Lezen in het Engels

Delen via

Microsoft.MachineLearningServices-werkruimten/-planningen

  • Artikel
Een implementatietaal kiezen

Bicep-resourcedefinitie

Het resourcetype werkruimten/planningen kan worden geïmplementeerd met bewerkingen die zijn gericht op:

Zie logboek wijzigenvoor een lijst met gewijzigde eigenschappen in elke API-versie.

Resource-indeling

Als u een Resource microsoft.MachineLearningServices/werkruimten/planningen wilt maken, voegt u de volgende Bicep toe aan uw sjabloon.

resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2025-01-01-preview' = {
  parent: resourceSymbolicName
  name: 'string'
  properties: {
    action: {
      actionType: 'string'
      // For remaining properties, see ScheduleActionBase objects
    }
    description: 'string'
    displayName: 'string'
    isEnabled: bool
    properties: {
      {customized property}: 'string'
    }
    tags: {
      {customized property}: 'string'
    }
    trigger: {
      endTime: 'string'
      startTime: 'string'
      timeZone: 'string'
      triggerType: 'string'
      // For remaining properties, see TriggerBase objects
    }
  }
}

FineTuningVertical-objecten

Stel de eigenschap modelProvider in om het type object op te geven.

Gebruik voor AzureOpenAI-:

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

Gebruik voor Aangepaste:

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

Webhookobjecten

Stel de eigenschap webhookType in om het type object op te geven.

Gebruik voor AzureDevOps-:

{
  webhookType: 'AzureDevOps'
}

Knooppuntobjecten

Stel de eigenschap nodesValueType in om het type object op te geven.

Gebruik voor Alle:

{
  nodesValueType: 'All'
}

TriggerBase-objecten

Stel de eigenschap triggerType in om het type object op te geven.

Gebruik voor Cron:

{
  expression: 'string'
  triggerType: 'Cron'
}

Gebruik voor terugkeerpatroon:

{
  frequency: 'string'
  interval: int
  schedule: {
    hours: [
      int
    ]
    minutes: [
      int
    ]
    monthDays: [
      int
    ]
    weekDays: [
      'string'
    ]
  }
  triggerType: 'Recurrence'
}

JobInput-objecten

Stel de eigenschap jobInputType in om het type object op te geven.

Gebruik voor custom_model:

{
  jobInputType: 'custom_model'
  mode: 'string'
  uri: 'string'
}

Gebruik voor letterlijke:

{
  jobInputType: 'literal'
  value: 'string'
}

Gebruik voor mlflow_model:

{
  jobInputType: 'mlflow_model'
  mode: 'string'
  uri: 'string'
}

Gebruik voor mltable:

{
  jobInputType: 'mltable'
  mode: 'string'
  uri: 'string'
}

Gebruik voor triton_model:

{
  jobInputType: 'triton_model'
  mode: 'string'
  uri: 'string'
}

Voor uri_filegebruikt u:

{
  jobInputType: 'uri_file'
  mode: 'string'
  uri: 'string'
}

Gebruik voor uri_folder:

{
  jobInputType: 'uri_folder'
  mode: 'string'
  uri: 'string'
}

SamplingAlgorithm-objecten

Stel de eigenschap samplingAlgorithmType in om het type object op te geven.

Gebruik voor Bayesian-:

{
  samplingAlgorithmType: 'Bayesian'
}

Gebruik voor Grid:

{
  samplingAlgorithmType: 'Grid'
}

Gebruik voor Willekeurige:

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

IdentityConfiguration-objecten

Stel de eigenschap identityType in om het type object op te geven.

Gebruik voor AMLToken-:

{
  identityType: 'AMLToken'
}

Gebruik voor Beheerde:

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

Gebruik voor UserIdentity-:

{
  identityType: 'UserIdentity'
}

MonitorComputeConfigurationBase-objecten

Stel de eigenschap computeType in om het type object op te geven.

Gebruik voor ServerlessSpark:

{
  computeIdentity: {
    computeIdentityType: 'string'
    // For remaining properties, see MonitorComputeIdentityBase objects
  }
  computeType: 'ServerlessSpark'
  instanceType: 'string'
  runtimeVersion: 'string'
}

SparkJobEntry-objecten

Stel de eigenschap sparkJobEntryType in om het type object op te geven.

Gebruik voor SparkJobPythonEntry:

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

Gebruik voor SparkJobScalaEntry-:

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

EarlyTerminationPolicy-objecten

Stel de eigenschap policyType in om het type object op te geven.

Gebruik voor Bandit-:

{
  policyType: 'Bandit'
  slackAmount: int
  slackFactor: int
}

Gebruik voor MedianStopping:

{
  policyType: 'MedianStopping'
}

Gebruik voor TruncationSelection:

{
  policyType: 'TruncationSelection'
  truncationPercentage: int
}

JobOutput-objecten

Stel de eigenschap jobOutputType in om het type object op te geven.

Gebruik voor custom_model:

{
  assetName: 'string'
  jobOutputType: 'custom_model'
  mode: 'string'
  uri: 'string'
}

Gebruik voor mlflow_model:

{
  assetName: 'string'
  jobOutputType: 'mlflow_model'
  mode: 'string'
  uri: 'string'
}

Gebruik voor mltable:

{
  assetName: 'string'
  jobOutputType: 'mltable'
  mode: 'string'
  uri: 'string'
}

Gebruik voor triton_model:

{
  assetName: 'string'
  jobOutputType: 'triton_model'
  mode: 'string'
  uri: 'string'
}

Voor uri_filegebruikt u:

{
  assetName: 'string'
  jobOutputType: 'uri_file'
  mode: 'string'
  uri: 'string'
}

Gebruik voor uri_folder:

{
  assetName: 'string'
  jobOutputType: 'uri_folder'
  mode: 'string'
  uri: 'string'
}

DataQualityMetricThresholdBase-objecten

Stel de eigenschap dataType in om het type object op te geven.

Gebruik voor Categorische:

{
  dataType: 'Categorical'
  metric: 'string'
}

Gebruik voor numerieke:

{
  dataType: 'Numerical'
  metric: 'string'
}

TargetLags-objecten

Stel de modus eigenschap in om het type object op te geven.

Gebruik voor Automatische:

{
  mode: 'Auto'
}

Gebruik voor Aangepaste:

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

MonitoringInputDataBase-objecten

Stel de eigenschap inputDataType in om het type object op te geven.

Gebruik voor vaste:

{
  inputDataType: 'Fixed'
}

Gebruik voor Rolling:

{
  inputDataType: 'Rolling'
  preprocessingComponentId: 'string'
  windowOffset: 'string'
  windowSize: 'string'
}

Gebruik voor Statische:

{
  inputDataType: 'Static'
  preprocessingComponentId: 'string'
  windowEnd: 'string'
  windowStart: 'string'
}

MonitorComputeIdentityBase-objecten

Stel de eigenschap computeIdentityType in om het type object op te geven.

Gebruik voor AmlToken-:

{
  computeIdentityType: 'AmlToken'
}

Gebruik voor ManagedIdentity-:

{
  computeIdentityType: 'ManagedIdentity'
  identity: {
    type: 'string'
    userAssignedIdentities: {
      {customized property}: {}
    }
  }
}

PredictionDriftMetricThresholdBase-objecten

Stel de eigenschap dataType in om het type object op te geven.

Gebruik voor Categorische:

{
  dataType: 'Categorical'
  metric: 'string'
}

Gebruik voor numerieke:

{
  dataType: 'Numerical'
  metric: 'string'
}

Seizoensgebondenheidsobjecten

Stel de modus eigenschap in om het type object op te geven.

Gebruik voor Automatische:

{
  mode: 'Auto'
}

Gebruik voor Aangepaste:

{
  mode: 'Custom'
  value: int
}

JobBaseProperties-objecten

Stel de eigenschap jobType in om het type object op te geven.

Gebruik voor AutoML-:

{
  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'
    dockerArgsList: [
      '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
  }
}

Gebruik voor Command:

{
  codeId: 'string'
  command: 'string'
  distribution: {
    distributionType: 'string'
    // For remaining properties, see DistributionConfiguration objects
  }
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  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'
    dockerArgsList: [
      'string'
    ]
    instanceCount: int
    instanceType: 'string'
    properties: {
      {customized property}: any(...)
    }
    shmSize: 'string'
  }
}

Gebruik voor distillatie:

{
  dataGenerationDetails: {
    dataGenerationTaskType: 'string'
    promptSettings: {
      enableChainOfDensity: bool
      enableChainOfThought: bool
      maxLenSummary: int
    }
    teacherModelEndpoint: {
      endpointName: 'string'
    }
    teacherModelSettings: {
      teacherModelEndpointRequestSettings: {
        minEndpointSuccessRatio: int
        requestBatchSize: int
      }
      teacherModelInferenceParameters: {
        {customized property}: 'string'
      }
    }
    dataGenerationType: 'string'
    // For remaining properties, see DataGenerationVertical objects
  }
  finetuningDetails: {
    hyperParameters: {
      {customized property}: 'string'
    }
    studentModel: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  jobType: 'Distillation'
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
  }
  resources: {
    instanceTypes: [
      'string'
    ]
  }
}

Gebruik voor FineTuning:

{
  fineTuningDetails: {
    model: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
    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'
    ]
  }
}

Gebruik voor Pipeline:

{
  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'
}

Gebruik voor Spark-:

{
  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'
  }
}

Gebruik voor Sweep:

{
  earlyTermination: {
    delayEvaluation: int
    evaluationInterval: int
    policyType: 'string'
    // For remaining properties, see EarlyTerminationPolicy objects
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  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'
      dockerArgsList: [
        'string'
      ]
      instanceCount: int
      instanceType: 'string'
      properties: {
        {customized property}: any(...)
      }
      shmSize: 'string'
    }
  }
}

NCrossValidations-objecten

Stel de modus eigenschap in om het type object op te geven.

Gebruik voor Automatische:

{
  mode: 'Auto'
}

Gebruik voor Aangepaste:

{
  mode: 'Custom'
  value: int
}

MonitoringSignalBase-objecten

Stel de eigenschap signalType in om het type object op te geven.

Gebruik voor Aangepaste:

{
  componentId: 'string'
  inputAssets: {
    {customized property}: {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  metricThresholds: [
    {
      metric: 'string'
      threshold: {
        value: int
      }
    }
  ]
  signalType: 'Custom'
}

Gebruik voor DataDrift-:

{
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  featureImportanceSettings: {
    mode: 'string'
    targetColumn: 'string'
  }
  features: {
    filterType: 'string'
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds: [
    {
      threshold: {
        value: int
      }
      dataType: 'string'
      // For remaining properties, see DataDriftMetricThresholdBase objects
    }
  ]
  productionData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'DataDrift'
}

Gebruik voor DataQuality:

{
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  featureImportanceSettings: {
    mode: 'string'
    targetColumn: 'string'
  }
  features: {
    filterType: 'string'
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds: [
    {
      threshold: {
        value: int
      }
      dataType: 'string'
      // For remaining properties, see DataQualityMetricThresholdBase objects
    }
  ]
  productionData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'DataQuality'
}

Gebruik voor FeatureAttributionDrift-:

{
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  featureImportanceSettings: {
    mode: 'string'
    targetColumn: 'string'
  }
  metricThreshold: {
    metric: 'string'
    threshold: {
      value: int
    }
  }
  productionData: [
    {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'FeatureAttributionDrift'
}

Gebruik voor PredictionDrift:

{
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  metricThresholds: [
    {
      threshold: {
        value: int
      }
      dataType: 'string'
      // For remaining properties, see PredictionDriftMetricThresholdBase objects
    }
  ]
  productionData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'PredictionDrift'
}

DataGenerationVertical-objecten

Stel de eigenschap dataGenerationType in om het type object op te geven.

Gebruik voor LabelGeneration:

{
  dataGenerationType: 'LabelGeneration'
  trainingData: {
    description: 'string'
    jobInputType: 'string'
    // For remaining properties, see JobInput objects
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    // For remaining properties, see JobInput objects
  }
}

ScheduleActionBase-objecten

Stel de eigenschap actionType in om het type object op te geven.

Gebruik voor CreateJob:

{
  actionType: 'CreateJob'
  jobDefinition: {
    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
        }
      }
    }
    parentJobName: 'string'
    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
  }
}

Gebruik voor CreateMonitor:

{
  actionType: 'CreateMonitor'
  monitorDefinition: {
    alertNotificationSettings: {
      emailNotificationSettings: {
        emails: [
          'string'
        ]
      }
    }
    computeConfiguration: {
      computeType: 'string'
      // For remaining properties, see MonitorComputeConfigurationBase objects
    }
    monitoringTarget: {
      deploymentId: 'string'
      modelId: 'string'
      taskType: 'string'
    }
    signals: {
      {customized property}: {
        notificationTypes: [
          'string'
        ]
        properties: {
          {customized property}: 'string'
        }
        signalType: 'string'
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }
}

Gebruik voor InvokeBatchEndpoint:

{
  actionType: 'InvokeBatchEndpoint'
  endpointInvocationDefinition: any(...)
}

DistributionConfiguration-objecten

Stel de eigenschap distributionType in om het type object op te geven.

Gebruik voor Mpi-:

{
  distributionType: 'Mpi'
  processCountPerInstance: int
}

Gebruik voor PyTorch-:

{
  distributionType: 'PyTorch'
  processCountPerInstance: int
}

Gebruik voor TensorFlow-:

{
  distributionType: 'TensorFlow'
  parameterServerCount: int
  workerCount: int
}

DataDriftMetricThresholdBase-objecten

Stel de eigenschap dataType in om het type object op te geven.

Gebruik voor Categorische:

{
  dataType: 'Categorical'
  metric: 'string'
}

Gebruik voor numerieke:

{
  dataType: 'Numerical'
  metric: 'string'
}

ForecastHorizon-objecten

Stel de modus eigenschap in om het type object op te geven.

Gebruik voor Automatische:

{
  mode: 'Auto'
}

Gebruik voor Aangepaste:

{
  mode: 'Custom'
  value: int
}

TargetRollingWindowSize-objecten

Stel de modus eigenschap in om het type object op te geven.

Gebruik voor Automatische:

{
  mode: 'Auto'
}

Gebruik voor Aangepaste:

{
  mode: 'Custom'
  value: int
}

MonitoringFeatureFilterBase-objecten

Stel de eigenschap filterType in om het type object op te geven.

Gebruik voor AllFeatures:

{
  filterType: 'AllFeatures'
}

Gebruik voor FeatureSubset:

{
  features: [
    'string'
  ]
  filterType: 'FeatureSubset'
}

Gebruik voor TopNByAttribution:

{
  filterType: 'TopNByAttribution'
  top: int
}

AutoMLVertical-objecten

Stel de eigenschap taskType in om het type object op te geven.

Gebruik voor Classificatie:

{
  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'
}

Gebruik voor voorspellen:

{
  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'
}

Gebruik voor ImageClassification:

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

Gebruik voor ImageClassificationMultilabel:

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

Gebruik voor ImageInstanceSegmentation:

{
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    boxDetectionsPerImage: int
    boxScoreThreshold: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    imageSize: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    maxSize: int
    minSize: int
    modelName: 'string'
    modelSize: 'string'
    momentum: int
    multiScale: bool
    nesterov: bool
    nmsIouThreshold: int
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    tileGridSize: 'string'
    tileOverlapRatio: int
    tilePredictionsNmsThreshold: int
    trainingBatchSize: int
    validationBatchSize: int
    validationIouThreshold: int
    validationMetricType: 'string'
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
  }
  primaryMetric: '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
}

Gebruik voor ImageObjectDetection:

{
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    boxDetectionsPerImage: int
    boxScoreThreshold: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    imageSize: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    maxSize: int
    minSize: int
    modelName: 'string'
    modelSize: 'string'
    momentum: int
    multiScale: bool
    nesterov: bool
    nmsIouThreshold: int
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    tileGridSize: 'string'
    tileOverlapRatio: int
    tilePredictionsNmsThreshold: int
    trainingBatchSize: int
    validationBatchSize: int
    validationIouThreshold: int
    validationMetricType: 'string'
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
  }
  primaryMetric: '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
}

Gebruik voor regressie-:

{
  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'
}

Gebruik voor TextClassification:

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

Gebruik voor TextClassificationMultilabel:

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

Gebruik voor TextNER-:

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

Eigenschapswaarden

AllFeatures

Naam Beschrijving Waarde
filterType [Vereist] Hiermee geeft u het functiefilter op dat moet worden gebruikt bij het selecteren van functies om metrische gegevens te berekenen. 'AllFeatures' (vereist)

AllNodes

Naam Beschrijving Waarde
nodesValueType [Vereist] Type van de waarde Knooppunten 'Alles' (vereist)

AmlToken

Naam Beschrijving Waarde
identityType [Vereist] Hiermee geeft u het type identiteitsframework op. AMLToken (vereist)

AmlTokenComputeIdentity

Naam Beschrijving Waarde
computeIdentityType [Vereist] Hiermee geeft u het type identiteit op dat moet worden gebruikt binnen de bewakingstaken. AmlToken (vereist)

AutoForecastHorizon

Naam Beschrijving Waarde
wijze [Vereist] Stel de selectiemodus voor de waarde van de prognose horizon in. 'Auto' (vereist)

AutoMLJob

Naam Beschrijving Waarde
environmentId De ARM-resource-id van de omgevingsspecificatie voor de taak.
Dit is een optionele waarde die moet worden opgegeven, indien niet opgegeven, wordt deze standaard ingesteld op de door AutoML samengestelde omgevingsversie van Productie bij het uitvoeren van de taak.		 snaar
environmentVariables Omgevingsvariabelen die zijn opgenomen in de taak. AutoMLJobEnvironmentVariables
jobType [Vereist] Hiermee geeft u het type taak. 'AutoML' (vereist)
Uitgangen Toewijzing van uitvoergegevensbindingen die in de taak worden gebruikt. AutoMLJobOutputs
queueSettings Wachtrijinstellingen voor de taak QueueSettings
weg Rekenresourceconfiguratie voor de taak. JobResourceConfiguration-
taskDetails [Vereist] Dit vertegenwoordigt een scenario dat een van tabellen/NLP/Image kan zijn AutoMLVertical (vereist)

AutoMLJobEnvironmentVariables

Naam Beschrijving Waarde

AutoMLJobOutputs

Naam Beschrijving Waarde

AutoMLVertical

Naam Beschrijving Waarde
logVerbosity Logboek uitgebreidheid voor de taak. 'Kritiek'
'Fouten opsporen'
'Fout'
'Info'
'NotSet'
'Waarschuwing'
targetColumnName Naam van doelkolom: dit is de kolom voorspellingswaarden.
Ook wel labelkolomnaam genoemd in de context van classificatietaken.		 snaar
taskType Ingesteld op Classificatie voor het type Classificatie. Ingesteld op 'Prognose' voor het type Voorspellen. Ingesteld op 'ImageClassification' voor het type ImageClassification. Ingesteld op 'ImageClassificationMultilabel' voor het type ImageClassificationMultilabel. Ingesteld op ImageInstanceSegmentation voor type ImageInstanceSegmentation. Ingesteld op ImageObjectDetection voor het type ImageObjectDetection. Ingesteld op Regressie voor het type Regressie. Ingesteld op 'TextClassification' voor het type TextClassification. Ingesteld op 'TextClassificationMultilabel' voor het type TextClassificationMultilabel. Ingesteld op 'TextNER' voor het type TextNer. 'Classificatie'
'Prognoses'
'ImageClassification'
'ImageClassificationMultilabel'
'ImageInstanceSegmentation'
'ImageObjectDetection'
Regressie
'TextClassification'
'TextClassificationMultilabel'
'TextNER' (vereist)
trainingData [Vereist] Invoer van trainingsgegevens. MLTableJobInput- (vereist)

AutoNCrossValidations

Naam Beschrijving Waarde
wijze [Vereist] Modus voor het bepalen van N-Kruisvalidaties. 'Auto' (vereist)

AutoSeasonality

Naam Beschrijving Waarde
wijze [Vereist] Seizoensgebondenheidsmodus. 'Auto' (vereist)

AutoTargetLags

Naam Beschrijving Waarde
wijze [Vereist] Doelvertragingsmodus instellen - Automatisch/aangepast 'Auto' (vereist)

AutoTargetRollingWindowSize

Naam Beschrijving Waarde
wijze [Vereist] TargetRollingWindowSiz-detectiemodus. 'Auto' (vereist)

AzureDevOpsWebhook

Naam Beschrijving Waarde
webhookType [Vereist] Hiermee geeft u het type service voor het verzenden van een callback 'AzureDevOps' (vereist)

AzureOpenAiFineTuning

Naam Beschrijving Waarde
hyperParameters HyperParameters voor het verfijnen van het Azure Open AI-model. AzureOpenAiHyperParameters
modelProvider [Vereist] Enum om het type fine tuning te bepalen. 'AzureOpenAI' (vereist)

AzureOpenAiHyperParameters

Naam Beschrijving Waarde
batchSize Aantal voorbeelden in elke batch. Een grotere batchgrootte betekent dat modelparameters minder vaak worden bijgewerkt, maar met een lagere variantie. Int
learningRateMultiplier Schaalfactor voor de leersnelheid. Een kleiner leerpercentage kan nuttig zijn om te voorkomen dat het past. Int
nEpochs Het aantal tijdvakken waarvoor het model moet worden getraind. Een tijdsperiode verwijst naar één volledige cyclus door de trainingsgegevensset. Int

BanditPolicy

Naam Beschrijving Waarde
policyType [Vereist] Naam van beleidsconfiguratie 'Bandit' (vereist)
slackAmount Absolute afstand die is toegestaan vanaf de best presterende uitvoering. Int
slackFactor Verhouding van de toegestane afstand van de best presterende uitvoering. Int

BayesianSamplingAlgorithm

Naam Beschrijving Waarde
samplingAlgorithmType [Vereist] Het algoritme dat wordt gebruikt voor het genereren van hyperparameterwaarden, samen met configuratie-eigenschappen 'Bayesian' (vereist)

CategoricalDataDriftMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. Categorisch (vereist)
metriek [Vereist] De categorische gegevensdriftwaarde die moet worden berekend. 'JensenShannonDistance'
'PearsonsChiSquaredTest'
'PopulationStabilityIndex' (vereist)

CategoricalDataQualityMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. Categorisch (vereist)
metriek [Vereist] De meetwaarde voor categorische gegevenskwaliteit die moet worden berekend. 'DataTypeErrorRate'
'NullValueRate'
'OutOfBoundsRate' (vereist)

CategoricalPredictionDriftMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. Categorisch (vereist)
metriek [Vereist] De categorische voorspellingsdriftwaarde die moet worden berekend. 'JensenShannonDistance'
'PearsonsChiSquaredTest'
'PopulationStabilityIndex' (vereist)

Classificatie

Naam Beschrijving Waarde
cvSplitColumnNames Kolommen die moeten worden gebruikt voor CVSplit-gegevens. tekenreeks[]
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. TableVerticalFeaturizationSettings
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. TableVerticalLimitSettings
nCrossValidations Aantal kruisvalidatievouws dat moet worden toegepast op de trainingsgegevensset
wanneer er geen validatiegegevensset is opgegeven.		 NCrossValidations
positiveLabel Positief label voor berekening van binaire metrische gegevens. snaar
primaryMetric Primaire metrische gegevens voor de taak. 'Nauwkeurigheid'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
taskType [Vereist] Taaktype voor AutoMLJob. 'Classificatie' (vereist)
testData Gegevensinvoer testen. MLTableJobInput-
testDataSize Het deel van de testgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
trainingSettings Invoer voor de trainingsfase voor een AutoML-taak. ClassificationTrainingSettings
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
weightColumnName De naam van de kolom met de steekproefgewicht. Geautomatiseerde ML ondersteunt een gewogen kolom als invoer, waardoor rijen in de gegevens omhoog of omlaag worden gewogen. snaar

ClassificationTrainingSettings

Naam Beschrijving Waarde
allowedTrainingAlgorithms Toegestane modellen voor classificatietaak. Tekenreeksmatrix met een van de volgende waarden:
'BernoulliNaiveBayes'
"DecisionTree"
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
blockedTrainingAlgorithms Geblokkeerde modellen voor classificatietaak. Tekenreeksmatrix met een van de volgende waarden:
'BernoulliNaiveBayes'
"DecisionTree"
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
enableDnnTraining Schakel de aanbeveling van DNN-modellen in. Bool
enableModelExplainability Vlag om uitleg in te schakelen voor het beste model. Bool
enableOnnxCompatibleModels Vlag voor het inschakelen van compatibele onnx-modellen. Bool
enableStackEnsemble Schakel stack ensemble run in. Bool
enableVoteEnsemble Stem ensembleuitvoering inschakelen. Bool
ensembleModelDownloadTimeout Tijdens votingEnsemble en StackEnsemble modelgeneratie worden meerdere aangepaste modellen van de vorige onderliggende uitvoeringen gedownload.
Configureer deze parameter met een hogere waarde dan 300 sec. Als er meer tijd nodig is.		 snaar
stackEnsembleSettings Stack ensemble-instellingen voor stack ensemble run. StackEnsembleSettings

ColumnTransformer

Naam Beschrijving Waarde
Velden Velden waarop transformatielogica moet worden toegepast. tekenreeks[]
Parameters Verschillende eigenschappen die moeten worden doorgegeven aan de transformator.
De verwachte invoer is een woordenlijst van sleutel-waardeparen in JSON-indeling.		 enig

CommandJob

Naam Beschrijving Waarde
codeId ARM-resource-id van de codeasset. snaar
bevelen [Vereist] De opdracht die moet worden uitgevoerd bij het opstarten van de taak. bijvoorbeeld "python train.py" snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
distributie Distributieconfiguratie van de taak. Indien ingesteld, moet dit een van Mpi, Tensorflow, PyTorch of null zijn. DistributionConfiguration-
environmentId [Vereist] De ARM-resource-id van de omgevingsspecificatie voor de taak. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
environmentVariables Omgevingsvariabelen die zijn opgenomen in de taak. CommandJobEnvironmentVariables
Ingangen Toewijzing van invoergegevensbindingen die in de taak worden gebruikt. CommandJobInputs
jobType [Vereist] Hiermee geeft u het type taak. 'Opdracht' (vereist)
grens Opdrachttaaklimiet. CommandJobLimits-
Uitgangen Toewijzing van uitvoergegevensbindingen die in de taak worden gebruikt. CommandJobOutputs-
queueSettings Wachtrijinstellingen voor de taak QueueSettings
weg Rekenresourceconfiguratie voor de taak. JobResourceConfiguration-

CommandJobEnvironmentVariables

Naam Beschrijving Waarde

CommandJobInputs

Naam Beschrijving Waarde

CommandJobLimits

Naam Beschrijving Waarde
jobLimitsType [Vereist] Type JobLimit. 'Opdracht'
'Opruimen' (vereist)
Timeout De maximale uitvoeringsduur in ISO 8601-indeling, waarna de taak wordt geannuleerd. Ondersteunt alleen de duur met precisie zo laag als seconden. snaar

CommandJobOutputs

Naam Beschrijving Waarde

CreateMonitorAction

Naam Beschrijving Waarde
actionType [Vereist] Hiermee geeft u het actietype van de planning CreateMonitor (vereist)
monitorDefinition [Vereist] Definieert de monitor. MonitorDefinition- (vereist)

CronTrigger

Naam Beschrijving Waarde
uitdrukking [Vereist] Hiermee geeft u cron-expressie van planning.
De expressie moet de NCronTab-indeling volgen.		 snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
triggerType [Vereist] 'Cron' (vereist)

CustomForecastHorizon

Naam Beschrijving Waarde
wijze [Vereist] Stel de selectiemodus voor de waarde van de prognose horizon in. 'Aangepast' (vereist)
waarde [Vereist] Waarde van de prognose horizon. int (vereist)

CustomMetricThreshold

Naam Beschrijving Waarde
metriek [Vereist] De door de gebruiker gedefinieerde metriek die moet worden berekend. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
drempel De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde. MonitoringThreshold-

CustomModelFineTuning

Naam Beschrijving Waarde
hyperParameters HyperParameters voor het verfijnen van aangepast model. CustomModelFineTuningHyperParameters
modelProvider [Vereist] Enum om het type fine tuning te bepalen. 'Aangepast' (vereist)

CustomModelFineTuningHyperParameters

Naam Beschrijving Waarde

CustomModelJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'custom_model' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

CustomModelJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'custom_model' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

CustomMonitoringSignal

Naam Beschrijving Waarde
componentId [Vereist] Verwijzing naar het onderdeelasset dat wordt gebruikt om de aangepaste metrische gegevens te berekenen. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
inputAssets Assets bewaken die moeten worden gebruikt als invoer. Sleutel is de naam van de invoerpoort van het onderdeel, de waarde is de gegevensasset. CustomMonitoringSignalInputAssets
Ingangen Extra onderdeelparameters die als invoer moeten worden gebruikt. Sleutel is de naam van de letterlijke invoerpoort van het onderdeel, de waarde is de parameterwaarde. CustomMonitoringSignalInputs
metricThresholds [Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden. CustomMetricThreshold[] (vereist)
signalType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'Aangepast' (vereist)

CustomMonitoringSignalInputAssets

Naam Beschrijving Waarde

CustomMonitoringSignalInputs

Naam Beschrijving Waarde

CustomNCrossValidations

Naam Beschrijving Waarde
wijze [Vereist] Modus voor het bepalen van N-Kruisvalidaties. 'Aangepast' (vereist)
waarde [Vereist] Waarde voor N-kruisvalidaties. int (vereist)

CustomSeasonality

Naam Beschrijving Waarde
wijze [Vereist] Seizoensgebondenheidsmodus. 'Aangepast' (vereist)
waarde [Vereist] Seizoensgebondenheidswaarde. int (vereist)

CustomTargetLags

Naam Beschrijving Waarde
wijze [Vereist] Doelvertragingsmodus instellen - Automatisch/aangepast 'Aangepast' (vereist)
waarden [Vereist] Stel waarden voor doelvertragingen in. int[] (vereist)

CustomTargetRollingWindowSize

Naam Beschrijving Waarde
wijze [Vereist] TargetRollingWindowSiz-detectiemodus. 'Aangepast' (vereist)
waarde [Vereist] TargetRollingWindowSize-waarde. int (vereist)

DataDriftMetricThresholdBase

Naam Beschrijving Waarde
Datatype Ingesteld op Categorical voor type CategoricalDataDriftMetricThreshold. Ingesteld op 'Numeriek' voor het type NumericalDataDriftMetricThreshold. 'Categorisch'
'Numeriek' (vereist)
drempel De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde. MonitoringThreshold-

DataDriftMonitoringSignal

Naam Beschrijving Waarde
featureDataTypeOverride Een woordenlijst waarmee functienamen worden toegewezen aan hun respectieve gegevenstypen. DataDriftMonitoringSignalFeatureDataTypeOverride-
featureImportanceSettings De instellingen voor het belang van computingfuncties. FeatureImportanceSettings
Functies Het functiefilter waarmee wordt aangegeven welke functie moet worden berekend. MonitoringFeatureFilterBase
metricThresholds [Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden. DataDriftMetricThresholdBase[] (vereist)
productionData [Vereist] De gegevens waarvoor afwijkingen worden berekend. MonitoringInputDataBase (vereist)
referenceData [Vereist] De gegevens voor het berekenen van afwijkingen. MonitoringInputDataBase (vereist)
signalType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. DataDrift (vereist)

DataDriftMonitoringSignalFeatureDataTypeOverride

Naam Beschrijving Waarde

DataGenerationVertical

Naam Beschrijving Waarde
dataGenerationTaskType [Vereist] Gegevensgeneratietaaktype. 'Gesprek'
'Wiskunde'
'Nli'
'NluQa'
Samenvatting (vereist)
dataGenerationType Ingesteld op LabelGeneration voor het type LabelGeneration. 'LabelGeneration' (vereist)
promptSettings Promptinstellingen. PromptSettings-
teacherModelEndpoint [Vereist] Details van eindpunt van docentmodel. TeacherModelEndpoint (vereist)
teacherModelSettings TeacherModelSettings

DataQualityMetricThresholdBase

Naam Beschrijving Waarde
Datatype Ingesteld op Categorical voor het type CategoricalDataQualityMetricThreshold. Ingesteld op 'Numeriek' voor het type NumericalDataQualityMetricThreshold. 'Categorisch'
'Numeriek' (vereist)
drempel De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde. MonitoringThreshold-

DataQualityMonitoringSignal

Naam Beschrijving Waarde
featureDataTypeOverride Een woordenlijst waarmee functienamen worden toegewezen aan hun respectieve gegevenstypen. DataQualityMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings De instellingen voor het belang van computingfuncties. FeatureImportanceSettings
Functies De functies voor het berekenen van afwijkingen. MonitoringFeatureFilterBase
metricThresholds [Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden. DataQualityMetricThresholdBase[] (vereist)
productionData [Vereist] De gegevens die worden geproduceerd door de productieservice waarvoor afwijkingen worden berekend. MonitoringInputDataBase (vereist)
referenceData [Vereist] De gegevens voor het berekenen van afwijkingen. MonitoringInputDataBase (vereist)
signalType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'DataQuality' (vereist)

DataQualityMonitoringSignalFeatureDataTypeOverride

Naam Beschrijving Waarde

Distillatietaak

Naam Beschrijving Waarde
dataGenerationDetails [Vereist] DataGenerationVertical (vereist)
finetuningDetails [Vereist] FinetuningDetails (vereist)
jobType [Vereist] Hiermee geeft u het type taak. "Distillatie" (vereist)
Uitgangen [Vereist] DistillatieTaakOutputs (vereist)
queueSettings Wachtrijinstellingen voor de taak QueueSettings
weg Instantietypen en andere resources voor de taak JobResources-

DistillatieTaakOutputs

Naam Beschrijving Waarde

DistributionConfiguration

Naam Beschrijving Waarde
distributionType Ingesteld op Mpi voor het type Mpi-. Ingesteld op PyTorch voor het type PyTorch. Ingesteld op TensorFlow voor het type TensorFlow. 'Mpi'
'PyTorch'
'TensorFlow' (vereist)

EarlyTerminationPolicy

Naam Beschrijving Waarde
delayEvaluation Aantal intervallen waarmee de eerste evaluatie moet worden vertraagd. Int
evaluationInterval Interval (aantal uitvoeringen) tussen beleidsevaluaties. Int
policyType Ingesteld op 'Bandit' voor het type BanditPolicy. Ingesteld op 'MedianStopping' voor het type MedianStoppingPolicy. Ingesteld op TruncationSelection voor het type TruncationSelectionPolicy. 'Bandit'
'MedianStopping'
'TruncationSelection' (vereist)

EndpointScheduleAction

Naam Beschrijving Waarde
actionType [Vereist] Hiermee geeft u het actietype van de planning 'InvokeBatchEndpoint' (vereist)
endpointInvocationDefinition [Vereist] Definieert details van de actiedefinitie Planning.
<zie href="TBD" />		 elke (vereist)

FeatureAttributionDriftMonitoringSignal

Naam Beschrijving Waarde
featureDataTypeOverride Een woordenlijst waarmee functienamen worden toegewezen aan hun respectieve gegevenstypen. FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings [Vereist] De instellingen voor het belang van computingfuncties. FeatureImportanceSettings (vereist)
metricThreshold [Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden. FeatureAttributionMetricThreshold- (vereist)
productionData [Vereist] De gegevens waarvoor afwijkingen worden berekend. MonitoringInputDataBase[] (vereist)
referenceData [Vereist] De gegevens voor het berekenen van afwijkingen. MonitoringInputDataBase (vereist)
signalType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'FeatureAttributionDrift' (vereist)

FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride

Naam Beschrijving Waarde

FeatureAttributionMetricThreshold

Naam Beschrijving Waarde
metriek [Vereist] De metrische waarde voor functietoekenning die moet worden berekend. 'NormalizedDiscountedCumulativeGain' (vereist)
drempel De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde. MonitoringThreshold-

FeatureImportanceSettings

Naam Beschrijving Waarde
wijze De bewerkingsmodus voor het belang van computingfuncties. 'Uitgeschakeld'
'Ingeschakeld'
targetColumn De naam van de doelkolom binnen de invoergegevensasset. snaar

FeatureSubset

Naam Beschrijving Waarde
Functies [Vereist] De lijst met functies die moeten worden opgenomen. tekenreeks[] (vereist)
filterType [Vereist] Hiermee geeft u het functiefilter op dat moet worden gebruikt bij het selecteren van functies om metrische gegevens te berekenen. 'FeatureSubset' (vereist)

Details van finetuning

Naam Beschrijving Waarde
hyperParameters Hyperparameters verfijnen FinetuningDetailsHyperParameters
studentModel [Vereist] Studentmodel voor het afstemmen. JobInput (vereist)

FinetuningDetailsHyperParameters

Naam Beschrijving Waarde

FineTuningJob

Naam Beschrijving Waarde
fineTuningDetails [Vereist] FineTuningVertical (vereist)
jobType [Vereist] Hiermee geeft u het type taak. 'FineTuning' (vereist)
Uitgangen [Vereist] FineTuningJobOutputs (vereist)
queueSettings Wachtrijinstellingen voor de taak QueueSettings
weg Instantietypen en andere resources voor de taak JobResources-

FineTuningJobOutputs

Naam Beschrijving Waarde

FineTuningVertical

Naam Beschrijving Waarde
model [Vereist] Invoermodel voor het afstemmen. JobInput (vereist)
modelProvider Ingesteld op 'AzureOpenAI' voor het type AzureOpenAiFineTuning. Ingesteld op 'Aangepast' voor het type CustomModelFineTuning. 'AzureOpenAI'
'Aangepast' (vereist)
taskType [Vereist] Taaktype verfijnen. 'ChatCompletion'
'ImageClassification'
'ImageInstanceSegmentation'
'ImageObjectDetection'
'QuestionAnswering'
'TextClassification'
'Tekstcompletion'
'Tekstsamenvatting'
'TextTranslation'
TokenClassification
'VideoMultiObjectTracking' (vereist)
trainingData [Vereist] Trainingsgegevens voor het afstemmen. JobInput (vereist)
validationData Validatiegegevens voor het afstemmen. JobInput-

FixedInputData

Naam Beschrijving Waarde
inputDataType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'Vast' (vereist)

ForecastHorizon

Naam Beschrijving Waarde
wijze Ingesteld op 'Auto' voor type AutoForecastHorizon. Ingesteld op 'Aangepast' voor het type CustomForecastHorizon. 'Auto'
'Aangepast' (vereist)

Vooruitzichten

Naam Beschrijving Waarde
cvSplitColumnNames Kolommen die moeten worden gebruikt voor CVSplit-gegevens. tekenreeks[]
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. TableVerticalFeaturizationSettings
forecastingSettings Taakspecifieke invoer voorspellen. ForecastingSettings-
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. TableVerticalLimitSettings
nCrossValidations Aantal kruisvalidatievouws dat moet worden toegepast op de trainingsgegevensset
wanneer er geen validatiegegevensset is opgegeven.		 NCrossValidations
primaryMetric Primaire metrische gegevens voor het voorspellen van een taak. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
taskType [Vereist] Taaktype voor AutoMLJob. 'Prognose' (vereist)
testData Gegevensinvoer testen. MLTableJobInput-
testDataSize Het deel van de testgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
trainingSettings Invoer voor de trainingsfase voor een AutoML-taak. ForecastingTrainingSettings
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
weightColumnName De naam van de kolom met de steekproefgewicht. Geautomatiseerde ML ondersteunt een gewogen kolom als invoer, waardoor rijen in de gegevens omhoog of omlaag worden gewogen. snaar

ForecastingSettings

Naam Beschrijving Waarde
countryOrRegionForHolidays Land of regio voor feestdagen voor prognosetaken.
Dit moeten ISO 3166 tweeletterige land-/regiocodes zijn, bijvoorbeeld 'VS' of 'GB'.		 snaar
cvStepSize Aantal perioden tussen de oorspronkelijke tijd van één CV-vouw en de volgende vouw. Voor
Als CVStepSize = 3 voor dagelijkse gegevens, is de oorspronkelijke tijd voor elke vouw bijvoorbeeld
drie dagen na elkaar.		 Int
featureLags Vlag voor het genereren van vertragingen voor de numerieke functies met 'auto' of null. 'Auto'
'Geen'
forecastHorizon De gewenste maximale prognose horizon in eenheden van tijdreeksfrequentie. ForecastHorizon-
frequentie Bij het voorspellen vertegenwoordigt deze parameter de periode waarmee de prognose gewenst is, bijvoorbeeld dagelijks, wekelijks, jaarlijks, enzovoort. De prognosefrequentie is standaard de frequentie van de gegevensset. snaar
Seizoensgebonden Stel de seizoensgebondenheid van tijdreeksen in als een geheel getal van het veelvoud van de reeksfrequentie.
Als seizoensgebondenheid is ingesteld op 'auto', wordt dit afgeleid.		 Seizoensgebondenheid
shortSeriesHandlingConfig De parameter die definieert hoe autoML korte tijdreeksen moet verwerken. 'Auto'
'Neerzetten'
'Geen'
'Pad'
targetAggregateFunction De functie die moet worden gebruikt om de doelkolom van de tijdreeks te aggregeren om te voldoen aan een door de gebruiker opgegeven frequentie.
Als de TargetAggregateFunction is ingesteld, dus niet 'Geen', maar de freq-parameter niet is ingesteld, wordt de fout gegenereerd. De mogelijke doelaggregatiefuncties zijn: 'sum', 'max', 'min' en 'mean'.		 'Max'
'Gemiddelde'
'Min'
'Geen'
'Som'
targetLags Het aantal eerdere perioden tot vertraging van de doelkolom. TargetLags
targetRollingWindowSize Het aantal eerdere perioden dat wordt gebruikt voor het maken van een doorlopend venster gemiddelde van de doelkolom. TargetRollingWindowSize-
timeColumnName De naam van de tijdkolom. Deze parameter is vereist bij het voorspellen om de datum/tijd-kolom op te geven in de invoergegevens die worden gebruikt voor het bouwen van de tijdreeks en het uitstellen van de frequentie. snaar
timeSeriesIdColumnNames De namen van kolommen die worden gebruikt om een tijdreeks te groeperen. Het kan worden gebruikt om meerdere reeksen te maken.
Als graan niet is gedefinieerd, wordt ervan uitgegaan dat de gegevensset één tijdreeks is. Deze parameter wordt gebruikt bij het voorspellen van taaktypen.		 tekenreeks[]
useStl Configureer STL-decompositie van de doelkolom van de tijdreeks. 'Geen'
'Seizoen'
'SeasonTrend'

ForecastingTrainingSettings

Naam Beschrijving Waarde
allowedTrainingAlgorithms Toegestane modellen voor het voorspellen van een taak. Tekenreeksmatrix met een van de volgende waarden:
'Arimax'
AutoArima
'Gemiddelde'
"DecisionTree"
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naïef'
'Profeet'
'RandomForest'
'SeasonalAverage'
'SeasonalNaive'
'SGD'
'TCNForecaster'
'XGBoostRegressor'
blockedTrainingAlgorithms Geblokkeerde modellen voor het voorspellen van een taak. Tekenreeksmatrix met een van de volgende waarden:
'Arimax'
AutoArima
'Gemiddelde'
"DecisionTree"
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naïef'
'Profeet'
'RandomForest'
'SeasonalAverage'
'SeasonalNaive'
'SGD'
'TCNForecaster'
'XGBoostRegressor'
enableDnnTraining Schakel de aanbeveling van DNN-modellen in. Bool
enableModelExplainability Vlag om uitleg in te schakelen voor het beste model. Bool
enableOnnxCompatibleModels Vlag voor het inschakelen van compatibele onnx-modellen. Bool
enableStackEnsemble Schakel stack ensemble run in. Bool
enableVoteEnsemble Stem ensembleuitvoering inschakelen. Bool
ensembleModelDownloadTimeout Tijdens votingEnsemble en StackEnsemble modelgeneratie worden meerdere aangepaste modellen van de vorige onderliggende uitvoeringen gedownload.
Configureer deze parameter met een hogere waarde dan 300 sec. Als er meer tijd nodig is.		 snaar
stackEnsembleSettings Stack ensemble-instellingen voor stack ensemble run. StackEnsembleSettings

GridSamplingAlgorithm

Naam Beschrijving Waarde
samplingAlgorithmType [Vereist] Het algoritme dat wordt gebruikt voor het genereren van hyperparameterwaarden, samen met configuratie-eigenschappen 'Raster' (vereist)

IdentityConfiguration

Naam Beschrijving Waarde
identityType Stel in op AMLToken voor het type AmlToken. Ingesteld op Beheerd voor het type ManagedIdentity. Ingesteld op UserIdentity voor het type UserIdentity. 'AMLToken'
'Beheerd'
UserIdentity (vereist)

ImageClassification

Naam Beschrijving Waarde
limitSettings [Vereist] Instellingen voor de AutoML-taak beperken. ImageLimitSettings (vereist)
modelSettings Instellingen die worden gebruikt voor het trainen van het model. ImageModelSettingsClassification
primaryMetric Primaire metrische gegevens die u voor deze taak wilt optimaliseren. 'Nauwkeurigheid'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Zoekruimte voor het nemen van steekproeven van verschillende combinaties van modellen en hun hyperparameters. ImageModelDistributionSettingsClassification[]
sweepSettings Model opruimen en hyperparameter opruimen gerelateerde instellingen. ImageSweepSettings
taskType [Vereist] Taaktype voor AutoMLJob. 'ImageClassification' (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int

ImageClassificationMultilabel

Naam Beschrijving Waarde
limitSettings [Vereist] Instellingen voor de AutoML-taak beperken. ImageLimitSettings (vereist)
modelSettings Instellingen die worden gebruikt voor het trainen van het model. ImageModelSettingsClassification
primaryMetric Primaire metrische gegevens die u voor deze taak wilt optimaliseren. 'Nauwkeurigheid'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
"CATE"
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Zoekruimte voor het nemen van steekproeven van verschillende combinaties van modellen en hun hyperparameters. ImageModelDistributionSettingsClassification[]
sweepSettings Model opruimen en hyperparameter opruimen gerelateerde instellingen. ImageSweepSettings
taskType [Vereist] Taaktype voor AutoMLJob. 'ImageClassificationMultilabel' (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int

ImageInstanceSegmentation

Naam Beschrijving Waarde
limitSettings [Vereist] Instellingen voor de AutoML-taak beperken. ImageLimitSettings (vereist)
modelSettings Instellingen die worden gebruikt voor het trainen van het model. ImageModelSettingsObjectDetection-
primaryMetric Primaire metrische gegevens die u voor deze taak wilt optimaliseren. 'MeanAveragePrecision'
searchSpace Zoekruimte voor het nemen van steekproeven van verschillende combinaties van modellen en hun hyperparameters. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Model opruimen en hyperparameter opruimen gerelateerde instellingen. ImageSweepSettings
taskType [Vereist] Taaktype voor AutoMLJob. ImageInstanceSegmentation (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int

ImageLimitSettings

Naam Beschrijving Waarde
maxConcurrentTrials Maximum aantal gelijktijdige AutoML-iteraties. Int
maxTrials Maximum aantal AutoML-iteraties. Int
Timeout Time-out voor AutoML-taken. snaar

ImageModelDistributionSettingsClassification

Naam Beschrijving Waarde
amsGradient Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is. snaar
uitbreidingen Instellingen voor het gebruik van augmentations. snaar
beta1 De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. snaar
beta2 De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. snaar
Gedistribueerd Of u distributietraining wilt gebruiken. snaar
earlyStopping Schakel vroege stoplogica in tijdens de training. snaar
earlyStoppingDelay Minimum aantal tijdvakken of validatie-evaluaties om te wachten voordat primaire metrische gegevens worden verbeterd
wordt bijgehouden voor vroege stop. Moet een positief geheel getal zijn.		 snaar
earlyStoppingPatience Minimumaantal epochs of validatie-evaluaties zonder primaire metrische verbetering voordat
de uitvoering is gestopt. Moet een positief geheel getal zijn.		 snaar
enableOnnxNormalization Normalisatie inschakelen bij het exporteren van een ONNX-model. snaar
evaluationFrequency Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn. snaar
gradientAccumulationStep Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal stappen voor GradAccumulationStep zonder
het gewicht van het model bijwerken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens met behulp van
de geaccumuleerde kleurovergangen om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.		 snaar
layersToFreeze Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn.
Bijvoorbeeld: het doorgeven van 2 als waarde voor 'seresnext' betekent
vrieslaag0 en laag1. Voor een volledige lijst met ondersteunde modellen en details over laagblokkering, alstublieft
zie: /azure/machine-learning/how-to-auto-train-image-models.		 snaar
learningRate Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn. snaar
learningRateScheduler Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn. snaar
modelName De naam van het model dat moet worden gebruikt voor training.
Raadpleeg de officiële documentatie voor meer informatie over de beschikbare modellen:
/azure/machine-learning/how-to-auto-train-image-models.		 snaar
impuls Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn. snaar
nesterov Schakel nesterov in wanneer optimizer 'sgd' is. snaar
numberOfEpochs Aantal trainingstijdvakken. Moet een positief geheel getal zijn. snaar
numberOfWorkers Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn. snaar
Optimizer Type optimizer. Moet 'sgd', 'adam' of 'adamw' zijn. snaar
randomSeed Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training. snaar
stepLRGamma Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn. snaar
stepLRStepSize Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn. snaar
trainingBatchSize Grootte van trainingsbatch. Moet een positief geheel getal zijn. snaar
trainingCropSize Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de trainingsgegevensset. Moet een positief geheel getal zijn. snaar
validationBatchSize Grootte van validatiebatch. Moet een positief geheel getal zijn. snaar
validationCropSize Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de validatiegegevensset. Moet een positief geheel getal zijn. snaar
validationResizeSize Afbeeldingsgrootte waarnaar u het formaat wilt wijzigen voordat u bijsnijd voor validatiegegevensset. Moet een positief geheel getal zijn. snaar
warmupCosineLRCycles Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn. snaar
warmupCosineLRWarmupEpochs Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn. snaar
weightDecay Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1]. snaar
weightedLoss Gewogen verlies. De geaccepteerde waarden zijn 0 voor geen gewogen verlies.
1 voor gewogen verlies met wortel. (class_weights). 2 voor gewogen verlies met class_weights. Moet 0 of 1 of 2 zijn.		 snaar

ImageModelDistributionSettingsObjectDetection

Naam Beschrijving Waarde
amsGradient Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is. snaar
uitbreidingen Instellingen voor het gebruik van augmentations. snaar
beta1 De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. snaar
beta2 De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. snaar
boxDetectionsPerImage Maximum aantal detecties per afbeelding, voor alle klassen. Moet een positief geheel getal zijn.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
boxScoreThreshold Tijdens deductie retourneert u alleen voorstellen met een classificatiescore die groter is dan
BoxScoreThreshold. Moet een float zijn in het bereik[0, 1].		 snaar
Gedistribueerd Of u distributietraining wilt gebruiken. snaar
earlyStopping Schakel vroege stoplogica in tijdens de training. snaar
earlyStoppingDelay Minimum aantal tijdvakken of validatie-evaluaties om te wachten voordat primaire metrische gegevens worden verbeterd
wordt bijgehouden voor vroege stop. Moet een positief geheel getal zijn.		 snaar
earlyStoppingPatience Minimumaantal epochs of validatie-evaluaties zonder primaire metrische verbetering voordat
de uitvoering is gestopt. Moet een positief geheel getal zijn.		 snaar
enableOnnxNormalization Normalisatie inschakelen bij het exporteren van een ONNX-model. snaar
evaluationFrequency Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn. snaar
gradientAccumulationStep Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal stappen voor GradAccumulationStep zonder
het gewicht van het model bijwerken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens met behulp van
de geaccumuleerde kleurovergangen om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.		 snaar
imageSize Afbeeldingsgrootte voor trainen en valideren. Moet een positief geheel getal zijn.
Opmerking: De trainingsuitvoering kan in CUDA OOM komen als de grootte te groot is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 snaar
layersToFreeze Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn.
Bijvoorbeeld: het doorgeven van 2 als waarde voor 'seresnext' betekent
vrieslaag0 en laag1. Voor een volledige lijst met ondersteunde modellen en details over laagblokkering, alstublieft
zie: /azure/machine-learning/how-to-auto-train-image-models.		 snaar
learningRate Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn. snaar
learningRateScheduler Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn. snaar
maxSize De maximale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed.
Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
minSize Minimale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed.
Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
modelName De naam van het model dat moet worden gebruikt voor training.
Raadpleeg de officiële documentatie voor meer informatie over de beschikbare modellen:
/azure/machine-learning/how-to-auto-train-image-models.		 snaar
modelSize Modelgrootte. Moet 'klein', 'gemiddeld', 'groot' of 'xlarge' zijn.
Opmerking: de trainingsuitvoering kan in CUDA OOM komen als de modelgrootte te groot is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 snaar
impuls Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn. snaar
multiScale Schakel meerdere schaalafbeeldingen in op verschillende afbeeldingsgrootten met +/- 50%.
Opmerking: de trainingsuitvoering kan in CUDA OOM komen als er onvoldoende GPU-geheugen is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 snaar
nesterov Schakel nesterov in wanneer optimizer 'sgd' is. snaar
nmsMappenThreshold De drempelwaarde voor ALGORITMEN die wordt gebruikt tijdens deductie in NMS na verwerking. Moet in het bereik liggen [0, 1]. snaar
numberOfEpochs Aantal trainingstijdvakken. Moet een positief geheel getal zijn. snaar
numberOfWorkers Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn. snaar
Optimizer Type optimizer. Moet 'sgd', 'adam' of 'adamw' zijn. snaar
randomSeed Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training. snaar
stepLRGamma Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn. snaar
stepLRStepSize Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn. snaar
tileGridSize De rastergrootte die moet worden gebruikt voor het tegelen van elke afbeelding. Opmerking: TileGridSize mag niet zijn
Geen om kleine objectdetectielogica in te schakelen. Een tekenreeks met twee gehele getallen in mxn-indeling.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
tileOverlapRatio Overlapverhouding tussen aangrenzende tegels in elke dimensie. Moet zwevend zijn in het bereik [0, 1).
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
tilePredictionsNmsThreshold De drempelwaarde voor OPGEGEVEN voor het uitvoeren van NMS tijdens het samenvoegen van voorspellingen van tegels en afbeeldingen.
Wordt gebruikt in validatie/deductie. Moet in het bereik liggen [0, 1].
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.
NMS: Niet-maximale onderdrukking		 snaar
trainingBatchSize Grootte van trainingsbatch. Moet een positief geheel getal zijn. snaar
validationBatchSize Grootte van validatiebatch. Moet een positief geheel getal zijn. snaar
validation ValidatieThreshold Drempelwaarde voor OPGEGEVEN voor gebruik bij het berekenen van de metrische waarde voor validatie. Moet in het bereik liggen [0, 1]. snaar
validationMetricType De metrische berekeningsmethode die moet worden gebruikt voor metrische validatiegegevens. Moet 'none', 'coco', 'voc' of 'coco_voc' zijn. snaar
warmupCosineLRCycles Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn. snaar
warmupCosineLRWarmupEpochs Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn. snaar
weightDecay Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1]. snaar

ImageModelSettingsClassification

Naam Beschrijving Waarde
advancedSettings Instellingen voor geavanceerde scenario's. snaar
amsGradient Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is. Bool
uitbreidingen Instellingen voor het gebruik van augmentations. snaar
beta1 De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. Int
beta2 De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. Int
controlepuntFrequency Frequentie voor het opslaan van modelcontrolepunten. Moet een positief geheel getal zijn. Int
checkpointModel Het vooraf getrainde controlepuntmodel voor incrementele training. MLFlowModelJobInput-
checkpointRunId De id van een vorige uitvoering met een vooraf getraind controlepunt voor incrementele training. snaar
Gedistribueerd Of u gedistribueerde training wilt gebruiken. Bool
earlyStopping Schakel vroege stoplogica in tijdens de training. Bool
earlyStoppingDelay Minimum aantal tijdvakken of validatie-evaluaties om te wachten voordat primaire metrische gegevens worden verbeterd
wordt bijgehouden voor vroege stop. Moet een positief geheel getal zijn.		 Int
earlyStoppingPatience Minimumaantal epochs of validatie-evaluaties zonder primaire metrische verbetering voordat
de uitvoering is gestopt. Moet een positief geheel getal zijn.		 Int
enableOnnxNormalization Normalisatie inschakelen bij het exporteren van een ONNX-model. Bool
evaluationFrequency Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn. Int
gradientAccumulationStep Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal stappen voor GradAccumulationStep zonder
het gewicht van het model bijwerken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens met behulp van
de geaccumuleerde kleurovergangen om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.		 Int
layersToFreeze Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn.
Bijvoorbeeld: het doorgeven van 2 als waarde voor 'seresnext' betekent
vrieslaag0 en laag1. Voor een volledige lijst met ondersteunde modellen en details over laagblokkering, alstublieft
zie: /azure/machine-learning/how-to-auto-train-image-models.		 Int
learningRate Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn. Int
learningRateScheduler Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn. 'Geen'
'Stap'
'WarmupCosine'
modelName De naam van het model dat moet worden gebruikt voor training.
Raadpleeg de officiële documentatie voor meer informatie over de beschikbare modellen:
/azure/machine-learning/how-to-auto-train-image-models.		 snaar
impuls Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn. Int
nesterov Schakel nesterov in wanneer optimizer 'sgd' is. Bool
numberOfEpochs Aantal trainingstijdvakken. Moet een positief geheel getal zijn. Int
numberOfWorkers Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn. Int
Optimizer Type optimizer. 'Adam'
'Adamw'
'Geen'
'Sgd'
randomSeed Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training. Int
stepLRGamma Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn. Int
stepLRStepSize Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn. Int
trainingBatchSize Grootte van trainingsbatch. Moet een positief geheel getal zijn. Int
trainingCropSize Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de trainingsgegevensset. Moet een positief geheel getal zijn. Int
validationBatchSize Grootte van validatiebatch. Moet een positief geheel getal zijn. Int
validationCropSize Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de validatiegegevensset. Moet een positief geheel getal zijn. Int
validationResizeSize Afbeeldingsgrootte waarnaar u het formaat wilt wijzigen voordat u bijsnijd voor validatiegegevensset. Moet een positief geheel getal zijn. Int
warmupCosineLRCycles Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn. Int
warmupCosineLRWarmupEpochs Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn. Int
weightDecay Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1]. Int
weightedLoss Gewogen verlies. De geaccepteerde waarden zijn 0 voor geen gewogen verlies.
1 voor gewogen verlies met wortel. (class_weights). 2 voor gewogen verlies met class_weights. Moet 0 of 1 of 2 zijn.		 Int

ImageModelSettingsObjectDetection

Naam Beschrijving Waarde
advancedSettings Instellingen voor geavanceerde scenario's. snaar
amsGradient Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is. Bool
uitbreidingen Instellingen voor het gebruik van augmentations. snaar
beta1 De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. Int
beta2 De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. Int
boxDetectionsPerImage Maximum aantal detecties per afbeelding, voor alle klassen. Moet een positief geheel getal zijn.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 Int
boxScoreThreshold Tijdens deductie retourneert u alleen voorstellen met een classificatiescore die groter is dan
BoxScoreThreshold. Moet een float zijn in het bereik[0, 1].		 Int
controlepuntFrequency Frequentie voor het opslaan van modelcontrolepunten. Moet een positief geheel getal zijn. Int
checkpointModel Het vooraf getrainde controlepuntmodel voor incrementele training. MLFlowModelJobInput-
checkpointRunId De id van een vorige uitvoering met een vooraf getraind controlepunt voor incrementele training. snaar
Gedistribueerd Of u gedistribueerde training wilt gebruiken. Bool
earlyStopping Schakel vroege stoplogica in tijdens de training. Bool
earlyStoppingDelay Minimum aantal tijdvakken of validatie-evaluaties om te wachten voordat primaire metrische gegevens worden verbeterd
wordt bijgehouden voor vroege stop. Moet een positief geheel getal zijn.		 Int
earlyStoppingPatience Minimumaantal epochs of validatie-evaluaties zonder primaire metrische verbetering voordat
de uitvoering is gestopt. Moet een positief geheel getal zijn.		 Int
enableOnnxNormalization Normalisatie inschakelen bij het exporteren van een ONNX-model. Bool
evaluationFrequency Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn. Int
gradientAccumulationStep Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal stappen voor GradAccumulationStep zonder
het gewicht van het model bijwerken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens met behulp van
de geaccumuleerde kleurovergangen om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.		 Int
imageSize Afbeeldingsgrootte voor trainen en valideren. Moet een positief geheel getal zijn.
Opmerking: De trainingsuitvoering kan in CUDA OOM komen als de grootte te groot is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 Int
layersToFreeze Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn.
Bijvoorbeeld: het doorgeven van 2 als waarde voor 'seresnext' betekent
vrieslaag0 en laag1. Voor een volledige lijst met ondersteunde modellen en details over laagblokkering, alstublieft
zie: /azure/machine-learning/how-to-auto-train-image-models.		 Int
learningRate Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn. Int
learningRateScheduler Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn. 'Geen'
'Stap'
'WarmupCosine'
maxSize De maximale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed.
Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 Int
minSize Minimale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed.
Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 Int
modelName De naam van het model dat moet worden gebruikt voor training.
Raadpleeg de officiële documentatie voor meer informatie over de beschikbare modellen:
/azure/machine-learning/how-to-auto-train-image-models.		 snaar
modelSize Modelgrootte. Moet 'klein', 'gemiddeld', 'groot' of 'xlarge' zijn.
Opmerking: de trainingsuitvoering kan in CUDA OOM komen als de modelgrootte te groot is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 'ExtraLarge'
'Groot'
'Gemiddeld'
'Geen'
'Klein'
impuls Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn. Int
multiScale Schakel meerdere schaalafbeeldingen in op verschillende afbeeldingsgrootten met +/- 50%.
Opmerking: de trainingsuitvoering kan in CUDA OOM komen als er onvoldoende GPU-geheugen is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 Bool
nesterov Schakel nesterov in wanneer optimizer 'sgd' is. Bool
nmsMappenThreshold De drempelwaarde voor ALGORITMEN die wordt gebruikt tijdens deductie in NMS na verwerking. Moet een float in het bereik [0, 1] zijn. Int
numberOfEpochs Aantal trainingstijdvakken. Moet een positief geheel getal zijn. Int
numberOfWorkers Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn. Int
Optimizer Type optimizer. 'Adam'
'Adamw'
'Geen'
'Sgd'
randomSeed Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training. Int
stepLRGamma Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn. Int
stepLRStepSize Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn. Int
tileGridSize De rastergrootte die moet worden gebruikt voor het tegelen van elke afbeelding. Opmerking: TileGridSize mag niet zijn
Geen om kleine objectdetectielogica in te schakelen. Een tekenreeks met twee gehele getallen in mxn-indeling.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
tileOverlapRatio Overlapverhouding tussen aangrenzende tegels in elke dimensie. Moet zwevend zijn in het bereik [0, 1).
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 Int
tilePredictionsNmsThreshold De drempelwaarde voor OPGEGEVEN voor het uitvoeren van NMS tijdens het samenvoegen van voorspellingen van tegels en afbeeldingen.
Wordt gebruikt in validatie/deductie. Moet in het bereik liggen [0, 1].
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 Int
trainingBatchSize Grootte van trainingsbatch. Moet een positief geheel getal zijn. Int
validationBatchSize Grootte van validatiebatch. Moet een positief geheel getal zijn. Int
validation ValidatieThreshold Drempelwaarde voor OPGEGEVEN voor gebruik bij het berekenen van de metrische waarde voor validatie. Moet in het bereik liggen [0, 1]. Int
validationMetricType De metrische berekeningsmethode die moet worden gebruikt voor metrische validatiegegevens. 'Coco'
'CocoVoc'
'Geen'
'Voc'
warmupCosineLRCycles Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn. Int
warmupCosineLRWarmupEpochs Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn. Int
weightDecay Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1]. Int

ImageObjectDetection

Naam Beschrijving Waarde
limitSettings [Vereist] Instellingen voor de AutoML-taak beperken. ImageLimitSettings (vereist)
modelSettings Instellingen die worden gebruikt voor het trainen van het model. ImageModelSettingsObjectDetection-
primaryMetric Primaire metrische gegevens die u voor deze taak wilt optimaliseren. 'MeanAveragePrecision'
searchSpace Zoekruimte voor het nemen van steekproeven van verschillende combinaties van modellen en hun hyperparameters. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Model opruimen en hyperparameter opruimen gerelateerde instellingen. ImageSweepSettings
taskType [Vereist] Taaktype voor AutoMLJob. ImageObjectDetection (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int

ImageSweepSettings

Naam Beschrijving Waarde
earlyTermination Type beleid voor vroegtijdige beëindiging. EarlyTerminationPolicy-
samplingAlgorithm [Vereist] Type van de algoritmen voor het nemen van hyperparameters. 'Bayesian'
'Raster'
'Willekeurig' (vereist)

JobBaseProperties

Naam Beschrijving Waarde
componentId ARM-resource-id van de onderdeelresource. snaar
computeId ARM-resource-id van de rekenresource. snaar
beschrijving De tekst van de assetbeschrijving. snaar
displayName Weergavenaam van taak. snaar
experimentName De naam van het experiment waartoe de taak behoort. Als deze niet is ingesteld, wordt de taak in het standaardexperiment geplaatst. snaar
identiteit Identiteitsconfiguratie. Indien ingesteld, moet dit een van AmlToken, ManagedIdentity, UserIdentity of null zijn.
Standaard ingesteld op AmlToken als null.		 IdentityConfiguration-
isArchived Is de asset gearchiveerd? Bool
jobType Ingesteld op 'AutoML' voor het type AutoMLJob. Ingesteld op Opdracht voor CommandJob. Ingesteld op 'Distillatie' voor type Distillatietaak. Ingesteld op 'FineTuning' voor het type FineTuningJob. Ingesteld op Pijplijn voor het type PipelineJob. Ingesteld op Spark voor type SparkJob. Ingesteld op Opruimen voor het type SweepJob. 'AutoML'
'Opdracht'
"Distillatie"
'FineTuning'
'Pijplijn'
'Spark'
'Opruimen' (vereist)
notificationSetting Meldingsinstelling voor de taak NotificationSetting-
parentJobName Naam van bovenliggende taak. snaar
Eigenschappen De woordenlijst voor asseteigenschappen. ResourceBaseProperties-
diensten Lijst met JobEndpoints.
Voor lokale taken heeft een taakeindpunt een eindpuntwaarde van FileStreamObject.		 JobBaseServices-
Tags Tagwoordenlijst. Tags kunnen worden toegevoegd, verwijderd en bijgewerkt. ResourceBaseTags-

JobBaseServices

Naam Beschrijving Waarde

JobInput

Naam Beschrijving Waarde
beschrijving Beschrijving voor de invoer. snaar
jobInputType Ingesteld op 'custom_model' voor het type CustomModelJobInput. Ingesteld op 'letterlijk' voor het type LiteralJobInput. Ingesteld op 'mlflow_model' voor het type MLFlowModelJobInput. Ingesteld op 'mltable' voor het type MLTableJobInput. Ingesteld op 'triton_model' voor het type TritonModelJobInput. Ingesteld op 'uri_file' voor het type UriFileJobInput. Ingesteld op 'uri_folder' voor het type UriFolderJobInput. 'custom_model'
'letterlijk'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (vereist)

JobOutput

Naam Beschrijving Waarde
beschrijving Beschrijving voor de uitvoer. snaar
jobOutputType Ingesteld op 'custom_model' voor het type CustomModelJobOutput. Ingesteld op 'mlflow_model' voor het type MLFlowModelJobOutput. Ingesteld op 'mltable' voor het type MLTableJobOutput. Ingesteld op 'triton_model' voor het type TritonModelJobOutput. Ingesteld op 'uri_file' voor het type UriFileJobOutput. Ingesteld op 'uri_folder' voor het type UriFolderJobOutput. 'custom_model'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (vereist)

JobResourceConfiguration

Naam Beschrijving Waarde
dockerArgs Extra argumenten die moeten worden doorgegeven aan de opdracht Docker-run. Hiermee worden alle parameters overschreven die al zijn ingesteld door het systeem of in deze sectie. Deze parameter wordt alleen ondersteund voor Azure ML-rekentypen. snaar
dockerArgsList Extra argumenten die moeten worden doorgegeven aan de opdracht Docker-uitvoering, als een verzameling. Hiermee worden alle parameters overschreven die al zijn ingesteld door het systeem of in deze sectie. Deze parameter wordt alleen ondersteund voor Azure ML-rekentypen. tekenreeks[]
instanceCount Optioneel aantal exemplaren of knooppunten dat door het rekendoel wordt gebruikt. Int
instanceType Optioneel type VM dat wordt gebruikt als ondersteund door het rekendoel. snaar
Eigenschappen Extra eigenschappen zak. ResourceConfigurationProperties-
shmSize Grootte van het gedeelde geheugenblok van de Docker-container. Dit moet de notatie (getal)(eenheid) hebben waarbij getal groter is dan 0 en de eenheid een van b(bytes), k(kilobytes), m(megabytes) of g(gigabytes) kan zijn. snaar

Beperkingen:
Patroon = \d+[bBkKmMgG]

JobResources

Naam Beschrijving Waarde
instanceTypes Lijst met exemplaartypen waaruit u kunt kiezen. tekenreeks[]

JobScheduleAction

Naam Beschrijving Waarde
actionType [Vereist] Hiermee geeft u het actietype van de planning CreateJob (vereist)
jobDefinition [Vereist] Definieert details van de actiedefinitie Planning. JobBaseProperties (vereist)

JobService

Naam Beschrijving Waarde
Eindpunt URL voor eindpunt. snaar
jobServiceType Eindpunttype. snaar
Knooppunten Knooppunten waarop de gebruiker de service wil starten.
Als knooppunten niet zijn ingesteld of ingesteld op null, wordt de service alleen gestart op het leader-knooppunt.		 Knooppunten
haven Poort voor eindpunt. Int
Eigenschappen Aanvullende eigenschappen die moeten worden ingesteld op het eindpunt. JobServiceProperties-

JobServiceProperties

Naam Beschrijving Waarde

LabelGeneratie

Naam Beschrijving Waarde
dataGenerationType [Vereist] Enum om het type gegevensgeneratie te bepalen. 'LabelGeneration' (vereist)
trainingData Trainingsgegevens voor het afstemmen. JobInput-
validationData Validatiegegevens voor het afstemmen. JobInput-

LiteralJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'letterlijk' (vereist)
waarde [Vereist] Letterlijke waarde voor de invoer. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

ManagedComputeIdentity

Naam Beschrijving Waarde
computeIdentityType [Vereist] Hiermee geeft u het type identiteit op dat moet worden gebruikt binnen de bewakingstaken. ManagedIdentity (vereist)
identiteit De identiteit die wordt gebruikt door de bewakingstaken. ManagedServiceIdentity-

ManagedIdentity

Naam Beschrijving Waarde
clientId Hiermee geeft u een door de gebruiker toegewezen identiteit op basis van client-id. Stel dit veld niet in voor het door het systeem toegewezen veld. snaar

Beperkingen:
Minimale lengte = 36
Maximale lengte = 36
Patroon = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identityType [Vereist] Hiermee geeft u het type identiteitsframework op. Beheerd (vereist)
objectId Hiermee geeft u een door de gebruiker toegewezen identiteit op basis van object-id. Stel dit veld niet in voor het door het systeem toegewezen veld. snaar

Beperkingen:
Minimale lengte = 36
Maximale lengte = 36
Patroon = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId Hiermee geeft u een door de gebruiker toegewezen identiteit op basis van arm-resource-id. Stel dit veld niet in voor het door het systeem toegewezen veld. snaar

ManagedServiceIdentity

Naam Beschrijving Waarde
type Type beheerde service-identiteit (waarbij zowel SystemAssigned- als UserAssigned-typen zijn toegestaan). 'Geen'
'SystemAssigned'
'SystemAssigned, UserAssigned'
UserAssigned (vereist)
userAssignedIdentities De set door de gebruiker toegewezen identiteiten die aan de resource zijn gekoppeld. De woordenlijstsleutels userAssignedIdentities zijn ARM-resource-id's in de vorm: /subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. De waarden van de woordenlijst kunnen lege objecten ({}) zijn in aanvragen. UserAssignedId-entiteiten

MedianStoppingPolicy

Naam Beschrijving Waarde
policyType [Vereist] Naam van beleidsconfiguratie MedianStopping (vereist)

Microsoft.MachineLearningServices/workspaces/schedules

Naam Beschrijving Waarde
naam De resourcenaam snaar

Beperkingen:
Patroon = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (vereist)
ouder In Bicep kunt u de bovenliggende resource voor een onderliggende resource opgeven. U hoeft deze eigenschap alleen toe te voegen wanneer de onderliggende resource buiten de bovenliggende resource wordt gedeclareerd.

Zie onderliggende resource buiten de bovenliggende resourcevoor meer informatie.		 Symbolische naam voor resource van het type: werkruimten
Eigenschappen [Vereist] Aanvullende kenmerken van de entiteit. ScheduleProperties- (vereist)

MLFlowModelJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'mlflow_model' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

MLFlowModelJobInput

Naam Beschrijving Waarde
beschrijving Beschrijving voor de invoer. snaar
jobInputType [Vereist] Hiermee geeft u het type taak. 'custom_model'
'letterlijk'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

MLFlowModelJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'mlflow_model' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

MLTableJobInput

Naam Beschrijving Waarde
beschrijving Beschrijving voor de invoer. snaar
jobInputType [Vereist] Hiermee geeft u het type taak. 'custom_model'
'letterlijk'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

MLTableJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'mltable' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

MLTableJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'mltable' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

MonitorComputeConfigurationBase

Naam Beschrijving Waarde
computeType Ingesteld op ServerlessSpark voor het type MonitorServerlessSparkCompute. ServerlessSpark (vereist)

MonitorComputeIdentityBase

Naam Beschrijving Waarde
computeIdentityType Ingesteld op AmlToken voor het type AmlTokenComputeIdentity. Ingesteld op ManagedIdentity voor het type ManagedComputeIdentity. 'AmlToken'
ManagedIdentity (vereist)

MonitorDefinition

Naam Beschrijving Waarde
alertNotificationSettings De meldingsinstellingen van de monitor. MonitorNotificationSettings
computeConfiguration [Vereist] De ARM-resource-id van de rekenresource waarop de bewakingstaak moet worden uitgevoerd. MonitorComputeConfigurationBase (vereist)
monitoringTarget De entiteiten waarop de monitor is gericht. MonitoringTarget-
Signalen [Vereist] De signalen die moeten worden bewaakt. MonitorDefinitionSignals (vereist)

MonitorDefinitionSignals

Naam Beschrijving Waarde

MonitorEmailNotificationSettings

Naam Beschrijving Waarde
e-mailberichten De lijst met geadresseerden voor e-mail met een limiet van 499 tekens in totaal. tekenreeks[]

MonitoringFeatureFilterBase

Naam Beschrijving Waarde
filterType Ingesteld op 'AllFeatures' voor het type AllFeatures. Ingesteld op 'FeatureSubset' voor het type FeatureSubset. Ingesteld op 'TopNByAttribution' voor het type TopNFeaturesByAttribution. 'AllFeatures'
'FeatureSubset'
'TopNByAttribution' (vereist)

MonitoringInputDataBase

Naam Beschrijving Waarde
Kolommen Toewijzing van kolomnamen aan speciale toepassingen. MonitoringInputDataBaseColumns
dataContext De contextmetagegevens van de gegevensbron. snaar
inputDataType Ingesteld op 'Vast' voor type FixedInputData. Ingesteld op 'Rolling' voor het type RollingInputData. Ingesteld op Statisch voor het type StaticInputData. 'Vast'
'Rolling'
'Statisch' (vereist)
jobInputType [Vereist] Hiermee geeft u het type taak. 'custom_model'
'letterlijk'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (vereist)
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

MonitoringInputDataBaseColumns

Naam Beschrijving Waarde

MonitoringSignalBase

Naam Beschrijving Waarde
notificationTypes De huidige meldingsmodus voor dit signaal. Tekenreeksmatrix met een van de volgende waarden:
'AmlNotification'
Eigenschappen Eigenschappenwoordenlijst. Eigenschappen kunnen worden toegevoegd, maar niet worden verwijderd of gewijzigd. MonitoringSignalBaseProperties
signalType Ingesteld op 'Aangepast' voor het type CustomMonitoringSignal. Ingesteld op 'DataDrift' voor het type DataDriftMonitoringSignal. Ingesteld op 'DataQuality' voor het type DataQualityMonitoringSignal. Ingesteld op 'FeatureAttributionDrift' voor het type FeatureAttributionDriftMonitoringSignal. Ingesteld op 'PredictionDrift' voor het type PredictionDriftMonitoringSignal. 'Aangepast'
'DataDrift'
'DataQuality'
'FeatureAttributionDrift'
'PredictionDrift' (vereist)

MonitoringSignalBaseProperties

Naam Beschrijving Waarde

MonitoringTarget

Naam Beschrijving Waarde
deploymentId Verwijzing naar de implementatieasset waarop deze monitor is gericht. snaar
modelId Verwijzing naar de modelasset waarop deze monitor is gericht. snaar
taskType [Vereist] Het type machine learning-taak van het bewaakte model. 'Classificatie'
Regressie (vereist)

MonitoringThreshold

Naam Beschrijving Waarde
waarde De drempelwaarde. Als null is ingesteld, is de standaardinstelling afhankelijk van het metrische type. Int

MonitorNotificationSettings

Naam Beschrijving Waarde
emailNotificationSettings De E-mailinstellingen voor AML-meldingen. MonitorEmailNotificationSettings

MonitorServerlessSparkCompute

Naam Beschrijving Waarde
computeIdentity [Vereist] Het identiteitsschema dat wordt gebruikt door de Spark-taken die worden uitgevoerd op serverloze Spark. MonitorComputeIdentityBase (vereist)
computeType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. ServerlessSpark (vereist)
instanceType [Vereist] Het exemplaartype waarop de Spark-taak wordt uitgevoerd. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
runtimeVersion [Vereist] De Spark Runtime-versie. snaar

Beperkingen:
Minimale lengte = 1
Patroon = ^[0-9]+\.[0-9]+$ (vereist)

Mpi

Naam Beschrijving Waarde
distributionType [Vereist] Hiermee geeft u het type distributieframework op. Mpi (vereist)
processCountPerInstance Aantal processen per MPI-knooppunt. Int

NCrossValidations

Naam Beschrijving Waarde
wijze Ingesteld op Auto voor type AutoNCrossValidations. Ingesteld op 'Aangepast' voor het type CustomNCrossValidations. 'Auto'
'Aangepast' (vereist)

NlpVerticalFeaturizationSettings

Naam Beschrijving Waarde
gegevenssetLanguage De taal van de gegevensset, handig voor de tekstgegevens. snaar

NlpVerticalLimitSettings

Naam Beschrijving Waarde
maxConcurrentTrials Maximum aantal Gelijktijdige AutoML-iteraties. Int
maxTrials Aantal AutoML-iteraties. Int
Timeout Time-out voor AutoML-taken. snaar

Knooppunten

Naam Beschrijving Waarde
nodesValueType Ingesteld op 'Alle' voor het type AllNodes. 'Alles' (vereist)

NotificationSetting

Naam Beschrijving Waarde
emailOn E-mailmelding verzenden naar gebruiker op opgegeven meldingstype Tekenreeksmatrix met een van de volgende waarden:
'JobCancelled'
'JobCompleted'
'JobFailed'
e-mailberichten Dit is de lijst met geadresseerden voor e-mail met een limiet van 499 tekens in totaal samenvoeging met kommascheidingsteken tekenreeks[]
webhooks Webhook callback verzenden naar een service. De sleutel is een door de gebruiker opgegeven naam voor de webhook. NotificationSettingWebhooks

NotificationSettingWebhooks

Naam Beschrijving Waarde

NumericalDataDriftMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. 'Numeriek' (vereist)
metriek [Vereist] De numerieke gegevensdriftwaarde die moet worden berekend. 'JensenShannonDistance'
'NormalizedWassersteinDistance'
'PopulationStabilityIndex'
'TwoSampleKolmogorovSmirnovTest' (vereist)

NumericalDataQualityMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. 'Numeriek' (vereist)
metriek [Vereist] De meetwaarde voor numerieke gegevenskwaliteit die moet worden berekend. 'DataTypeErrorRate'
'NullValueRate'
'OutOfBoundsRate' (vereist)

NumericalPredictionDriftMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. 'Numeriek' (vereist)
metriek [Vereist] De numerieke voorspellingsdrift die moet worden berekend. 'JensenShannonDistance'
'NormalizedWassersteinDistance'
'PopulationStabilityIndex'
'TwoSampleKolmogorovSmirnovTest' (vereist)

Objectief

Naam Beschrijving Waarde
doel [Vereist] Definieert ondersteunde metrische doelen voor het afstemmen van hyperparameters 'Maximaliseren'
'Minimaliseren' (vereist)
primaryMetric [Vereist] Naam van de metrische waarde die u wilt optimaliseren. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

PipelineJob

Naam Beschrijving Waarde
Ingangen Invoer voor de pijplijntaak. PipelineJobInputs
Banen Taken maken de pijplijntaak. PipelineJobJobs
jobType [Vereist] Hiermee geeft u het type taak. 'Pijplijn' (vereist)
Uitgangen Uitvoer voor de pijplijntaak PipelineJobOutputs
Instellingen Pijplijninstellingen, voor zaken zoals ContinueRunOnStepFailure, enzovoort. enig
sourceJobId ARM-resource-id van brontaak. snaar

PipelineJobInputs

Naam Beschrijving Waarde

PipelineJobJobs

Naam Beschrijving Waarde

PipelineJobOutputs

Naam Beschrijving Waarde

PredictionDriftMetricThresholdBase

Naam Beschrijving Waarde
Datatype Ingesteld op Categorical voor type CategoricalPredictionDriftMetricThreshold. Ingesteld op 'Numeriek' voor het type NumericalPredictionDriftMetricThreshold. 'Categorisch'
'Numeriek' (vereist)
drempel De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde. MonitoringThreshold-

PredictionDriftMonitoringSignal

Naam Beschrijving Waarde
featureDataTypeOverride Een woordenlijst waarmee functienamen worden toegewezen aan hun respectieve gegevenstypen. PredictionDriftMonitoringSignalFeatureDataTypeOverride-
metricThresholds [Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden. PredictionDriftMetricThresholdBase[] (vereist)
productionData [Vereist] De gegevens waarvoor afwijkingen worden berekend. MonitoringInputDataBase (vereist)
referenceData [Vereist] De gegevens voor het berekenen van afwijkingen. MonitoringInputDataBase (vereist)
signalType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'PredictionDrift' (vereist)

PredictionDriftMonitoringSignalFeatureDataTypeOverride

Naam Beschrijving Waarde

PromptSettings

Naam Beschrijving Waarde
enableChainOfDensity Bool
enableChainOfThought Bool
maxLenSummary Int

PyTorch

Naam Beschrijving Waarde
distributionType [Vereist] Hiermee geeft u het type distributieframework op. 'PyTorch' (vereist)
processCountPerInstance Aantal processen per knooppunt. Int

QueueSettings

Naam Beschrijving Waarde
jobTier De rekentaaklaag beheren 'Basis'
'Null'
'Premium'
'Spot'
'Standaard'

RandomSamplingAlgorithm

Naam Beschrijving Waarde
regel Het specifieke type willekeurig algoritme 'Willekeurig'
'Sobol'
samplingAlgorithmType [Vereist] Het algoritme dat wordt gebruikt voor het genereren van hyperparameterwaarden, samen met configuratie-eigenschappen 'Willekeurig' (vereist)
zaad Een optioneel geheel getal dat moet worden gebruikt als de seed voor het genereren van willekeurige getallen Int

RecurrenceSchedule

Naam Beschrijving Waarde
uren [Vereist] Lijst met uren voor de planning. int[] (vereist)
notulen [Vereist] Lijst met minuten voor de planning. int[] (vereist)
monthDays Lijst met maanddagen voor de planning int[]
Weekdagen Lijst met dagen voor de planning. Tekenreeksmatrix met een van de volgende waarden:
'Vrijdag'
'Maandag'
'Zaterdag'
'Zondag'
'Donderdag'
'Dinsdag'
'Woensdag'

RecurrenceTrigger

Naam Beschrijving Waarde
frequentie [Vereist] De frequentie voor het activeren van het schema. 'Dag'
'Uur'
'Minuut'
'Maand'
'Week' (vereist)
interval [Vereist] Hiermee geeft u het schema-interval in combinatie met frequentie int (vereist)
rooster Het terugkeerschema. RecurrenceSchedule
triggerType [Vereist] Terugkeerpatroon (vereist)

Regressie

Naam Beschrijving Waarde
cvSplitColumnNames Kolommen die moeten worden gebruikt voor CVSplit-gegevens. tekenreeks[]
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. TableVerticalFeaturizationSettings
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. TableVerticalLimitSettings
nCrossValidations Aantal kruisvalidatievouws dat moet worden toegepast op de trainingsgegevensset
wanneer er geen validatiegegevensset is opgegeven.		 NCrossValidations
primaryMetric Primaire metriek voor regressietaak. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
taskType [Vereist] Taaktype voor AutoMLJob. Regressie (vereist)
testData Gegevensinvoer testen. MLTableJobInput-
testDataSize Het deel van de testgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
trainingSettings Invoer voor de trainingsfase voor een AutoML-taak. RegressionTrainingSettings
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
weightColumnName De naam van de kolom met de steekproefgewicht. Geautomatiseerde ML ondersteunt een gewogen kolom als invoer, waardoor rijen in de gegevens omhoog of omlaag worden gewogen. snaar

RegressionTrainingSettings

Naam Beschrijving Waarde
allowedTrainingAlgorithms Toegestane modellen voor regressietaak. Tekenreeksmatrix met een van de volgende waarden:
"DecisionTree"
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
blockedTrainingAlgorithms Geblokkeerde modellen voor regressietaak. Tekenreeksmatrix met een van de volgende waarden:
"DecisionTree"
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
enableDnnTraining Schakel de aanbeveling van DNN-modellen in. Bool
enableModelExplainability Vlag om uitleg in te schakelen voor het beste model. Bool
enableOnnxCompatibleModels Vlag voor het inschakelen van compatibele onnx-modellen. Bool
enableStackEnsemble Schakel stack ensemble run in. Bool
enableVoteEnsemble Stem ensembleuitvoering inschakelen. Bool
ensembleModelDownloadTimeout Tijdens votingEnsemble en StackEnsemble modelgeneratie worden meerdere aangepaste modellen van de vorige onderliggende uitvoeringen gedownload.
Configureer deze parameter met een hogere waarde dan 300 sec. Als er meer tijd nodig is.		 snaar
stackEnsembleSettings Stack ensemble-instellingen voor stack ensemble run. StackEnsembleSettings

ResourceBaseProperties

Naam Beschrijving Waarde

ResourceBaseProperties

Naam Beschrijving Waarde

ResourceBaseTags

Naam Beschrijving Waarde

ResourceBaseTags

Naam Beschrijving Waarde

ResourceConfigurationProperties

Naam Beschrijving Waarde

RollingInputData

Naam Beschrijving Waarde
inputDataType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'Rolling' (vereist)
preprocessingComponentId Verwijzing naar de onderdeelasset die wordt gebruikt om de gegevens vooraf te verwerken. snaar
windowOffset [Vereist] De tijdsverschil tussen het einde van het gegevensvenster en de huidige uitvoeringstijd van de monitor. tekenreeks (vereist)
windowSize [Vereist] De grootte van het rolling-gegevensvenster. tekenreeks (vereist)

SamplingAlgorithm

Naam Beschrijving Waarde
samplingAlgorithmType Ingesteld op 'Bayesian' voor het type BayesianSamplingAlgorithm. Ingesteld op 'Raster' voor het type GridSamplingAlgorithm. Ingesteld op 'Willekeurig' voor het type RandomSamplingAlgorithm. 'Bayesian'
'Raster'
'Willekeurig' (vereist)

ScheduleActionBase

Naam Beschrijving Waarde
actionType Ingesteld op CreateJob voor type JobScheduleAction. Ingesteld op CreateMonitor voor het type CreateMonitorAction. Ingesteld op InvokeBatchEndpoint voor het type EndpointScheduleAction. 'CreateJob'
'CreateMonitor'
'InvokeBatchEndpoint' (vereist)

ScheduleProperties

Naam Beschrijving Waarde
actie [Vereist] Hiermee geeft u de actie van de planning ScheduleActionBase- (vereist)
beschrijving De tekst van de assetbeschrijving. snaar
displayName Weergavenaam van planning. snaar
isEnabled Is de planning ingeschakeld? Bool
Eigenschappen De woordenlijst voor asseteigenschappen. ResourceBaseProperties-
Tags Tagwoordenlijst. Tags kunnen worden toegevoegd, verwijderd en bijgewerkt. ResourceBaseTags-
trekker [Vereist] Hiermee geeft u de details van de trigger TriggerBase- (vereist)

Seizoensgebonden

Naam Beschrijving Waarde
wijze Ingesteld op Auto voor type AutoSeasonality. Ingesteld op 'Aangepast' voor het type CustomSeasonality. 'Auto'
'Aangepast' (vereist)

SparkJob

Naam Beschrijving Waarde
archief Archiefbestanden die in de taak worden gebruikt. tekenreeks[]
args Argumenten voor de taak. snaar
codeId [Vereist] arm-id van de codeasset. tekenreeks (vereist)
Conf Door Spark geconfigureerde eigenschappen. SparkJobConf-
ingang [Vereist] De vermelding die moet worden uitgevoerd bij het opstarten van de taak. SparkJobEntry- (vereist)
environmentId De ARM-resource-id van de omgevingsspecificatie voor de taak. snaar
environmentVariables Omgevingsvariabelen die zijn opgenomen in de taak. SparkJobEnvironmentVariables
archief Bestanden die in de taak worden gebruikt. tekenreeks[]
Ingangen Toewijzing van invoergegevensbindingen die in de taak worden gebruikt. SparkJobInputs-
Potten Jar-bestanden die in de taak worden gebruikt. tekenreeks[]
jobType [Vereist] Hiermee geeft u het type taak. Spark (vereist)
Uitgangen Toewijzing van uitvoergegevensbindingen die in de taak worden gebruikt. SparkJobOutputs-
pyFiles Python-bestanden die in de taak worden gebruikt. tekenreeks[]
queueSettings Wachtrijinstellingen voor de taak QueueSettings
weg Rekenresourceconfiguratie voor de taak. SparkResourceConfiguration-

SparkJobConf

Naam Beschrijving Waarde

SparkJobEntry

Naam Beschrijving Waarde
sparkJobEntryType Ingesteld op SparkJobPythonEntry voor het type SparkJobPythonEntry. Ingesteld op SparkJobScalaEntry voor het type SparkJobScalaEntry. SparkJobPythonEntry
SparkJobScalaEntry (vereist)

SparkJobEnvironmentVariables

Naam Beschrijving Waarde

SparkJobInputs

Naam Beschrijving Waarde

SparkJobOutputs

Naam Beschrijving Waarde

SparkJobPythonEntry

Naam Beschrijving Waarde
bestand [Vereist] Relatief Python-bestandspad voor taakinvoerpunt. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
sparkJobEntryType [Vereist] Type van het toegangspunt van de taak. SparkJobPythonEntry (vereist)

SparkJobScalaEntry

Naam Beschrijving Waarde
className [Vereist] Scala-klassenaam die wordt gebruikt als toegangspunt. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
sparkJobEntryType [Vereist] Type van het toegangspunt van de taak. SparkJobScalaEntry (vereist)

SparkResourceConfiguration

Naam Beschrijving Waarde
instanceType Optioneel type VM dat wordt gebruikt als ondersteund door het rekendoel. snaar
runtimeVersion Versie van spark-runtime die wordt gebruikt voor de taak. snaar

StackEnsembleSettings

Naam Beschrijving Waarde
stackMetaLearnerKWargs Optionele parameters die moeten worden doorgegeven aan de initialisatiefunctie van de meta-learner. enig
stackMetaLearnerTrainPercentage Hiermee geeft u het aandeel van de trainingsset op (bij het kiezen van het trainings- en validatietype) dat moet worden gereserveerd voor het trainen van de meta-learner. De standaardwaarde is 0,2. Int
stackMetaLearnerType De meta-learner is een model dat is getraind op de uitvoer van de afzonderlijke heterogene modellen. 'ElasticNet'
'ElasticNetCV'
'LightGBMClassifier'
'LightGBMRegressor'
'LinearRegression'
'LogisticRegression'
'LogisticRegressionCV'
'Geen'

StaticInputData

Naam Beschrijving Waarde
inputDataType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'Statisch' (vereist)
preprocessingComponentId Verwijzing naar de onderdeelasset die wordt gebruikt om de gegevens vooraf te verwerken. snaar
windowEnd [Vereist] De einddatum van het gegevensvenster. tekenreeks (vereist)
windowStart [Vereist] De begindatum van het gegevensvenster. tekenreeks (vereist)

SweepJob

Naam Beschrijving Waarde
earlyTermination Beleid voor vroegtijdige beëindiging zorgt ervoor dat uitvoeringen met slechte prestaties worden geannuleerd voordat ze zijn voltooid EarlyTerminationPolicy-
Ingangen Toewijzing van invoergegevensbindingen die in de taak worden gebruikt. SweepJobInputs
jobType [Vereist] Hiermee geeft u het type taak. 'Opruimen' (vereist)
grens Taaklimiet opruimen. SweepJobLimits-
objectief [Vereist] Optimalisatiedoelstelling. Objective (vereist)
Uitgangen Toewijzing van uitvoergegevensbindingen die in de taak worden gebruikt. SweepJobOutputs
queueSettings Wachtrijinstellingen voor de taak QueueSettings
samplingAlgorithm [Vereist] Het algoritme voor hyperparametersampling SamplingAlgorithm (vereist)
searchSpace [Vereist] Een woordenlijst met elke parameter en de bijbehorende distributie. De woordenlijstsleutel is de naam van de parameter elke (vereist)
proces [Vereist] Definitie van proefonderdeel. TrialComponent (vereist)

SweepJobInputs

Naam Beschrijving Waarde

SweepJobLimits

Naam Beschrijving Waarde
jobLimitsType [Vereist] Type JobLimit. 'Opdracht'
'Opruimen' (vereist)
maxConcurrentTrials Sweep Job max gelijktijdige proefversies. Int
maxTotalTrials Sweep Job maximum aantal proefversies. Int
Timeout De maximale uitvoeringsduur in ISO 8601-indeling, waarna de taak wordt geannuleerd. Ondersteunt alleen de duur met precisie zo laag als seconden. snaar
trialTimeout Time-outwaarde voor time-out voor de proefversie van de taak opruimen. snaar

SweepJobOutputs

Naam Beschrijving Waarde

TableVerticalFeaturizationSettings

Naam Beschrijving Waarde
blockedTransformers Deze transformatoren mogen niet worden gebruikt in featurization. Tekenreeksmatrix met een van de volgende waarden:
'CatTargetEncoder'
'CountVectorizer'
'HashOneHotEncoder'
'LabelEncoder'
'NaiveBayes'
'OneHotEncoder'
'TextTargetEncoder'
'TfIdf'
'WoETargetEncoder'
'WordEmbedding'
columnNameAndTypes Woordenlijst van kolomnaam en het bijbehorende type (int, float, tekenreeks, datum/tijd, enzovoort). TableVerticalFeaturizationSettingsColumnNameAndTypes
gegevenssetLanguage De taal van de gegevensset, handig voor de tekstgegevens. snaar
enableDnnFeaturization Bepaalt of op Dnn gebaseerde featurizers moeten worden gebruikt voor gegevensmetrisatie. Bool
wijze Featurization-modus: de gebruiker kan de standaardmodus 'Auto' behouden en AutoML zorgt voor de noodzakelijke transformatie van de gegevens in de featurization-fase.
Als 'Uit' is geselecteerd, wordt er geen featurization uitgevoerd.
Als 'Aangepast' is geselecteerd, kan de gebruiker aanvullende invoer opgeven om aan te passen hoe featurization wordt uitgevoerd.		 'Auto'
'Aangepast'
'Uit'
transformerParams Gebruiker kan extra transformatoren opgeven die moeten worden gebruikt, samen met de kolommen waarop deze moet worden toegepast en parameters voor de transformatorconstructor. TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Naam Beschrijving Waarde

TableVerticalFeaturizationSettingsTransformerParams

Naam Beschrijving Waarde

TableVerticalLimitSettings

Naam Beschrijving Waarde
enableEarlyTermination Vroegtijdige beëindiging inschakelen, bepaalt of AutoMLJob vroeg wordt beëindigd als er geen scoreverbetering is in de afgelopen 20 iteraties. Bool
exitScore Afsluitscore voor de AutoML-taak. Int
maxConcurrentTrials Maximum aantal gelijktijdige iteraties. Int
maxCoresPerTrial Maximum aantal kernen per iteratie. Int
maxTrials Aantal iteraties. Int
Timeout Time-out voor AutoML-taken. snaar
trialTimeout Time-out voor iteratie. snaar

TargetLags

Naam Beschrijving Waarde
wijze Ingesteld op 'Auto' voor type AutoTargetLags. Ingesteld op 'Aangepast' voor het type CustomTargetLags. 'Auto'
'Aangepast' (vereist)

TargetRollingWindowSize

Naam Beschrijving Waarde
wijze Ingesteld op 'Auto' voor type AutoTargetRollingWindowSize. Ingesteld op 'Aangepast' voor het type CustomTargetRollingWindowSize. 'Auto'
'Aangepast' (vereist)

TeacherModelEndpoint

Naam Beschrijving Waarde
endpointName snaar

TeacherModelEndpointRequestSettings

Naam Beschrijving Waarde
minEndpointSuccessRatio Int
requestBatchSize Int

TeacherModelSettings

Naam Beschrijving Waarde
teacherModelEndpointRequestSettings Instellingen voor aanvraag van docentmodel. TeacherModelEndpointRequestSettings
teacherModelInferenceParameters Instellingen voor deductie van docentmodellen. TeacherModelSettingsTeacherModelInferenceParameters

TeacherModelSettingsTeacherModelInferenceParameters

Naam Beschrijving Waarde

TensorFlow

Naam Beschrijving Waarde
distributionType [Vereist] Hiermee geeft u het type distributieframework op. 'TensorFlow' (vereist)
parameterServerCount Aantal parameterservertaken. Int
workerCount Aantal werknemers. Als dit niet is opgegeven, wordt het aantal exemplaren standaard ingesteld. Int

TextClassification

Naam Beschrijving Waarde
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. NlpVerticalFeaturizationSettings
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. NlpVerticalLimitSettings
primaryMetric Primaire metrische gegevens voor Text-Classification taak. 'Nauwkeurigheid'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
taskType [Vereist] Taaktype voor AutoMLJob. TextClassification (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-

TextClassificationMultilabel

Naam Beschrijving Waarde
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. NlpVerticalFeaturizationSettings
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. NlpVerticalLimitSettings
taskType [Vereist] Taaktype voor AutoMLJob. 'TextClassificationMultilabel' (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-

TextNer

Naam Beschrijving Waarde
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. NlpVerticalFeaturizationSettings
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. NlpVerticalLimitSettings
taskType [Vereist] Taaktype voor AutoMLJob. 'TextNER' (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-

TopNFeaturesByAttribution

Naam Beschrijving Waarde
filterType [Vereist] Hiermee geeft u het functiefilter op dat moet worden gebruikt bij het selecteren van functies om metrische gegevens te berekenen. 'TopNByAttribution' (vereist)
Boven Het aantal belangrijkste functies dat moet worden opgenomen. Int

TrialComponent

Naam Beschrijving Waarde
codeId ARM-resource-id van de codeasset. snaar
bevelen [Vereist] De opdracht die moet worden uitgevoerd bij het opstarten van de taak. bijvoorbeeld "python train.py" snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
distributie Distributieconfiguratie van de taak. Indien ingesteld, moet dit een van Mpi, Tensorflow, PyTorch of null zijn. DistributionConfiguration-
environmentId [Vereist] De ARM-resource-id van de omgevingsspecificatie voor de taak. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
environmentVariables Omgevingsvariabelen die zijn opgenomen in de taak. TrialComponentEnvironmentVariables
weg Rekenresourceconfiguratie voor de taak. JobResourceConfiguration-

TrialComponentEnvironmentVariables

Naam Beschrijving Waarde

TriggerBase

Naam Beschrijving Waarde
endTime Hiermee geeft u de eindtijd van de planning in ISO 8601, maar zonder utc-offset. Raadpleeg https://en.wikipedia.org/wiki/ISO_8601.
Opgemaakte indeling is '2022-06-01T00:00:01'
Als deze niet aanwezig is, wordt het schema voor onbepaalde tijd uitgevoerd		 snaar
startTime Hiermee geeft u de begintijd van de planning in ISO 8601-indeling, maar zonder utc-offset. snaar
tijdzone Hiermee geeft u de tijdzone op waarin het schema wordt uitgevoerd.
Tijdzone moet de windows-tijdzone-indeling volgen. Raadpleeg: /windows-hardware/manufacture/desktop/default-time-zones?view=windows-11		 snaar
triggerType Ingesteld op 'Cron' voor het type CronTrigger. Ingesteld op Terugkeerpatroon voor type RecurrenceTrigger. 'Cron'
Terugkeerpatroon (vereist)

TritonModelJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'triton_model' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

TritonModelJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'triton_model' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

TruncationSelectionPolicy

Naam Beschrijving Waarde
policyType [Vereist] Naam van beleidsconfiguratie 'TruncationSelection' (vereist)
afkappingSpercentage Het percentage uitvoeringen dat moet worden geannuleerd bij elk evaluatie-interval. Int

UriFileJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'uri_file' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

UriFileJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'uri_file' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

UriFolderJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'uri_folder' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

UriFolderJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'uri_folder' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

UserAssignedIdentities

Naam Beschrijving Waarde

UserAssignedIdentity

Naam Beschrijving Waarde

UserIdentity

Naam Beschrijving Waarde
identityType [Vereist] Hiermee geeft u het type identiteitsframework op. UserIdentity (vereist)

Webhook

Naam Beschrijving Waarde
eventType Callback verzenden voor een opgegeven meldings gebeurtenis snaar
webhookType Ingesteld op 'AzureDevOps' voor het type AzureDevOpsWebhook. 'AzureDevOps' (vereist)

Resourcedefinitie van ARM-sjabloon

Het resourcetype werkruimten/planningen kan worden geïmplementeerd met bewerkingen die zijn gericht op:

Zie logboek wijzigenvoor een lijst met gewijzigde eigenschappen in elke API-versie.

Resource-indeling

Als u een resource voor Microsoft.MachineLearningServices/werkruimten/planningen wilt maken, voegt u de volgende JSON toe aan uw sjabloon.

{
  "type": "Microsoft.MachineLearningServices/workspaces/schedules",
  "apiVersion": "2025-01-01-preview",
  "name": "string",
  "properties": {
    "action": {
      "actionType": "string"
      // For remaining properties, see ScheduleActionBase objects
    },
    "description": "string",
    "displayName": "string",
    "isEnabled": "bool",
    "properties": {
      "{customized property}": "string"
    },
    "tags": {
      "{customized property}": "string"
    },
    "trigger": {
      "endTime": "string",
      "startTime": "string",
      "timeZone": "string",
      "triggerType": "string"
      // For remaining properties, see TriggerBase objects
    }
  }
}

FineTuningVertical-objecten

Stel de eigenschap modelProvider in om het type object op te geven.

Gebruik voor AzureOpenAI-:

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

Gebruik voor Aangepaste:

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

Webhookobjecten

Stel de eigenschap webhookType in om het type object op te geven.

Gebruik voor AzureDevOps-:

{
  "webhookType": "AzureDevOps"
}

Knooppuntobjecten

Stel de eigenschap nodesValueType in om het type object op te geven.

Gebruik voor Alle:

{
  "nodesValueType": "All"
}

TriggerBase-objecten

Stel de eigenschap triggerType in om het type object op te geven.

Gebruik voor Cron:

{
  "expression": "string",
  "triggerType": "Cron"
}

Gebruik voor terugkeerpatroon:

{
  "frequency": "string",
  "interval": "int",
  "schedule": {
    "hours": [ "int" ],
    "minutes": [ "int" ],
    "monthDays": [ "int" ],
    "weekDays": [ "string" ]
  },
  "triggerType": "Recurrence"
}

JobInput-objecten

Stel de eigenschap jobInputType in om het type object op te geven.

Gebruik voor custom_model:

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

Gebruik voor letterlijke:

{
  "jobInputType": "literal",
  "value": "string"
}

Gebruik voor mlflow_model:

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

Gebruik voor mltable:

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

Gebruik voor triton_model:

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

Voor uri_filegebruikt u:

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

Gebruik voor uri_folder:

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

SamplingAlgorithm-objecten

Stel de eigenschap samplingAlgorithmType in om het type object op te geven.

Gebruik voor Bayesian-:

{
  "samplingAlgorithmType": "Bayesian"
}

Gebruik voor Grid:

{
  "samplingAlgorithmType": "Grid"
}

Gebruik voor Willekeurige:

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

IdentityConfiguration-objecten

Stel de eigenschap identityType in om het type object op te geven.

Gebruik voor AMLToken-:

{
  "identityType": "AMLToken"
}

Gebruik voor Beheerde:

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

Gebruik voor UserIdentity-:

{
  "identityType": "UserIdentity"
}

MonitorComputeConfigurationBase-objecten

Stel de eigenschap computeType in om het type object op te geven.

Gebruik voor ServerlessSpark:

{
  "computeIdentity": {
    "computeIdentityType": "string"
    // For remaining properties, see MonitorComputeIdentityBase objects
  },
  "computeType": "ServerlessSpark",
  "instanceType": "string",
  "runtimeVersion": "string"
}

SparkJobEntry-objecten

Stel de eigenschap sparkJobEntryType in om het type object op te geven.

Gebruik voor SparkJobPythonEntry:

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

Gebruik voor SparkJobScalaEntry-:

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

EarlyTerminationPolicy-objecten

Stel de eigenschap policyType in om het type object op te geven.

Gebruik voor Bandit-:

{
  "policyType": "Bandit",
  "slackAmount": "int",
  "slackFactor": "int"
}

Gebruik voor MedianStopping:

{
  "policyType": "MedianStopping"
}

Gebruik voor TruncationSelection:

{
  "policyType": "TruncationSelection",
  "truncationPercentage": "int"
}

JobOutput-objecten

Stel de eigenschap jobOutputType in om het type object op te geven.

Gebruik voor custom_model:

{
  "assetName": "string",
  "jobOutputType": "custom_model",
  "mode": "string",
  "uri": "string"
}

Gebruik voor mlflow_model:

{
  "assetName": "string",
  "jobOutputType": "mlflow_model",
  "mode": "string",
  "uri": "string"
}

Gebruik voor mltable:

{
  "assetName": "string",
  "jobOutputType": "mltable",
  "mode": "string",
  "uri": "string"
}

Gebruik voor triton_model:

{
  "assetName": "string",
  "jobOutputType": "triton_model",
  "mode": "string",
  "uri": "string"
}

Voor uri_filegebruikt u:

{
  "assetName": "string",
  "jobOutputType": "uri_file",
  "mode": "string",
  "uri": "string"
}

Gebruik voor uri_folder:

{
  "assetName": "string",
  "jobOutputType": "uri_folder",
  "mode": "string",
  "uri": "string"
}

DataQualityMetricThresholdBase-objecten

Stel de eigenschap dataType in om het type object op te geven.

Gebruik voor Categorische:

{
  "dataType": "Categorical",
  "metric": "string"
}

Gebruik voor numerieke:

{
  "dataType": "Numerical",
  "metric": "string"
}

TargetLags-objecten

Stel de modus eigenschap in om het type object op te geven.

Gebruik voor Automatische:

{
  "mode": "Auto"
}

Gebruik voor Aangepaste:

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

MonitoringInputDataBase-objecten

Stel de eigenschap inputDataType in om het type object op te geven.

Gebruik voor vaste:

{
  "inputDataType": "Fixed"
}

Gebruik voor Rolling:

{
  "inputDataType": "Rolling",
  "preprocessingComponentId": "string",
  "windowOffset": "string",
  "windowSize": "string"
}

Gebruik voor Statische:

{
  "inputDataType": "Static",
  "preprocessingComponentId": "string",
  "windowEnd": "string",
  "windowStart": "string"
}

MonitorComputeIdentityBase-objecten

Stel de eigenschap computeIdentityType in om het type object op te geven.

Gebruik voor AmlToken-:

{
  "computeIdentityType": "AmlToken"
}

Gebruik voor ManagedIdentity-:

{
  "computeIdentityType": "ManagedIdentity",
  "identity": {
    "type": "string",
    "userAssignedIdentities": {
      "{customized property}": {
      }
    }
  }
}

PredictionDriftMetricThresholdBase-objecten

Stel de eigenschap dataType in om het type object op te geven.

Gebruik voor Categorische:

{
  "dataType": "Categorical",
  "metric": "string"
}

Gebruik voor numerieke:

{
  "dataType": "Numerical",
  "metric": "string"
}

Seizoensgebondenheidsobjecten

Stel de modus eigenschap in om het type object op te geven.

Gebruik voor Automatische:

{
  "mode": "Auto"
}

Gebruik voor Aangepaste:

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

JobBaseProperties-objecten

Stel de eigenschap jobType in om het type object op te geven.

Gebruik voor AutoML-:

{
  "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",
    "dockerArgsList": [ "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
  }
}

Gebruik voor Command:

{
  "codeId": "string",
  "command": "string",
  "distribution": {
    "distributionType": "string"
    // For remaining properties, see DistributionConfiguration objects
  },
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "string"
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "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",
    "dockerArgsList": [ "string" ],
    "instanceCount": "int",
    "instanceType": "string",
    "properties": {
      "{customized property}": {}
    },
    "shmSize": "string"
  }
}

Gebruik voor distillatie:

{
  "dataGenerationDetails": {
    "dataGenerationTaskType": "string",
    "promptSettings": {
      "enableChainOfDensity": "bool",
      "enableChainOfThought": "bool",
      "maxLenSummary": "int"
    },
    "teacherModelEndpoint": {
      "endpointName": "string"
    },
    "teacherModelSettings": {
      "teacherModelEndpointRequestSettings": {
        "minEndpointSuccessRatio": "int",
        "requestBatchSize": "int"
      },
      "teacherModelInferenceParameters": {
        "{customized property}": "string"
      }
    },
    "dataGenerationType": "string"
    // For remaining properties, see DataGenerationVertical objects
  },
  "finetuningDetails": {
    "hyperParameters": {
      "{customized property}": "string"
    },
    "studentModel": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "jobType": "Distillation",
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "queueSettings": {
    "jobTier": "string"
  },
  "resources": {
    "instanceTypes": [ "string" ]
  }
}

Gebruik voor FineTuning:

{
  "fineTuningDetails": {
    "model": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    },
    "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" ]
  }
}

Gebruik voor Pipeline:

{
  "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"
}

Gebruik voor Spark-:

{
  "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"
  }
}

Gebruik voor Sweep:

{
  "earlyTermination": {
    "delayEvaluation": "int",
    "evaluationInterval": "int",
    "policyType": "string"
    // For remaining properties, see EarlyTerminationPolicy objects
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "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",
      "dockerArgsList": [ "string" ],
      "instanceCount": "int",
      "instanceType": "string",
      "properties": {
        "{customized property}": {}
      },
      "shmSize": "string"
    }
  }
}

NCrossValidations-objecten

Stel de modus eigenschap in om het type object op te geven.

Gebruik voor Automatische:

{
  "mode": "Auto"
}

Gebruik voor Aangepaste:

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

MonitoringSignalBase-objecten

Stel de eigenschap signalType in om het type object op te geven.

Gebruik voor Aangepaste:

{
  "componentId": "string",
  "inputAssets": {
    "{customized property}": {
      "columns": {
        "{customized property}": "string"
      },
      "dataContext": "string",
      "jobInputType": "string",
      "uri": "string",
      "inputDataType": "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "metricThresholds": [
    {
      "metric": "string",
      "threshold": {
        "value": "int"
      }
    }
  ],
  "signalType": "Custom"
}

Gebruik voor DataDrift-:

{
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "featureImportanceSettings": {
    "mode": "string",
    "targetColumn": "string"
  },
  "features": {
    "filterType": "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  },
  "metricThresholds": [ {
    "threshold": {
      "value": "int"
    },
    "dataType": "string"
    // For remaining properties, see DataDriftMetricThresholdBase objects
  } ],
  "productionData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "DataDrift"
}

Gebruik voor DataQuality:

{
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "featureImportanceSettings": {
    "mode": "string",
    "targetColumn": "string"
  },
  "features": {
    "filterType": "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  },
  "metricThresholds": [ {
    "threshold": {
      "value": "int"
    },
    "dataType": "string"
    // For remaining properties, see DataQualityMetricThresholdBase objects
  } ],
  "productionData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "DataQuality"
}

Gebruik voor FeatureAttributionDrift-:

{
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "featureImportanceSettings": {
    "mode": "string",
    "targetColumn": "string"
  },
  "metricThreshold": {
    "metric": "string",
    "threshold": {
      "value": "int"
    }
  },
  "productionData": [ {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  } ],
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "FeatureAttributionDrift"
}

Gebruik voor PredictionDrift:

{
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "metricThresholds": [ {
    "threshold": {
      "value": "int"
    },
    "dataType": "string"
    // For remaining properties, see PredictionDriftMetricThresholdBase objects
  } ],
  "productionData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "PredictionDrift"
}

DataGenerationVertical-objecten

Stel de eigenschap dataGenerationType in om het type object op te geven.

Gebruik voor LabelGeneration:

{
  "dataGenerationType": "LabelGeneration",
  "trainingData": {
    "description": "string",
    "jobInputType": "string"
    // For remaining properties, see JobInput objects
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string"
    // For remaining properties, see JobInput objects
  }
}

ScheduleActionBase-objecten

Stel de eigenschap actionType in om het type object op te geven.

Gebruik voor CreateJob:

{
  "actionType": "CreateJob",
  "jobDefinition": {
    "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
        }
      }
    },
    "parentJobName": "string",
    "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
  }
}

Gebruik voor CreateMonitor:

{
  "actionType": "CreateMonitor",
  "monitorDefinition": {
    "alertNotificationSettings": {
      "emailNotificationSettings": {
        "emails": [ "string" ]
      }
    },
    "computeConfiguration": {
      "computeType": "string"
      // For remaining properties, see MonitorComputeConfigurationBase objects
    },
    "monitoringTarget": {
      "deploymentId": "string",
      "modelId": "string",
      "taskType": "string"
    },
    "signals": {
      "{customized property}": {
        "notificationTypes": [ "string" ],
        "properties": {
          "{customized property}": "string"
        },
        "signalType": "string"
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }
}

Gebruik voor InvokeBatchEndpoint:

{
  "actionType": "InvokeBatchEndpoint",
  "endpointInvocationDefinition": {}
}

DistributionConfiguration-objecten

Stel de eigenschap distributionType in om het type object op te geven.

Gebruik voor Mpi-:

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

Gebruik voor PyTorch-:

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

Gebruik voor TensorFlow-:

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

DataDriftMetricThresholdBase-objecten

Stel de eigenschap dataType in om het type object op te geven.

Gebruik voor Categorische:

{
  "dataType": "Categorical",
  "metric": "string"
}

Gebruik voor numerieke:

{
  "dataType": "Numerical",
  "metric": "string"
}

ForecastHorizon-objecten

Stel de modus eigenschap in om het type object op te geven.

Gebruik voor Automatische:

{
  "mode": "Auto"
}

Gebruik voor Aangepaste:

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

TargetRollingWindowSize-objecten

Stel de modus eigenschap in om het type object op te geven.

Gebruik voor Automatische:

{
  "mode": "Auto"
}

Gebruik voor Aangepaste:

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

MonitoringFeatureFilterBase-objecten

Stel de eigenschap filterType in om het type object op te geven.

Gebruik voor AllFeatures:

{
  "filterType": "AllFeatures"
}

Gebruik voor FeatureSubset:

{
  "features": [ "string" ],
  "filterType": "FeatureSubset"
}

Gebruik voor TopNByAttribution:

{
  "filterType": "TopNByAttribution",
  "top": "int"
}

AutoMLVertical-objecten

Stel de eigenschap taskType in om het type object op te geven.

Gebruik voor Classificatie:

{
  "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"
}

Gebruik voor voorspellen:

{
  "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"
}

Gebruik voor ImageClassification:

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

Gebruik voor ImageClassificationMultilabel:

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

Gebruik voor ImageInstanceSegmentation:

{
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "boxDetectionsPerImage": "int",
    "boxScoreThreshold": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "imageSize": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "maxSize": "int",
    "minSize": "int",
    "modelName": "string",
    "modelSize": "string",
    "momentum": "int",
    "multiScale": "bool",
    "nesterov": "bool",
    "nmsIouThreshold": "int",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "tileGridSize": "string",
    "tileOverlapRatio": "int",
    "tilePredictionsNmsThreshold": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "validationIouThreshold": "int",
    "validationMetricType": "string",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int"
  },
  "primaryMetric": "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"
}

Gebruik voor ImageObjectDetection:

{
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "boxDetectionsPerImage": "int",
    "boxScoreThreshold": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "imageSize": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "maxSize": "int",
    "minSize": "int",
    "modelName": "string",
    "modelSize": "string",
    "momentum": "int",
    "multiScale": "bool",
    "nesterov": "bool",
    "nmsIouThreshold": "int",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "tileGridSize": "string",
    "tileOverlapRatio": "int",
    "tilePredictionsNmsThreshold": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "validationIouThreshold": "int",
    "validationMetricType": "string",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int"
  },
  "primaryMetric": "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"
}

Gebruik voor regressie-:

{
  "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"
}

Gebruik voor TextClassification:

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

Gebruik voor TextClassificationMultilabel:

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

Gebruik voor TextNER-:

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

Eigenschapswaarden

AllFeatures

Naam Beschrijving Waarde
filterType [Vereist] Hiermee geeft u het functiefilter op dat moet worden gebruikt bij het selecteren van functies om metrische gegevens te berekenen. 'AllFeatures' (vereist)

AllNodes

Naam Beschrijving Waarde
nodesValueType [Vereist] Type van de waarde Knooppunten 'Alles' (vereist)

AmlToken

Naam Beschrijving Waarde
identityType [Vereist] Hiermee geeft u het type identiteitsframework op. AMLToken (vereist)

AmlTokenComputeIdentity

Naam Beschrijving Waarde
computeIdentityType [Vereist] Hiermee geeft u het type identiteit op dat moet worden gebruikt binnen de bewakingstaken. AmlToken (vereist)

AutoForecastHorizon

Naam Beschrijving Waarde
wijze [Vereist] Stel de selectiemodus voor de waarde van de prognose horizon in. 'Auto' (vereist)

AutoMLJob

Naam Beschrijving Waarde
environmentId De ARM-resource-id van de omgevingsspecificatie voor de taak.
Dit is een optionele waarde die moet worden opgegeven, indien niet opgegeven, wordt deze standaard ingesteld op de door AutoML samengestelde omgevingsversie van Productie bij het uitvoeren van de taak.		 snaar
environmentVariables Omgevingsvariabelen die zijn opgenomen in de taak. AutoMLJobEnvironmentVariables
jobType [Vereist] Hiermee geeft u het type taak. 'AutoML' (vereist)
Uitgangen Toewijzing van uitvoergegevensbindingen die in de taak worden gebruikt. AutoMLJobOutputs
queueSettings Wachtrijinstellingen voor de taak QueueSettings
weg Rekenresourceconfiguratie voor de taak. JobResourceConfiguration-
taskDetails [Vereist] Dit vertegenwoordigt een scenario dat een van tabellen/NLP/Image kan zijn AutoMLVertical (vereist)

AutoMLJobEnvironmentVariables

Naam Beschrijving Waarde

AutoMLJobOutputs

Naam Beschrijving Waarde

AutoMLVertical

Naam Beschrijving Waarde
logVerbosity Logboek uitgebreidheid voor de taak. 'Kritiek'
'Fouten opsporen'
'Fout'
'Info'
'NotSet'
'Waarschuwing'
targetColumnName Naam van doelkolom: dit is de kolom voorspellingswaarden.
Ook wel labelkolomnaam genoemd in de context van classificatietaken.		 snaar
taskType Ingesteld op Classificatie voor het type Classificatie. Ingesteld op 'Prognose' voor het type Voorspellen. Ingesteld op 'ImageClassification' voor het type ImageClassification. Ingesteld op 'ImageClassificationMultilabel' voor het type ImageClassificationMultilabel. Ingesteld op ImageInstanceSegmentation voor type ImageInstanceSegmentation. Ingesteld op ImageObjectDetection voor het type ImageObjectDetection. Ingesteld op Regressie voor het type Regressie. Ingesteld op 'TextClassification' voor het type TextClassification. Ingesteld op 'TextClassificationMultilabel' voor het type TextClassificationMultilabel. Ingesteld op 'TextNER' voor het type TextNer. 'Classificatie'
'Prognoses'
'ImageClassification'
'ImageClassificationMultilabel'
'ImageInstanceSegmentation'
'ImageObjectDetection'
Regressie
'TextClassification'
'TextClassificationMultilabel'
'TextNER' (vereist)
trainingData [Vereist] Invoer van trainingsgegevens. MLTableJobInput- (vereist)

AutoNCrossValidations

Naam Beschrijving Waarde
wijze [Vereist] Modus voor het bepalen van N-Kruisvalidaties. 'Auto' (vereist)

AutoSeasonality

Naam Beschrijving Waarde
wijze [Vereist] Seizoensgebondenheidsmodus. 'Auto' (vereist)

AutoTargetLags

Naam Beschrijving Waarde
wijze [Vereist] Doelvertragingsmodus instellen - Automatisch/aangepast 'Auto' (vereist)

AutoTargetRollingWindowSize

Naam Beschrijving Waarde
wijze [Vereist] TargetRollingWindowSiz-detectiemodus. 'Auto' (vereist)

AzureDevOpsWebhook

Naam Beschrijving Waarde
webhookType [Vereist] Hiermee geeft u het type service voor het verzenden van een callback 'AzureDevOps' (vereist)

AzureOpenAiFineTuning

Naam Beschrijving Waarde
hyperParameters HyperParameters voor het verfijnen van het Azure Open AI-model. AzureOpenAiHyperParameters
modelProvider [Vereist] Enum om het type fine tuning te bepalen. 'AzureOpenAI' (vereist)

AzureOpenAiHyperParameters

Naam Beschrijving Waarde
batchSize Aantal voorbeelden in elke batch. Een grotere batchgrootte betekent dat modelparameters minder vaak worden bijgewerkt, maar met een lagere variantie. Int
learningRateMultiplier Schaalfactor voor de leersnelheid. Een kleiner leerpercentage kan nuttig zijn om te voorkomen dat het past. Int
nEpochs Het aantal tijdvakken waarvoor het model moet worden getraind. Een tijdsperiode verwijst naar één volledige cyclus door de trainingsgegevensset. Int

BanditPolicy

Naam Beschrijving Waarde
policyType [Vereist] Naam van beleidsconfiguratie 'Bandit' (vereist)
slackAmount Absolute afstand die is toegestaan vanaf de best presterende uitvoering. Int
slackFactor Verhouding van de toegestane afstand van de best presterende uitvoering. Int

BayesianSamplingAlgorithm

Naam Beschrijving Waarde
samplingAlgorithmType [Vereist] Het algoritme dat wordt gebruikt voor het genereren van hyperparameterwaarden, samen met configuratie-eigenschappen 'Bayesian' (vereist)

CategoricalDataDriftMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. Categorisch (vereist)
metriek [Vereist] De categorische gegevensdriftwaarde die moet worden berekend. 'JensenShannonDistance'
'PearsonsChiSquaredTest'
'PopulationStabilityIndex' (vereist)

CategoricalDataQualityMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. Categorisch (vereist)
metriek [Vereist] De meetwaarde voor categorische gegevenskwaliteit die moet worden berekend. 'DataTypeErrorRate'
'NullValueRate'
'OutOfBoundsRate' (vereist)

CategoricalPredictionDriftMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. Categorisch (vereist)
metriek [Vereist] De categorische voorspellingsdriftwaarde die moet worden berekend. 'JensenShannonDistance'
'PearsonsChiSquaredTest'
'PopulationStabilityIndex' (vereist)

Classificatie

Naam Beschrijving Waarde
cvSplitColumnNames Kolommen die moeten worden gebruikt voor CVSplit-gegevens. tekenreeks[]
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. TableVerticalFeaturizationSettings
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. TableVerticalLimitSettings
nCrossValidations Aantal kruisvalidatievouws dat moet worden toegepast op de trainingsgegevensset
wanneer er geen validatiegegevensset is opgegeven.		 NCrossValidations
positiveLabel Positief label voor berekening van binaire metrische gegevens. snaar
primaryMetric Primaire metrische gegevens voor de taak. 'Nauwkeurigheid'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
taskType [Vereist] Taaktype voor AutoMLJob. 'Classificatie' (vereist)
testData Gegevensinvoer testen. MLTableJobInput-
testDataSize Het deel van de testgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
trainingSettings Invoer voor de trainingsfase voor een AutoML-taak. ClassificationTrainingSettings
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
weightColumnName De naam van de kolom met de steekproefgewicht. Geautomatiseerde ML ondersteunt een gewogen kolom als invoer, waardoor rijen in de gegevens omhoog of omlaag worden gewogen. snaar

ClassificationTrainingSettings

Naam Beschrijving Waarde
allowedTrainingAlgorithms Toegestane modellen voor classificatietaak. Tekenreeksmatrix met een van de volgende waarden:
'BernoulliNaiveBayes'
"DecisionTree"
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
blockedTrainingAlgorithms Geblokkeerde modellen voor classificatietaak. Tekenreeksmatrix met een van de volgende waarden:
'BernoulliNaiveBayes'
"DecisionTree"
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
enableDnnTraining Schakel de aanbeveling van DNN-modellen in. Bool
enableModelExplainability Vlag om uitleg in te schakelen voor het beste model. Bool
enableOnnxCompatibleModels Vlag voor het inschakelen van compatibele onnx-modellen. Bool
enableStackEnsemble Schakel stack ensemble run in. Bool
enableVoteEnsemble Stem ensembleuitvoering inschakelen. Bool
ensembleModelDownloadTimeout Tijdens votingEnsemble en StackEnsemble modelgeneratie worden meerdere aangepaste modellen van de vorige onderliggende uitvoeringen gedownload.
Configureer deze parameter met een hogere waarde dan 300 sec. Als er meer tijd nodig is.		 snaar
stackEnsembleSettings Stack ensemble-instellingen voor stack ensemble run. StackEnsembleSettings

ColumnTransformer

Naam Beschrijving Waarde
Velden Velden waarop transformatielogica moet worden toegepast. tekenreeks[]
Parameters Verschillende eigenschappen die moeten worden doorgegeven aan de transformator.
De verwachte invoer is een woordenlijst van sleutel-waardeparen in JSON-indeling.		 enig

CommandJob

Naam Beschrijving Waarde
codeId ARM-resource-id van de codeasset. snaar
bevelen [Vereist] De opdracht die moet worden uitgevoerd bij het opstarten van de taak. bijvoorbeeld "python train.py" snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
distributie Distributieconfiguratie van de taak. Indien ingesteld, moet dit een van Mpi, Tensorflow, PyTorch of null zijn. DistributionConfiguration-
environmentId [Vereist] De ARM-resource-id van de omgevingsspecificatie voor de taak. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
environmentVariables Omgevingsvariabelen die zijn opgenomen in de taak. CommandJobEnvironmentVariables
Ingangen Toewijzing van invoergegevensbindingen die in de taak worden gebruikt. CommandJobInputs
jobType [Vereist] Hiermee geeft u het type taak. 'Opdracht' (vereist)
grens Opdrachttaaklimiet. CommandJobLimits-
Uitgangen Toewijzing van uitvoergegevensbindingen die in de taak worden gebruikt. CommandJobOutputs-
queueSettings Wachtrijinstellingen voor de taak QueueSettings
weg Rekenresourceconfiguratie voor de taak. JobResourceConfiguration-

CommandJobEnvironmentVariables

Naam Beschrijving Waarde

CommandJobInputs

Naam Beschrijving Waarde

CommandJobLimits

Naam Beschrijving Waarde
jobLimitsType [Vereist] Type JobLimit. 'Opdracht'
'Opruimen' (vereist)
Timeout De maximale uitvoeringsduur in ISO 8601-indeling, waarna de taak wordt geannuleerd. Ondersteunt alleen de duur met precisie zo laag als seconden. snaar

CommandJobOutputs

Naam Beschrijving Waarde

CreateMonitorAction

Naam Beschrijving Waarde
actionType [Vereist] Hiermee geeft u het actietype van de planning CreateMonitor (vereist)
monitorDefinition [Vereist] Definieert de monitor. MonitorDefinition- (vereist)

CronTrigger

Naam Beschrijving Waarde
uitdrukking [Vereist] Hiermee geeft u cron-expressie van planning.
De expressie moet de NCronTab-indeling volgen.		 snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
triggerType [Vereist] 'Cron' (vereist)

CustomForecastHorizon

Naam Beschrijving Waarde
wijze [Vereist] Stel de selectiemodus voor de waarde van de prognose horizon in. 'Aangepast' (vereist)
waarde [Vereist] Waarde van de prognose horizon. int (vereist)

CustomMetricThreshold

Naam Beschrijving Waarde
metriek [Vereist] De door de gebruiker gedefinieerde metriek die moet worden berekend. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
drempel De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde. MonitoringThreshold-

CustomModelFineTuning

Naam Beschrijving Waarde
hyperParameters HyperParameters voor het verfijnen van aangepast model. CustomModelFineTuningHyperParameters
modelProvider [Vereist] Enum om het type fine tuning te bepalen. 'Aangepast' (vereist)

CustomModelFineTuningHyperParameters

Naam Beschrijving Waarde

CustomModelJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'custom_model' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

CustomModelJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'custom_model' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

CustomMonitoringSignal

Naam Beschrijving Waarde
componentId [Vereist] Verwijzing naar het onderdeelasset dat wordt gebruikt om de aangepaste metrische gegevens te berekenen. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
inputAssets Assets bewaken die moeten worden gebruikt als invoer. Sleutel is de naam van de invoerpoort van het onderdeel, de waarde is de gegevensasset. CustomMonitoringSignalInputAssets
Ingangen Extra onderdeelparameters die als invoer moeten worden gebruikt. Sleutel is de naam van de letterlijke invoerpoort van het onderdeel, de waarde is de parameterwaarde. CustomMonitoringSignalInputs
metricThresholds [Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden. CustomMetricThreshold[] (vereist)
signalType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'Aangepast' (vereist)

CustomMonitoringSignalInputAssets

Naam Beschrijving Waarde

CustomMonitoringSignalInputs

Naam Beschrijving Waarde

CustomNCrossValidations

Naam Beschrijving Waarde
wijze [Vereist] Modus voor het bepalen van N-Kruisvalidaties. 'Aangepast' (vereist)
waarde [Vereist] Waarde voor N-kruisvalidaties. int (vereist)

CustomSeasonality

Naam Beschrijving Waarde
wijze [Vereist] Seizoensgebondenheidsmodus. 'Aangepast' (vereist)
waarde [Vereist] Seizoensgebondenheidswaarde. int (vereist)

CustomTargetLags

Naam Beschrijving Waarde
wijze [Vereist] Doelvertragingsmodus instellen - Automatisch/aangepast 'Aangepast' (vereist)
waarden [Vereist] Stel waarden voor doelvertragingen in. int[] (vereist)

CustomTargetRollingWindowSize

Naam Beschrijving Waarde
wijze [Vereist] TargetRollingWindowSiz-detectiemodus. 'Aangepast' (vereist)
waarde [Vereist] TargetRollingWindowSize-waarde. int (vereist)

DataDriftMetricThresholdBase

Naam Beschrijving Waarde
Datatype Ingesteld op Categorical voor type CategoricalDataDriftMetricThreshold. Ingesteld op 'Numeriek' voor het type NumericalDataDriftMetricThreshold. 'Categorisch'
'Numeriek' (vereist)
drempel De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde. MonitoringThreshold-

DataDriftMonitoringSignal

Naam Beschrijving Waarde
featureDataTypeOverride Een woordenlijst waarmee functienamen worden toegewezen aan hun respectieve gegevenstypen. DataDriftMonitoringSignalFeatureDataTypeOverride-
featureImportanceSettings De instellingen voor het belang van computingfuncties. FeatureImportanceSettings
Functies Het functiefilter waarmee wordt aangegeven welke functie moet worden berekend. MonitoringFeatureFilterBase
metricThresholds [Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden. DataDriftMetricThresholdBase[] (vereist)
productionData [Vereist] De gegevens waarvoor afwijkingen worden berekend. MonitoringInputDataBase (vereist)
referenceData [Vereist] De gegevens voor het berekenen van afwijkingen. MonitoringInputDataBase (vereist)
signalType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. DataDrift (vereist)

DataDriftMonitoringSignalFeatureDataTypeOverride

Naam Beschrijving Waarde

DataGenerationVertical

Naam Beschrijving Waarde
dataGenerationTaskType [Vereist] Gegevensgeneratietaaktype. 'Gesprek'
'Wiskunde'
'Nli'
'NluQa'
Samenvatting (vereist)
dataGenerationType Ingesteld op LabelGeneration voor het type LabelGeneration. 'LabelGeneration' (vereist)
promptSettings Promptinstellingen. PromptSettings-
teacherModelEndpoint [Vereist] Details van eindpunt van docentmodel. TeacherModelEndpoint (vereist)
teacherModelSettings TeacherModelSettings

DataQualityMetricThresholdBase

Naam Beschrijving Waarde
Datatype Ingesteld op Categorical voor het type CategoricalDataQualityMetricThreshold. Ingesteld op 'Numeriek' voor het type NumericalDataQualityMetricThreshold. 'Categorisch'
'Numeriek' (vereist)
drempel De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde. MonitoringThreshold-

DataQualityMonitoringSignal

Naam Beschrijving Waarde
featureDataTypeOverride Een woordenlijst waarmee functienamen worden toegewezen aan hun respectieve gegevenstypen. DataQualityMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings De instellingen voor het belang van computingfuncties. FeatureImportanceSettings
Functies De functies voor het berekenen van afwijkingen. MonitoringFeatureFilterBase
metricThresholds [Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden. DataQualityMetricThresholdBase[] (vereist)
productionData [Vereist] De gegevens die worden geproduceerd door de productieservice waarvoor afwijkingen worden berekend. MonitoringInputDataBase (vereist)
referenceData [Vereist] De gegevens voor het berekenen van afwijkingen. MonitoringInputDataBase (vereist)
signalType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'DataQuality' (vereist)

DataQualityMonitoringSignalFeatureDataTypeOverride

Naam Beschrijving Waarde

Distillatietaak

Naam Beschrijving Waarde
dataGenerationDetails [Vereist] DataGenerationVertical (vereist)
finetuningDetails [Vereist] FinetuningDetails (vereist)
jobType [Vereist] Hiermee geeft u het type taak. "Distillatie" (vereist)
Uitgangen [Vereist] DistillatieTaakOutputs (vereist)
queueSettings Wachtrijinstellingen voor de taak QueueSettings
weg Instantietypen en andere resources voor de taak JobResources-

DistillatieTaakOutputs

Naam Beschrijving Waarde

DistributionConfiguration

Naam Beschrijving Waarde
distributionType Ingesteld op Mpi voor het type Mpi-. Ingesteld op PyTorch voor het type PyTorch. Ingesteld op TensorFlow voor het type TensorFlow. 'Mpi'
'PyTorch'
'TensorFlow' (vereist)

EarlyTerminationPolicy

Naam Beschrijving Waarde
delayEvaluation Aantal intervallen waarmee de eerste evaluatie moet worden vertraagd. Int
evaluationInterval Interval (aantal uitvoeringen) tussen beleidsevaluaties. Int
policyType Ingesteld op 'Bandit' voor het type BanditPolicy. Ingesteld op 'MedianStopping' voor het type MedianStoppingPolicy. Ingesteld op TruncationSelection voor het type TruncationSelectionPolicy. 'Bandit'
'MedianStopping'
'TruncationSelection' (vereist)

EndpointScheduleAction

Naam Beschrijving Waarde
actionType [Vereist] Hiermee geeft u het actietype van de planning 'InvokeBatchEndpoint' (vereist)
endpointInvocationDefinition [Vereist] Definieert details van de actiedefinitie Planning.
<zie href="TBD" />		 elke (vereist)

FeatureAttributionDriftMonitoringSignal

Naam Beschrijving Waarde
featureDataTypeOverride Een woordenlijst waarmee functienamen worden toegewezen aan hun respectieve gegevenstypen. FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings [Vereist] De instellingen voor het belang van computingfuncties. FeatureImportanceSettings (vereist)
metricThreshold [Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden. FeatureAttributionMetricThreshold- (vereist)
productionData [Vereist] De gegevens waarvoor afwijkingen worden berekend. MonitoringInputDataBase[] (vereist)
referenceData [Vereist] De gegevens voor het berekenen van afwijkingen. MonitoringInputDataBase (vereist)
signalType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'FeatureAttributionDrift' (vereist)

FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride

Naam Beschrijving Waarde

FeatureAttributionMetricThreshold

Naam Beschrijving Waarde
metriek [Vereist] De metrische waarde voor functietoekenning die moet worden berekend. 'NormalizedDiscountedCumulativeGain' (vereist)
drempel De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde. MonitoringThreshold-

FeatureImportanceSettings

Naam Beschrijving Waarde
wijze De bewerkingsmodus voor het belang van computingfuncties. 'Uitgeschakeld'
'Ingeschakeld'
targetColumn De naam van de doelkolom binnen de invoergegevensasset. snaar

FeatureSubset

Naam Beschrijving Waarde
Functies [Vereist] De lijst met functies die moeten worden opgenomen. tekenreeks[] (vereist)
filterType [Vereist] Hiermee geeft u het functiefilter op dat moet worden gebruikt bij het selecteren van functies om metrische gegevens te berekenen. 'FeatureSubset' (vereist)

Details van finetuning

Naam Beschrijving Waarde
hyperParameters Hyperparameters verfijnen FinetuningDetailsHyperParameters
studentModel [Vereist] Studentmodel voor het afstemmen. JobInput (vereist)

FinetuningDetailsHyperParameters

Naam Beschrijving Waarde

FineTuningJob

Naam Beschrijving Waarde
fineTuningDetails [Vereist] FineTuningVertical (vereist)
jobType [Vereist] Hiermee geeft u het type taak. 'FineTuning' (vereist)
Uitgangen [Vereist] FineTuningJobOutputs (vereist)
queueSettings Wachtrijinstellingen voor de taak QueueSettings
weg Instantietypen en andere resources voor de taak JobResources-

FineTuningJobOutputs

Naam Beschrijving Waarde

FineTuningVertical

Naam Beschrijving Waarde
model [Vereist] Invoermodel voor het afstemmen. JobInput (vereist)
modelProvider Ingesteld op 'AzureOpenAI' voor het type AzureOpenAiFineTuning. Ingesteld op 'Aangepast' voor het type CustomModelFineTuning. 'AzureOpenAI'
'Aangepast' (vereist)
taskType [Vereist] Taaktype verfijnen. 'ChatCompletion'
'ImageClassification'
'ImageInstanceSegmentation'
'ImageObjectDetection'
'QuestionAnswering'
'TextClassification'
'Tekstcompletion'
'Tekstsamenvatting'
'TextTranslation'
TokenClassification
'VideoMultiObjectTracking' (vereist)
trainingData [Vereist] Trainingsgegevens voor het afstemmen. JobInput (vereist)
validationData Validatiegegevens voor het afstemmen. JobInput-

FixedInputData

Naam Beschrijving Waarde
inputDataType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'Vast' (vereist)

ForecastHorizon

Naam Beschrijving Waarde
wijze Ingesteld op 'Auto' voor type AutoForecastHorizon. Ingesteld op 'Aangepast' voor het type CustomForecastHorizon. 'Auto'
'Aangepast' (vereist)

Vooruitzichten

Naam Beschrijving Waarde
cvSplitColumnNames Kolommen die moeten worden gebruikt voor CVSplit-gegevens. tekenreeks[]
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. TableVerticalFeaturizationSettings
forecastingSettings Taakspecifieke invoer voorspellen. ForecastingSettings-
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. TableVerticalLimitSettings
nCrossValidations Aantal kruisvalidatievouws dat moet worden toegepast op de trainingsgegevensset
wanneer er geen validatiegegevensset is opgegeven.		 NCrossValidations
primaryMetric Primaire metrische gegevens voor het voorspellen van een taak. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
taskType [Vereist] Taaktype voor AutoMLJob. 'Prognose' (vereist)
testData Gegevensinvoer testen. MLTableJobInput-
testDataSize Het deel van de testgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
trainingSettings Invoer voor de trainingsfase voor een AutoML-taak. ForecastingTrainingSettings
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
weightColumnName De naam van de kolom met de steekproefgewicht. Geautomatiseerde ML ondersteunt een gewogen kolom als invoer, waardoor rijen in de gegevens omhoog of omlaag worden gewogen. snaar

ForecastingSettings

Naam Beschrijving Waarde
countryOrRegionForHolidays Land of regio voor feestdagen voor prognosetaken.
Dit moeten ISO 3166 tweeletterige land-/regiocodes zijn, bijvoorbeeld 'VS' of 'GB'.		 snaar
cvStepSize Aantal perioden tussen de oorspronkelijke tijd van één CV-vouw en de volgende vouw. Voor
Als CVStepSize = 3 voor dagelijkse gegevens, is de oorspronkelijke tijd voor elke vouw bijvoorbeeld
drie dagen na elkaar.		 Int
featureLags Vlag voor het genereren van vertragingen voor de numerieke functies met 'auto' of null. 'Auto'
'Geen'
forecastHorizon De gewenste maximale prognose horizon in eenheden van tijdreeksfrequentie. ForecastHorizon-
frequentie Bij het voorspellen vertegenwoordigt deze parameter de periode waarmee de prognose gewenst is, bijvoorbeeld dagelijks, wekelijks, jaarlijks, enzovoort. De prognosefrequentie is standaard de frequentie van de gegevensset. snaar
Seizoensgebonden Stel de seizoensgebondenheid van tijdreeksen in als een geheel getal van het veelvoud van de reeksfrequentie.
Als seizoensgebondenheid is ingesteld op 'auto', wordt dit afgeleid.		 Seizoensgebondenheid
shortSeriesHandlingConfig De parameter die definieert hoe autoML korte tijdreeksen moet verwerken. 'Auto'
'Neerzetten'
'Geen'
'Pad'
targetAggregateFunction De functie die moet worden gebruikt om de doelkolom van de tijdreeks te aggregeren om te voldoen aan een door de gebruiker opgegeven frequentie.
Als de TargetAggregateFunction is ingesteld, dus niet 'Geen', maar de freq-parameter niet is ingesteld, wordt de fout gegenereerd. De mogelijke doelaggregatiefuncties zijn: 'sum', 'max', 'min' en 'mean'.		 'Max'
'Gemiddelde'
'Min'
'Geen'
'Som'
targetLags Het aantal eerdere perioden tot vertraging van de doelkolom. TargetLags
targetRollingWindowSize Het aantal eerdere perioden dat wordt gebruikt voor het maken van een doorlopend venster gemiddelde van de doelkolom. TargetRollingWindowSize-
timeColumnName De naam van de tijdkolom. Deze parameter is vereist bij het voorspellen om de datum/tijd-kolom op te geven in de invoergegevens die worden gebruikt voor het bouwen van de tijdreeks en het uitstellen van de frequentie. snaar
timeSeriesIdColumnNames De namen van kolommen die worden gebruikt om een tijdreeks te groeperen. Het kan worden gebruikt om meerdere reeksen te maken.
Als graan niet is gedefinieerd, wordt ervan uitgegaan dat de gegevensset één tijdreeks is. Deze parameter wordt gebruikt bij het voorspellen van taaktypen.		 tekenreeks[]
useStl Configureer STL-decompositie van de doelkolom van de tijdreeks. 'Geen'
'Seizoen'
'SeasonTrend'

ForecastingTrainingSettings

Naam Beschrijving Waarde
allowedTrainingAlgorithms Toegestane modellen voor het voorspellen van een taak. Tekenreeksmatrix met een van de volgende waarden:
'Arimax'
AutoArima
'Gemiddelde'
"DecisionTree"
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naïef'
'Profeet'
'RandomForest'
'SeasonalAverage'
'SeasonalNaive'
'SGD'
'TCNForecaster'
'XGBoostRegressor'
blockedTrainingAlgorithms Geblokkeerde modellen voor het voorspellen van een taak. Tekenreeksmatrix met een van de volgende waarden:
'Arimax'
AutoArima
'Gemiddelde'
"DecisionTree"
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naïef'
'Profeet'
'RandomForest'
'SeasonalAverage'
'SeasonalNaive'
'SGD'
'TCNForecaster'
'XGBoostRegressor'
enableDnnTraining Schakel de aanbeveling van DNN-modellen in. Bool
enableModelExplainability Vlag om uitleg in te schakelen voor het beste model. Bool
enableOnnxCompatibleModels Vlag voor het inschakelen van compatibele onnx-modellen. Bool
enableStackEnsemble Schakel stack ensemble run in. Bool
enableVoteEnsemble Stem ensembleuitvoering inschakelen. Bool
ensembleModelDownloadTimeout Tijdens votingEnsemble en StackEnsemble modelgeneratie worden meerdere aangepaste modellen van de vorige onderliggende uitvoeringen gedownload.
Configureer deze parameter met een hogere waarde dan 300 sec. Als er meer tijd nodig is.		 snaar
stackEnsembleSettings Stack ensemble-instellingen voor stack ensemble run. StackEnsembleSettings

GridSamplingAlgorithm

Naam Beschrijving Waarde
samplingAlgorithmType [Vereist] Het algoritme dat wordt gebruikt voor het genereren van hyperparameterwaarden, samen met configuratie-eigenschappen 'Raster' (vereist)

IdentityConfiguration

Naam Beschrijving Waarde
identityType Stel in op AMLToken voor het type AmlToken. Ingesteld op Beheerd voor het type ManagedIdentity. Ingesteld op UserIdentity voor het type UserIdentity. 'AMLToken'
'Beheerd'
UserIdentity (vereist)

ImageClassification

Naam Beschrijving Waarde
limitSettings [Vereist] Instellingen voor de AutoML-taak beperken. ImageLimitSettings (vereist)
modelSettings Instellingen die worden gebruikt voor het trainen van het model. ImageModelSettingsClassification
primaryMetric Primaire metrische gegevens die u voor deze taak wilt optimaliseren. 'Nauwkeurigheid'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Zoekruimte voor het nemen van steekproeven van verschillende combinaties van modellen en hun hyperparameters. ImageModelDistributionSettingsClassification[]
sweepSettings Model opruimen en hyperparameter opruimen gerelateerde instellingen. ImageSweepSettings
taskType [Vereist] Taaktype voor AutoMLJob. 'ImageClassification' (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int

ImageClassificationMultilabel

Naam Beschrijving Waarde
limitSettings [Vereist] Instellingen voor de AutoML-taak beperken. ImageLimitSettings (vereist)
modelSettings Instellingen die worden gebruikt voor het trainen van het model. ImageModelSettingsClassification
primaryMetric Primaire metrische gegevens die u voor deze taak wilt optimaliseren. 'Nauwkeurigheid'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
"CATE"
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Zoekruimte voor het nemen van steekproeven van verschillende combinaties van modellen en hun hyperparameters. ImageModelDistributionSettingsClassification[]
sweepSettings Model opruimen en hyperparameter opruimen gerelateerde instellingen. ImageSweepSettings
taskType [Vereist] Taaktype voor AutoMLJob. 'ImageClassificationMultilabel' (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int

ImageInstanceSegmentation

Naam Beschrijving Waarde
limitSettings [Vereist] Instellingen voor de AutoML-taak beperken. ImageLimitSettings (vereist)
modelSettings Instellingen die worden gebruikt voor het trainen van het model. ImageModelSettingsObjectDetection-
primaryMetric Primaire metrische gegevens die u voor deze taak wilt optimaliseren. 'MeanAveragePrecision'
searchSpace Zoekruimte voor het nemen van steekproeven van verschillende combinaties van modellen en hun hyperparameters. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Model opruimen en hyperparameter opruimen gerelateerde instellingen. ImageSweepSettings
taskType [Vereist] Taaktype voor AutoMLJob. ImageInstanceSegmentation (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int

ImageLimitSettings

Naam Beschrijving Waarde
maxConcurrentTrials Maximum aantal gelijktijdige AutoML-iteraties. Int
maxTrials Maximum aantal AutoML-iteraties. Int
Timeout Time-out voor AutoML-taken. snaar

ImageModelDistributionSettingsClassification

Naam Beschrijving Waarde
amsGradient Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is. snaar
uitbreidingen Instellingen voor het gebruik van augmentations. snaar
beta1 De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. snaar
beta2 De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. snaar
Gedistribueerd Of u distributietraining wilt gebruiken. snaar
earlyStopping Schakel vroege stoplogica in tijdens de training. snaar
earlyStoppingDelay Minimum aantal tijdvakken of validatie-evaluaties om te wachten voordat primaire metrische gegevens worden verbeterd
wordt bijgehouden voor vroege stop. Moet een positief geheel getal zijn.		 snaar
earlyStoppingPatience Minimumaantal epochs of validatie-evaluaties zonder primaire metrische verbetering voordat
de uitvoering is gestopt. Moet een positief geheel getal zijn.		 snaar
enableOnnxNormalization Normalisatie inschakelen bij het exporteren van een ONNX-model. snaar
evaluationFrequency Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn. snaar
gradientAccumulationStep Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal stappen voor GradAccumulationStep zonder
het gewicht van het model bijwerken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens met behulp van
de geaccumuleerde kleurovergangen om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.		 snaar
layersToFreeze Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn.
Bijvoorbeeld: het doorgeven van 2 als waarde voor 'seresnext' betekent
vrieslaag0 en laag1. Voor een volledige lijst met ondersteunde modellen en details over laagblokkering, alstublieft
zie: /azure/machine-learning/how-to-auto-train-image-models.		 snaar
learningRate Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn. snaar
learningRateScheduler Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn. snaar
modelName De naam van het model dat moet worden gebruikt voor training.
Raadpleeg de officiële documentatie voor meer informatie over de beschikbare modellen:
/azure/machine-learning/how-to-auto-train-image-models.		 snaar
impuls Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn. snaar
nesterov Schakel nesterov in wanneer optimizer 'sgd' is. snaar
numberOfEpochs Aantal trainingstijdvakken. Moet een positief geheel getal zijn. snaar
numberOfWorkers Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn. snaar
Optimizer Type optimizer. Moet 'sgd', 'adam' of 'adamw' zijn. snaar
randomSeed Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training. snaar
stepLRGamma Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn. snaar
stepLRStepSize Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn. snaar
trainingBatchSize Grootte van trainingsbatch. Moet een positief geheel getal zijn. snaar
trainingCropSize Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de trainingsgegevensset. Moet een positief geheel getal zijn. snaar
validationBatchSize Grootte van validatiebatch. Moet een positief geheel getal zijn. snaar
validationCropSize Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de validatiegegevensset. Moet een positief geheel getal zijn. snaar
validationResizeSize Afbeeldingsgrootte waarnaar u het formaat wilt wijzigen voordat u bijsnijd voor validatiegegevensset. Moet een positief geheel getal zijn. snaar
warmupCosineLRCycles Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn. snaar
warmupCosineLRWarmupEpochs Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn. snaar
weightDecay Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1]. snaar
weightedLoss Gewogen verlies. De geaccepteerde waarden zijn 0 voor geen gewogen verlies.
1 voor gewogen verlies met wortel. (class_weights). 2 voor gewogen verlies met class_weights. Moet 0 of 1 of 2 zijn.		 snaar

ImageModelDistributionSettingsObjectDetection

Naam Beschrijving Waarde
amsGradient Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is. snaar
uitbreidingen Instellingen voor het gebruik van augmentations. snaar
beta1 De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. snaar
beta2 De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. snaar
boxDetectionsPerImage Maximum aantal detecties per afbeelding, voor alle klassen. Moet een positief geheel getal zijn.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
boxScoreThreshold Tijdens deductie retourneert u alleen voorstellen met een classificatiescore die groter is dan
BoxScoreThreshold. Moet een float zijn in het bereik[0, 1].		 snaar
Gedistribueerd Of u distributietraining wilt gebruiken. snaar
earlyStopping Schakel vroege stoplogica in tijdens de training. snaar
earlyStoppingDelay Minimum aantal tijdvakken of validatie-evaluaties om te wachten voordat primaire metrische gegevens worden verbeterd
wordt bijgehouden voor vroege stop. Moet een positief geheel getal zijn.		 snaar
earlyStoppingPatience Minimumaantal epochs of validatie-evaluaties zonder primaire metrische verbetering voordat
de uitvoering is gestopt. Moet een positief geheel getal zijn.		 snaar
enableOnnxNormalization Normalisatie inschakelen bij het exporteren van een ONNX-model. snaar
evaluationFrequency Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn. snaar
gradientAccumulationStep Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal stappen voor GradAccumulationStep zonder
het gewicht van het model bijwerken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens met behulp van
de geaccumuleerde kleurovergangen om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.		 snaar
imageSize Afbeeldingsgrootte voor trainen en valideren. Moet een positief geheel getal zijn.
Opmerking: De trainingsuitvoering kan in CUDA OOM komen als de grootte te groot is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 snaar
layersToFreeze Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn.
Bijvoorbeeld: het doorgeven van 2 als waarde voor 'seresnext' betekent
vrieslaag0 en laag1. Voor een volledige lijst met ondersteunde modellen en details over laagblokkering, alstublieft
zie: /azure/machine-learning/how-to-auto-train-image-models.		 snaar
learningRate Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn. snaar
learningRateScheduler Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn. snaar
maxSize De maximale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed.
Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
minSize Minimale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed.
Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
modelName De naam van het model dat moet worden gebruikt voor training.
Raadpleeg de officiële documentatie voor meer informatie over de beschikbare modellen:
/azure/machine-learning/how-to-auto-train-image-models.		 snaar
modelSize Modelgrootte. Moet 'klein', 'gemiddeld', 'groot' of 'xlarge' zijn.
Opmerking: de trainingsuitvoering kan in CUDA OOM komen als de modelgrootte te groot is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 snaar
impuls Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn. snaar
multiScale Schakel meerdere schaalafbeeldingen in op verschillende afbeeldingsgrootten met +/- 50%.
Opmerking: de trainingsuitvoering kan in CUDA OOM komen als er onvoldoende GPU-geheugen is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 snaar
nesterov Schakel nesterov in wanneer optimizer 'sgd' is. snaar
nmsMappenThreshold De drempelwaarde voor ALGORITMEN die wordt gebruikt tijdens deductie in NMS na verwerking. Moet in het bereik liggen [0, 1]. snaar
numberOfEpochs Aantal trainingstijdvakken. Moet een positief geheel getal zijn. snaar
numberOfWorkers Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn. snaar
Optimizer Type optimizer. Moet 'sgd', 'adam' of 'adamw' zijn. snaar
randomSeed Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training. snaar
stepLRGamma Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn. snaar
stepLRStepSize Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn. snaar
tileGridSize De rastergrootte die moet worden gebruikt voor het tegelen van elke afbeelding. Opmerking: TileGridSize mag niet zijn
Geen om kleine objectdetectielogica in te schakelen. Een tekenreeks met twee gehele getallen in mxn-indeling.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
tileOverlapRatio Overlapverhouding tussen aangrenzende tegels in elke dimensie. Moet zwevend zijn in het bereik [0, 1).
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
tilePredictionsNmsThreshold De drempelwaarde voor OPGEGEVEN voor het uitvoeren van NMS tijdens het samenvoegen van voorspellingen van tegels en afbeeldingen.
Wordt gebruikt in validatie/deductie. Moet in het bereik liggen [0, 1].
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.
NMS: Niet-maximale onderdrukking		 snaar
trainingBatchSize Grootte van trainingsbatch. Moet een positief geheel getal zijn. snaar
validationBatchSize Grootte van validatiebatch. Moet een positief geheel getal zijn. snaar
validation ValidatieThreshold Drempelwaarde voor OPGEGEVEN voor gebruik bij het berekenen van de metrische waarde voor validatie. Moet in het bereik liggen [0, 1]. snaar
validationMetricType De metrische berekeningsmethode die moet worden gebruikt voor metrische validatiegegevens. Moet 'none', 'coco', 'voc' of 'coco_voc' zijn. snaar
warmupCosineLRCycles Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn. snaar
warmupCosineLRWarmupEpochs Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn. snaar
weightDecay Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1]. snaar

ImageModelSettingsClassification

Naam Beschrijving Waarde
advancedSettings Instellingen voor geavanceerde scenario's. snaar
amsGradient Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is. Bool
uitbreidingen Instellingen voor het gebruik van augmentations. snaar
beta1 De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. Int
beta2 De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. Int
controlepuntFrequency Frequentie voor het opslaan van modelcontrolepunten. Moet een positief geheel getal zijn. Int
checkpointModel Het vooraf getrainde controlepuntmodel voor incrementele training. MLFlowModelJobInput-
checkpointRunId De id van een vorige uitvoering met een vooraf getraind controlepunt voor incrementele training. snaar
Gedistribueerd Of u gedistribueerde training wilt gebruiken. Bool
earlyStopping Schakel vroege stoplogica in tijdens de training. Bool
earlyStoppingDelay Minimum aantal tijdvakken of validatie-evaluaties om te wachten voordat primaire metrische gegevens worden verbeterd
wordt bijgehouden voor vroege stop. Moet een positief geheel getal zijn.		 Int
earlyStoppingPatience Minimumaantal epochs of validatie-evaluaties zonder primaire metrische verbetering voordat
de uitvoering is gestopt. Moet een positief geheel getal zijn.		 Int
enableOnnxNormalization Normalisatie inschakelen bij het exporteren van een ONNX-model. Bool
evaluationFrequency Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn. Int
gradientAccumulationStep Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal stappen voor GradAccumulationStep zonder
het gewicht van het model bijwerken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens met behulp van
de geaccumuleerde kleurovergangen om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.		 Int
layersToFreeze Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn.
Bijvoorbeeld: het doorgeven van 2 als waarde voor 'seresnext' betekent
vrieslaag0 en laag1. Voor een volledige lijst met ondersteunde modellen en details over laagblokkering, alstublieft
zie: /azure/machine-learning/how-to-auto-train-image-models.		 Int
learningRate Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn. Int
learningRateScheduler Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn. 'Geen'
'Stap'
'WarmupCosine'
modelName De naam van het model dat moet worden gebruikt voor training.
Raadpleeg de officiële documentatie voor meer informatie over de beschikbare modellen:
/azure/machine-learning/how-to-auto-train-image-models.		 snaar
impuls Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn. Int
nesterov Schakel nesterov in wanneer optimizer 'sgd' is. Bool
numberOfEpochs Aantal trainingstijdvakken. Moet een positief geheel getal zijn. Int
numberOfWorkers Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn. Int
Optimizer Type optimizer. 'Adam'
'Adamw'
'Geen'
'Sgd'
randomSeed Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training. Int
stepLRGamma Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn. Int
stepLRStepSize Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn. Int
trainingBatchSize Grootte van trainingsbatch. Moet een positief geheel getal zijn. Int
trainingCropSize Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de trainingsgegevensset. Moet een positief geheel getal zijn. Int
validationBatchSize Grootte van validatiebatch. Moet een positief geheel getal zijn. Int
validationCropSize Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de validatiegegevensset. Moet een positief geheel getal zijn. Int
validationResizeSize Afbeeldingsgrootte waarnaar u het formaat wilt wijzigen voordat u bijsnijd voor validatiegegevensset. Moet een positief geheel getal zijn. Int
warmupCosineLRCycles Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn. Int
warmupCosineLRWarmupEpochs Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn. Int
weightDecay Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1]. Int
weightedLoss Gewogen verlies. De geaccepteerde waarden zijn 0 voor geen gewogen verlies.
1 voor gewogen verlies met wortel. (class_weights). 2 voor gewogen verlies met class_weights. Moet 0 of 1 of 2 zijn.		 Int

ImageModelSettingsObjectDetection

Naam Beschrijving Waarde
advancedSettings Instellingen voor geavanceerde scenario's. snaar
amsGradient Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is. Bool
uitbreidingen Instellingen voor het gebruik van augmentations. snaar
beta1 De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. Int
beta2 De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. Int
boxDetectionsPerImage Maximum aantal detecties per afbeelding, voor alle klassen. Moet een positief geheel getal zijn.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 Int
boxScoreThreshold Tijdens deductie retourneert u alleen voorstellen met een classificatiescore die groter is dan
BoxScoreThreshold. Moet een float zijn in het bereik[0, 1].		 Int
controlepuntFrequency Frequentie voor het opslaan van modelcontrolepunten. Moet een positief geheel getal zijn. Int
checkpointModel Het vooraf getrainde controlepuntmodel voor incrementele training. MLFlowModelJobInput-
checkpointRunId De id van een vorige uitvoering met een vooraf getraind controlepunt voor incrementele training. snaar
Gedistribueerd Of u gedistribueerde training wilt gebruiken. Bool
earlyStopping Schakel vroege stoplogica in tijdens de training. Bool
earlyStoppingDelay Minimum aantal tijdvakken of validatie-evaluaties om te wachten voordat primaire metrische gegevens worden verbeterd
wordt bijgehouden voor vroege stop. Moet een positief geheel getal zijn.		 Int
earlyStoppingPatience Minimumaantal epochs of validatie-evaluaties zonder primaire metrische verbetering voordat
de uitvoering is gestopt. Moet een positief geheel getal zijn.		 Int
enableOnnxNormalization Normalisatie inschakelen bij het exporteren van een ONNX-model. Bool
evaluationFrequency Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn. Int
gradientAccumulationStep Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal stappen voor GradAccumulationStep zonder
het gewicht van het model bijwerken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens met behulp van
de geaccumuleerde kleurovergangen om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.		 Int
imageSize Afbeeldingsgrootte voor trainen en valideren. Moet een positief geheel getal zijn.
Opmerking: De trainingsuitvoering kan in CUDA OOM komen als de grootte te groot is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 Int
layersToFreeze Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn.
Bijvoorbeeld: het doorgeven van 2 als waarde voor 'seresnext' betekent
vrieslaag0 en laag1. Voor een volledige lijst met ondersteunde modellen en details over laagblokkering, alstublieft
zie: /azure/machine-learning/how-to-auto-train-image-models.		 Int
learningRate Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn. Int
learningRateScheduler Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn. 'Geen'
'Stap'
'WarmupCosine'
maxSize De maximale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed.
Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 Int
minSize Minimale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed.
Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 Int
modelName De naam van het model dat moet worden gebruikt voor training.
Raadpleeg de officiële documentatie voor meer informatie over de beschikbare modellen:
/azure/machine-learning/how-to-auto-train-image-models.		 snaar
modelSize Modelgrootte. Moet 'klein', 'gemiddeld', 'groot' of 'xlarge' zijn.
Opmerking: de trainingsuitvoering kan in CUDA OOM komen als de modelgrootte te groot is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 'ExtraLarge'
'Groot'
'Gemiddeld'
'Geen'
'Klein'
impuls Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn. Int
multiScale Schakel meerdere schaalafbeeldingen in op verschillende afbeeldingsgrootten met +/- 50%.
Opmerking: de trainingsuitvoering kan in CUDA OOM komen als er onvoldoende GPU-geheugen is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 Bool
nesterov Schakel nesterov in wanneer optimizer 'sgd' is. Bool
nmsMappenThreshold De drempelwaarde voor ALGORITMEN die wordt gebruikt tijdens deductie in NMS na verwerking. Moet een float in het bereik [0, 1] zijn. Int
numberOfEpochs Aantal trainingstijdvakken. Moet een positief geheel getal zijn. Int
numberOfWorkers Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn. Int
Optimizer Type optimizer. 'Adam'
'Adamw'
'Geen'
'Sgd'
randomSeed Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training. Int
stepLRGamma Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn. Int
stepLRStepSize Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn. Int
tileGridSize De rastergrootte die moet worden gebruikt voor het tegelen van elke afbeelding. Opmerking: TileGridSize mag niet zijn
Geen om kleine objectdetectielogica in te schakelen. Een tekenreeks met twee gehele getallen in mxn-indeling.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
tileOverlapRatio Overlapverhouding tussen aangrenzende tegels in elke dimensie. Moet zwevend zijn in het bereik [0, 1).
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 Int
tilePredictionsNmsThreshold De drempelwaarde voor OPGEGEVEN voor het uitvoeren van NMS tijdens het samenvoegen van voorspellingen van tegels en afbeeldingen.
Wordt gebruikt in validatie/deductie. Moet in het bereik liggen [0, 1].
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 Int
trainingBatchSize Grootte van trainingsbatch. Moet een positief geheel getal zijn. Int
validationBatchSize Grootte van validatiebatch. Moet een positief geheel getal zijn. Int
validation ValidatieThreshold Drempelwaarde voor OPGEGEVEN voor gebruik bij het berekenen van de metrische waarde voor validatie. Moet in het bereik liggen [0, 1]. Int
validationMetricType De metrische berekeningsmethode die moet worden gebruikt voor metrische validatiegegevens. 'Coco'
'CocoVoc'
'Geen'
'Voc'
warmupCosineLRCycles Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn. Int
warmupCosineLRWarmupEpochs Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn. Int
weightDecay Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1]. Int

ImageObjectDetection

Naam Beschrijving Waarde
limitSettings [Vereist] Instellingen voor de AutoML-taak beperken. ImageLimitSettings (vereist)
modelSettings Instellingen die worden gebruikt voor het trainen van het model. ImageModelSettingsObjectDetection-
primaryMetric Primaire metrische gegevens die u voor deze taak wilt optimaliseren. 'MeanAveragePrecision'
searchSpace Zoekruimte voor het nemen van steekproeven van verschillende combinaties van modellen en hun hyperparameters. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Model opruimen en hyperparameter opruimen gerelateerde instellingen. ImageSweepSettings
taskType [Vereist] Taaktype voor AutoMLJob. ImageObjectDetection (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int

ImageSweepSettings

Naam Beschrijving Waarde
earlyTermination Type beleid voor vroegtijdige beëindiging. EarlyTerminationPolicy-
samplingAlgorithm [Vereist] Type van de algoritmen voor het nemen van hyperparameters. 'Bayesian'
'Raster'
'Willekeurig' (vereist)

JobBaseProperties

Naam Beschrijving Waarde
componentId ARM-resource-id van de onderdeelresource. snaar
computeId ARM-resource-id van de rekenresource. snaar
beschrijving De tekst van de assetbeschrijving. snaar
displayName Weergavenaam van taak. snaar
experimentName De naam van het experiment waartoe de taak behoort. Als deze niet is ingesteld, wordt de taak in het standaardexperiment geplaatst. snaar
identiteit Identiteitsconfiguratie. Indien ingesteld, moet dit een van AmlToken, ManagedIdentity, UserIdentity of null zijn.
Standaard ingesteld op AmlToken als null.		 IdentityConfiguration-
isArchived Is de asset gearchiveerd? Bool
jobType Ingesteld op 'AutoML' voor het type AutoMLJob. Ingesteld op Opdracht voor CommandJob. Ingesteld op 'Distillatie' voor type Distillatietaak. Ingesteld op 'FineTuning' voor het type FineTuningJob. Ingesteld op Pijplijn voor het type PipelineJob. Ingesteld op Spark voor type SparkJob. Ingesteld op Opruimen voor het type SweepJob. 'AutoML'
'Opdracht'
"Distillatie"
'FineTuning'
'Pijplijn'
'Spark'
'Opruimen' (vereist)
notificationSetting Meldingsinstelling voor de taak NotificationSetting-
parentJobName Naam van bovenliggende taak. snaar
Eigenschappen De woordenlijst voor asseteigenschappen. ResourceBaseProperties-
diensten Lijst met JobEndpoints.
Voor lokale taken heeft een taakeindpunt een eindpuntwaarde van FileStreamObject.		 JobBaseServices-
Tags Tagwoordenlijst. Tags kunnen worden toegevoegd, verwijderd en bijgewerkt. ResourceBaseTags-

JobBaseServices

Naam Beschrijving Waarde

JobInput

Naam Beschrijving Waarde
beschrijving Beschrijving voor de invoer. snaar
jobInputType Ingesteld op 'custom_model' voor het type CustomModelJobInput. Ingesteld op 'letterlijk' voor het type LiteralJobInput. Ingesteld op 'mlflow_model' voor het type MLFlowModelJobInput. Ingesteld op 'mltable' voor het type MLTableJobInput. Ingesteld op 'triton_model' voor het type TritonModelJobInput. Ingesteld op 'uri_file' voor het type UriFileJobInput. Ingesteld op 'uri_folder' voor het type UriFolderJobInput. 'custom_model'
'letterlijk'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (vereist)

JobOutput

Naam Beschrijving Waarde
beschrijving Beschrijving voor de uitvoer. snaar
jobOutputType Ingesteld op 'custom_model' voor het type CustomModelJobOutput. Ingesteld op 'mlflow_model' voor het type MLFlowModelJobOutput. Ingesteld op 'mltable' voor het type MLTableJobOutput. Ingesteld op 'triton_model' voor het type TritonModelJobOutput. Ingesteld op 'uri_file' voor het type UriFileJobOutput. Ingesteld op 'uri_folder' voor het type UriFolderJobOutput. 'custom_model'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (vereist)

JobResourceConfiguration

Naam Beschrijving Waarde
dockerArgs Extra argumenten die moeten worden doorgegeven aan de opdracht Docker-run. Hiermee worden alle parameters overschreven die al zijn ingesteld door het systeem of in deze sectie. Deze parameter wordt alleen ondersteund voor Azure ML-rekentypen. snaar
dockerArgsList Extra argumenten die moeten worden doorgegeven aan de opdracht Docker-uitvoering, als een verzameling. Hiermee worden alle parameters overschreven die al zijn ingesteld door het systeem of in deze sectie. Deze parameter wordt alleen ondersteund voor Azure ML-rekentypen. tekenreeks[]
instanceCount Optioneel aantal exemplaren of knooppunten dat door het rekendoel wordt gebruikt. Int
instanceType Optioneel type VM dat wordt gebruikt als ondersteund door het rekendoel. snaar
Eigenschappen Extra eigenschappen zak. ResourceConfigurationProperties-
shmSize Grootte van het gedeelde geheugenblok van de Docker-container. Dit moet de notatie (getal)(eenheid) hebben waarbij getal groter is dan 0 en de eenheid een van b(bytes), k(kilobytes), m(megabytes) of g(gigabytes) kan zijn. snaar

Beperkingen:
Patroon = \d+[bBkKmMgG]

JobResources

Naam Beschrijving Waarde
instanceTypes Lijst met exemplaartypen waaruit u kunt kiezen. tekenreeks[]

JobScheduleAction

Naam Beschrijving Waarde
actionType [Vereist] Hiermee geeft u het actietype van de planning CreateJob (vereist)
jobDefinition [Vereist] Definieert details van de actiedefinitie Planning. JobBaseProperties (vereist)

JobService

Naam Beschrijving Waarde
Eindpunt URL voor eindpunt. snaar
jobServiceType Eindpunttype. snaar
Knooppunten Knooppunten waarop de gebruiker de service wil starten.
Als knooppunten niet zijn ingesteld of ingesteld op null, wordt de service alleen gestart op het leader-knooppunt.		 Knooppunten
haven Poort voor eindpunt. Int
Eigenschappen Aanvullende eigenschappen die moeten worden ingesteld op het eindpunt. JobServiceProperties-

JobServiceProperties

Naam Beschrijving Waarde

LabelGeneratie

Naam Beschrijving Waarde
dataGenerationType [Vereist] Enum om het type gegevensgeneratie te bepalen. 'LabelGeneration' (vereist)
trainingData Trainingsgegevens voor het afstemmen. JobInput-
validationData Validatiegegevens voor het afstemmen. JobInput-

LiteralJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'letterlijk' (vereist)
waarde [Vereist] Letterlijke waarde voor de invoer. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

ManagedComputeIdentity

Naam Beschrijving Waarde
computeIdentityType [Vereist] Hiermee geeft u het type identiteit op dat moet worden gebruikt binnen de bewakingstaken. ManagedIdentity (vereist)
identiteit De identiteit die wordt gebruikt door de bewakingstaken. ManagedServiceIdentity-

ManagedIdentity

Naam Beschrijving Waarde
clientId Hiermee geeft u een door de gebruiker toegewezen identiteit op basis van client-id. Stel dit veld niet in voor het door het systeem toegewezen veld. snaar

Beperkingen:
Minimale lengte = 36
Maximale lengte = 36
Patroon = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identityType [Vereist] Hiermee geeft u het type identiteitsframework op. Beheerd (vereist)
objectId Hiermee geeft u een door de gebruiker toegewezen identiteit op basis van object-id. Stel dit veld niet in voor het door het systeem toegewezen veld. snaar

Beperkingen:
Minimale lengte = 36
Maximale lengte = 36
Patroon = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId Hiermee geeft u een door de gebruiker toegewezen identiteit op basis van arm-resource-id. Stel dit veld niet in voor het door het systeem toegewezen veld. snaar

ManagedServiceIdentity

Naam Beschrijving Waarde
type Type beheerde service-identiteit (waarbij zowel SystemAssigned- als UserAssigned-typen zijn toegestaan). 'Geen'
'SystemAssigned'
'SystemAssigned, UserAssigned'
UserAssigned (vereist)
userAssignedIdentities De set door de gebruiker toegewezen identiteiten die aan de resource zijn gekoppeld. De woordenlijstsleutels userAssignedIdentities zijn ARM-resource-id's in de vorm: /subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. De waarden van de woordenlijst kunnen lege objecten ({}) zijn in aanvragen. UserAssignedId-entiteiten

MedianStoppingPolicy

Naam Beschrijving Waarde
policyType [Vereist] Naam van beleidsconfiguratie MedianStopping (vereist)

Microsoft.MachineLearningServices/workspaces/schedules

Naam Beschrijving Waarde
apiVersion De API-versie '2025-01-01-preview'
naam De resourcenaam snaar

Beperkingen:
Patroon = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (vereist)
Eigenschappen [Vereist] Aanvullende kenmerken van de entiteit. ScheduleProperties- (vereist)
type Het resourcetype 'Microsoft.MachineLearningServices/workspaces/schedules'

MLFlowModelJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'mlflow_model' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

MLFlowModelJobInput

Naam Beschrijving Waarde
beschrijving Beschrijving voor de invoer. snaar
jobInputType [Vereist] Hiermee geeft u het type taak. 'custom_model'
'letterlijk'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

MLFlowModelJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'mlflow_model' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

MLTableJobInput

Naam Beschrijving Waarde
beschrijving Beschrijving voor de invoer. snaar
jobInputType [Vereist] Hiermee geeft u het type taak. 'custom_model'
'letterlijk'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

MLTableJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'mltable' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

MLTableJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'mltable' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

MonitorComputeConfigurationBase

Naam Beschrijving Waarde
computeType Ingesteld op ServerlessSpark voor het type MonitorServerlessSparkCompute. ServerlessSpark (vereist)

MonitorComputeIdentityBase

Naam Beschrijving Waarde
computeIdentityType Ingesteld op AmlToken voor het type AmlTokenComputeIdentity. Ingesteld op ManagedIdentity voor het type ManagedComputeIdentity. 'AmlToken'
ManagedIdentity (vereist)

MonitorDefinition

Naam Beschrijving Waarde
alertNotificationSettings De meldingsinstellingen van de monitor. MonitorNotificationSettings
computeConfiguration [Vereist] De ARM-resource-id van de rekenresource waarop de bewakingstaak moet worden uitgevoerd. MonitorComputeConfigurationBase (vereist)
monitoringTarget De entiteiten waarop de monitor is gericht. MonitoringTarget-
Signalen [Vereist] De signalen die moeten worden bewaakt. MonitorDefinitionSignals (vereist)

MonitorDefinitionSignals

Naam Beschrijving Waarde

MonitorEmailNotificationSettings

Naam Beschrijving Waarde
e-mailberichten De lijst met geadresseerden voor e-mail met een limiet van 499 tekens in totaal. tekenreeks[]

MonitoringFeatureFilterBase

Naam Beschrijving Waarde
filterType Ingesteld op 'AllFeatures' voor het type AllFeatures. Ingesteld op 'FeatureSubset' voor het type FeatureSubset. Ingesteld op 'TopNByAttribution' voor het type TopNFeaturesByAttribution. 'AllFeatures'
'FeatureSubset'
'TopNByAttribution' (vereist)

MonitoringInputDataBase

Naam Beschrijving Waarde
Kolommen Toewijzing van kolomnamen aan speciale toepassingen. MonitoringInputDataBaseColumns
dataContext De contextmetagegevens van de gegevensbron. snaar
inputDataType Ingesteld op 'Vast' voor type FixedInputData. Ingesteld op 'Rolling' voor het type RollingInputData. Ingesteld op Statisch voor het type StaticInputData. 'Vast'
'Rolling'
'Statisch' (vereist)
jobInputType [Vereist] Hiermee geeft u het type taak. 'custom_model'
'letterlijk'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (vereist)
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

MonitoringInputDataBaseColumns

Naam Beschrijving Waarde

MonitoringSignalBase

Naam Beschrijving Waarde
notificationTypes De huidige meldingsmodus voor dit signaal. Tekenreeksmatrix met een van de volgende waarden:
'AmlNotification'
Eigenschappen Eigenschappenwoordenlijst. Eigenschappen kunnen worden toegevoegd, maar niet worden verwijderd of gewijzigd. MonitoringSignalBaseProperties
signalType Ingesteld op 'Aangepast' voor het type CustomMonitoringSignal. Ingesteld op 'DataDrift' voor het type DataDriftMonitoringSignal. Ingesteld op 'DataQuality' voor het type DataQualityMonitoringSignal. Ingesteld op 'FeatureAttributionDrift' voor het type FeatureAttributionDriftMonitoringSignal. Ingesteld op 'PredictionDrift' voor het type PredictionDriftMonitoringSignal. 'Aangepast'
'DataDrift'
'DataQuality'
'FeatureAttributionDrift'
'PredictionDrift' (vereist)

MonitoringSignalBaseProperties

Naam Beschrijving Waarde

MonitoringTarget

Naam Beschrijving Waarde
deploymentId Verwijzing naar de implementatieasset waarop deze monitor is gericht. snaar
modelId Verwijzing naar de modelasset waarop deze monitor is gericht. snaar
taskType [Vereist] Het type machine learning-taak van het bewaakte model. 'Classificatie'
Regressie (vereist)

MonitoringThreshold

Naam Beschrijving Waarde
waarde De drempelwaarde. Als null is ingesteld, is de standaardinstelling afhankelijk van het metrische type. Int

MonitorNotificationSettings

Naam Beschrijving Waarde
emailNotificationSettings De E-mailinstellingen voor AML-meldingen. MonitorEmailNotificationSettings

MonitorServerlessSparkCompute

Naam Beschrijving Waarde
computeIdentity [Vereist] Het identiteitsschema dat wordt gebruikt door de Spark-taken die worden uitgevoerd op serverloze Spark. MonitorComputeIdentityBase (vereist)
computeType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. ServerlessSpark (vereist)
instanceType [Vereist] Het exemplaartype waarop de Spark-taak wordt uitgevoerd. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
runtimeVersion [Vereist] De Spark Runtime-versie. snaar

Beperkingen:
Minimale lengte = 1
Patroon = ^[0-9]+\.[0-9]+$ (vereist)

Mpi

Naam Beschrijving Waarde
distributionType [Vereist] Hiermee geeft u het type distributieframework op. Mpi (vereist)
processCountPerInstance Aantal processen per MPI-knooppunt. Int

NCrossValidations

Naam Beschrijving Waarde
wijze Ingesteld op Auto voor type AutoNCrossValidations. Ingesteld op 'Aangepast' voor het type CustomNCrossValidations. 'Auto'
'Aangepast' (vereist)

NlpVerticalFeaturizationSettings

Naam Beschrijving Waarde
gegevenssetLanguage De taal van de gegevensset, handig voor de tekstgegevens. snaar

NlpVerticalLimitSettings

Naam Beschrijving Waarde
maxConcurrentTrials Maximum aantal Gelijktijdige AutoML-iteraties. Int
maxTrials Aantal AutoML-iteraties. Int
Timeout Time-out voor AutoML-taken. snaar

Knooppunten

Naam Beschrijving Waarde
nodesValueType Ingesteld op 'Alle' voor het type AllNodes. 'Alles' (vereist)

NotificationSetting

Naam Beschrijving Waarde
emailOn E-mailmelding verzenden naar gebruiker op opgegeven meldingstype Tekenreeksmatrix met een van de volgende waarden:
'JobCancelled'
'JobCompleted'
'JobFailed'
e-mailberichten Dit is de lijst met geadresseerden voor e-mail met een limiet van 499 tekens in totaal samenvoeging met kommascheidingsteken tekenreeks[]
webhooks Webhook callback verzenden naar een service. De sleutel is een door de gebruiker opgegeven naam voor de webhook. NotificationSettingWebhooks

NotificationSettingWebhooks

Naam Beschrijving Waarde

NumericalDataDriftMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. 'Numeriek' (vereist)
metriek [Vereist] De numerieke gegevensdriftwaarde die moet worden berekend. 'JensenShannonDistance'
'NormalizedWassersteinDistance'
'PopulationStabilityIndex'
'TwoSampleKolmogorovSmirnovTest' (vereist)

NumericalDataQualityMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. 'Numeriek' (vereist)
metriek [Vereist] De meetwaarde voor numerieke gegevenskwaliteit die moet worden berekend. 'DataTypeErrorRate'
'NullValueRate'
'OutOfBoundsRate' (vereist)

NumericalPredictionDriftMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. 'Numeriek' (vereist)
metriek [Vereist] De numerieke voorspellingsdrift die moet worden berekend. 'JensenShannonDistance'
'NormalizedWassersteinDistance'
'PopulationStabilityIndex'
'TwoSampleKolmogorovSmirnovTest' (vereist)

Objectief

Naam Beschrijving Waarde
doel [Vereist] Definieert ondersteunde metrische doelen voor het afstemmen van hyperparameters 'Maximaliseren'
'Minimaliseren' (vereist)
primaryMetric [Vereist] Naam van de metrische waarde die u wilt optimaliseren. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

PipelineJob

Naam Beschrijving Waarde
Ingangen Invoer voor de pijplijntaak. PipelineJobInputs
Banen Taken maken de pijplijntaak. PipelineJobJobs
jobType [Vereist] Hiermee geeft u het type taak. 'Pijplijn' (vereist)
Uitgangen Uitvoer voor de pijplijntaak PipelineJobOutputs
Instellingen Pijplijninstellingen, voor zaken zoals ContinueRunOnStepFailure, enzovoort. enig
sourceJobId ARM-resource-id van brontaak. snaar

PipelineJobInputs

Naam Beschrijving Waarde

PipelineJobJobs

Naam Beschrijving Waarde

PipelineJobOutputs

Naam Beschrijving Waarde

PredictionDriftMetricThresholdBase

Naam Beschrijving Waarde
Datatype Ingesteld op Categorical voor type CategoricalPredictionDriftMetricThreshold. Ingesteld op 'Numeriek' voor het type NumericalPredictionDriftMetricThreshold. 'Categorisch'
'Numeriek' (vereist)
drempel De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde. MonitoringThreshold-

PredictionDriftMonitoringSignal

Naam Beschrijving Waarde
featureDataTypeOverride Een woordenlijst waarmee functienamen worden toegewezen aan hun respectieve gegevenstypen. PredictionDriftMonitoringSignalFeatureDataTypeOverride-
metricThresholds [Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden. PredictionDriftMetricThresholdBase[] (vereist)
productionData [Vereist] De gegevens waarvoor afwijkingen worden berekend. MonitoringInputDataBase (vereist)
referenceData [Vereist] De gegevens voor het berekenen van afwijkingen. MonitoringInputDataBase (vereist)
signalType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'PredictionDrift' (vereist)

PredictionDriftMonitoringSignalFeatureDataTypeOverride

Naam Beschrijving Waarde

PromptSettings

Naam Beschrijving Waarde
enableChainOfDensity Bool
enableChainOfThought Bool
maxLenSummary Int

PyTorch

Naam Beschrijving Waarde
distributionType [Vereist] Hiermee geeft u het type distributieframework op. 'PyTorch' (vereist)
processCountPerInstance Aantal processen per knooppunt. Int

QueueSettings

Naam Beschrijving Waarde
jobTier De rekentaaklaag beheren 'Basis'
'Null'
'Premium'
'Spot'
'Standaard'

RandomSamplingAlgorithm

Naam Beschrijving Waarde
regel Het specifieke type willekeurig algoritme 'Willekeurig'
'Sobol'
samplingAlgorithmType [Vereist] Het algoritme dat wordt gebruikt voor het genereren van hyperparameterwaarden, samen met configuratie-eigenschappen 'Willekeurig' (vereist)
zaad Een optioneel geheel getal dat moet worden gebruikt als de seed voor het genereren van willekeurige getallen Int

RecurrenceSchedule

Naam Beschrijving Waarde
uren [Vereist] Lijst met uren voor de planning. int[] (vereist)
notulen [Vereist] Lijst met minuten voor de planning. int[] (vereist)
monthDays Lijst met maanddagen voor de planning int[]
Weekdagen Lijst met dagen voor de planning. Tekenreeksmatrix met een van de volgende waarden:
'Vrijdag'
'Maandag'
'Zaterdag'
'Zondag'
'Donderdag'
'Dinsdag'
'Woensdag'

RecurrenceTrigger

Naam Beschrijving Waarde
frequentie [Vereist] De frequentie voor het activeren van het schema. 'Dag'
'Uur'
'Minuut'
'Maand'
'Week' (vereist)
interval [Vereist] Hiermee geeft u het schema-interval in combinatie met frequentie int (vereist)
rooster Het terugkeerschema. RecurrenceSchedule
triggerType [Vereist] Terugkeerpatroon (vereist)

Regressie

Naam Beschrijving Waarde
cvSplitColumnNames Kolommen die moeten worden gebruikt voor CVSplit-gegevens. tekenreeks[]
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. TableVerticalFeaturizationSettings
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. TableVerticalLimitSettings
nCrossValidations Aantal kruisvalidatievouws dat moet worden toegepast op de trainingsgegevensset
wanneer er geen validatiegegevensset is opgegeven.		 NCrossValidations
primaryMetric Primaire metriek voor regressietaak. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
taskType [Vereist] Taaktype voor AutoMLJob. Regressie (vereist)
testData Gegevensinvoer testen. MLTableJobInput-
testDataSize Het deel van de testgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
trainingSettings Invoer voor de trainingsfase voor een AutoML-taak. RegressionTrainingSettings
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
weightColumnName De naam van de kolom met de steekproefgewicht. Geautomatiseerde ML ondersteunt een gewogen kolom als invoer, waardoor rijen in de gegevens omhoog of omlaag worden gewogen. snaar

RegressionTrainingSettings

Naam Beschrijving Waarde
allowedTrainingAlgorithms Toegestane modellen voor regressietaak. Tekenreeksmatrix met een van de volgende waarden:
"DecisionTree"
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
blockedTrainingAlgorithms Geblokkeerde modellen voor regressietaak. Tekenreeksmatrix met een van de volgende waarden:
"DecisionTree"
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
enableDnnTraining Schakel de aanbeveling van DNN-modellen in. Bool
enableModelExplainability Vlag om uitleg in te schakelen voor het beste model. Bool
enableOnnxCompatibleModels Vlag voor het inschakelen van compatibele onnx-modellen. Bool
enableStackEnsemble Schakel stack ensemble run in. Bool
enableVoteEnsemble Stem ensembleuitvoering inschakelen. Bool
ensembleModelDownloadTimeout Tijdens votingEnsemble en StackEnsemble modelgeneratie worden meerdere aangepaste modellen van de vorige onderliggende uitvoeringen gedownload.
Configureer deze parameter met een hogere waarde dan 300 sec. Als er meer tijd nodig is.		 snaar
stackEnsembleSettings Stack ensemble-instellingen voor stack ensemble run. StackEnsembleSettings

ResourceBaseProperties

Naam Beschrijving Waarde

ResourceBaseProperties

Naam Beschrijving Waarde

ResourceBaseTags

Naam Beschrijving Waarde

ResourceBaseTags

Naam Beschrijving Waarde

ResourceConfigurationProperties

Naam Beschrijving Waarde

RollingInputData

Naam Beschrijving Waarde
inputDataType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'Rolling' (vereist)
preprocessingComponentId Verwijzing naar de onderdeelasset die wordt gebruikt om de gegevens vooraf te verwerken. snaar
windowOffset [Vereist] De tijdsverschil tussen het einde van het gegevensvenster en de huidige uitvoeringstijd van de monitor. tekenreeks (vereist)
windowSize [Vereist] De grootte van het rolling-gegevensvenster. tekenreeks (vereist)

SamplingAlgorithm

Naam Beschrijving Waarde
samplingAlgorithmType Ingesteld op 'Bayesian' voor het type BayesianSamplingAlgorithm. Ingesteld op 'Raster' voor het type GridSamplingAlgorithm. Ingesteld op 'Willekeurig' voor het type RandomSamplingAlgorithm. 'Bayesian'
'Raster'
'Willekeurig' (vereist)

ScheduleActionBase

Naam Beschrijving Waarde
actionType Ingesteld op CreateJob voor type JobScheduleAction. Ingesteld op CreateMonitor voor het type CreateMonitorAction. Ingesteld op InvokeBatchEndpoint voor het type EndpointScheduleAction. 'CreateJob'
'CreateMonitor'
'InvokeBatchEndpoint' (vereist)

ScheduleProperties

Naam Beschrijving Waarde
actie [Vereist] Hiermee geeft u de actie van de planning ScheduleActionBase- (vereist)
beschrijving De tekst van de assetbeschrijving. snaar
displayName Weergavenaam van planning. snaar
isEnabled Is de planning ingeschakeld? Bool
Eigenschappen De woordenlijst voor asseteigenschappen. ResourceBaseProperties-
Tags Tagwoordenlijst. Tags kunnen worden toegevoegd, verwijderd en bijgewerkt. ResourceBaseTags-
trekker [Vereist] Hiermee geeft u de details van de trigger TriggerBase- (vereist)

Seizoensgebonden

Naam Beschrijving Waarde
wijze Ingesteld op Auto voor type AutoSeasonality. Ingesteld op 'Aangepast' voor het type CustomSeasonality. 'Auto'
'Aangepast' (vereist)

SparkJob

Naam Beschrijving Waarde
archief Archiefbestanden die in de taak worden gebruikt. tekenreeks[]
args Argumenten voor de taak. snaar
codeId [Vereist] arm-id van de codeasset. tekenreeks (vereist)
Conf Door Spark geconfigureerde eigenschappen. SparkJobConf-
ingang [Vereist] De vermelding die moet worden uitgevoerd bij het opstarten van de taak. SparkJobEntry- (vereist)
environmentId De ARM-resource-id van de omgevingsspecificatie voor de taak. snaar
environmentVariables Omgevingsvariabelen die zijn opgenomen in de taak. SparkJobEnvironmentVariables
archief Bestanden die in de taak worden gebruikt. tekenreeks[]
Ingangen Toewijzing van invoergegevensbindingen die in de taak worden gebruikt. SparkJobInputs-
Potten Jar-bestanden die in de taak worden gebruikt. tekenreeks[]
jobType [Vereist] Hiermee geeft u het type taak. Spark (vereist)
Uitgangen Toewijzing van uitvoergegevensbindingen die in de taak worden gebruikt. SparkJobOutputs-
pyFiles Python-bestanden die in de taak worden gebruikt. tekenreeks[]
queueSettings Wachtrijinstellingen voor de taak QueueSettings
weg Rekenresourceconfiguratie voor de taak. SparkResourceConfiguration-

SparkJobConf

Naam Beschrijving Waarde

SparkJobEntry

Naam Beschrijving Waarde
sparkJobEntryType Ingesteld op SparkJobPythonEntry voor het type SparkJobPythonEntry. Ingesteld op SparkJobScalaEntry voor het type SparkJobScalaEntry. SparkJobPythonEntry
SparkJobScalaEntry (vereist)

SparkJobEnvironmentVariables

Naam Beschrijving Waarde

SparkJobInputs

Naam Beschrijving Waarde

SparkJobOutputs

Naam Beschrijving Waarde

SparkJobPythonEntry

Naam Beschrijving Waarde
bestand [Vereist] Relatief Python-bestandspad voor taakinvoerpunt. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
sparkJobEntryType [Vereist] Type van het toegangspunt van de taak. SparkJobPythonEntry (vereist)

SparkJobScalaEntry

Naam Beschrijving Waarde
className [Vereist] Scala-klassenaam die wordt gebruikt als toegangspunt. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
sparkJobEntryType [Vereist] Type van het toegangspunt van de taak. SparkJobScalaEntry (vereist)

SparkResourceConfiguration

Naam Beschrijving Waarde
instanceType Optioneel type VM dat wordt gebruikt als ondersteund door het rekendoel. snaar
runtimeVersion Versie van spark-runtime die wordt gebruikt voor de taak. snaar

StackEnsembleSettings

Naam Beschrijving Waarde
stackMetaLearnerKWargs Optionele parameters die moeten worden doorgegeven aan de initialisatiefunctie van de meta-learner. enig
stackMetaLearnerTrainPercentage Hiermee geeft u het aandeel van de trainingsset op (bij het kiezen van het trainings- en validatietype) dat moet worden gereserveerd voor het trainen van de meta-learner. De standaardwaarde is 0,2. Int
stackMetaLearnerType De meta-learner is een model dat is getraind op de uitvoer van de afzonderlijke heterogene modellen. 'ElasticNet'
'ElasticNetCV'
'LightGBMClassifier'
'LightGBMRegressor'
'LinearRegression'
'LogisticRegression'
'LogisticRegressionCV'
'Geen'

StaticInputData

Naam Beschrijving Waarde
inputDataType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'Statisch' (vereist)
preprocessingComponentId Verwijzing naar de onderdeelasset die wordt gebruikt om de gegevens vooraf te verwerken. snaar
windowEnd [Vereist] De einddatum van het gegevensvenster. tekenreeks (vereist)
windowStart [Vereist] De begindatum van het gegevensvenster. tekenreeks (vereist)

SweepJob

Naam Beschrijving Waarde
earlyTermination Beleid voor vroegtijdige beëindiging zorgt ervoor dat uitvoeringen met slechte prestaties worden geannuleerd voordat ze zijn voltooid EarlyTerminationPolicy-
Ingangen Toewijzing van invoergegevensbindingen die in de taak worden gebruikt. SweepJobInputs
jobType [Vereist] Hiermee geeft u het type taak. 'Opruimen' (vereist)
grens Taaklimiet opruimen. SweepJobLimits-
objectief [Vereist] Optimalisatiedoelstelling. Objective (vereist)
Uitgangen Toewijzing van uitvoergegevensbindingen die in de taak worden gebruikt. SweepJobOutputs
queueSettings Wachtrijinstellingen voor de taak QueueSettings
samplingAlgorithm [Vereist] Het algoritme voor hyperparametersampling SamplingAlgorithm (vereist)
searchSpace [Vereist] Een woordenlijst met elke parameter en de bijbehorende distributie. De woordenlijstsleutel is de naam van de parameter elke (vereist)
proces [Vereist] Definitie van proefonderdeel. TrialComponent (vereist)

SweepJobInputs

Naam Beschrijving Waarde

SweepJobLimits

Naam Beschrijving Waarde
jobLimitsType [Vereist] Type JobLimit. 'Opdracht'
'Opruimen' (vereist)
maxConcurrentTrials Sweep Job max gelijktijdige proefversies. Int
maxTotalTrials Sweep Job maximum aantal proefversies. Int
Timeout De maximale uitvoeringsduur in ISO 8601-indeling, waarna de taak wordt geannuleerd. Ondersteunt alleen de duur met precisie zo laag als seconden. snaar
trialTimeout Time-outwaarde voor time-out voor de proefversie van de taak opruimen. snaar

SweepJobOutputs

Naam Beschrijving Waarde

TableVerticalFeaturizationSettings

Naam Beschrijving Waarde
blockedTransformers Deze transformatoren mogen niet worden gebruikt in featurization. Tekenreeksmatrix met een van de volgende waarden:
'CatTargetEncoder'
'CountVectorizer'
'HashOneHotEncoder'
'LabelEncoder'
'NaiveBayes'
'OneHotEncoder'
'TextTargetEncoder'
'TfIdf'
'WoETargetEncoder'
'WordEmbedding'
columnNameAndTypes Woordenlijst van kolomnaam en het bijbehorende type (int, float, tekenreeks, datum/tijd, enzovoort). TableVerticalFeaturizationSettingsColumnNameAndTypes
gegevenssetLanguage De taal van de gegevensset, handig voor de tekstgegevens. snaar
enableDnnFeaturization Bepaalt of op Dnn gebaseerde featurizers moeten worden gebruikt voor gegevensmetrisatie. Bool
wijze Featurization-modus: de gebruiker kan de standaardmodus 'Auto' behouden en AutoML zorgt voor de noodzakelijke transformatie van de gegevens in de featurization-fase.
Als 'Uit' is geselecteerd, wordt er geen featurization uitgevoerd.
Als 'Aangepast' is geselecteerd, kan de gebruiker aanvullende invoer opgeven om aan te passen hoe featurization wordt uitgevoerd.		 'Auto'
'Aangepast'
'Uit'
transformerParams Gebruiker kan extra transformatoren opgeven die moeten worden gebruikt, samen met de kolommen waarop deze moet worden toegepast en parameters voor de transformatorconstructor. TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Naam Beschrijving Waarde

TableVerticalFeaturizationSettingsTransformerParams

Naam Beschrijving Waarde

TableVerticalLimitSettings

Naam Beschrijving Waarde
enableEarlyTermination Vroegtijdige beëindiging inschakelen, bepaalt of AutoMLJob vroeg wordt beëindigd als er geen scoreverbetering is in de afgelopen 20 iteraties. Bool
exitScore Afsluitscore voor de AutoML-taak. Int
maxConcurrentTrials Maximum aantal gelijktijdige iteraties. Int
maxCoresPerTrial Maximum aantal kernen per iteratie. Int
maxTrials Aantal iteraties. Int
Timeout Time-out voor AutoML-taken. snaar
trialTimeout Time-out voor iteratie. snaar

TargetLags

Naam Beschrijving Waarde
wijze Ingesteld op 'Auto' voor type AutoTargetLags. Ingesteld op 'Aangepast' voor het type CustomTargetLags. 'Auto'
'Aangepast' (vereist)

TargetRollingWindowSize

Naam Beschrijving Waarde
wijze Ingesteld op 'Auto' voor type AutoTargetRollingWindowSize. Ingesteld op 'Aangepast' voor het type CustomTargetRollingWindowSize. 'Auto'
'Aangepast' (vereist)

TeacherModelEndpoint

Naam Beschrijving Waarde
endpointName snaar

TeacherModelEndpointRequestSettings

Naam Beschrijving Waarde
minEndpointSuccessRatio Int
requestBatchSize Int

TeacherModelSettings

Naam Beschrijving Waarde
teacherModelEndpointRequestSettings Instellingen voor aanvraag van docentmodel. TeacherModelEndpointRequestSettings
teacherModelInferenceParameters Instellingen voor deductie van docentmodellen. TeacherModelSettingsTeacherModelInferenceParameters

TeacherModelSettingsTeacherModelInferenceParameters

Naam Beschrijving Waarde

TensorFlow

Naam Beschrijving Waarde
distributionType [Vereist] Hiermee geeft u het type distributieframework op. 'TensorFlow' (vereist)
parameterServerCount Aantal parameterservertaken. Int
workerCount Aantal werknemers. Als dit niet is opgegeven, wordt het aantal exemplaren standaard ingesteld. Int

TextClassification

Naam Beschrijving Waarde
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. NlpVerticalFeaturizationSettings
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. NlpVerticalLimitSettings
primaryMetric Primaire metrische gegevens voor Text-Classification taak. 'Nauwkeurigheid'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
taskType [Vereist] Taaktype voor AutoMLJob. TextClassification (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-

TextClassificationMultilabel

Naam Beschrijving Waarde
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. NlpVerticalFeaturizationSettings
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. NlpVerticalLimitSettings
taskType [Vereist] Taaktype voor AutoMLJob. 'TextClassificationMultilabel' (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-

TextNer

Naam Beschrijving Waarde
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. NlpVerticalFeaturizationSettings
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. NlpVerticalLimitSettings
taskType [Vereist] Taaktype voor AutoMLJob. 'TextNER' (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-

TopNFeaturesByAttribution

Naam Beschrijving Waarde
filterType [Vereist] Hiermee geeft u het functiefilter op dat moet worden gebruikt bij het selecteren van functies om metrische gegevens te berekenen. 'TopNByAttribution' (vereist)
Boven Het aantal belangrijkste functies dat moet worden opgenomen. Int

TrialComponent

Naam Beschrijving Waarde
codeId ARM-resource-id van de codeasset. snaar
bevelen [Vereist] De opdracht die moet worden uitgevoerd bij het opstarten van de taak. bijvoorbeeld "python train.py" snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
distributie Distributieconfiguratie van de taak. Indien ingesteld, moet dit een van Mpi, Tensorflow, PyTorch of null zijn. DistributionConfiguration-
environmentId [Vereist] De ARM-resource-id van de omgevingsspecificatie voor de taak. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
environmentVariables Omgevingsvariabelen die zijn opgenomen in de taak. TrialComponentEnvironmentVariables
weg Rekenresourceconfiguratie voor de taak. JobResourceConfiguration-

TrialComponentEnvironmentVariables

Naam Beschrijving Waarde

TriggerBase

Naam Beschrijving Waarde
endTime Hiermee geeft u de eindtijd van de planning in ISO 8601, maar zonder utc-offset. Raadpleeg https://en.wikipedia.org/wiki/ISO_8601.
Opgemaakte indeling is '2022-06-01T00:00:01'
Als deze niet aanwezig is, wordt het schema voor onbepaalde tijd uitgevoerd		 snaar
startTime Hiermee geeft u de begintijd van de planning in ISO 8601-indeling, maar zonder utc-offset. snaar
tijdzone Hiermee geeft u de tijdzone op waarin het schema wordt uitgevoerd.
Tijdzone moet de windows-tijdzone-indeling volgen. Raadpleeg: /windows-hardware/manufacture/desktop/default-time-zones?view=windows-11		 snaar
triggerType Ingesteld op 'Cron' voor het type CronTrigger. Ingesteld op Terugkeerpatroon voor type RecurrenceTrigger. 'Cron'
Terugkeerpatroon (vereist)

TritonModelJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'triton_model' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

TritonModelJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'triton_model' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

TruncationSelectionPolicy

Naam Beschrijving Waarde
policyType [Vereist] Naam van beleidsconfiguratie 'TruncationSelection' (vereist)
afkappingSpercentage Het percentage uitvoeringen dat moet worden geannuleerd bij elk evaluatie-interval. Int

UriFileJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'uri_file' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

UriFileJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'uri_file' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

UriFolderJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'uri_folder' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

UriFolderJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'uri_folder' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

UserAssignedIdentities

Naam Beschrijving Waarde

UserAssignedIdentity

Naam Beschrijving Waarde

UserIdentity

Naam Beschrijving Waarde
identityType [Vereist] Hiermee geeft u het type identiteitsframework op. UserIdentity (vereist)

Webhook

Naam Beschrijving Waarde
eventType Callback verzenden voor een opgegeven meldings gebeurtenis snaar
webhookType Ingesteld op 'AzureDevOps' voor het type AzureDevOpsWebhook. 'AzureDevOps' (vereist)

Gebruiksvoorbeelden

Resourcedefinitie van Terraform (AzAPI-provider)

Het resourcetype werkruimten/planningen kan worden geïmplementeerd met bewerkingen die zijn gericht op:

  • resourcegroepen

Zie logboek wijzigenvoor een lijst met gewijzigde eigenschappen in elke API-versie.

Resource-indeling

Als u een resource voor Microsoft.MachineLearningServices/werkruimten/planningen wilt maken, voegt u de volgende Terraform toe aan uw sjabloon.

resource "azapi_resource" "symbolicname" {
  type = "Microsoft.MachineLearningServices/workspaces/schedules@2025-01-01-preview"
  name = "string"
  body = {
    properties = {
      action = {
        actionType = "string"
        // For remaining properties, see ScheduleActionBase objects
      }
      description = "string"
      displayName = "string"
      isEnabled = bool
      properties = {
        {customized property} = "string"
      }
      tags = {
        {customized property} = "string"
      }
      trigger = {
        endTime = "string"
        startTime = "string"
        timeZone = "string"
        triggerType = "string"
        // For remaining properties, see TriggerBase objects
      }
    }
  }
}

FineTuningVertical-objecten

Stel de eigenschap modelProvider in om het type object op te geven.

Gebruik voor AzureOpenAI-:

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

Gebruik voor Aangepaste:

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

Webhookobjecten

Stel de eigenschap webhookType in om het type object op te geven.

Gebruik voor AzureDevOps-:

{
  webhookType = "AzureDevOps"
}

Knooppuntobjecten

Stel de eigenschap nodesValueType in om het type object op te geven.

Gebruik voor Alle:

{
  nodesValueType = "All"
}

TriggerBase-objecten

Stel de eigenschap triggerType in om het type object op te geven.

Gebruik voor Cron:

{
  expression = "string"
  triggerType = "Cron"
}

Gebruik voor terugkeerpatroon:

{
  frequency = "string"
  interval = int
  schedule = {
    hours = [
      int
    ]
    minutes = [
      int
    ]
    monthDays = [
      int
    ]
    weekDays = [
      "string"
    ]
  }
  triggerType = "Recurrence"
}

JobInput-objecten

Stel de eigenschap jobInputType in om het type object op te geven.

Gebruik voor custom_model:

{
  jobInputType = "custom_model"
  mode = "string"
  uri = "string"
}

Gebruik voor letterlijke:

{
  jobInputType = "literal"
  value = "string"
}

Gebruik voor mlflow_model:

{
  jobInputType = "mlflow_model"
  mode = "string"
  uri = "string"
}

Gebruik voor mltable:

{
  jobInputType = "mltable"
  mode = "string"
  uri = "string"
}

Gebruik voor triton_model:

{
  jobInputType = "triton_model"
  mode = "string"
  uri = "string"
}

Voor uri_filegebruikt u:

{
  jobInputType = "uri_file"
  mode = "string"
  uri = "string"
}

Gebruik voor uri_folder:

{
  jobInputType = "uri_folder"
  mode = "string"
  uri = "string"
}

SamplingAlgorithm-objecten

Stel de eigenschap samplingAlgorithmType in om het type object op te geven.

Gebruik voor Bayesian-:

{
  samplingAlgorithmType = "Bayesian"
}

Gebruik voor Grid:

{
  samplingAlgorithmType = "Grid"
}

Gebruik voor Willekeurige:

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

IdentityConfiguration-objecten

Stel de eigenschap identityType in om het type object op te geven.

Gebruik voor AMLToken-:

{
  identityType = "AMLToken"
}

Gebruik voor Beheerde:

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

Gebruik voor UserIdentity-:

{
  identityType = "UserIdentity"
}

MonitorComputeConfigurationBase-objecten

Stel de eigenschap computeType in om het type object op te geven.

Gebruik voor ServerlessSpark:

{
  computeIdentity = {
    computeIdentityType = "string"
    // For remaining properties, see MonitorComputeIdentityBase objects
  }
  computeType = "ServerlessSpark"
  instanceType = "string"
  runtimeVersion = "string"
}

SparkJobEntry-objecten

Stel de eigenschap sparkJobEntryType in om het type object op te geven.

Gebruik voor SparkJobPythonEntry:

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

Gebruik voor SparkJobScalaEntry-:

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

EarlyTerminationPolicy-objecten

Stel de eigenschap policyType in om het type object op te geven.

Gebruik voor Bandit-:

{
  policyType = "Bandit"
  slackAmount = int
  slackFactor = int
}

Gebruik voor MedianStopping:

{
  policyType = "MedianStopping"
}

Gebruik voor TruncationSelection:

{
  policyType = "TruncationSelection"
  truncationPercentage = int
}

JobOutput-objecten

Stel de eigenschap jobOutputType in om het type object op te geven.

Gebruik voor custom_model:

{
  assetName = "string"
  jobOutputType = "custom_model"
  mode = "string"
  uri = "string"
}

Gebruik voor mlflow_model:

{
  assetName = "string"
  jobOutputType = "mlflow_model"
  mode = "string"
  uri = "string"
}

Gebruik voor mltable:

{
  assetName = "string"
  jobOutputType = "mltable"
  mode = "string"
  uri = "string"
}

Gebruik voor triton_model:

{
  assetName = "string"
  jobOutputType = "triton_model"
  mode = "string"
  uri = "string"
}

Voor uri_filegebruikt u:

{
  assetName = "string"
  jobOutputType = "uri_file"
  mode = "string"
  uri = "string"
}

Gebruik voor uri_folder:

{
  assetName = "string"
  jobOutputType = "uri_folder"
  mode = "string"
  uri = "string"
}

DataQualityMetricThresholdBase-objecten

Stel de eigenschap dataType in om het type object op te geven.

Gebruik voor Categorische:

{
  dataType = "Categorical"
  metric = "string"
}

Gebruik voor numerieke:

{
  dataType = "Numerical"
  metric = "string"
}

TargetLags-objecten

Stel de modus eigenschap in om het type object op te geven.

Gebruik voor Automatische:

{
  mode = "Auto"
}

Gebruik voor Aangepaste:

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

MonitoringInputDataBase-objecten

Stel de eigenschap inputDataType in om het type object op te geven.

Gebruik voor vaste:

{
  inputDataType = "Fixed"
}

Gebruik voor Rolling:

{
  inputDataType = "Rolling"
  preprocessingComponentId = "string"
  windowOffset = "string"
  windowSize = "string"
}

Gebruik voor Statische:

{
  inputDataType = "Static"
  preprocessingComponentId = "string"
  windowEnd = "string"
  windowStart = "string"
}

MonitorComputeIdentityBase-objecten

Stel de eigenschap computeIdentityType in om het type object op te geven.

Gebruik voor AmlToken-:

{
  computeIdentityType = "AmlToken"
}

Gebruik voor ManagedIdentity-:

{
  computeIdentityType = "ManagedIdentity"
  identity = {
    type = "string"
    userAssignedIdentities = {
      {customized property} = {
      }
    }
  }
}

PredictionDriftMetricThresholdBase-objecten

Stel de eigenschap dataType in om het type object op te geven.

Gebruik voor Categorische:

{
  dataType = "Categorical"
  metric = "string"
}

Gebruik voor numerieke:

{
  dataType = "Numerical"
  metric = "string"
}

Seizoensgebondenheidsobjecten

Stel de modus eigenschap in om het type object op te geven.

Gebruik voor Automatische:

{
  mode = "Auto"
}

Gebruik voor Aangepaste:

{
  mode = "Custom"
  value = int
}

JobBaseProperties-objecten

Stel de eigenschap jobType in om het type object op te geven.

Gebruik voor AutoML-:

{
  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"
    dockerArgsList = [
      "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
  }
}

Gebruik voor Command:

{
  codeId = "string"
  command = "string"
  distribution = {
    distributionType = "string"
    // For remaining properties, see DistributionConfiguration objects
  }
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  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"
    dockerArgsList = [
      "string"
    ]
    instanceCount = int
    instanceType = "string"
    properties = {
      {customized property} = ?
    }
    shmSize = "string"
  }
}

Gebruik voor distillatie:

{
  dataGenerationDetails = {
    dataGenerationTaskType = "string"
    promptSettings = {
      enableChainOfDensity = bool
      enableChainOfThought = bool
      maxLenSummary = int
    }
    teacherModelEndpoint = {
      endpointName = "string"
    }
    teacherModelSettings = {
      teacherModelEndpointRequestSettings = {
        minEndpointSuccessRatio = int
        requestBatchSize = int
      }
      teacherModelInferenceParameters = {
        {customized property} = "string"
      }
    }
    dataGenerationType = "string"
    // For remaining properties, see DataGenerationVertical objects
  }
  finetuningDetails = {
    hyperParameters = {
      {customized property} = "string"
    }
    studentModel = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  jobType = "Distillation"
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
  }
  resources = {
    instanceTypes = [
      "string"
    ]
  }
}

Gebruik voor FineTuning:

{
  fineTuningDetails = {
    model = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
    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"
    ]
  }
}

Gebruik voor Pipeline:

{
  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"
}

Gebruik voor Spark-:

{
  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"
  }
}

Gebruik voor Sweep:

{
  earlyTermination = {
    delayEvaluation = int
    evaluationInterval = int
    policyType = "string"
    // For remaining properties, see EarlyTerminationPolicy objects
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  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"
      dockerArgsList = [
        "string"
      ]
      instanceCount = int
      instanceType = "string"
      properties = {
        {customized property} = ?
      }
      shmSize = "string"
    }
  }
}

NCrossValidations-objecten

Stel de modus eigenschap in om het type object op te geven.

Gebruik voor Automatische:

{
  mode = "Auto"
}

Gebruik voor Aangepaste:

{
  mode = "Custom"
  value = int
}

MonitoringSignalBase-objecten

Stel de eigenschap signalType in om het type object op te geven.

Gebruik voor Aangepaste:

{
  componentId = "string"
  inputAssets = {
    {customized property} = {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  metricThresholds = [
    {
      metric = "string"
      threshold = {
        value = int
      }
    }
  ]
  signalType = "Custom"
}

Gebruik voor DataDrift-:

{
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  featureImportanceSettings = {
    mode = "string"
    targetColumn = "string"
  }
  features = {
    filterType = "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds = [
    {
      threshold = {
        value = int
      }
      dataType = "string"
      // For remaining properties, see DataDriftMetricThresholdBase objects
    }
  ]
  productionData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "DataDrift"
}

Gebruik voor DataQuality:

{
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  featureImportanceSettings = {
    mode = "string"
    targetColumn = "string"
  }
  features = {
    filterType = "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds = [
    {
      threshold = {
        value = int
      }
      dataType = "string"
      // For remaining properties, see DataQualityMetricThresholdBase objects
    }
  ]
  productionData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "DataQuality"
}

Gebruik voor FeatureAttributionDrift-:

{
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  featureImportanceSettings = {
    mode = "string"
    targetColumn = "string"
  }
  metricThreshold = {
    metric = "string"
    threshold = {
      value = int
    }
  }
  productionData = [
    {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "FeatureAttributionDrift"
}

Gebruik voor PredictionDrift:

{
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  metricThresholds = [
    {
      threshold = {
        value = int
      }
      dataType = "string"
      // For remaining properties, see PredictionDriftMetricThresholdBase objects
    }
  ]
  productionData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "PredictionDrift"
}

DataGenerationVertical-objecten

Stel de eigenschap dataGenerationType in om het type object op te geven.

Gebruik voor LabelGeneration:

{
  dataGenerationType = "LabelGeneration"
  trainingData = {
    description = "string"
    jobInputType = "string"
    // For remaining properties, see JobInput objects
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    // For remaining properties, see JobInput objects
  }
}

ScheduleActionBase-objecten

Stel de eigenschap actionType in om het type object op te geven.

Gebruik voor CreateJob:

{
  actionType = "CreateJob"
  jobDefinition = {
    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
        }
      }
    }
    parentJobName = "string"
    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
  }
}

Gebruik voor CreateMonitor:

{
  actionType = "CreateMonitor"
  monitorDefinition = {
    alertNotificationSettings = {
      emailNotificationSettings = {
        emails = [
          "string"
        ]
      }
    }
    computeConfiguration = {
      computeType = "string"
      // For remaining properties, see MonitorComputeConfigurationBase objects
    }
    monitoringTarget = {
      deploymentId = "string"
      modelId = "string"
      taskType = "string"
    }
    signals = {
      {customized property} = {
        notificationTypes = [
          "string"
        ]
        properties = {
          {customized property} = "string"
        }
        signalType = "string"
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }
}

Gebruik voor InvokeBatchEndpoint:

{
  actionType = "InvokeBatchEndpoint"
  endpointInvocationDefinition = ?
}

DistributionConfiguration-objecten

Stel de eigenschap distributionType in om het type object op te geven.

Gebruik voor Mpi-:

{
  distributionType = "Mpi"
  processCountPerInstance = int
}

Gebruik voor PyTorch-:

{
  distributionType = "PyTorch"
  processCountPerInstance = int
}

Gebruik voor TensorFlow-:

{
  distributionType = "TensorFlow"
  parameterServerCount = int
  workerCount = int
}

DataDriftMetricThresholdBase-objecten

Stel de eigenschap dataType in om het type object op te geven.

Gebruik voor Categorische:

{
  dataType = "Categorical"
  metric = "string"
}

Gebruik voor numerieke:

{
  dataType = "Numerical"
  metric = "string"
}

ForecastHorizon-objecten

Stel de modus eigenschap in om het type object op te geven.

Gebruik voor Automatische:

{
  mode = "Auto"
}

Gebruik voor Aangepaste:

{
  mode = "Custom"
  value = int
}

TargetRollingWindowSize-objecten

Stel de modus eigenschap in om het type object op te geven.

Gebruik voor Automatische:

{
  mode = "Auto"
}

Gebruik voor Aangepaste:

{
  mode = "Custom"
  value = int
}

MonitoringFeatureFilterBase-objecten

Stel de eigenschap filterType in om het type object op te geven.

Gebruik voor AllFeatures:

{
  filterType = "AllFeatures"
}

Gebruik voor FeatureSubset:

{
  features = [
    "string"
  ]
  filterType = "FeatureSubset"
}

Gebruik voor TopNByAttribution:

{
  filterType = "TopNByAttribution"
  top = int
}

AutoMLVertical-objecten

Stel de eigenschap taskType in om het type object op te geven.

Gebruik voor Classificatie:

{
  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"
}

Gebruik voor voorspellen:

{
  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"
}

Gebruik voor ImageClassification:

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

Gebruik voor ImageClassificationMultilabel:

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

Gebruik voor ImageInstanceSegmentation:

{
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    boxDetectionsPerImage = int
    boxScoreThreshold = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    imageSize = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    maxSize = int
    minSize = int
    modelName = "string"
    modelSize = "string"
    momentum = int
    multiScale = bool
    nesterov = bool
    nmsIouThreshold = int
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    tileGridSize = "string"
    tileOverlapRatio = int
    tilePredictionsNmsThreshold = int
    trainingBatchSize = int
    validationBatchSize = int
    validationIouThreshold = int
    validationMetricType = "string"
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
  }
  primaryMetric = "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
}

Gebruik voor ImageObjectDetection:

{
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    boxDetectionsPerImage = int
    boxScoreThreshold = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    imageSize = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    maxSize = int
    minSize = int
    modelName = "string"
    modelSize = "string"
    momentum = int
    multiScale = bool
    nesterov = bool
    nmsIouThreshold = int
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    tileGridSize = "string"
    tileOverlapRatio = int
    tilePredictionsNmsThreshold = int
    trainingBatchSize = int
    validationBatchSize = int
    validationIouThreshold = int
    validationMetricType = "string"
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
  }
  primaryMetric = "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
}

Gebruik voor regressie-:

{
  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"
}

Gebruik voor TextClassification:

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

Gebruik voor TextClassificationMultilabel:

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

Gebruik voor TextNER-:

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

Eigenschapswaarden

AllFeatures

Naam Beschrijving Waarde
filterType [Vereist] Hiermee geeft u het functiefilter op dat moet worden gebruikt bij het selecteren van functies om metrische gegevens te berekenen. 'AllFeatures' (vereist)

AllNodes

Naam Beschrijving Waarde
nodesValueType [Vereist] Type van de waarde Knooppunten 'Alles' (vereist)

AmlToken

Naam Beschrijving Waarde
identityType [Vereist] Hiermee geeft u het type identiteitsframework op. AMLToken (vereist)

AmlTokenComputeIdentity

Naam Beschrijving Waarde
computeIdentityType [Vereist] Hiermee geeft u het type identiteit op dat moet worden gebruikt binnen de bewakingstaken. AmlToken (vereist)

AutoForecastHorizon

Naam Beschrijving Waarde
wijze [Vereist] Stel de selectiemodus voor de waarde van de prognose horizon in. 'Auto' (vereist)

AutoMLJob

Naam Beschrijving Waarde
environmentId De ARM-resource-id van de omgevingsspecificatie voor de taak.
Dit is een optionele waarde die moet worden opgegeven, indien niet opgegeven, wordt deze standaard ingesteld op de door AutoML samengestelde omgevingsversie van Productie bij het uitvoeren van de taak.		 snaar
environmentVariables Omgevingsvariabelen die zijn opgenomen in de taak. AutoMLJobEnvironmentVariables
jobType [Vereist] Hiermee geeft u het type taak. 'AutoML' (vereist)
Uitgangen Toewijzing van uitvoergegevensbindingen die in de taak worden gebruikt. AutoMLJobOutputs
queueSettings Wachtrijinstellingen voor de taak QueueSettings
weg Rekenresourceconfiguratie voor de taak. JobResourceConfiguration-
taskDetails [Vereist] Dit vertegenwoordigt een scenario dat een van tabellen/NLP/Image kan zijn AutoMLVertical (vereist)

AutoMLJobEnvironmentVariables

Naam Beschrijving Waarde

AutoMLJobOutputs

Naam Beschrijving Waarde

AutoMLVertical

Naam Beschrijving Waarde
logVerbosity Logboek uitgebreidheid voor de taak. 'Kritiek'
'Fouten opsporen'
'Fout'
'Info'
'NotSet'
'Waarschuwing'
targetColumnName Naam van doelkolom: dit is de kolom voorspellingswaarden.
Ook wel labelkolomnaam genoemd in de context van classificatietaken.		 snaar
taskType Ingesteld op Classificatie voor het type Classificatie. Ingesteld op 'Prognose' voor het type Voorspellen. Ingesteld op 'ImageClassification' voor het type ImageClassification. Ingesteld op 'ImageClassificationMultilabel' voor het type ImageClassificationMultilabel. Ingesteld op ImageInstanceSegmentation voor type ImageInstanceSegmentation. Ingesteld op ImageObjectDetection voor het type ImageObjectDetection. Ingesteld op Regressie voor het type Regressie. Ingesteld op 'TextClassification' voor het type TextClassification. Ingesteld op 'TextClassificationMultilabel' voor het type TextClassificationMultilabel. Ingesteld op 'TextNER' voor het type TextNer. 'Classificatie'
'Prognoses'
'ImageClassification'
'ImageClassificationMultilabel'
'ImageInstanceSegmentation'
'ImageObjectDetection'
Regressie
'TextClassification'
'TextClassificationMultilabel'
'TextNER' (vereist)
trainingData [Vereist] Invoer van trainingsgegevens. MLTableJobInput- (vereist)

AutoNCrossValidations

Naam Beschrijving Waarde
wijze [Vereist] Modus voor het bepalen van N-Kruisvalidaties. 'Auto' (vereist)

AutoSeasonality

Naam Beschrijving Waarde
wijze [Vereist] Seizoensgebondenheidsmodus. 'Auto' (vereist)

AutoTargetLags

Naam Beschrijving Waarde
wijze [Vereist] Doelvertragingsmodus instellen - Automatisch/aangepast 'Auto' (vereist)

AutoTargetRollingWindowSize

Naam Beschrijving Waarde
wijze [Vereist] TargetRollingWindowSiz-detectiemodus. 'Auto' (vereist)

AzureDevOpsWebhook

Naam Beschrijving Waarde
webhookType [Vereist] Hiermee geeft u het type service voor het verzenden van een callback 'AzureDevOps' (vereist)

AzureOpenAiFineTuning

Naam Beschrijving Waarde
hyperParameters HyperParameters voor het verfijnen van het Azure Open AI-model. AzureOpenAiHyperParameters
modelProvider [Vereist] Enum om het type fine tuning te bepalen. 'AzureOpenAI' (vereist)

AzureOpenAiHyperParameters

Naam Beschrijving Waarde
batchSize Aantal voorbeelden in elke batch. Een grotere batchgrootte betekent dat modelparameters minder vaak worden bijgewerkt, maar met een lagere variantie. Int
learningRateMultiplier Schaalfactor voor de leersnelheid. Een kleiner leerpercentage kan nuttig zijn om te voorkomen dat het past. Int
nEpochs Het aantal tijdvakken waarvoor het model moet worden getraind. Een tijdsperiode verwijst naar één volledige cyclus door de trainingsgegevensset. Int

BanditPolicy

Naam Beschrijving Waarde
policyType [Vereist] Naam van beleidsconfiguratie 'Bandit' (vereist)
slackAmount Absolute afstand die is toegestaan vanaf de best presterende uitvoering. Int
slackFactor Verhouding van de toegestane afstand van de best presterende uitvoering. Int

BayesianSamplingAlgorithm

Naam Beschrijving Waarde
samplingAlgorithmType [Vereist] Het algoritme dat wordt gebruikt voor het genereren van hyperparameterwaarden, samen met configuratie-eigenschappen 'Bayesian' (vereist)

CategoricalDataDriftMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. Categorisch (vereist)
metriek [Vereist] De categorische gegevensdriftwaarde die moet worden berekend. 'JensenShannonDistance'
'PearsonsChiSquaredTest'
'PopulationStabilityIndex' (vereist)

CategoricalDataQualityMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. Categorisch (vereist)
metriek [Vereist] De meetwaarde voor categorische gegevenskwaliteit die moet worden berekend. 'DataTypeErrorRate'
'NullValueRate'
'OutOfBoundsRate' (vereist)

CategoricalPredictionDriftMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. Categorisch (vereist)
metriek [Vereist] De categorische voorspellingsdriftwaarde die moet worden berekend. 'JensenShannonDistance'
'PearsonsChiSquaredTest'
'PopulationStabilityIndex' (vereist)

Classificatie

Naam Beschrijving Waarde
cvSplitColumnNames Kolommen die moeten worden gebruikt voor CVSplit-gegevens. tekenreeks[]
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. TableVerticalFeaturizationSettings
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. TableVerticalLimitSettings
nCrossValidations Aantal kruisvalidatievouws dat moet worden toegepast op de trainingsgegevensset
wanneer er geen validatiegegevensset is opgegeven.		 NCrossValidations
positiveLabel Positief label voor berekening van binaire metrische gegevens. snaar
primaryMetric Primaire metrische gegevens voor de taak. 'Nauwkeurigheid'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
taskType [Vereist] Taaktype voor AutoMLJob. 'Classificatie' (vereist)
testData Gegevensinvoer testen. MLTableJobInput-
testDataSize Het deel van de testgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
trainingSettings Invoer voor de trainingsfase voor een AutoML-taak. ClassificationTrainingSettings
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
weightColumnName De naam van de kolom met de steekproefgewicht. Geautomatiseerde ML ondersteunt een gewogen kolom als invoer, waardoor rijen in de gegevens omhoog of omlaag worden gewogen. snaar

ClassificationTrainingSettings

Naam Beschrijving Waarde
allowedTrainingAlgorithms Toegestane modellen voor classificatietaak. Tekenreeksmatrix met een van de volgende waarden:
'BernoulliNaiveBayes'
"DecisionTree"
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
blockedTrainingAlgorithms Geblokkeerde modellen voor classificatietaak. Tekenreeksmatrix met een van de volgende waarden:
'BernoulliNaiveBayes'
"DecisionTree"
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
enableDnnTraining Schakel de aanbeveling van DNN-modellen in. Bool
enableModelExplainability Vlag om uitleg in te schakelen voor het beste model. Bool
enableOnnxCompatibleModels Vlag voor het inschakelen van compatibele onnx-modellen. Bool
enableStackEnsemble Schakel stack ensemble run in. Bool
enableVoteEnsemble Stem ensembleuitvoering inschakelen. Bool
ensembleModelDownloadTimeout Tijdens votingEnsemble en StackEnsemble modelgeneratie worden meerdere aangepaste modellen van de vorige onderliggende uitvoeringen gedownload.
Configureer deze parameter met een hogere waarde dan 300 sec. Als er meer tijd nodig is.		 snaar
stackEnsembleSettings Stack ensemble-instellingen voor stack ensemble run. StackEnsembleSettings

ColumnTransformer

Naam Beschrijving Waarde
Velden Velden waarop transformatielogica moet worden toegepast. tekenreeks[]
Parameters Verschillende eigenschappen die moeten worden doorgegeven aan de transformator.
De verwachte invoer is een woordenlijst van sleutel-waardeparen in JSON-indeling.		 enig

CommandJob

Naam Beschrijving Waarde
codeId ARM-resource-id van de codeasset. snaar
bevelen [Vereist] De opdracht die moet worden uitgevoerd bij het opstarten van de taak. bijvoorbeeld "python train.py" snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
distributie Distributieconfiguratie van de taak. Indien ingesteld, moet dit een van Mpi, Tensorflow, PyTorch of null zijn. DistributionConfiguration-
environmentId [Vereist] De ARM-resource-id van de omgevingsspecificatie voor de taak. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
environmentVariables Omgevingsvariabelen die zijn opgenomen in de taak. CommandJobEnvironmentVariables
Ingangen Toewijzing van invoergegevensbindingen die in de taak worden gebruikt. CommandJobInputs
jobType [Vereist] Hiermee geeft u het type taak. 'Opdracht' (vereist)
grens Opdrachttaaklimiet. CommandJobLimits-
Uitgangen Toewijzing van uitvoergegevensbindingen die in de taak worden gebruikt. CommandJobOutputs-
queueSettings Wachtrijinstellingen voor de taak QueueSettings
weg Rekenresourceconfiguratie voor de taak. JobResourceConfiguration-

CommandJobEnvironmentVariables

Naam Beschrijving Waarde

CommandJobInputs

Naam Beschrijving Waarde

CommandJobLimits

Naam Beschrijving Waarde
jobLimitsType [Vereist] Type JobLimit. 'Opdracht'
'Opruimen' (vereist)
Timeout De maximale uitvoeringsduur in ISO 8601-indeling, waarna de taak wordt geannuleerd. Ondersteunt alleen de duur met precisie zo laag als seconden. snaar

CommandJobOutputs

Naam Beschrijving Waarde

CreateMonitorAction

Naam Beschrijving Waarde
actionType [Vereist] Hiermee geeft u het actietype van de planning CreateMonitor (vereist)
monitorDefinition [Vereist] Definieert de monitor. MonitorDefinition- (vereist)

CronTrigger

Naam Beschrijving Waarde
uitdrukking [Vereist] Hiermee geeft u cron-expressie van planning.
De expressie moet de NCronTab-indeling volgen.		 snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
triggerType [Vereist] 'Cron' (vereist)

CustomForecastHorizon

Naam Beschrijving Waarde
wijze [Vereist] Stel de selectiemodus voor de waarde van de prognose horizon in. 'Aangepast' (vereist)
waarde [Vereist] Waarde van de prognose horizon. int (vereist)

CustomMetricThreshold

Naam Beschrijving Waarde
metriek [Vereist] De door de gebruiker gedefinieerde metriek die moet worden berekend. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
drempel De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde. MonitoringThreshold-

CustomModelFineTuning

Naam Beschrijving Waarde
hyperParameters HyperParameters voor het verfijnen van aangepast model. CustomModelFineTuningHyperParameters
modelProvider [Vereist] Enum om het type fine tuning te bepalen. 'Aangepast' (vereist)

CustomModelFineTuningHyperParameters

Naam Beschrijving Waarde

CustomModelJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'custom_model' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

CustomModelJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'custom_model' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

CustomMonitoringSignal

Naam Beschrijving Waarde
componentId [Vereist] Verwijzing naar het onderdeelasset dat wordt gebruikt om de aangepaste metrische gegevens te berekenen. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
inputAssets Assets bewaken die moeten worden gebruikt als invoer. Sleutel is de naam van de invoerpoort van het onderdeel, de waarde is de gegevensasset. CustomMonitoringSignalInputAssets
Ingangen Extra onderdeelparameters die als invoer moeten worden gebruikt. Sleutel is de naam van de letterlijke invoerpoort van het onderdeel, de waarde is de parameterwaarde. CustomMonitoringSignalInputs
metricThresholds [Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden. CustomMetricThreshold[] (vereist)
signalType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'Aangepast' (vereist)

CustomMonitoringSignalInputAssets

Naam Beschrijving Waarde

CustomMonitoringSignalInputs

Naam Beschrijving Waarde

CustomNCrossValidations

Naam Beschrijving Waarde
wijze [Vereist] Modus voor het bepalen van N-Kruisvalidaties. 'Aangepast' (vereist)
waarde [Vereist] Waarde voor N-kruisvalidaties. int (vereist)

CustomSeasonality

Naam Beschrijving Waarde
wijze [Vereist] Seizoensgebondenheidsmodus. 'Aangepast' (vereist)
waarde [Vereist] Seizoensgebondenheidswaarde. int (vereist)

CustomTargetLags

Naam Beschrijving Waarde
wijze [Vereist] Doelvertragingsmodus instellen - Automatisch/aangepast 'Aangepast' (vereist)
waarden [Vereist] Stel waarden voor doelvertragingen in. int[] (vereist)

CustomTargetRollingWindowSize

Naam Beschrijving Waarde
wijze [Vereist] TargetRollingWindowSiz-detectiemodus. 'Aangepast' (vereist)
waarde [Vereist] TargetRollingWindowSize-waarde. int (vereist)

DataDriftMetricThresholdBase

Naam Beschrijving Waarde
Datatype Ingesteld op Categorical voor type CategoricalDataDriftMetricThreshold. Ingesteld op 'Numeriek' voor het type NumericalDataDriftMetricThreshold. 'Categorisch'
'Numeriek' (vereist)
drempel De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde. MonitoringThreshold-

DataDriftMonitoringSignal

Naam Beschrijving Waarde
featureDataTypeOverride Een woordenlijst waarmee functienamen worden toegewezen aan hun respectieve gegevenstypen. DataDriftMonitoringSignalFeatureDataTypeOverride-
featureImportanceSettings De instellingen voor het belang van computingfuncties. FeatureImportanceSettings
Functies Het functiefilter waarmee wordt aangegeven welke functie moet worden berekend. MonitoringFeatureFilterBase
metricThresholds [Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden. DataDriftMetricThresholdBase[] (vereist)
productionData [Vereist] De gegevens waarvoor afwijkingen worden berekend. MonitoringInputDataBase (vereist)
referenceData [Vereist] De gegevens voor het berekenen van afwijkingen. MonitoringInputDataBase (vereist)
signalType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. DataDrift (vereist)

DataDriftMonitoringSignalFeatureDataTypeOverride

Naam Beschrijving Waarde

DataGenerationVertical

Naam Beschrijving Waarde
dataGenerationTaskType [Vereist] Gegevensgeneratietaaktype. 'Gesprek'
'Wiskunde'
'Nli'
'NluQa'
Samenvatting (vereist)
dataGenerationType Ingesteld op LabelGeneration voor het type LabelGeneration. 'LabelGeneration' (vereist)
promptSettings Promptinstellingen. PromptSettings-
teacherModelEndpoint [Vereist] Details van eindpunt van docentmodel. TeacherModelEndpoint (vereist)
teacherModelSettings TeacherModelSettings

DataQualityMetricThresholdBase

Naam Beschrijving Waarde
Datatype Ingesteld op Categorical voor het type CategoricalDataQualityMetricThreshold. Ingesteld op 'Numeriek' voor het type NumericalDataQualityMetricThreshold. 'Categorisch'
'Numeriek' (vereist)
drempel De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde. MonitoringThreshold-

DataQualityMonitoringSignal

Naam Beschrijving Waarde
featureDataTypeOverride Een woordenlijst waarmee functienamen worden toegewezen aan hun respectieve gegevenstypen. DataQualityMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings De instellingen voor het belang van computingfuncties. FeatureImportanceSettings
Functies De functies voor het berekenen van afwijkingen. MonitoringFeatureFilterBase
metricThresholds [Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden. DataQualityMetricThresholdBase[] (vereist)
productionData [Vereist] De gegevens die worden geproduceerd door de productieservice waarvoor afwijkingen worden berekend. MonitoringInputDataBase (vereist)
referenceData [Vereist] De gegevens voor het berekenen van afwijkingen. MonitoringInputDataBase (vereist)
signalType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'DataQuality' (vereist)

DataQualityMonitoringSignalFeatureDataTypeOverride

Naam Beschrijving Waarde

Distillatietaak

Naam Beschrijving Waarde
dataGenerationDetails [Vereist] DataGenerationVertical (vereist)
finetuningDetails [Vereist] FinetuningDetails (vereist)
jobType [Vereist] Hiermee geeft u het type taak. "Distillatie" (vereist)
Uitgangen [Vereist] DistillatieTaakOutputs (vereist)
queueSettings Wachtrijinstellingen voor de taak QueueSettings
weg Instantietypen en andere resources voor de taak JobResources-

DistillatieTaakOutputs

Naam Beschrijving Waarde

DistributionConfiguration

Naam Beschrijving Waarde
distributionType Ingesteld op Mpi voor het type Mpi-. Ingesteld op PyTorch voor het type PyTorch. Ingesteld op TensorFlow voor het type TensorFlow. 'Mpi'
'PyTorch'
'TensorFlow' (vereist)

EarlyTerminationPolicy

Naam Beschrijving Waarde
delayEvaluation Aantal intervallen waarmee de eerste evaluatie moet worden vertraagd. Int
evaluationInterval Interval (aantal uitvoeringen) tussen beleidsevaluaties. Int
policyType Ingesteld op 'Bandit' voor het type BanditPolicy. Ingesteld op 'MedianStopping' voor het type MedianStoppingPolicy. Ingesteld op TruncationSelection voor het type TruncationSelectionPolicy. 'Bandit'
'MedianStopping'
'TruncationSelection' (vereist)

EndpointScheduleAction

Naam Beschrijving Waarde
actionType [Vereist] Hiermee geeft u het actietype van de planning 'InvokeBatchEndpoint' (vereist)
endpointInvocationDefinition [Vereist] Definieert details van de actiedefinitie Planning.
<zie href="TBD" />		 elke (vereist)

FeatureAttributionDriftMonitoringSignal

Naam Beschrijving Waarde
featureDataTypeOverride Een woordenlijst waarmee functienamen worden toegewezen aan hun respectieve gegevenstypen. FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings [Vereist] De instellingen voor het belang van computingfuncties. FeatureImportanceSettings (vereist)
metricThreshold [Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden. FeatureAttributionMetricThreshold- (vereist)
productionData [Vereist] De gegevens waarvoor afwijkingen worden berekend. MonitoringInputDataBase[] (vereist)
referenceData [Vereist] De gegevens voor het berekenen van afwijkingen. MonitoringInputDataBase (vereist)
signalType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'FeatureAttributionDrift' (vereist)

FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride

Naam Beschrijving Waarde

FeatureAttributionMetricThreshold

Naam Beschrijving Waarde
metriek [Vereist] De metrische waarde voor functietoekenning die moet worden berekend. 'NormalizedDiscountedCumulativeGain' (vereist)
drempel De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde. MonitoringThreshold-

FeatureImportanceSettings

Naam Beschrijving Waarde
wijze De bewerkingsmodus voor het belang van computingfuncties. 'Uitgeschakeld'
'Ingeschakeld'
targetColumn De naam van de doelkolom binnen de invoergegevensasset. snaar

FeatureSubset

Naam Beschrijving Waarde
Functies [Vereist] De lijst met functies die moeten worden opgenomen. tekenreeks[] (vereist)
filterType [Vereist] Hiermee geeft u het functiefilter op dat moet worden gebruikt bij het selecteren van functies om metrische gegevens te berekenen. 'FeatureSubset' (vereist)

Details van finetuning

Naam Beschrijving Waarde
hyperParameters Hyperparameters verfijnen FinetuningDetailsHyperParameters
studentModel [Vereist] Studentmodel voor het afstemmen. JobInput (vereist)

FinetuningDetailsHyperParameters

Naam Beschrijving Waarde

FineTuningJob

Naam Beschrijving Waarde
fineTuningDetails [Vereist] FineTuningVertical (vereist)
jobType [Vereist] Hiermee geeft u het type taak. 'FineTuning' (vereist)
Uitgangen [Vereist] FineTuningJobOutputs (vereist)
queueSettings Wachtrijinstellingen voor de taak QueueSettings
weg Instantietypen en andere resources voor de taak JobResources-

FineTuningJobOutputs

Naam Beschrijving Waarde

FineTuningVertical

Naam Beschrijving Waarde
model [Vereist] Invoermodel voor het afstemmen. JobInput (vereist)
modelProvider Ingesteld op 'AzureOpenAI' voor het type AzureOpenAiFineTuning. Ingesteld op 'Aangepast' voor het type CustomModelFineTuning. 'AzureOpenAI'
'Aangepast' (vereist)
taskType [Vereist] Taaktype verfijnen. 'ChatCompletion'
'ImageClassification'
'ImageInstanceSegmentation'
'ImageObjectDetection'
'QuestionAnswering'
'TextClassification'
'Tekstcompletion'
'Tekstsamenvatting'
'TextTranslation'
TokenClassification
'VideoMultiObjectTracking' (vereist)
trainingData [Vereist] Trainingsgegevens voor het afstemmen. JobInput (vereist)
validationData Validatiegegevens voor het afstemmen. JobInput-

FixedInputData

Naam Beschrijving Waarde
inputDataType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'Vast' (vereist)

ForecastHorizon

Naam Beschrijving Waarde
wijze Ingesteld op 'Auto' voor type AutoForecastHorizon. Ingesteld op 'Aangepast' voor het type CustomForecastHorizon. 'Auto'
'Aangepast' (vereist)

Vooruitzichten

Naam Beschrijving Waarde
cvSplitColumnNames Kolommen die moeten worden gebruikt voor CVSplit-gegevens. tekenreeks[]
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. TableVerticalFeaturizationSettings
forecastingSettings Taakspecifieke invoer voorspellen. ForecastingSettings-
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. TableVerticalLimitSettings
nCrossValidations Aantal kruisvalidatievouws dat moet worden toegepast op de trainingsgegevensset
wanneer er geen validatiegegevensset is opgegeven.		 NCrossValidations
primaryMetric Primaire metrische gegevens voor het voorspellen van een taak. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
taskType [Vereist] Taaktype voor AutoMLJob. 'Prognose' (vereist)
testData Gegevensinvoer testen. MLTableJobInput-
testDataSize Het deel van de testgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
trainingSettings Invoer voor de trainingsfase voor een AutoML-taak. ForecastingTrainingSettings
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
weightColumnName De naam van de kolom met de steekproefgewicht. Geautomatiseerde ML ondersteunt een gewogen kolom als invoer, waardoor rijen in de gegevens omhoog of omlaag worden gewogen. snaar

ForecastingSettings

Naam Beschrijving Waarde
countryOrRegionForHolidays Land of regio voor feestdagen voor prognosetaken.
Dit moeten ISO 3166 tweeletterige land-/regiocodes zijn, bijvoorbeeld 'VS' of 'GB'.		 snaar
cvStepSize Aantal perioden tussen de oorspronkelijke tijd van één CV-vouw en de volgende vouw. Voor
Als CVStepSize = 3 voor dagelijkse gegevens, is de oorspronkelijke tijd voor elke vouw bijvoorbeeld
drie dagen na elkaar.		 Int
featureLags Vlag voor het genereren van vertragingen voor de numerieke functies met 'auto' of null. 'Auto'
'Geen'
forecastHorizon De gewenste maximale prognose horizon in eenheden van tijdreeksfrequentie. ForecastHorizon-
frequentie Bij het voorspellen vertegenwoordigt deze parameter de periode waarmee de prognose gewenst is, bijvoorbeeld dagelijks, wekelijks, jaarlijks, enzovoort. De prognosefrequentie is standaard de frequentie van de gegevensset. snaar
Seizoensgebonden Stel de seizoensgebondenheid van tijdreeksen in als een geheel getal van het veelvoud van de reeksfrequentie.
Als seizoensgebondenheid is ingesteld op 'auto', wordt dit afgeleid.		 Seizoensgebondenheid
shortSeriesHandlingConfig De parameter die definieert hoe autoML korte tijdreeksen moet verwerken. 'Auto'
'Neerzetten'
'Geen'
'Pad'
targetAggregateFunction De functie die moet worden gebruikt om de doelkolom van de tijdreeks te aggregeren om te voldoen aan een door de gebruiker opgegeven frequentie.
Als de TargetAggregateFunction is ingesteld, dus niet 'Geen', maar de freq-parameter niet is ingesteld, wordt de fout gegenereerd. De mogelijke doelaggregatiefuncties zijn: 'sum', 'max', 'min' en 'mean'.		 'Max'
'Gemiddelde'
'Min'
'Geen'
'Som'
targetLags Het aantal eerdere perioden tot vertraging van de doelkolom. TargetLags
targetRollingWindowSize Het aantal eerdere perioden dat wordt gebruikt voor het maken van een doorlopend venster gemiddelde van de doelkolom. TargetRollingWindowSize-
timeColumnName De naam van de tijdkolom. Deze parameter is vereist bij het voorspellen om de datum/tijd-kolom op te geven in de invoergegevens die worden gebruikt voor het bouwen van de tijdreeks en het uitstellen van de frequentie. snaar
timeSeriesIdColumnNames De namen van kolommen die worden gebruikt om een tijdreeks te groeperen. Het kan worden gebruikt om meerdere reeksen te maken.
Als graan niet is gedefinieerd, wordt ervan uitgegaan dat de gegevensset één tijdreeks is. Deze parameter wordt gebruikt bij het voorspellen van taaktypen.		 tekenreeks[]
useStl Configureer STL-decompositie van de doelkolom van de tijdreeks. 'Geen'
'Seizoen'
'SeasonTrend'

ForecastingTrainingSettings

Naam Beschrijving Waarde
allowedTrainingAlgorithms Toegestane modellen voor het voorspellen van een taak. Tekenreeksmatrix met een van de volgende waarden:
'Arimax'
AutoArima
'Gemiddelde'
"DecisionTree"
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naïef'
'Profeet'
'RandomForest'
'SeasonalAverage'
'SeasonalNaive'
'SGD'
'TCNForecaster'
'XGBoostRegressor'
blockedTrainingAlgorithms Geblokkeerde modellen voor het voorspellen van een taak. Tekenreeksmatrix met een van de volgende waarden:
'Arimax'
AutoArima
'Gemiddelde'
"DecisionTree"
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naïef'
'Profeet'
'RandomForest'
'SeasonalAverage'
'SeasonalNaive'
'SGD'
'TCNForecaster'
'XGBoostRegressor'
enableDnnTraining Schakel de aanbeveling van DNN-modellen in. Bool
enableModelExplainability Vlag om uitleg in te schakelen voor het beste model. Bool
enableOnnxCompatibleModels Vlag voor het inschakelen van compatibele onnx-modellen. Bool
enableStackEnsemble Schakel stack ensemble run in. Bool
enableVoteEnsemble Stem ensembleuitvoering inschakelen. Bool
ensembleModelDownloadTimeout Tijdens votingEnsemble en StackEnsemble modelgeneratie worden meerdere aangepaste modellen van de vorige onderliggende uitvoeringen gedownload.
Configureer deze parameter met een hogere waarde dan 300 sec. Als er meer tijd nodig is.		 snaar
stackEnsembleSettings Stack ensemble-instellingen voor stack ensemble run. StackEnsembleSettings

GridSamplingAlgorithm

Naam Beschrijving Waarde
samplingAlgorithmType [Vereist] Het algoritme dat wordt gebruikt voor het genereren van hyperparameterwaarden, samen met configuratie-eigenschappen 'Raster' (vereist)

IdentityConfiguration

Naam Beschrijving Waarde
identityType Stel in op AMLToken voor het type AmlToken. Ingesteld op Beheerd voor het type ManagedIdentity. Ingesteld op UserIdentity voor het type UserIdentity. 'AMLToken'
'Beheerd'
UserIdentity (vereist)

ImageClassification

Naam Beschrijving Waarde
limitSettings [Vereist] Instellingen voor de AutoML-taak beperken. ImageLimitSettings (vereist)
modelSettings Instellingen die worden gebruikt voor het trainen van het model. ImageModelSettingsClassification
primaryMetric Primaire metrische gegevens die u voor deze taak wilt optimaliseren. 'Nauwkeurigheid'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Zoekruimte voor het nemen van steekproeven van verschillende combinaties van modellen en hun hyperparameters. ImageModelDistributionSettingsClassification[]
sweepSettings Model opruimen en hyperparameter opruimen gerelateerde instellingen. ImageSweepSettings
taskType [Vereist] Taaktype voor AutoMLJob. 'ImageClassification' (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int

ImageClassificationMultilabel

Naam Beschrijving Waarde
limitSettings [Vereist] Instellingen voor de AutoML-taak beperken. ImageLimitSettings (vereist)
modelSettings Instellingen die worden gebruikt voor het trainen van het model. ImageModelSettingsClassification
primaryMetric Primaire metrische gegevens die u voor deze taak wilt optimaliseren. 'Nauwkeurigheid'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
"CATE"
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Zoekruimte voor het nemen van steekproeven van verschillende combinaties van modellen en hun hyperparameters. ImageModelDistributionSettingsClassification[]
sweepSettings Model opruimen en hyperparameter opruimen gerelateerde instellingen. ImageSweepSettings
taskType [Vereist] Taaktype voor AutoMLJob. 'ImageClassificationMultilabel' (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int

ImageInstanceSegmentation

Naam Beschrijving Waarde
limitSettings [Vereist] Instellingen voor de AutoML-taak beperken. ImageLimitSettings (vereist)
modelSettings Instellingen die worden gebruikt voor het trainen van het model. ImageModelSettingsObjectDetection-
primaryMetric Primaire metrische gegevens die u voor deze taak wilt optimaliseren. 'MeanAveragePrecision'
searchSpace Zoekruimte voor het nemen van steekproeven van verschillende combinaties van modellen en hun hyperparameters. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Model opruimen en hyperparameter opruimen gerelateerde instellingen. ImageSweepSettings
taskType [Vereist] Taaktype voor AutoMLJob. ImageInstanceSegmentation (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int

ImageLimitSettings

Naam Beschrijving Waarde
maxConcurrentTrials Maximum aantal gelijktijdige AutoML-iteraties. Int
maxTrials Maximum aantal AutoML-iteraties. Int
Timeout Time-out voor AutoML-taken. snaar

ImageModelDistributionSettingsClassification

Naam Beschrijving Waarde
amsGradient Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is. snaar
uitbreidingen Instellingen voor het gebruik van augmentations. snaar
beta1 De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. snaar
beta2 De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. snaar
Gedistribueerd Of u distributietraining wilt gebruiken. snaar
earlyStopping Schakel vroege stoplogica in tijdens de training. snaar
earlyStoppingDelay Minimum aantal tijdvakken of validatie-evaluaties om te wachten voordat primaire metrische gegevens worden verbeterd
wordt bijgehouden voor vroege stop. Moet een positief geheel getal zijn.		 snaar
earlyStoppingPatience Minimumaantal epochs of validatie-evaluaties zonder primaire metrische verbetering voordat
de uitvoering is gestopt. Moet een positief geheel getal zijn.		 snaar
enableOnnxNormalization Normalisatie inschakelen bij het exporteren van een ONNX-model. snaar
evaluationFrequency Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn. snaar
gradientAccumulationStep Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal stappen voor GradAccumulationStep zonder
het gewicht van het model bijwerken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens met behulp van
de geaccumuleerde kleurovergangen om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.		 snaar
layersToFreeze Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn.
Bijvoorbeeld: het doorgeven van 2 als waarde voor 'seresnext' betekent
vrieslaag0 en laag1. Voor een volledige lijst met ondersteunde modellen en details over laagblokkering, alstublieft
zie: /azure/machine-learning/how-to-auto-train-image-models.		 snaar
learningRate Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn. snaar
learningRateScheduler Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn. snaar
modelName De naam van het model dat moet worden gebruikt voor training.
Raadpleeg de officiële documentatie voor meer informatie over de beschikbare modellen:
/azure/machine-learning/how-to-auto-train-image-models.		 snaar
impuls Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn. snaar
nesterov Schakel nesterov in wanneer optimizer 'sgd' is. snaar
numberOfEpochs Aantal trainingstijdvakken. Moet een positief geheel getal zijn. snaar
numberOfWorkers Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn. snaar
Optimizer Type optimizer. Moet 'sgd', 'adam' of 'adamw' zijn. snaar
randomSeed Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training. snaar
stepLRGamma Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn. snaar
stepLRStepSize Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn. snaar
trainingBatchSize Grootte van trainingsbatch. Moet een positief geheel getal zijn. snaar
trainingCropSize Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de trainingsgegevensset. Moet een positief geheel getal zijn. snaar
validationBatchSize Grootte van validatiebatch. Moet een positief geheel getal zijn. snaar
validationCropSize Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de validatiegegevensset. Moet een positief geheel getal zijn. snaar
validationResizeSize Afbeeldingsgrootte waarnaar u het formaat wilt wijzigen voordat u bijsnijd voor validatiegegevensset. Moet een positief geheel getal zijn. snaar
warmupCosineLRCycles Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn. snaar
warmupCosineLRWarmupEpochs Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn. snaar
weightDecay Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1]. snaar
weightedLoss Gewogen verlies. De geaccepteerde waarden zijn 0 voor geen gewogen verlies.
1 voor gewogen verlies met wortel. (class_weights). 2 voor gewogen verlies met class_weights. Moet 0 of 1 of 2 zijn.		 snaar

ImageModelDistributionSettingsObjectDetection

Naam Beschrijving Waarde
amsGradient Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is. snaar
uitbreidingen Instellingen voor het gebruik van augmentations. snaar
beta1 De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. snaar
beta2 De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. snaar
boxDetectionsPerImage Maximum aantal detecties per afbeelding, voor alle klassen. Moet een positief geheel getal zijn.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
boxScoreThreshold Tijdens deductie retourneert u alleen voorstellen met een classificatiescore die groter is dan
BoxScoreThreshold. Moet een float zijn in het bereik[0, 1].		 snaar
Gedistribueerd Of u distributietraining wilt gebruiken. snaar
earlyStopping Schakel vroege stoplogica in tijdens de training. snaar
earlyStoppingDelay Minimum aantal tijdvakken of validatie-evaluaties om te wachten voordat primaire metrische gegevens worden verbeterd
wordt bijgehouden voor vroege stop. Moet een positief geheel getal zijn.		 snaar
earlyStoppingPatience Minimumaantal epochs of validatie-evaluaties zonder primaire metrische verbetering voordat
de uitvoering is gestopt. Moet een positief geheel getal zijn.		 snaar
enableOnnxNormalization Normalisatie inschakelen bij het exporteren van een ONNX-model. snaar
evaluationFrequency Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn. snaar
gradientAccumulationStep Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal stappen voor GradAccumulationStep zonder
het gewicht van het model bijwerken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens met behulp van
de geaccumuleerde kleurovergangen om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.		 snaar
imageSize Afbeeldingsgrootte voor trainen en valideren. Moet een positief geheel getal zijn.
Opmerking: De trainingsuitvoering kan in CUDA OOM komen als de grootte te groot is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 snaar
layersToFreeze Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn.
Bijvoorbeeld: het doorgeven van 2 als waarde voor 'seresnext' betekent
vrieslaag0 en laag1. Voor een volledige lijst met ondersteunde modellen en details over laagblokkering, alstublieft
zie: /azure/machine-learning/how-to-auto-train-image-models.		 snaar
learningRate Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn. snaar
learningRateScheduler Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn. snaar
maxSize De maximale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed.
Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
minSize Minimale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed.
Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
modelName De naam van het model dat moet worden gebruikt voor training.
Raadpleeg de officiële documentatie voor meer informatie over de beschikbare modellen:
/azure/machine-learning/how-to-auto-train-image-models.		 snaar
modelSize Modelgrootte. Moet 'klein', 'gemiddeld', 'groot' of 'xlarge' zijn.
Opmerking: de trainingsuitvoering kan in CUDA OOM komen als de modelgrootte te groot is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 snaar
impuls Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn. snaar
multiScale Schakel meerdere schaalafbeeldingen in op verschillende afbeeldingsgrootten met +/- 50%.
Opmerking: de trainingsuitvoering kan in CUDA OOM komen als er onvoldoende GPU-geheugen is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 snaar
nesterov Schakel nesterov in wanneer optimizer 'sgd' is. snaar
nmsMappenThreshold De drempelwaarde voor ALGORITMEN die wordt gebruikt tijdens deductie in NMS na verwerking. Moet in het bereik liggen [0, 1]. snaar
numberOfEpochs Aantal trainingstijdvakken. Moet een positief geheel getal zijn. snaar
numberOfWorkers Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn. snaar
Optimizer Type optimizer. Moet 'sgd', 'adam' of 'adamw' zijn. snaar
randomSeed Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training. snaar
stepLRGamma Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn. snaar
stepLRStepSize Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn. snaar
tileGridSize De rastergrootte die moet worden gebruikt voor het tegelen van elke afbeelding. Opmerking: TileGridSize mag niet zijn
Geen om kleine objectdetectielogica in te schakelen. Een tekenreeks met twee gehele getallen in mxn-indeling.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
tileOverlapRatio Overlapverhouding tussen aangrenzende tegels in elke dimensie. Moet zwevend zijn in het bereik [0, 1).
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
tilePredictionsNmsThreshold De drempelwaarde voor OPGEGEVEN voor het uitvoeren van NMS tijdens het samenvoegen van voorspellingen van tegels en afbeeldingen.
Wordt gebruikt in validatie/deductie. Moet in het bereik liggen [0, 1].
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.
NMS: Niet-maximale onderdrukking		 snaar
trainingBatchSize Grootte van trainingsbatch. Moet een positief geheel getal zijn. snaar
validationBatchSize Grootte van validatiebatch. Moet een positief geheel getal zijn. snaar
validation ValidatieThreshold Drempelwaarde voor OPGEGEVEN voor gebruik bij het berekenen van de metrische waarde voor validatie. Moet in het bereik liggen [0, 1]. snaar
validationMetricType De metrische berekeningsmethode die moet worden gebruikt voor metrische validatiegegevens. Moet 'none', 'coco', 'voc' of 'coco_voc' zijn. snaar
warmupCosineLRCycles Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn. snaar
warmupCosineLRWarmupEpochs Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn. snaar
weightDecay Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1]. snaar

ImageModelSettingsClassification

Naam Beschrijving Waarde
advancedSettings Instellingen voor geavanceerde scenario's. snaar
amsGradient Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is. Bool
uitbreidingen Instellingen voor het gebruik van augmentations. snaar
beta1 De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. Int
beta2 De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. Int
controlepuntFrequency Frequentie voor het opslaan van modelcontrolepunten. Moet een positief geheel getal zijn. Int
checkpointModel Het vooraf getrainde controlepuntmodel voor incrementele training. MLFlowModelJobInput-
checkpointRunId De id van een vorige uitvoering met een vooraf getraind controlepunt voor incrementele training. snaar
Gedistribueerd Of u gedistribueerde training wilt gebruiken. Bool
earlyStopping Schakel vroege stoplogica in tijdens de training. Bool
earlyStoppingDelay Minimum aantal tijdvakken of validatie-evaluaties om te wachten voordat primaire metrische gegevens worden verbeterd
wordt bijgehouden voor vroege stop. Moet een positief geheel getal zijn.		 Int
earlyStoppingPatience Minimumaantal epochs of validatie-evaluaties zonder primaire metrische verbetering voordat
de uitvoering is gestopt. Moet een positief geheel getal zijn.		 Int
enableOnnxNormalization Normalisatie inschakelen bij het exporteren van een ONNX-model. Bool
evaluationFrequency Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn. Int
gradientAccumulationStep Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal stappen voor GradAccumulationStep zonder
het gewicht van het model bijwerken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens met behulp van
de geaccumuleerde kleurovergangen om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.		 Int
layersToFreeze Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn.
Bijvoorbeeld: het doorgeven van 2 als waarde voor 'seresnext' betekent
vrieslaag0 en laag1. Voor een volledige lijst met ondersteunde modellen en details over laagblokkering, alstublieft
zie: /azure/machine-learning/how-to-auto-train-image-models.		 Int
learningRate Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn. Int
learningRateScheduler Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn. 'Geen'
'Stap'
'WarmupCosine'
modelName De naam van het model dat moet worden gebruikt voor training.
Raadpleeg de officiële documentatie voor meer informatie over de beschikbare modellen:
/azure/machine-learning/how-to-auto-train-image-models.		 snaar
impuls Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn. Int
nesterov Schakel nesterov in wanneer optimizer 'sgd' is. Bool
numberOfEpochs Aantal trainingstijdvakken. Moet een positief geheel getal zijn. Int
numberOfWorkers Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn. Int
Optimizer Type optimizer. 'Adam'
'Adamw'
'Geen'
'Sgd'
randomSeed Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training. Int
stepLRGamma Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn. Int
stepLRStepSize Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn. Int
trainingBatchSize Grootte van trainingsbatch. Moet een positief geheel getal zijn. Int
trainingCropSize Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de trainingsgegevensset. Moet een positief geheel getal zijn. Int
validationBatchSize Grootte van validatiebatch. Moet een positief geheel getal zijn. Int
validationCropSize Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de validatiegegevensset. Moet een positief geheel getal zijn. Int
validationResizeSize Afbeeldingsgrootte waarnaar u het formaat wilt wijzigen voordat u bijsnijd voor validatiegegevensset. Moet een positief geheel getal zijn. Int
warmupCosineLRCycles Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn. Int
warmupCosineLRWarmupEpochs Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn. Int
weightDecay Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1]. Int
weightedLoss Gewogen verlies. De geaccepteerde waarden zijn 0 voor geen gewogen verlies.
1 voor gewogen verlies met wortel. (class_weights). 2 voor gewogen verlies met class_weights. Moet 0 of 1 of 2 zijn.		 Int

ImageModelSettingsObjectDetection

Naam Beschrijving Waarde
advancedSettings Instellingen voor geavanceerde scenario's. snaar
amsGradient Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is. Bool
uitbreidingen Instellingen voor het gebruik van augmentations. snaar
beta1 De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. Int
beta2 De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn. Int
boxDetectionsPerImage Maximum aantal detecties per afbeelding, voor alle klassen. Moet een positief geheel getal zijn.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 Int
boxScoreThreshold Tijdens deductie retourneert u alleen voorstellen met een classificatiescore die groter is dan
BoxScoreThreshold. Moet een float zijn in het bereik[0, 1].		 Int
controlepuntFrequency Frequentie voor het opslaan van modelcontrolepunten. Moet een positief geheel getal zijn. Int
checkpointModel Het vooraf getrainde controlepuntmodel voor incrementele training. MLFlowModelJobInput-
checkpointRunId De id van een vorige uitvoering met een vooraf getraind controlepunt voor incrementele training. snaar
Gedistribueerd Of u gedistribueerde training wilt gebruiken. Bool
earlyStopping Schakel vroege stoplogica in tijdens de training. Bool
earlyStoppingDelay Minimum aantal tijdvakken of validatie-evaluaties om te wachten voordat primaire metrische gegevens worden verbeterd
wordt bijgehouden voor vroege stop. Moet een positief geheel getal zijn.		 Int
earlyStoppingPatience Minimumaantal epochs of validatie-evaluaties zonder primaire metrische verbetering voordat
de uitvoering is gestopt. Moet een positief geheel getal zijn.		 Int
enableOnnxNormalization Normalisatie inschakelen bij het exporteren van een ONNX-model. Bool
evaluationFrequency Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn. Int
gradientAccumulationStep Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal stappen voor GradAccumulationStep zonder
het gewicht van het model bijwerken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens met behulp van
de geaccumuleerde kleurovergangen om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.		 Int
imageSize Afbeeldingsgrootte voor trainen en valideren. Moet een positief geheel getal zijn.
Opmerking: De trainingsuitvoering kan in CUDA OOM komen als de grootte te groot is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 Int
layersToFreeze Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn.
Bijvoorbeeld: het doorgeven van 2 als waarde voor 'seresnext' betekent
vrieslaag0 en laag1. Voor een volledige lijst met ondersteunde modellen en details over laagblokkering, alstublieft
zie: /azure/machine-learning/how-to-auto-train-image-models.		 Int
learningRate Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn. Int
learningRateScheduler Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn. 'Geen'
'Stap'
'WarmupCosine'
maxSize De maximale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed.
Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 Int
minSize Minimale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed.
Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 Int
modelName De naam van het model dat moet worden gebruikt voor training.
Raadpleeg de officiële documentatie voor meer informatie over de beschikbare modellen:
/azure/machine-learning/how-to-auto-train-image-models.		 snaar
modelSize Modelgrootte. Moet 'klein', 'gemiddeld', 'groot' of 'xlarge' zijn.
Opmerking: de trainingsuitvoering kan in CUDA OOM komen als de modelgrootte te groot is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 'ExtraLarge'
'Groot'
'Gemiddeld'
'Geen'
'Klein'
impuls Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn. Int
multiScale Schakel meerdere schaalafbeeldingen in op verschillende afbeeldingsgrootten met +/- 50%.
Opmerking: de trainingsuitvoering kan in CUDA OOM komen als er onvoldoende GPU-geheugen is.
Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.		 Bool
nesterov Schakel nesterov in wanneer optimizer 'sgd' is. Bool
nmsMappenThreshold De drempelwaarde voor ALGORITMEN die wordt gebruikt tijdens deductie in NMS na verwerking. Moet een float in het bereik [0, 1] zijn. Int
numberOfEpochs Aantal trainingstijdvakken. Moet een positief geheel getal zijn. Int
numberOfWorkers Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn. Int
Optimizer Type optimizer. 'Adam'
'Adamw'
'Geen'
'Sgd'
randomSeed Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training. Int
stepLRGamma Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn. Int
stepLRStepSize Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn. Int
tileGridSize De rastergrootte die moet worden gebruikt voor het tegelen van elke afbeelding. Opmerking: TileGridSize mag niet zijn
Geen om kleine objectdetectielogica in te schakelen. Een tekenreeks met twee gehele getallen in mxn-indeling.
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 snaar
tileOverlapRatio Overlapverhouding tussen aangrenzende tegels in elke dimensie. Moet zwevend zijn in het bereik [0, 1).
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 Int
tilePredictionsNmsThreshold De drempelwaarde voor OPGEGEVEN voor het uitvoeren van NMS tijdens het samenvoegen van voorspellingen van tegels en afbeeldingen.
Wordt gebruikt in validatie/deductie. Moet in het bereik liggen [0, 1].
Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.		 Int
trainingBatchSize Grootte van trainingsbatch. Moet een positief geheel getal zijn. Int
validationBatchSize Grootte van validatiebatch. Moet een positief geheel getal zijn. Int
validation ValidatieThreshold Drempelwaarde voor OPGEGEVEN voor gebruik bij het berekenen van de metrische waarde voor validatie. Moet in het bereik liggen [0, 1]. Int
validationMetricType De metrische berekeningsmethode die moet worden gebruikt voor metrische validatiegegevens. 'Coco'
'CocoVoc'
'Geen'
'Voc'
warmupCosineLRCycles Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn. Int
warmupCosineLRWarmupEpochs Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn. Int
weightDecay Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1]. Int

ImageObjectDetection

Naam Beschrijving Waarde
limitSettings [Vereist] Instellingen voor de AutoML-taak beperken. ImageLimitSettings (vereist)
modelSettings Instellingen die worden gebruikt voor het trainen van het model. ImageModelSettingsObjectDetection-
primaryMetric Primaire metrische gegevens die u voor deze taak wilt optimaliseren. 'MeanAveragePrecision'
searchSpace Zoekruimte voor het nemen van steekproeven van verschillende combinaties van modellen en hun hyperparameters. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Model opruimen en hyperparameter opruimen gerelateerde instellingen. ImageSweepSettings
taskType [Vereist] Taaktype voor AutoMLJob. ImageObjectDetection (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int

ImageSweepSettings

Naam Beschrijving Waarde
earlyTermination Type beleid voor vroegtijdige beëindiging. EarlyTerminationPolicy-
samplingAlgorithm [Vereist] Type van de algoritmen voor het nemen van hyperparameters. 'Bayesian'
'Raster'
'Willekeurig' (vereist)

JobBaseProperties

Naam Beschrijving Waarde
componentId ARM-resource-id van de onderdeelresource. snaar
computeId ARM-resource-id van de rekenresource. snaar
beschrijving De tekst van de assetbeschrijving. snaar
displayName Weergavenaam van taak. snaar
experimentName De naam van het experiment waartoe de taak behoort. Als deze niet is ingesteld, wordt de taak in het standaardexperiment geplaatst. snaar
identiteit Identiteitsconfiguratie. Indien ingesteld, moet dit een van AmlToken, ManagedIdentity, UserIdentity of null zijn.
Standaard ingesteld op AmlToken als null.		 IdentityConfiguration-
isArchived Is de asset gearchiveerd? Bool
jobType Ingesteld op 'AutoML' voor het type AutoMLJob. Ingesteld op Opdracht voor CommandJob. Ingesteld op 'Distillatie' voor type Distillatietaak. Ingesteld op 'FineTuning' voor het type FineTuningJob. Ingesteld op Pijplijn voor het type PipelineJob. Ingesteld op Spark voor type SparkJob. Ingesteld op Opruimen voor het type SweepJob. 'AutoML'
'Opdracht'
"Distillatie"
'FineTuning'
'Pijplijn'
'Spark'
'Opruimen' (vereist)
notificationSetting Meldingsinstelling voor de taak NotificationSetting-
parentJobName Naam van bovenliggende taak. snaar
Eigenschappen De woordenlijst voor asseteigenschappen. ResourceBaseProperties-
diensten Lijst met JobEndpoints.
Voor lokale taken heeft een taakeindpunt een eindpuntwaarde van FileStreamObject.		 JobBaseServices-
Tags Tagwoordenlijst. Tags kunnen worden toegevoegd, verwijderd en bijgewerkt. ResourceBaseTags-

JobBaseServices

Naam Beschrijving Waarde

JobInput

Naam Beschrijving Waarde
beschrijving Beschrijving voor de invoer. snaar
jobInputType Ingesteld op 'custom_model' voor het type CustomModelJobInput. Ingesteld op 'letterlijk' voor het type LiteralJobInput. Ingesteld op 'mlflow_model' voor het type MLFlowModelJobInput. Ingesteld op 'mltable' voor het type MLTableJobInput. Ingesteld op 'triton_model' voor het type TritonModelJobInput. Ingesteld op 'uri_file' voor het type UriFileJobInput. Ingesteld op 'uri_folder' voor het type UriFolderJobInput. 'custom_model'
'letterlijk'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (vereist)

JobOutput

Naam Beschrijving Waarde
beschrijving Beschrijving voor de uitvoer. snaar
jobOutputType Ingesteld op 'custom_model' voor het type CustomModelJobOutput. Ingesteld op 'mlflow_model' voor het type MLFlowModelJobOutput. Ingesteld op 'mltable' voor het type MLTableJobOutput. Ingesteld op 'triton_model' voor het type TritonModelJobOutput. Ingesteld op 'uri_file' voor het type UriFileJobOutput. Ingesteld op 'uri_folder' voor het type UriFolderJobOutput. 'custom_model'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (vereist)

JobResourceConfiguration

Naam Beschrijving Waarde
dockerArgs Extra argumenten die moeten worden doorgegeven aan de opdracht Docker-run. Hiermee worden alle parameters overschreven die al zijn ingesteld door het systeem of in deze sectie. Deze parameter wordt alleen ondersteund voor Azure ML-rekentypen. snaar
dockerArgsList Extra argumenten die moeten worden doorgegeven aan de opdracht Docker-uitvoering, als een verzameling. Hiermee worden alle parameters overschreven die al zijn ingesteld door het systeem of in deze sectie. Deze parameter wordt alleen ondersteund voor Azure ML-rekentypen. tekenreeks[]
instanceCount Optioneel aantal exemplaren of knooppunten dat door het rekendoel wordt gebruikt. Int
instanceType Optioneel type VM dat wordt gebruikt als ondersteund door het rekendoel. snaar
Eigenschappen Extra eigenschappen zak. ResourceConfigurationProperties-
shmSize Grootte van het gedeelde geheugenblok van de Docker-container. Dit moet de notatie (getal)(eenheid) hebben waarbij getal groter is dan 0 en de eenheid een van b(bytes), k(kilobytes), m(megabytes) of g(gigabytes) kan zijn. snaar

Beperkingen:
Patroon = \d+[bBkKmMgG]

JobResources

Naam Beschrijving Waarde
instanceTypes Lijst met exemplaartypen waaruit u kunt kiezen. tekenreeks[]

JobScheduleAction

Naam Beschrijving Waarde
actionType [Vereist] Hiermee geeft u het actietype van de planning CreateJob (vereist)
jobDefinition [Vereist] Definieert details van de actiedefinitie Planning. JobBaseProperties (vereist)

JobService

Naam Beschrijving Waarde
Eindpunt URL voor eindpunt. snaar
jobServiceType Eindpunttype. snaar
Knooppunten Knooppunten waarop de gebruiker de service wil starten.
Als knooppunten niet zijn ingesteld of ingesteld op null, wordt de service alleen gestart op het leader-knooppunt.		 Knooppunten
haven Poort voor eindpunt. Int
Eigenschappen Aanvullende eigenschappen die moeten worden ingesteld op het eindpunt. JobServiceProperties-

JobServiceProperties

Naam Beschrijving Waarde

LabelGeneratie

Naam Beschrijving Waarde
dataGenerationType [Vereist] Enum om het type gegevensgeneratie te bepalen. 'LabelGeneration' (vereist)
trainingData Trainingsgegevens voor het afstemmen. JobInput-
validationData Validatiegegevens voor het afstemmen. JobInput-

LiteralJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'letterlijk' (vereist)
waarde [Vereist] Letterlijke waarde voor de invoer. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

ManagedComputeIdentity

Naam Beschrijving Waarde
computeIdentityType [Vereist] Hiermee geeft u het type identiteit op dat moet worden gebruikt binnen de bewakingstaken. ManagedIdentity (vereist)
identiteit De identiteit die wordt gebruikt door de bewakingstaken. ManagedServiceIdentity-

ManagedIdentity

Naam Beschrijving Waarde
clientId Hiermee geeft u een door de gebruiker toegewezen identiteit op basis van client-id. Stel dit veld niet in voor het door het systeem toegewezen veld. snaar

Beperkingen:
Minimale lengte = 36
Maximale lengte = 36
Patroon = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identityType [Vereist] Hiermee geeft u het type identiteitsframework op. Beheerd (vereist)
objectId Hiermee geeft u een door de gebruiker toegewezen identiteit op basis van object-id. Stel dit veld niet in voor het door het systeem toegewezen veld. snaar

Beperkingen:
Minimale lengte = 36
Maximale lengte = 36
Patroon = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId Hiermee geeft u een door de gebruiker toegewezen identiteit op basis van arm-resource-id. Stel dit veld niet in voor het door het systeem toegewezen veld. snaar

ManagedServiceIdentity

Naam Beschrijving Waarde
type Type beheerde service-identiteit (waarbij zowel SystemAssigned- als UserAssigned-typen zijn toegestaan). 'Geen'
'SystemAssigned'
'SystemAssigned, UserAssigned'
UserAssigned (vereist)
userAssignedIdentities De set door de gebruiker toegewezen identiteiten die aan de resource zijn gekoppeld. De woordenlijstsleutels userAssignedIdentities zijn ARM-resource-id's in de vorm: /subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. De waarden van de woordenlijst kunnen lege objecten ({}) zijn in aanvragen. UserAssignedId-entiteiten

MedianStoppingPolicy

Naam Beschrijving Waarde
policyType [Vereist] Naam van beleidsconfiguratie MedianStopping (vereist)

Microsoft.MachineLearningServices/workspaces/schedules

Naam Beschrijving Waarde
naam De resourcenaam snaar

Beperkingen:
Patroon = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (vereist)
parent_id De id van de resource die het bovenliggende item voor deze resource is. Id voor resource van het type: werkruimten
Eigenschappen [Vereist] Aanvullende kenmerken van de entiteit. ScheduleProperties- (vereist)
type Het resourcetype "Microsoft.MachineLearningServices/workspaces/schedules@2025-01-01-preview"

MLFlowModelJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'mlflow_model' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

MLFlowModelJobInput

Naam Beschrijving Waarde
beschrijving Beschrijving voor de invoer. snaar
jobInputType [Vereist] Hiermee geeft u het type taak. 'custom_model'
'letterlijk'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

MLFlowModelJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'mlflow_model' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

MLTableJobInput

Naam Beschrijving Waarde
beschrijving Beschrijving voor de invoer. snaar
jobInputType [Vereist] Hiermee geeft u het type taak. 'custom_model'
'letterlijk'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

MLTableJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'mltable' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

MLTableJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'mltable' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

MonitorComputeConfigurationBase

Naam Beschrijving Waarde
computeType Ingesteld op ServerlessSpark voor het type MonitorServerlessSparkCompute. ServerlessSpark (vereist)

MonitorComputeIdentityBase

Naam Beschrijving Waarde
computeIdentityType Ingesteld op AmlToken voor het type AmlTokenComputeIdentity. Ingesteld op ManagedIdentity voor het type ManagedComputeIdentity. 'AmlToken'
ManagedIdentity (vereist)

MonitorDefinition

Naam Beschrijving Waarde
alertNotificationSettings De meldingsinstellingen van de monitor. MonitorNotificationSettings
computeConfiguration [Vereist] De ARM-resource-id van de rekenresource waarop de bewakingstaak moet worden uitgevoerd. MonitorComputeConfigurationBase (vereist)
monitoringTarget De entiteiten waarop de monitor is gericht. MonitoringTarget-
Signalen [Vereist] De signalen die moeten worden bewaakt. MonitorDefinitionSignals (vereist)

MonitorDefinitionSignals

Naam Beschrijving Waarde

MonitorEmailNotificationSettings

Naam Beschrijving Waarde
e-mailberichten De lijst met geadresseerden voor e-mail met een limiet van 499 tekens in totaal. tekenreeks[]

MonitoringFeatureFilterBase

Naam Beschrijving Waarde
filterType Ingesteld op 'AllFeatures' voor het type AllFeatures. Ingesteld op 'FeatureSubset' voor het type FeatureSubset. Ingesteld op 'TopNByAttribution' voor het type TopNFeaturesByAttribution. 'AllFeatures'
'FeatureSubset'
'TopNByAttribution' (vereist)

MonitoringInputDataBase

Naam Beschrijving Waarde
Kolommen Toewijzing van kolomnamen aan speciale toepassingen. MonitoringInputDataBaseColumns
dataContext De contextmetagegevens van de gegevensbron. snaar
inputDataType Ingesteld op 'Vast' voor type FixedInputData. Ingesteld op 'Rolling' voor het type RollingInputData. Ingesteld op Statisch voor het type StaticInputData. 'Vast'
'Rolling'
'Statisch' (vereist)
jobInputType [Vereist] Hiermee geeft u het type taak. 'custom_model'
'letterlijk'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (vereist)
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

MonitoringInputDataBaseColumns

Naam Beschrijving Waarde

MonitoringSignalBase

Naam Beschrijving Waarde
notificationTypes De huidige meldingsmodus voor dit signaal. Tekenreeksmatrix met een van de volgende waarden:
'AmlNotification'
Eigenschappen Eigenschappenwoordenlijst. Eigenschappen kunnen worden toegevoegd, maar niet worden verwijderd of gewijzigd. MonitoringSignalBaseProperties
signalType Ingesteld op 'Aangepast' voor het type CustomMonitoringSignal. Ingesteld op 'DataDrift' voor het type DataDriftMonitoringSignal. Ingesteld op 'DataQuality' voor het type DataQualityMonitoringSignal. Ingesteld op 'FeatureAttributionDrift' voor het type FeatureAttributionDriftMonitoringSignal. Ingesteld op 'PredictionDrift' voor het type PredictionDriftMonitoringSignal. 'Aangepast'
'DataDrift'
'DataQuality'
'FeatureAttributionDrift'
'PredictionDrift' (vereist)

MonitoringSignalBaseProperties

Naam Beschrijving Waarde

MonitoringTarget

Naam Beschrijving Waarde
deploymentId Verwijzing naar de implementatieasset waarop deze monitor is gericht. snaar
modelId Verwijzing naar de modelasset waarop deze monitor is gericht. snaar
taskType [Vereist] Het type machine learning-taak van het bewaakte model. 'Classificatie'
Regressie (vereist)

MonitoringThreshold

Naam Beschrijving Waarde
waarde De drempelwaarde. Als null is ingesteld, is de standaardinstelling afhankelijk van het metrische type. Int

MonitorNotificationSettings

Naam Beschrijving Waarde
emailNotificationSettings De E-mailinstellingen voor AML-meldingen. MonitorEmailNotificationSettings

MonitorServerlessSparkCompute

Naam Beschrijving Waarde
computeIdentity [Vereist] Het identiteitsschema dat wordt gebruikt door de Spark-taken die worden uitgevoerd op serverloze Spark. MonitorComputeIdentityBase (vereist)
computeType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. ServerlessSpark (vereist)
instanceType [Vereist] Het exemplaartype waarop de Spark-taak wordt uitgevoerd. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
runtimeVersion [Vereist] De Spark Runtime-versie. snaar

Beperkingen:
Minimale lengte = 1
Patroon = ^[0-9]+\.[0-9]+$ (vereist)

Mpi

Naam Beschrijving Waarde
distributionType [Vereist] Hiermee geeft u het type distributieframework op. Mpi (vereist)
processCountPerInstance Aantal processen per MPI-knooppunt. Int

NCrossValidations

Naam Beschrijving Waarde
wijze Ingesteld op Auto voor type AutoNCrossValidations. Ingesteld op 'Aangepast' voor het type CustomNCrossValidations. 'Auto'
'Aangepast' (vereist)

NlpVerticalFeaturizationSettings

Naam Beschrijving Waarde
gegevenssetLanguage De taal van de gegevensset, handig voor de tekstgegevens. snaar

NlpVerticalLimitSettings

Naam Beschrijving Waarde
maxConcurrentTrials Maximum aantal Gelijktijdige AutoML-iteraties. Int
maxTrials Aantal AutoML-iteraties. Int
Timeout Time-out voor AutoML-taken. snaar

Knooppunten

Naam Beschrijving Waarde
nodesValueType Ingesteld op 'Alle' voor het type AllNodes. 'Alles' (vereist)

NotificationSetting

Naam Beschrijving Waarde
emailOn E-mailmelding verzenden naar gebruiker op opgegeven meldingstype Tekenreeksmatrix met een van de volgende waarden:
'JobCancelled'
'JobCompleted'
'JobFailed'
e-mailberichten Dit is de lijst met geadresseerden voor e-mail met een limiet van 499 tekens in totaal samenvoeging met kommascheidingsteken tekenreeks[]
webhooks Webhook callback verzenden naar een service. De sleutel is een door de gebruiker opgegeven naam voor de webhook. NotificationSettingWebhooks

NotificationSettingWebhooks

Naam Beschrijving Waarde

NumericalDataDriftMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. 'Numeriek' (vereist)
metriek [Vereist] De numerieke gegevensdriftwaarde die moet worden berekend. 'JensenShannonDistance'
'NormalizedWassersteinDistance'
'PopulationStabilityIndex'
'TwoSampleKolmogorovSmirnovTest' (vereist)

NumericalDataQualityMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. 'Numeriek' (vereist)
metriek [Vereist] De meetwaarde voor numerieke gegevenskwaliteit die moet worden berekend. 'DataTypeErrorRate'
'NullValueRate'
'OutOfBoundsRate' (vereist)

NumericalPredictionDriftMetricThreshold

Naam Beschrijving Waarde
Datatype [Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op. 'Numeriek' (vereist)
metriek [Vereist] De numerieke voorspellingsdrift die moet worden berekend. 'JensenShannonDistance'
'NormalizedWassersteinDistance'
'PopulationStabilityIndex'
'TwoSampleKolmogorovSmirnovTest' (vereist)

Objectief

Naam Beschrijving Waarde
doel [Vereist] Definieert ondersteunde metrische doelen voor het afstemmen van hyperparameters 'Maximaliseren'
'Minimaliseren' (vereist)
primaryMetric [Vereist] Naam van de metrische waarde die u wilt optimaliseren. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

PipelineJob

Naam Beschrijving Waarde
Ingangen Invoer voor de pijplijntaak. PipelineJobInputs
Banen Taken maken de pijplijntaak. PipelineJobJobs
jobType [Vereist] Hiermee geeft u het type taak. 'Pijplijn' (vereist)
Uitgangen Uitvoer voor de pijplijntaak PipelineJobOutputs
Instellingen Pijplijninstellingen, voor zaken zoals ContinueRunOnStepFailure, enzovoort. enig
sourceJobId ARM-resource-id van brontaak. snaar

PipelineJobInputs

Naam Beschrijving Waarde

PipelineJobJobs

Naam Beschrijving Waarde

PipelineJobOutputs

Naam Beschrijving Waarde

PredictionDriftMetricThresholdBase

Naam Beschrijving Waarde
Datatype Ingesteld op Categorical voor type CategoricalPredictionDriftMetricThreshold. Ingesteld op 'Numeriek' voor het type NumericalPredictionDriftMetricThreshold. 'Categorisch'
'Numeriek' (vereist)
drempel De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde. MonitoringThreshold-

PredictionDriftMonitoringSignal

Naam Beschrijving Waarde
featureDataTypeOverride Een woordenlijst waarmee functienamen worden toegewezen aan hun respectieve gegevenstypen. PredictionDriftMonitoringSignalFeatureDataTypeOverride-
metricThresholds [Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden. PredictionDriftMetricThresholdBase[] (vereist)
productionData [Vereist] De gegevens waarvoor afwijkingen worden berekend. MonitoringInputDataBase (vereist)
referenceData [Vereist] De gegevens voor het berekenen van afwijkingen. MonitoringInputDataBase (vereist)
signalType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'PredictionDrift' (vereist)

PredictionDriftMonitoringSignalFeatureDataTypeOverride

Naam Beschrijving Waarde

PromptSettings

Naam Beschrijving Waarde
enableChainOfDensity Bool
enableChainOfThought Bool
maxLenSummary Int

PyTorch

Naam Beschrijving Waarde
distributionType [Vereist] Hiermee geeft u het type distributieframework op. 'PyTorch' (vereist)
processCountPerInstance Aantal processen per knooppunt. Int

QueueSettings

Naam Beschrijving Waarde
jobTier De rekentaaklaag beheren 'Basis'
'Null'
'Premium'
'Spot'
'Standaard'

RandomSamplingAlgorithm

Naam Beschrijving Waarde
regel Het specifieke type willekeurig algoritme 'Willekeurig'
'Sobol'
samplingAlgorithmType [Vereist] Het algoritme dat wordt gebruikt voor het genereren van hyperparameterwaarden, samen met configuratie-eigenschappen 'Willekeurig' (vereist)
zaad Een optioneel geheel getal dat moet worden gebruikt als de seed voor het genereren van willekeurige getallen Int

RecurrenceSchedule

Naam Beschrijving Waarde
uren [Vereist] Lijst met uren voor de planning. int[] (vereist)
notulen [Vereist] Lijst met minuten voor de planning. int[] (vereist)
monthDays Lijst met maanddagen voor de planning int[]
Weekdagen Lijst met dagen voor de planning. Tekenreeksmatrix met een van de volgende waarden:
'Vrijdag'
'Maandag'
'Zaterdag'
'Zondag'
'Donderdag'
'Dinsdag'
'Woensdag'

RecurrenceTrigger

Naam Beschrijving Waarde
frequentie [Vereist] De frequentie voor het activeren van het schema. 'Dag'
'Uur'
'Minuut'
'Maand'
'Week' (vereist)
interval [Vereist] Hiermee geeft u het schema-interval in combinatie met frequentie int (vereist)
rooster Het terugkeerschema. RecurrenceSchedule
triggerType [Vereist] Terugkeerpatroon (vereist)

Regressie

Naam Beschrijving Waarde
cvSplitColumnNames Kolommen die moeten worden gebruikt voor CVSplit-gegevens. tekenreeks[]
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. TableVerticalFeaturizationSettings
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. TableVerticalLimitSettings
nCrossValidations Aantal kruisvalidatievouws dat moet worden toegepast op de trainingsgegevensset
wanneer er geen validatiegegevensset is opgegeven.		 NCrossValidations
primaryMetric Primaire metriek voor regressietaak. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
taskType [Vereist] Taaktype voor AutoMLJob. Regressie (vereist)
testData Gegevensinvoer testen. MLTableJobInput-
testDataSize Het deel van de testgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
trainingSettings Invoer voor de trainingsfase voor een AutoML-taak. RegressionTrainingSettings
validationData Invoer van validatiegegevens. MLTableJobInput-
validationDataSize Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden.
Waarden tussen (0,0, 1,0)
Wordt toegepast wanneer er geen validatiegegevensset wordt opgegeven.		 Int
weightColumnName De naam van de kolom met de steekproefgewicht. Geautomatiseerde ML ondersteunt een gewogen kolom als invoer, waardoor rijen in de gegevens omhoog of omlaag worden gewogen. snaar

RegressionTrainingSettings

Naam Beschrijving Waarde
allowedTrainingAlgorithms Toegestane modellen voor regressietaak. Tekenreeksmatrix met een van de volgende waarden:
"DecisionTree"
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
blockedTrainingAlgorithms Geblokkeerde modellen voor regressietaak. Tekenreeksmatrix met een van de volgende waarden:
"DecisionTree"
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
enableDnnTraining Schakel de aanbeveling van DNN-modellen in. Bool
enableModelExplainability Vlag om uitleg in te schakelen voor het beste model. Bool
enableOnnxCompatibleModels Vlag voor het inschakelen van compatibele onnx-modellen. Bool
enableStackEnsemble Schakel stack ensemble run in. Bool
enableVoteEnsemble Stem ensembleuitvoering inschakelen. Bool
ensembleModelDownloadTimeout Tijdens votingEnsemble en StackEnsemble modelgeneratie worden meerdere aangepaste modellen van de vorige onderliggende uitvoeringen gedownload.
Configureer deze parameter met een hogere waarde dan 300 sec. Als er meer tijd nodig is.		 snaar
stackEnsembleSettings Stack ensemble-instellingen voor stack ensemble run. StackEnsembleSettings

ResourceBaseProperties

Naam Beschrijving Waarde

ResourceBaseProperties

Naam Beschrijving Waarde

ResourceBaseTags

Naam Beschrijving Waarde

ResourceBaseTags

Naam Beschrijving Waarde

ResourceConfigurationProperties

Naam Beschrijving Waarde

RollingInputData

Naam Beschrijving Waarde
inputDataType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'Rolling' (vereist)
preprocessingComponentId Verwijzing naar de onderdeelasset die wordt gebruikt om de gegevens vooraf te verwerken. snaar
windowOffset [Vereist] De tijdsverschil tussen het einde van het gegevensvenster en de huidige uitvoeringstijd van de monitor. tekenreeks (vereist)
windowSize [Vereist] De grootte van het rolling-gegevensvenster. tekenreeks (vereist)

SamplingAlgorithm

Naam Beschrijving Waarde
samplingAlgorithmType Ingesteld op 'Bayesian' voor het type BayesianSamplingAlgorithm. Ingesteld op 'Raster' voor het type GridSamplingAlgorithm. Ingesteld op 'Willekeurig' voor het type RandomSamplingAlgorithm. 'Bayesian'
'Raster'
'Willekeurig' (vereist)

ScheduleActionBase

Naam Beschrijving Waarde
actionType Ingesteld op CreateJob voor type JobScheduleAction. Ingesteld op CreateMonitor voor het type CreateMonitorAction. Ingesteld op InvokeBatchEndpoint voor het type EndpointScheduleAction. 'CreateJob'
'CreateMonitor'
'InvokeBatchEndpoint' (vereist)

ScheduleProperties

Naam Beschrijving Waarde
actie [Vereist] Hiermee geeft u de actie van de planning ScheduleActionBase- (vereist)
beschrijving De tekst van de assetbeschrijving. snaar
displayName Weergavenaam van planning. snaar
isEnabled Is de planning ingeschakeld? Bool
Eigenschappen De woordenlijst voor asseteigenschappen. ResourceBaseProperties-
Tags Tagwoordenlijst. Tags kunnen worden toegevoegd, verwijderd en bijgewerkt. ResourceBaseTags-
trekker [Vereist] Hiermee geeft u de details van de trigger TriggerBase- (vereist)

Seizoensgebonden

Naam Beschrijving Waarde
wijze Ingesteld op Auto voor type AutoSeasonality. Ingesteld op 'Aangepast' voor het type CustomSeasonality. 'Auto'
'Aangepast' (vereist)

SparkJob

Naam Beschrijving Waarde
archief Archiefbestanden die in de taak worden gebruikt. tekenreeks[]
args Argumenten voor de taak. snaar
codeId [Vereist] arm-id van de codeasset. tekenreeks (vereist)
Conf Door Spark geconfigureerde eigenschappen. SparkJobConf-
ingang [Vereist] De vermelding die moet worden uitgevoerd bij het opstarten van de taak. SparkJobEntry- (vereist)
environmentId De ARM-resource-id van de omgevingsspecificatie voor de taak. snaar
environmentVariables Omgevingsvariabelen die zijn opgenomen in de taak. SparkJobEnvironmentVariables
archief Bestanden die in de taak worden gebruikt. tekenreeks[]
Ingangen Toewijzing van invoergegevensbindingen die in de taak worden gebruikt. SparkJobInputs-
Potten Jar-bestanden die in de taak worden gebruikt. tekenreeks[]
jobType [Vereist] Hiermee geeft u het type taak. Spark (vereist)
Uitgangen Toewijzing van uitvoergegevensbindingen die in de taak worden gebruikt. SparkJobOutputs-
pyFiles Python-bestanden die in de taak worden gebruikt. tekenreeks[]
queueSettings Wachtrijinstellingen voor de taak QueueSettings
weg Rekenresourceconfiguratie voor de taak. SparkResourceConfiguration-

SparkJobConf

Naam Beschrijving Waarde

SparkJobEntry

Naam Beschrijving Waarde
sparkJobEntryType Ingesteld op SparkJobPythonEntry voor het type SparkJobPythonEntry. Ingesteld op SparkJobScalaEntry voor het type SparkJobScalaEntry. SparkJobPythonEntry
SparkJobScalaEntry (vereist)

SparkJobEnvironmentVariables

Naam Beschrijving Waarde

SparkJobInputs

Naam Beschrijving Waarde

SparkJobOutputs

Naam Beschrijving Waarde

SparkJobPythonEntry

Naam Beschrijving Waarde
bestand [Vereist] Relatief Python-bestandspad voor taakinvoerpunt. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
sparkJobEntryType [Vereist] Type van het toegangspunt van de taak. SparkJobPythonEntry (vereist)

SparkJobScalaEntry

Naam Beschrijving Waarde
className [Vereist] Scala-klassenaam die wordt gebruikt als toegangspunt. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
sparkJobEntryType [Vereist] Type van het toegangspunt van de taak. SparkJobScalaEntry (vereist)

SparkResourceConfiguration

Naam Beschrijving Waarde
instanceType Optioneel type VM dat wordt gebruikt als ondersteund door het rekendoel. snaar
runtimeVersion Versie van spark-runtime die wordt gebruikt voor de taak. snaar

StackEnsembleSettings

Naam Beschrijving Waarde
stackMetaLearnerKWargs Optionele parameters die moeten worden doorgegeven aan de initialisatiefunctie van de meta-learner. enig
stackMetaLearnerTrainPercentage Hiermee geeft u het aandeel van de trainingsset op (bij het kiezen van het trainings- en validatietype) dat moet worden gereserveerd voor het trainen van de meta-learner. De standaardwaarde is 0,2. Int
stackMetaLearnerType De meta-learner is een model dat is getraind op de uitvoer van de afzonderlijke heterogene modellen. 'ElasticNet'
'ElasticNetCV'
'LightGBMClassifier'
'LightGBMRegressor'
'LinearRegression'
'LogisticRegression'
'LogisticRegressionCV'
'Geen'

StaticInputData

Naam Beschrijving Waarde
inputDataType [Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt. 'Statisch' (vereist)
preprocessingComponentId Verwijzing naar de onderdeelasset die wordt gebruikt om de gegevens vooraf te verwerken. snaar
windowEnd [Vereist] De einddatum van het gegevensvenster. tekenreeks (vereist)
windowStart [Vereist] De begindatum van het gegevensvenster. tekenreeks (vereist)

SweepJob

Naam Beschrijving Waarde
earlyTermination Beleid voor vroegtijdige beëindiging zorgt ervoor dat uitvoeringen met slechte prestaties worden geannuleerd voordat ze zijn voltooid EarlyTerminationPolicy-
Ingangen Toewijzing van invoergegevensbindingen die in de taak worden gebruikt. SweepJobInputs
jobType [Vereist] Hiermee geeft u het type taak. 'Opruimen' (vereist)
grens Taaklimiet opruimen. SweepJobLimits-
objectief [Vereist] Optimalisatiedoelstelling. Objective (vereist)
Uitgangen Toewijzing van uitvoergegevensbindingen die in de taak worden gebruikt. SweepJobOutputs
queueSettings Wachtrijinstellingen voor de taak QueueSettings
samplingAlgorithm [Vereist] Het algoritme voor hyperparametersampling SamplingAlgorithm (vereist)
searchSpace [Vereist] Een woordenlijst met elke parameter en de bijbehorende distributie. De woordenlijstsleutel is de naam van de parameter elke (vereist)
proces [Vereist] Definitie van proefonderdeel. TrialComponent (vereist)

SweepJobInputs

Naam Beschrijving Waarde

SweepJobLimits

Naam Beschrijving Waarde
jobLimitsType [Vereist] Type JobLimit. 'Opdracht'
'Opruimen' (vereist)
maxConcurrentTrials Sweep Job max gelijktijdige proefversies. Int
maxTotalTrials Sweep Job maximum aantal proefversies. Int
Timeout De maximale uitvoeringsduur in ISO 8601-indeling, waarna de taak wordt geannuleerd. Ondersteunt alleen de duur met precisie zo laag als seconden. snaar
trialTimeout Time-outwaarde voor time-out voor de proefversie van de taak opruimen. snaar

SweepJobOutputs

Naam Beschrijving Waarde

TableVerticalFeaturizationSettings

Naam Beschrijving Waarde
blockedTransformers Deze transformatoren mogen niet worden gebruikt in featurization. Tekenreeksmatrix met een van de volgende waarden:
'CatTargetEncoder'
'CountVectorizer'
'HashOneHotEncoder'
'LabelEncoder'
'NaiveBayes'
'OneHotEncoder'
'TextTargetEncoder'
'TfIdf'
'WoETargetEncoder'
'WordEmbedding'
columnNameAndTypes Woordenlijst van kolomnaam en het bijbehorende type (int, float, tekenreeks, datum/tijd, enzovoort). TableVerticalFeaturizationSettingsColumnNameAndTypes
gegevenssetLanguage De taal van de gegevensset, handig voor de tekstgegevens. snaar
enableDnnFeaturization Bepaalt of op Dnn gebaseerde featurizers moeten worden gebruikt voor gegevensmetrisatie. Bool
wijze Featurization-modus: de gebruiker kan de standaardmodus 'Auto' behouden en AutoML zorgt voor de noodzakelijke transformatie van de gegevens in de featurization-fase.
Als 'Uit' is geselecteerd, wordt er geen featurization uitgevoerd.
Als 'Aangepast' is geselecteerd, kan de gebruiker aanvullende invoer opgeven om aan te passen hoe featurization wordt uitgevoerd.		 'Auto'
'Aangepast'
'Uit'
transformerParams Gebruiker kan extra transformatoren opgeven die moeten worden gebruikt, samen met de kolommen waarop deze moet worden toegepast en parameters voor de transformatorconstructor. TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Naam Beschrijving Waarde

TableVerticalFeaturizationSettingsTransformerParams

Naam Beschrijving Waarde

TableVerticalLimitSettings

Naam Beschrijving Waarde
enableEarlyTermination Vroegtijdige beëindiging inschakelen, bepaalt of AutoMLJob vroeg wordt beëindigd als er geen scoreverbetering is in de afgelopen 20 iteraties. Bool
exitScore Afsluitscore voor de AutoML-taak. Int
maxConcurrentTrials Maximum aantal gelijktijdige iteraties. Int
maxCoresPerTrial Maximum aantal kernen per iteratie. Int
maxTrials Aantal iteraties. Int
Timeout Time-out voor AutoML-taken. snaar
trialTimeout Time-out voor iteratie. snaar

TargetLags

Naam Beschrijving Waarde
wijze Ingesteld op 'Auto' voor type AutoTargetLags. Ingesteld op 'Aangepast' voor het type CustomTargetLags. 'Auto'
'Aangepast' (vereist)

TargetRollingWindowSize

Naam Beschrijving Waarde
wijze Ingesteld op 'Auto' voor type AutoTargetRollingWindowSize. Ingesteld op 'Aangepast' voor het type CustomTargetRollingWindowSize. 'Auto'
'Aangepast' (vereist)

TeacherModelEndpoint

Naam Beschrijving Waarde
endpointName snaar

TeacherModelEndpointRequestSettings

Naam Beschrijving Waarde
minEndpointSuccessRatio Int
requestBatchSize Int

TeacherModelSettings

Naam Beschrijving Waarde
teacherModelEndpointRequestSettings Instellingen voor aanvraag van docentmodel. TeacherModelEndpointRequestSettings
teacherModelInferenceParameters Instellingen voor deductie van docentmodellen. TeacherModelSettingsTeacherModelInferenceParameters

TeacherModelSettingsTeacherModelInferenceParameters

Naam Beschrijving Waarde

TensorFlow

Naam Beschrijving Waarde
distributionType [Vereist] Hiermee geeft u het type distributieframework op. 'TensorFlow' (vereist)
parameterServerCount Aantal parameterservertaken. Int
workerCount Aantal werknemers. Als dit niet is opgegeven, wordt het aantal exemplaren standaard ingesteld. Int

TextClassification

Naam Beschrijving Waarde
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. NlpVerticalFeaturizationSettings
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. NlpVerticalLimitSettings
primaryMetric Primaire metrische gegevens voor Text-Classification taak. 'Nauwkeurigheid'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
taskType [Vereist] Taaktype voor AutoMLJob. TextClassification (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-

TextClassificationMultilabel

Naam Beschrijving Waarde
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. NlpVerticalFeaturizationSettings
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. NlpVerticalLimitSettings
taskType [Vereist] Taaktype voor AutoMLJob. 'TextClassificationMultilabel' (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-

TextNer

Naam Beschrijving Waarde
featurizationSettings Featurization-invoer die nodig is voor de AutoML-taak. NlpVerticalFeaturizationSettings
limitSettings Uitvoeringsbeperkingen voor AutoMLJob. NlpVerticalLimitSettings
taskType [Vereist] Taaktype voor AutoMLJob. 'TextNER' (vereist)
validationData Invoer van validatiegegevens. MLTableJobInput-

TopNFeaturesByAttribution

Naam Beschrijving Waarde
filterType [Vereist] Hiermee geeft u het functiefilter op dat moet worden gebruikt bij het selecteren van functies om metrische gegevens te berekenen. 'TopNByAttribution' (vereist)
Boven Het aantal belangrijkste functies dat moet worden opgenomen. Int

TrialComponent

Naam Beschrijving Waarde
codeId ARM-resource-id van de codeasset. snaar
bevelen [Vereist] De opdracht die moet worden uitgevoerd bij het opstarten van de taak. bijvoorbeeld "python train.py" snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
distributie Distributieconfiguratie van de taak. Indien ingesteld, moet dit een van Mpi, Tensorflow, PyTorch of null zijn. DistributionConfiguration-
environmentId [Vereist] De ARM-resource-id van de omgevingsspecificatie voor de taak. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)
environmentVariables Omgevingsvariabelen die zijn opgenomen in de taak. TrialComponentEnvironmentVariables
weg Rekenresourceconfiguratie voor de taak. JobResourceConfiguration-

TrialComponentEnvironmentVariables

Naam Beschrijving Waarde

TriggerBase

Naam Beschrijving Waarde
endTime Hiermee geeft u de eindtijd van de planning in ISO 8601, maar zonder utc-offset. Raadpleeg https://en.wikipedia.org/wiki/ISO_8601.
Opgemaakte indeling is '2022-06-01T00:00:01'
Als deze niet aanwezig is, wordt het schema voor onbepaalde tijd uitgevoerd		 snaar
startTime Hiermee geeft u de begintijd van de planning in ISO 8601-indeling, maar zonder utc-offset. snaar
tijdzone Hiermee geeft u de tijdzone op waarin het schema wordt uitgevoerd.
Tijdzone moet de windows-tijdzone-indeling volgen. Raadpleeg: /windows-hardware/manufacture/desktop/default-time-zones?view=windows-11		 snaar
triggerType Ingesteld op 'Cron' voor het type CronTrigger. Ingesteld op Terugkeerpatroon voor type RecurrenceTrigger. 'Cron'
Terugkeerpatroon (vereist)

TritonModelJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'triton_model' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

TritonModelJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'triton_model' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

TruncationSelectionPolicy

Naam Beschrijving Waarde
policyType [Vereist] Naam van beleidsconfiguratie 'TruncationSelection' (vereist)
afkappingSpercentage Het percentage uitvoeringen dat moet worden geannuleerd bij elk evaluatie-interval. Int

UriFileJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'uri_file' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

UriFileJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'uri_file' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

UriFolderJobInput

Naam Beschrijving Waarde
jobInputType [Vereist] Hiermee geeft u het type taak. 'uri_folder' (vereist)
wijze Leveringsmodus invoerasset. 'Direct'
'Downloaden'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Uri [Vereist] Invoerasset-URI. snaar

Beperkingen:
Minimale lengte = 1
Patroon = [a-zA-Z0-9_] (vereist)

UriFolderJobOutput

Naam Beschrijving Waarde
assetName Naam van uitvoerasset. snaar
jobOutputType [Vereist] Hiermee geeft u het type taak. 'uri_folder' (vereist)
wijze Uitvoerassetleveringsmodus. 'Direct'
'ReadWriteMount'
'Uploaden'
Uri Uitvoerasset-URI. snaar

UserAssignedIdentities

Naam Beschrijving Waarde

UserAssignedIdentity

Naam Beschrijving Waarde

UserIdentity

Naam Beschrijving Waarde
identityType [Vereist] Hiermee geeft u het type identiteitsframework op. UserIdentity (vereist)

Webhook

Naam Beschrijving Waarde
eventType Callback verzenden voor een opgegeven meldings gebeurtenis snaar
webhookType Ingesteld op 'AzureDevOps' voor het type AzureDevOpsWebhook. 'AzureDevOps' (vereist)