)
トレーニングデータ	[必須]トレーニングデータの入力。	MLTableJobInput (必須)

AutoNCross検証

名前	説明	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)

オートシーズナリティ

名前	説明	価値
モード	[必須]季節性モード。	'Auto' (必須)

オートターゲットラグ

名前	説明	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)

オートターゲットローリングウィンドウサイズ

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

AzureDevOpsWebhook

名前	説明	価値
webhookタイプ	[必須]コールバックを送信するサービスの種類を指定します	'AzureDevOps' (必須)

AzureOpenAiFineTuning

名前	説明	価値
ハイパーパラメータ	Azure Open AI モデルを微調整するための HyperParameters。	AzureOpenAiHyperParameters
モデルプロバイダ	[必須]微調整の種類を決定する列挙型。	'AzureOpenAI' (必須)

AzureOpenAiHyperParameters

名前	説明	価値
バッチサイズ	各バッチの例の数。バッチサイズが大きいほど、モデルパラメーターの更新頻度は低くなりますが、分散は小さくなります。	整数 (int)
learningRateMultiplier (英語)	学習率のスケーリング係数。より小さい学習率は、オーバーフィットを避けるために役立つ場合があります。	整数 (int)
nエポック	モデルをトレーニングするエポックの数。エポックとは、トレーニングデータセット全体での 1 つの完全なサイクルを指します。	整数 (int)

バンディットポリシー

名前	説明	価値
ポリシータイプ	[必須]ポリシー構成の名前	'Bandit' (必須)
スラック量	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。	整数 (int)
スラックファクター	最もパフォーマンスの高い実行からの許容距離の比率。	整数 (int)

ベイジアンサンプリングアルゴリズム

名前	説明	価値
サンプリングアルゴリズムタイプ	[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)

分類

名前	説明	価値
cvSplitColumnNames(cvSplitColumnNames)	CVSplit データに使用する列。	文字列[]
特徴化設定	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
limitSettings (制限設定)	AutoMLJob の実行制約。	TableVerticalLimitSettings (テーブル垂直制限設定)
nCrossValidations (英語)	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。	NCross検証
ポジティブラベル	バイナリメトリック計算の正のラベル。	文字列
プライマリメトリック	タスクのプライマリメトリック。	「正確さ」「AUCWeighted」 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 「PrecisionScoreWeighted」
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'Classification' (必須)
テストデータ	データ入力をテストします。	MLTableJobInput
testDataSize (テストデータサイズ)	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。	整数 (int)
training設定	AutoML ジョブのトレーニングフェーズの入力。	分類トレーニング設定
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)
weightColumnName (重み列名)	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。	文字列

分類トレーニング設定

名前	説明	価値
allowedTrainingAlgorithms (英語)	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: 「ベルヌーイ・ナイーブ・ベイズ」「デシジョンツリー」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」「ライトGBM」「リニアSVM」 'LogisticRegression' (ロジスティック回帰) 「MultinomialNaiveBayes」「ランダムフォレスト」「SGD」「SVM」「XGBoostClassifier」
blockedTrainingアルゴリズム	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: 「ベルヌーイ・ナイーブ・ベイズ」「デシジョンツリー」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」「ライトGBM」「リニアSVM」 'LogisticRegression' (ロジスティック回帰) 「MultinomialNaiveBayes」「ランダムフォレスト」「SGD」「SVM」「XGBoostClassifier」
enableDnnトレーニング	DNN モデルの推奨事項を有効にします。	ブール (bool)
enableModelExplainability (英語)	最適なモデルで説明可能性を有効にするフラグ。	ブール (bool)
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	ブール (bool)
enableStackEnsemble	スタックアンサンブル実行を有効にします。	ブール (bool)
enableVoteアンサンブル	投票アンサンブル実行を有効にします。	ブール (bool)
アンサンブルモデルダウンロードタイムアウト	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。	文字列
stackEnsemble設定	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。	StackEnsemble設定

カラムトランスフォーマー

名前	説明	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。	文字列[]
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。	任意

コマンドジョブ

名前	説明	価値
コードID	コード資産の ARM リソース ID。	文字列
コマンド	[必須]ジョブの起動時に実行するコマンド。例えば。「パイソン train.py」	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
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。	ディストリビューション構成
環境ID	[必須]ジョブの環境仕様の ARM リソース ID。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
環境変数	ジョブに含まれる環境変数。	CommandJobEnvironment変数
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。	コマンドジョブ入力
職種	[必須]ジョブの種類を指定します。	'Command' (必須)
制限	コマンドジョブの制限。	CommandJobLimits(コマンドジョブ制限)
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 (コマンドジョブ出力)
キューセッティング	ジョブのキュー設定	キュー設定
リソース	ジョブのコンピューティングリソース構成。	ジョブリソース構成

CommandJobEnvironment変数

名前	説明	価値

コマンドジョブ入力

名前	説明	価値

CommandJobLimits(コマンドジョブ制限)

名前	説明	価値
ジョブリミットタイプ	[必須]JobLimit 型。	「コマンド」 '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。	文字列

CommandJobOutputs (コマンドジョブ出力)

名前	説明	価値

カスタム予測ホライゾン

名前	説明	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)

CustomModelFineTuning

名前	説明	価値
ハイパーパラメータ	カスタムモデルを微調整するための HyperParameters。	CustomModelFineTuningハイパーパラメータ
モデルプロバイダ	[必須]微調整の種類を決定する列挙型。	'Custom' (必須)

CustomModelFineTuningハイパーパラメータ

名前	説明	価値

CustomModelJobInput

名前	説明	価値
ジョブインプットタイプ	[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。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

CustomModelJobOutput

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

CustomNCross検証

名前	説明	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)

カスタムシーズナリティ

名前	説明	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)

CustomTargetLags (英語)

名前	説明	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)

CustomTargetRollingWindowSize (カスタムターゲットローリングウィンドウサイズ)

名前	説明	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)

ディストリビューション構成

名前	説明	価値
distributionType (ディストリビューションタイプ)	Mpi 型の場合は、' Mpi' に設定します。 PyTorch 型の場合は ' PyTorch' に設定します。 TensorFlow 型の場合は ' TensorFlow' に設定します。	「ムピ」「PyTorch」 'TensorFlow' (必須)

早期終了ポリシー

名前	説明	価値
遅延評価	最初の評価を遅らせる間隔の数。	整数 (int)
評価間隔	ポリシー評価間の間隔 (実行回数)。	整数 (int)
ポリシータイプ	BanditPolicy 型の場合は 'Bandit' に設定します。 MedianStoppingPolicy 型の場合、'MedianStopping' に設定します。 TruncationSelectionPolicy 型の場合は、'TruncationSelection' に設定します。	「バンディット」「メディアンストップ」 'TruncationSelection' (必須)

ファインチューニングジョブ

名前	説明	価値
fineTuning詳細	[必須]	FineTuningVertical (必須)
職種	[必須]ジョブの種類を指定します。	'FineTuning' (必須)
出力	[必須]	FineTuningJobOutputs (必須)
キューセッティング	ジョブのキュー設定	キュー設定
リソース	ジョブのインスタンスの種類とその他のリソース	ジョブリソース

FineTuningJobOutputs (ジョブ出力の微調整)

名前	説明	価値

ファインチューニング垂直

名前	説明	価値
モデル	[必須]微調整のための入力モデル。	MLFlowModelJobInput (必須)
モデルプロバイダ	種類が AzureOpenAiFineTuning の場合は、'AzureOpenAI' に設定します。 CustomModelFineTuning 型の場合は、'Custom' に設定します。	「AzureOpenAI」 'Custom' (必須)
タスクタイプ	[必須]タスクの種類を微調整します。	「チャット完了」「画像分類」 'ImageInstanceSegmentation' 'ImageObjectDetection' 「クエスチョンアンセリング」「テキスト分類」「テキスト完了」「テキスト要約」「テキスト翻訳」 'トークン分類' 'VideoMultiObjectTracking' (必須)
トレーニングデータ	[必須]微調整のためのトレーニングデータ。	JobInput (必須)
validationData (検証データ)	微調整のための検証データ。	ジョブ入力

フォーキャストホライゾン

名前	説明	価値
モード	AutoForecastHorizon 型の場合は、'Auto' に設定します。 CustomForecastHorizon 型の場合は、'Custom' に設定します。	「オート」 'Custom' (必須)

予測

名前	説明	価値
cvSplitColumnNames(cvSplitColumnNames)	CVSplit データに使用する列。	文字列[]
特徴化設定	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
forecasting設定	予測タスク固有の入力。	ForecastingSettings (予測設定)
limitSettings (制限設定)	AutoMLJob の実行制約。	TableVerticalLimitSettings (テーブル垂直制限設定)
nCrossValidations (英語)	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。	NCross検証
プライマリメトリック	予測タスクの主要メトリック。	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 「R2スコア」 'スピアマンコレレーション'
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'Forecasting' (必須)
テストデータ	データ入力をテストします。	MLTableJobInput
testDataSize (テストデータサイズ)	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。	整数 (int)
training設定	AutoML ジョブのトレーニングフェーズの入力。	ForecastingTrainingSettings (英語)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)
weightColumnName (重み列名)	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。	文字列

ForecastingSettings (予測設定)

名前	説明	価値
countryOrRegionForHolidays (国または地域休日)	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。	文字列
cvステップサイズ	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。	整数 (int)
featureラグ	'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。	「オート」「なし」
予測ホライゾン	時系列の頻度の単位で求められる最大予測期間。	フォーキャストホライゾン
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。	文字列
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
shortSeriesHandlingConfig(ショートシリーズハンドリングコンフィグ)	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。	「オート」「ドロップ」「なし」「パッド」
ターゲット集計関数	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。	「マックス」「平均」「ミン」「なし」「合計」
ターゲットラグ	ターゲット列から遅延する過去の期間の数。	ターゲットラグ
ターゲットローリングウィンドウサイズ	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。	ターゲットローリングウィンドウサイズ
timeColumnName (時間列名)	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。	文字列
timeSeriesIdColumnNames(タイムシリーズIdカラムネーム)	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。	文字列[]
useStl	時系列ターゲット列の STL 分解を構成します。	「なし」「シーズン」「シーズントレンド」

ForecastingTrainingSettings (英語)

名前	説明	価値
allowedTrainingAlgorithms (英語)	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: 「アリマックス」「オートアリマ」「平均」「デシジョンツリー」「エラスティックネット」「指数平滑化」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」 'なげなわ' 「ライトGBM」「ナイーブ」「預言者」「ランダムフォレスト」「季節平均」「SeasonalNaive」「SGD」「TCNフォアキャスター」「XGBoostRegressor」
blockedTrainingアルゴリズム	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: 「アリマックス」「オートアリマ」「平均」「デシジョンツリー」「エラスティックネット」「指数平滑化」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」 'なげなわ' 「ライトGBM」「ナイーブ」「預言者」「ランダムフォレスト」「季節平均」「SeasonalNaive」「SGD」「TCNフォアキャスター」「XGBoostRegressor」
enableDnnトレーニング	DNN モデルの推奨事項を有効にします。	ブール (bool)
enableModelExplainability (英語)	最適なモデルで説明可能性を有効にするフラグ。	ブール (bool)
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	ブール (bool)
enableStackEnsemble	スタックアンサンブル実行を有効にします。	ブール (bool)
enableVoteアンサンブル	投票アンサンブル実行を有効にします。	ブール (bool)
アンサンブルモデルダウンロードタイムアウト	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。	文字列
stackEnsemble設定	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。	StackEnsemble設定

GridSamplingアルゴリズム

名前	説明	価値
サンプリングアルゴリズムタイプ	[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)

アイデンティティ設定

名前	説明	価値
アイデンティティタイプ	型 AmlToken に対して 'AMLToken' に設定します。型 ManagedIdentity に対して 'Managed' に設定します。 UserIdentity 型の場合は、' UserIdentity' に設定します。	「AMLToken」「管理」 'UserIdentity' (必須)

画像分類

名前	説明	価値
limitSettings (制限設定)	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
モデル設定	モデルのトレーニングに使用される設定。	ImageModelSettings分類
プライマリメトリック	このタスク用に最適化する主要メトリック。	「正確さ」「AUCWeighted」 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 「PrecisionScoreWeighted」
サーチスペース	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。	ImageModelDistributionSettings分類[]
sweepSettings (スイープ設定)	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 (イメージスイープ設定)
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'ImageClassification' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)

ImageClassificationマルチラベル

名前	説明	価値
limitSettings (制限設定)	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
モデル設定	モデルのトレーニングに使用される設定。	ImageModelSettings分類
プライマリメトリック	このタスク用に最適化する主要メトリック。	「正確さ」「AUCWeighted」 'AveragePrecisionScoreWeighted' 「借用書」 'NormMacroRecall' 「PrecisionScoreWeighted」
サーチスペース	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。	ImageModelDistributionSettings分類[]
sweepSettings (スイープ設定)	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 (イメージスイープ設定)
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'ImageClassificationMultilabel' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)

ImageInstanceセグメンテーション

名前	説明	価値
limitSettings (制限設定)	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
モデル設定	モデルのトレーニングに使用される設定。	ImageModelSettingsオブジェクト検出
プライマリメトリック	このタスク用に最適化する主要メトリック。	'平均精度'
サーチスペース	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。	ImageModelDistributionSettingsオブジェクト検出[]
sweepSettings (スイープ設定)	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 (イメージスイープ設定)
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'ImageInstanceSegmentation' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)

ImageLimitSettings (イメージリミット設定)

名前	説明	価値
maxConcurrentTrials	同時 AutoML イテレーションの最大数。	整数 (int)
マックストライアル	AutoML イテレーションの最大数。	整数 (int)
タイムアウト	AutoML ジョブのタイムアウト。	文字列

ImageModelDistributionSettings分類

名前	説明	価値
amsGradient (英語)	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。	文字列
拡張	拡張を使用するための設定。	文字列
ベータ1	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。	文字列
ベータ2	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。	文字列
分散	配布者トレーニングを使用するかどうか。	文字列
early停止	トレーニング中に早期停止ロジックを有効にします。	文字列
早期停止遅延	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。	文字列
早期停止忍耐	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。	文字列
enableOnnx正規化	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。	文字列
評価周波数	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。	文字列
gradientAccumulationStep (グラデーション累積ステップ)	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。	文字列
レイヤーToFreeze	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。	文字列
ラーニングレート	初期学習率。範囲 [0, 1] の float である必要があります。	文字列
learningRateスケジューラ	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。	文字列
モデルネーム	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。	文字列
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。	文字列
ネステロフ	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	文字列
numberOfEpochs(エポックの数)	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。	文字列
numberOfWorkers の	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。	文字列
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。	文字列
ランダムシード	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。	文字列
stepLRガンマ	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。	文字列
stepLRステップサイズ	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。	文字列
トレーニングバッチサイズ	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。	文字列
トレーニングクロップサイズ	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。	文字列
validationBatchSize (検証バッチサイズ)	検証バッチサイズ。正の整数にする必要があります。	文字列
validationCropSize(クロップサイズ)	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。	文字列
validationサイズ変更	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。	文字列
ウォームアップCosineLRサイクル	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。	文字列
ウォームアップCosineLRWarmupエポック	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。	文字列
ウェイトディケイ	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。	文字列
加重損失	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。	文字列

ImageModelDistributionSettingsオブジェクト検出

名前	説明	価値
amsGradient (英語)	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。	文字列
拡張	拡張を使用するための設定。	文字列
ベータ1	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。	文字列
ベータ2	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。	文字列
ボックス検出パーイメージ	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。	文字列
ボックススコアしきい値	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。	文字列
分散	配布者トレーニングを使用するかどうか。	文字列
early停止	トレーニング中に早期停止ロジックを有効にします。	文字列
早期停止遅延	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。	文字列
早期停止忍耐	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。	文字列
enableOnnx正規化	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。	文字列
評価周波数	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。	文字列
gradientAccumulationStep (グラデーション累積ステップ)	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。	文字列
画像サイズ	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。	文字列
レイヤーToFreeze	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。	文字列
ラーニングレート	初期学習率。範囲 [0, 1] の float である必要があります。	文字列
learningRateスケジューラ	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。	文字列
マックスサイズ	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。	文字列
最小サイズ	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。	文字列
モデルネーム	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。	文字列
モデルサイズ	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。	文字列
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。	文字列
マルチスケール	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。	文字列
ネステロフ	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	文字列
nmsIouしきい値	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。	文字列
numberOfEpochs(エポックの数)	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。	文字列
numberOfWorkers の	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。	文字列
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。	文字列
ランダムシード	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。	文字列
stepLRガンマ	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。	文字列
stepLRステップサイズ	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。	文字列
タイルグリッドサイズ	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。	文字列
タイルオーバーラップレシオ	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。	文字列
タイル予測Nmsしきい値	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	文字列
トレーニングバッチサイズ	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。	文字列
validationBatchSize (検証バッチサイズ)	検証バッチサイズ。正の整数にする必要があります。	文字列
検証IouThreshold	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。	文字列
validationMetricType (検証メトリックタイプ)	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。	文字列
ウォームアップCosineLRサイクル	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。	文字列
ウォームアップCosineLRWarmupエポック	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。	文字列
ウェイトディケイ	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。	文字列

ImageModelSettings分類

名前	説明	価値
advancedsettings (詳細設定)	高度なシナリオの設定。	文字列
amsGradient (英語)	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。	ブール (bool)
拡張	拡張を使用するための設定。	文字列
ベータ1	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。	整数 (int)
ベータ2	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。	整数 (int)
checkpointFrequency(チェックポイント周波数)	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。	整数 (int)
チェックポイントモデル	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。	MLFlowModelジョブ入力
checkpointRunId(チェックポイントランイド)	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。	文字列
分散	分散トレーニングを使用するかどうか。	ブール (bool)
early停止	トレーニング中に早期停止ロジックを有効にします。	ブール (bool)
早期停止遅延	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。	整数 (int)
早期停止忍耐	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。	整数 (int)
enableOnnx正規化	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。	ブール (bool)
評価周波数	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。	整数 (int)
gradientAccumulationStep (グラデーション累積ステップ)	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。	整数 (int)
レイヤーToFreeze	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。	整数 (int)
ラーニングレート	初期学習率。範囲 [0, 1] の float である必要があります。	整数 (int)
learningRateスケジューラ	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」「ウォームアップコサイン」
モデルネーム	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。	文字列
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。	整数 (int)
ネステロフ	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	ブール (bool)
numberOfEpochs(エポックの数)	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。	整数 (int)
numberOfWorkers の	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。	整数 (int)
オプティマイザ	オプティマイザーの種類。	「アダム」「アダム」「なし」「SGD」
ランダムシード	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。	整数 (int)
stepLRガンマ	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。	整数 (int)
stepLRステップサイズ	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。	整数 (int)
トレーニングバッチサイズ	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。	整数 (int)
トレーニングクロップサイズ	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。	整数 (int)
validationBatchSize (検証バッチサイズ)	検証バッチサイズ。正の整数にする必要があります。	整数 (int)
validationCropSize(クロップサイズ)	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。	整数 (int)
validationサイズ変更	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。	整数 (int)
ウォームアップCosineLRサイクル	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。	整数 (int)
ウォームアップCosineLRWarmupエポック	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。	整数 (int)
ウェイトディケイ	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。	整数 (int)
加重損失	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。	整数 (int)

ImageModelSettingsオブジェクト検出

名前	説明	価値
advancedsettings (詳細設定)	高度なシナリオの設定。	文字列
amsGradient (英語)	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。	ブール (bool)
拡張	拡張を使用するための設定。	文字列
ベータ1	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。	整数 (int)
ベータ2	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。	整数 (int)
ボックス検出パーイメージ	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。	整数 (int)
ボックススコアしきい値	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。	整数 (int)
checkpointFrequency(チェックポイント周波数)	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。	整数 (int)
チェックポイントモデル	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。	MLFlowModelジョブ入力
checkpointRunId(チェックポイントランイド)	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。	文字列
分散	分散トレーニングを使用するかどうか。	ブール (bool)
early停止	トレーニング中に早期停止ロジックを有効にします。	ブール (bool)
早期停止遅延	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。	整数 (int)
早期停止忍耐	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。	整数 (int)
enableOnnx正規化	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。	ブール (bool)
評価周波数	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。	整数 (int)
gradientAccumulationStep (グラデーション累積ステップ)	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。	整数 (int)
画像サイズ	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。	整数 (int)
レイヤーToFreeze	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。	整数 (int)
ラーニングレート	初期学習率。範囲 [0, 1] の float である必要があります。	整数 (int)
learningRateスケジューラ	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」「ウォームアップコサイン」
マックスサイズ	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。	整数 (int)
最小サイズ	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。	整数 (int)
モデルネーム	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。	文字列
モデルサイズ	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。	「エクストララージ」「ラージ」「ミディアム」「なし」「小さい」
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。	整数 (int)
マルチスケール	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。	ブール (bool)
ネステロフ	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	ブール (bool)
nmsIouしきい値	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。	整数 (int)
numberOfEpochs(エポックの数)	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。	整数 (int)
numberOfWorkers の	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。	整数 (int)
オプティマイザ	オプティマイザーの種類。	「アダム」「アダム」「なし」「SGD」
ランダムシード	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。	整数 (int)
stepLRガンマ	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。	整数 (int)
stepLRステップサイズ	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。	整数 (int)
タイルグリッドサイズ	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。	文字列
タイルオーバーラップレシオ	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。	整数 (int)
タイル予測Nmsしきい値	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。	整数 (int)
トレーニングバッチサイズ	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。	整数 (int)
validationBatchSize (検証バッチサイズ)	検証バッチサイズ。正の整数にする必要があります。	整数 (int)
検証IouThreshold	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。	整数 (int)
validationMetricType (検証メトリックタイプ)	検証メトリックに使用するメトリック計算方法。	「ココ」「ココボック」「なし」「ヴォック」
ウォームアップCosineLRサイクル	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。	整数 (int)
ウォームアップCosineLRWarmupエポック	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。	整数 (int)
ウェイトディケイ	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。	整数 (int)

ImageObjectDetection (画像オブジェクト検出)

名前	説明	価値
limitSettings (制限設定)	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
モデル設定	モデルのトレーニングに使用される設定。	ImageModelSettingsオブジェクト検出
プライマリメトリック	このタスク用に最適化する主要メトリック。	'平均精度'
サーチスペース	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。	ImageModelDistributionSettingsオブジェクト検出[]
sweepSettings (スイープ設定)	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 (イメージスイープ設定)
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'ImageObjectDetection' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)

ImageSweepSettings (イメージスイープ設定)

名前	説明	価値
早期終了	早期終了ポリシーの種類。	早期終了ポリシー
サンプリングアルゴリズム	[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。	「ベイジアン」「グリッド」 'Random' (必須)

ジョブベースプロパティ

名前	説明	価値
コンポーネントID	コンポーネントリソースの ARM リソース ID。	文字列
コンピュートイド	コンピューティングリソースの ARM リソース ID。	文字列
説明	資産の説明テキスト。	文字列
ディスプレイ名	ジョブの表示名。	文字列
実験名	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。	文字列
ID	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。	アイデンティティ設定
isArchived(アーカイブ済み)	資産はアーカイブされていますか?	ブール (bool)
職種	AutoMLJob 型の場合は、'AutoML' に設定します。 CommandJob 型の場合は、'Command' に設定します。 FineTuningJob 型の場合は、'FineTuning' に設定します。 PipelineJob 型の場合は " Pipeline" に設定します。 SparkJob 型の場合は、"Spark" に設定します。 SweepJob 型の場合は、"Sweep" に設定します。	「AutoML」「コマンド」「ファインチューニング」「パイプライン」「スパーク」 'Sweep' (必須)
notificationSetting (通知設定)	ジョブの通知設定	通知設定
プロパティ	資産プロパティディクショナリ。	リソースベースプロパティ
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。	ジョブベースサービス
タグ	タグディクショナリ。タグは追加、削除、更新できます。	リソースベースタグ

ジョブベースサービス

名前	説明	価値

ジョブ入力

名前	説明	価値
説明	入力の説明。	文字列
ジョブインプットタイプ	CustomModelJobInput 型の場合は、'custom_model' に設定します。 LiteralJobInput 型の場合は、'literal' に設定します。 MLFlowModelJobInput 型の場合は、'mlflow_model' に設定します。 MLTableJobInput 型の場合は 'mltable' に設定されます。 TritonModelJobInput 型の場合は、'triton_model' に設定します。 UriFileJobInput 型の場合は、'uri_file' に設定します。 UriFolderJobInput 型の場合は、'uri_folder' に設定します。	「custom_model」「リテラル」「mlflow_model」 'mltable' 「triton_model」「uri_file」 'uri_folder' (必須)

ジョブ出力

名前	説明	価値
説明	出力の説明。	文字列
ジョブ出力タイプ	CustomModelJobOutput 型の場合は、'custom_model' に設定します。 MLFlowModelJobOutput 型の場合は、'mlflow_model' に設定します。 MLTableJobOutput 型の場合は 'mltable' に設定されます。 TritonModelJobOutput 型の場合は、'triton_model' に設定します。 UriFileJobOutput 型の場合は、'uri_file' に設定します。 UriFolderJobOutput 型の場合は、'uri_folder' に設定します。	「custom_model」「mlflow_model」 'mltable' 「triton_model」「uri_file」 'uri_folder' (必須)

ジョブリソース構成

名前	説明	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。	文字列
インスタンス数	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)。	整数 (int)
インスタンスタイプ	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。	文字列
プロパティ	追加のプロパティバッグ。	リソース構成プロパティ
shmSize(シュムサイズ)	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。	糸制約：パターン = `\d+[bBkKmMgG]`

ジョブリソース

名前	説明	価値
インスタンスタイプ	選択するインスタンスの種類の一覧。	文字列[]

ジョブサービス

名前	説明	価値
エンドポイント	エンドポイントの URL。	文字列
ジョブサービスタイプ	エンドポイントの種類。	文字列
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
ポート	エンドポイントのポート。	整数 (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。	ジョブサービスプロパティ

ジョブサービスプロパティ

名前	説明	価値

リテラルジョブ入力

名前	説明	価値
ジョブインプットタイプ	[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。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

マネージドアイデンティティ

名前	説明	価値
クライアントID	クライアント ID でユーザー割り当て ID を指定します。システム割り当ての場合は、このフィールドを設定しないでください。	糸制約：最小長 = 36 最大長 = 36 パターン = `^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$`
アイデンティティタイプ	[必須]ID フレームワークの種類を指定します。	'Managed' (必須)
オブジェクトID	ユーザー割り当て ID をオブジェクト ID で指定します。システム割り当ての場合は、このフィールドを設定しないでください。	糸制約：最小長 = 36 最大長 = 36 パターン = `^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$`
リソースID	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。	文字列

メディアンストップポリシー

名前	説明	価値
ポリシータイプ	[必須]ポリシー構成の名前	'MedianStopping' (必須)

MLFlowModelジョブ入力

名前	説明	価値
説明	入力の説明。	文字列
ジョブインプットタイプ	[必須]ジョブの種類を指定します。	「custom_model」「リテラル」「mlflow_model」 'mltable' 「triton_model」「uri_file」 'uri_folder' (必須)
モード	入力資産配信モード。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

MLFlowModelジョブ入力

名前	説明	価値
ジョブインプットタイプ	[必須]ジョブの種類を指定します。	'mlflow_model' (必須)
モード	入力資産配信モード。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

MLFlowModelジョブ出力

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

MLTableJobInput

名前	説明	価値
説明	入力の説明。	文字列
ジョブインプットタイプ	[必須]ジョブの種類を指定します。	「custom_model」「リテラル」「mlflow_model」 'mltable' 「triton_model」「uri_file」 'uri_folder' (必須)
モード	入力資産配信モード。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

MLTableJobInput

名前	説明	価値
ジョブインプットタイプ	[必須]ジョブの種類を指定します。	'mltable' (必須)
モード	入力資産配信モード。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

MLTableJobOutput

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

Mpiの

名前	説明	価値
distributionType (ディストリビューションタイプ)	[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。	整数 (int)

NCross検証

名前	説明	価値
モード	AutoNCrossValidations 型の場合は、'Auto' に設定します。 CustomNCrossValidations 型の場合は、'Custom' に設定します。	「オート」 'Custom' (必須)

NlpVerticalFeaturizationSettings

名前	説明	価値
datasetLanguage (英語)	テキストデータに役立つデータセット言語。	文字列

NlpVerticalLimitSettings

名前	説明	価値
maxConcurrentTrials	AutoML の同時実行の最大イテレーション数。	整数 (int)
マックストライアル	AutoML イテレーションの数。	整数 (int)
タイムアウト	AutoML ジョブのタイムアウト。	文字列

ノード

名前	説明	価値
ノード値タイプ	AllNodes 型の場合は、'All' に設定します。	'All' (必須)

通知設定

名前	説明	価値
メールオン	指定した通知の種類でユーザーに電子メール通知を送信する	次のいずれかを含む文字列配列: 「ジョブキャンセル」「ジョブ完了」 'ジョブ失敗'
メール	これは、コンマ区切り記号付きの合計 concat で 499 文字の制限がある電子メール受信者リストです	文字列[]
ウェブフック	Webhook コールバックをサービスに送信します。キーは、Webhook のユーザー指定の名前です。	NotificationSettingWebhooks の

NotificationSettingWebhooks (英語)

名前	説明	価値

目的

名前	説明	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)
プライマリメトリック	[必須]最適化するメトリックの名前。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

パイプラインジョブ

名前	説明	価値
入力	パイプラインジョブの入力。	パイプラインジョブ入力
ジョブ	ジョブはパイプラインジョブを構築します。	PipelineJobs
職種	[必須]ジョブの種類を指定します。	'Pipeline' (必須)
出力	パイプラインジョブの出力	パイプラインジョブ出力
設定	ContinueRunOnStepFailure などのパイプライン設定。	任意
ソースジョブID	ソースジョブの ARM リソース ID。	文字列

パイプラインジョブ入力

名前	説明	価値

PipelineJobs

名前	説明	価値

パイプラインジョブ出力

名前	説明	価値

PyTorch

名前	説明	価値
distributionType (ディストリビューションタイプ)	[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。	整数 (int)

キュー設定

名前	説明	価値
ジョブティア	コンピューティングジョブレベルを制御します。	「ベーシック」 'ヌル' 「プレミアム」「スポット」「スタンダード」

ランダムサンプリングアルゴリズム

名前	説明	価値
ルール	ランダムアルゴリズムの特定の種類	「ランダム」「ソボル」
サンプリングアルゴリズムタイプ	[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)
シード	乱数生成のシードとして使用する省略可能な整数	整数 (int)

回帰

名前	説明	価値
cvSplitColumnNames(cvSplitColumnNames)	CVSplit データに使用する列。	文字列[]
特徴化設定	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
limitSettings (制限設定)	AutoMLJob の実行制約。	TableVerticalLimitSettings (テーブル垂直制限設定)
nCrossValidations (英語)	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。	NCross検証
プライマリメトリック	回帰タスクの主要メトリック。	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 「R2スコア」 'スピアマンコレレーション'
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'Regression' (必須)
テストデータ	データ入力をテストします。	MLTableJobInput
testDataSize (テストデータサイズ)	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。	整数 (int)
training設定	AutoML ジョブのトレーニングフェーズの入力。	RegressionTrainingSettings (回帰トレーニング設定)
validationData (検証データ)	検証データの入力。	MLTableJobInput
validationDataSize (検証データサイズ)	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。	整数 (int)
weightColumnName (重み列名)	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。	文字列

RegressionTrainingSettings (回帰トレーニング設定)

名前	説明	価値
allowedTrainingAlgorithms (英語)	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: 「デシジョンツリー」「エラスティックネット」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」 'なげなわ' 「ライトGBM」「ランダムフォレスト」「SGD」「XGBoostRegressor」
blockedTrainingアルゴリズム	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: 「デシジョンツリー」「エラスティックネット」「エクストリームランダムツリー」「グラディエントブースティング」「KNN」 'なげなわ' 「ライトGBM」「ランダムフォレスト」「SGD」「XGBoostRegressor」
enableDnnトレーニング	DNN モデルの推奨事項を有効にします。	ブール (bool)
enableModelExplainability (英語)	最適なモデルで説明可能性を有効にするフラグ。	ブール (bool)
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	ブール (bool)
enableStackEnsemble	スタックアンサンブル実行を有効にします。	ブール (bool)
enableVoteアンサンブル	投票アンサンブル実行を有効にします。	ブール (bool)
アンサンブルモデルダウンロードタイムアウト	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。	文字列
stackEnsemble設定	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。	StackEnsemble設定

リソースベースプロパティ

名前	説明	価値

リソースベースタグ

名前	説明	価値

リソース構成プロパティ

名前	説明	価値

サンプリングアルゴリズム

名前	説明	価値
サンプリングアルゴリズムタイプ	BayesianSamplingAlgorithm 型の場合は 'Bayesian' に設定します。 GridSamplingAlgorithm 型の 'Grid' に設定します。 RandomSamplingAlgorithm 型の場合は 'Random' に設定します。	「ベイジアン」「グリッド」 'Random' (必須)

季節

名前	説明	価値
モード	AutoSeasonality 型の場合は、'Auto' に設定します。 CustomSeasonality 型の場合は、'Custom' に設定します。	「オート」 'Custom' (必須)

スパークジョブ

名前	説明	価値
史料	ジョブで使用されるアーカイブファイル。	文字列[]
引数	ジョブの引数。	文字列
コードID	[必須] コード資産の arm-id。	string (必須)
(Assuming "conf" stands for "conference") コンファレンス	Spark で構成されたプロパティ。	SparkJobConf (英語)
エントリ	[必須]ジョブの起動時に実行するエントリ。	SparkJobEntry (必須)
環境ID	ジョブの環境仕様の ARM リソース ID。	文字列
環境変数	ジョブに含まれる環境変数。	SparkJobEnvironment変数
ファイル	ジョブで使用されるファイル。	文字列[]
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。	SparkJobの入力パラメータ
瓶	ジョブで使用される Jar ファイル。	文字列[]
職種	[必須]ジョブの種類を指定します。	'Spark' (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。	SparkJobの出力
pyファイル(pyFiles)	ジョブで使用される Python ファイル。	文字列[]
キューセッティング	ジョブのキュー設定	キュー設定
リソース	ジョブのコンピューティングリソース構成。	Sparkリソースコンフィギュレーション

SparkJobConf (英語)

名前	説明	価値

SparkJobエントリ

名前	説明	価値
sparkJobEntryType (スパークジョブエントリタイプ)	SparkJobPythonEntry 型の場合は、" SparkJobPythonEntry" に設定します。 SparkJobScalaEntry 型の場合は、" SparkJobScalaEntry" に設定します。	'SparkJobPythonEntry' 'SparkJobScalaEntry' (必須)

SparkJobEnvironment変数

名前	説明	価値

SparkJobの入力パラメータ

名前	説明	価値

SparkJobの出力

名前	説明	価値

SparkJobPythonエントリ

名前	説明	価値
ファイル	[必須]ジョブエントリポイントの相対 Python ファイルパス。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
sparkJobEntryType (スパークジョブエントリタイプ)	[必須]ジョブのエントリポイントの種類。	'SparkJobPythonEntry' (必須)

SparkJobScalaEntry

名前	説明	価値
クラス名	[必須]エントリポイントとして使用される Scala クラス名。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
sparkJobEntryType (スパークジョブエントリタイプ)	[必須]ジョブのエントリポイントの種類。	'SparkJobScalaEntry' (必須)

Sparkリソースコンフィギュレーション

名前	説明	価値
インスタンスタイプ	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。	文字列
ランタイムバージョン	ジョブに使用される Spark ランタイムのバージョン。	文字列

StackEnsemble設定

名前	説明	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。	任意
スタックMetaLearnerTrainPercentage	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。	整数 (int)
スタックメタ学習者タイプ	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。	「エラスティックネット」「エラスティックネットCV」「ライトGBMClassifier」「LightGBMレグレッサー」 '線形回帰' 'LogisticRegression' (ロジスティック回帰) 'LogisticRegressionCV' 「なし」

スイープジョブ

名前	説明	価値
早期終了	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	早期終了ポリシー
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 (スイープジョブ入力)
職種	[必須]ジョブの種類を指定します。	'Sweep' (必須)
制限	スイープジョブの制限。	スイープジョブの制限
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。	スイープジョブ出力
キューセッティング	ジョブのキュー設定	キュー設定
サンプリングアルゴリズム	[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)
サーチスペース	[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	any (必須)
評価版	[必須]試用版コンポーネントの定義。	TrialComponent (必須)

SweepJobInputs (スイープジョブ入力)

名前	説明	価値

スイープジョブの制限

名前	説明	価値
ジョブリミットタイプ	[必須]JobLimit 型。	「コマンド」 'Sweep' (必須)
maxConcurrentTrials	スイープジョブの最大同時試行回数。	整数 (int)
maxTotalTrialsの	スイープジョブの最大試行回数。	整数 (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。	文字列
trialTimeout(トライアルタイムアウト)	スイープジョブ試用版のタイムアウト値。	文字列

スイープジョブ出力

名前	説明	価値

TableVerticalFeaturizationSettings

名前	説明	価値
ブロックトランスフォーマー	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」 'カウントベクタライザー' 「ハッシュワンホットエンコーダー」「ラベルエンコーダー」「ナイーブベイズ」「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 (英語)	テキストデータに役立つデータセット言語。	文字列
enableDnnフィーチャライゼーション	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。	ブール (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。	「オート」「カスタム」「オフ」
トランスパラメータ	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	説明	価値

TableVerticalFeaturizationSettingsTransformerParams

名前	説明	価値

TableVerticalLimitSettings (テーブル垂直制限設定)

名前	説明	価値
enableEarlyTermination (英語)	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。	ブール (bool)
終了スコア	AutoML ジョブの終了スコア。	整数 (int)
maxConcurrentTrials	最大同時反復数。	整数 (int)
maxCoresPerTrial (英語)	イテレーションあたりの最大コア数。	整数 (int)
マックストライアル	反復回数。	整数 (int)
タイムアウト	AutoML ジョブのタイムアウト。	文字列
trialTimeout(トライアルタイムアウト)	繰り返しタイムアウト。	文字列

ターゲットラグ

名前	説明	価値
モード	AutoTargetLags 型の場合は、'Auto' に設定します。 CustomTargetLags 型の場合は、'Custom' に設定します。	「オート」 'Custom' (必須)

ターゲットローリングウィンドウサイズ

名前	説明	価値
モード	AutoTargetRollingWindowSize 型の場合は、'Auto' に設定します。 CustomTargetRollingWindowSize 型の場合は、'Custom' に設定します。	「オート」 'Custom' (必須)

TensorFlow

名前	説明	価値
distributionType (ディストリビューションタイプ)	[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)
パラメータServerCount	パラメーターサーバータスクの数。	整数 (int)
ワーカー数	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。	整数 (int)

テキスト分類

名前	説明	価値
特徴化設定	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings (制限設定)	AutoMLJob の実行制約。	NlpVerticalLimitSettings
プライマリメトリック	Text-Classification タスクのプライマリメトリック。	「正確さ」「AUCWeighted」 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 「PrecisionScoreWeighted」
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'TextClassification' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput

テキスト分類マルチラベル

名前	説明	価値
特徴化設定	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings (制限設定)	AutoMLJob の実行制約。	NlpVerticalLimitSettings
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'TextClassificationMultilabel' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput

テキストナー

名前	説明	価値
特徴化設定	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings (制限設定)	AutoMLJob の実行制約。	NlpVerticalLimitSettings
タスクタイプ	[必須]AutoMLJob のタスクの種類。	'TextNER' (必須)
validationData (検証データ)	検証データの入力。	MLTableJobInput

トライアルコンポーネント

名前	説明	価値
コードID	コード資産の ARM リソース ID。	文字列
コマンド	[必須]ジョブの起動時に実行するコマンド。例えば。「パイソン train.py」	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
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。	ディストリビューション構成
環境ID	[必須]ジョブの環境仕様の ARM リソース ID。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)
環境変数	ジョブに含まれる環境変数。	TrialComponentEnvironment変数
リソース	ジョブのコンピューティングリソース構成。	ジョブリソース構成

TrialComponentEnvironment変数

名前	説明	価値

トリトンモデルジョブ入力

名前	説明	価値
ジョブインプットタイプ	[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。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

TritonModelジョブ出力

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

切り捨て選択ポリシー

名前	説明	価値
ポリシータイプ	[必須]ポリシー構成の名前	'TruncationSelection' (必須)
切り捨てパーセンテージ	各評価間隔で取り消す実行の割合。	整数 (int)

UriFileJobInput

名前	説明	価値
ジョブインプットタイプ	[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。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

UriFileジョブ出力

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

UriFolderJobInput

名前	説明	価値
ジョブインプットタイプ	[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。	「直接」 'ダウンロード' 「評価ダウンロード」「エバルマウント」 'ReadOnlyMount' (リードオンリーマウント) 'ReadWriteMount'
URI	[必須]入力資産 URI。	糸制約：最小長 = 1 パターン = `[a-zA-Z0-9_]` (必須)

UriFolderJobOutput (英語)

名前	説明	価値
ジョブ出力タイプ	[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。	「直接」 'ReadWriteMount' 「アップロード」
URI	出力アセット URI。	文字列

ユーザーアイデンティティ

名前	説明	価値
アイデンティティタイプ	[必須]ID フレームワークの種類を指定します。	'UserIdentity' (必須)

ウェブフック

名前	説明	価値
イベントタイプ	指定した通知イベントのコールバックを送信する	文字列
webhookタイプ	AzureDevOpsWebhook 型の場合は、'AzureDevOps' に設定します。	'AzureDevOps' (必須)

次の方法で共有

Microsoft.MachineLearningServices ワークスペース/ジョブ 2024-07-01-preview

Bicep リソース定義

リソースの形式

FineTuningVertical オブジェクト

TargetRollingWindowSize オブジェクト

JobInput オブジェクト

JobBaseProperties オブジェクト

IdentityConfiguration オブジェクト

ForecastHorizon オブジェクト

EarlyTerminationPolicy オブジェクト

季節性オブジェクト

JobOutput オブジェクト

TargetLags オブジェクト

Webhook オブジェクト

SamplingAlgorithm オブジェクト

SparkJobEntry オブジェクト

DistributionConfiguration オブジェクト

NCrossValidations オブジェクト

Nodes オブジェクト

AutoMLVertical オブジェクト

プロパティ値

Microsoft.MachineLearningServices/workspaces/jobs (マイクロソフトの機械学習サービス/ワークスペース/ジョブ)

オールノード

Amlトークン

自動予測ホライゾン

AutoMLジョーブ

AutoMLJobEnvironment変数

AutoMLのジョブ出力

AutoMLバーティカル

AutoNCross検証

オートシーズナリティ

オートターゲットラグ

オートターゲットローリングウィンドウサイズ

AzureDevOpsWebhook

AzureOpenAiFineTuning

AzureOpenAiHyperParameters

バンディットポリシー

ベイジアンサンプリングアルゴリズム

分類

分類トレーニング設定

カラムトランスフォーマー

コマンドジョブ

CommandJobEnvironment変数

コマンドジョブ入力

CommandJobLimits(コマンドジョブ制限)

CommandJobOutputs (コマンドジョブ出力)

カスタム予測ホライゾン

CustomModelFineTuning

CustomModelFineTuningハイパーパラメータ

CustomModelJobInput

CustomModelJobOutput

CustomNCross検証

カスタムシーズナリティ

CustomTargetLags (英語)

CustomTargetRollingWindowSize (カスタムターゲットローリングウィンドウサイズ)

ディストリビューション構成

早期終了ポリシー

ファインチューニングジョブ

FineTuningJobOutputs (ジョブ出力の微調整)

ファインチューニング垂直

フォーキャストホライゾン

予測

ForecastingSettings (予測設定)

ForecastingTrainingSettings (英語)

GridSamplingアルゴリズム

アイデンティティ設定

画像分類

ImageClassificationマルチラベル

ImageInstanceセグメンテーション

ImageLimitSettings (イメージリミット設定)

ImageModelDistributionSettings分類

ImageModelDistributionSettingsオブジェクト検出

ImageModelSettings分類

ImageModelSettingsオブジェクト検出

ImageObjectDetection (画像オブジェクト検出)

ImageSweepSettings (イメージスイープ設定)

ジョブベースプロパティ

ジョブベースサービス

ジョブ入力

マネージドアイデンティティ

パイプラインジョブ入力