Compartilhar via

Workspaces/trabalhos do Microsoft.MachineLearningServices 2023-04-01-preview

  • Artigo

Definição de recurso do Bicep

O tipo de recurso workspaces/trabalhos pode ser implantado com operações direcionadas:

Para obter uma lista de propriedades alteradas em cada versão da API, consulte de log de alterações.

Formato de recurso

Para criar um recurso Microsoft.MachineLearningServices/workspaces/jobs, adicione o Bicep a seguir ao modelo.

resource symbolicname 'Microsoft.MachineLearningServices/workspaces/jobs@2023-04-01-preview' = {
  name: 'string'
  parent: resourceSymbolicName
  properties: {
    componentId: 'string'
    computeId: 'string'
    description: 'string'
    displayName: 'string'
    experimentName: 'string'
    identity: {
      identityType: 'string'
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived: bool
    notificationSetting: {
      emailOn: [
        'string'
      ]
      emails: [
        'string'
      ]
      webhooks: {
        {customized property}: {
          eventType: 'string'
          webhookType: 'string'
          // For remaining properties, see Webhook objects
        }
      }
    }
    properties: {
      {customized property}: 'string'
    }
    secretsConfiguration: {
      {customized property}: {
        uri: 'string'
        workspaceSecretName: 'string'
      }
    }
    services: {
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        nodes: {
          nodesValueType: 'string'
          // For remaining properties, see Nodes objects
        }
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
    }
    tags: {}
    jobType: 'string'
    // For remaining properties, see JobBaseProperties objects
  }
}

Objetos JobBaseProperties

Defina a propriedade jobType para especificar o tipo de objeto.

Para AutoML, use:

  jobType: 'AutoML'
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
    priority: int
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    locations: [
      'string'
    ]
    maxInstanceCount: int
    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
  }

Parade comando , use:

  jobType: 'Command'
  autologgerSettings: {
    mlflowAutologger: 'string'
  }
  codeId: 'string'
  command: 'string'
  distribution: {
    distributionType: 'string'
    // For remaining properties, see DistributionConfiguration objects
  }
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  limits: {
    jobLimitsType: 'string'
    timeout: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
    priority: int
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    locations: [
      'string'
    ]
    maxInstanceCount: int
    properties: {
      {customized property}: any()
    }
    shmSize: 'string'
  }

Para de rotulagem, use:

  jobType: 'Labeling'
  dataConfiguration: {
    dataId: 'string'
    incrementalDataRefresh: 'string'
  }
  jobInstructions: {
    uri: 'string'
  }
  labelCategories: {
    {customized property}: {
      classes: {
        {customized property}: {
          displayName: 'string'
          subclasses: {
            {customized property}: {}
        }
      }
      displayName: 'string'
      multiSelect: 'string'
    }
  }
  labelingJobMediaProperties: {
    mediaType: 'string'
    // For remaining properties, see LabelingJobMediaProperties objects
  }
  mlAssistConfiguration: {
    mlAssist: 'string'
    // For remaining properties, see MLAssistConfiguration objects
  }

Para pipeline, use:

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

Para spark, use:

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

Para de Varredura, use:

  jobType: 'Sweep'
  earlyTermination: {
    delayEvaluation: int
    evaluationInterval: int
    policyType: 'string'
    // For remaining properties, see EarlyTerminationPolicy objects
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  limits: {
    jobLimitsType: 'string'
    maxConcurrentTrials: int
    maxTotalTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  objective: {
    goal: 'string'
    primaryMetric: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
    priority: int
  }
  samplingAlgorithm: {
    samplingAlgorithmType: 'string'
    // For remaining properties, see SamplingAlgorithm objects
  }
  searchSpace: any()
  trial: {
    codeId: 'string'
    command: 'string'
    distribution: {
      distributionType: 'string'
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId: 'string'
    environmentVariables: {
      {customized property}: 'string'
    }
    resources: {
      dockerArgs: 'string'
      instanceCount: int
      instanceType: 'string'
      locations: [
        'string'
      ]
      maxInstanceCount: int
      properties: {
        {customized property}: any()
      }
      shmSize: 'string'
    }
  }

Objetos IdentityConfiguration

Defina a propriedade identityType para especificar o tipo de objeto.

Para AMLToken, use:

  identityType: 'AMLToken'

Para managed, use:

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

Para UserIdentity, use:

  identityType: 'UserIdentity'

Objetos webhook

Defina a propriedade webhookType para especificar o tipo de objeto.

Para do AzureDevOps, use:

  webhookType: 'AzureDevOps'

Objetos de nós

Defina a propriedade nodesValueType para especificar o tipo de objeto.

Para Todos os, use:

  nodesValueType: 'All'

Objetos JobOutput

Defina a propriedade jobOutputType para especificar o tipo de objeto.

Para custom_model, use:

  jobOutputType: 'custom_model'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  mode: 'string'
  uri: 'string'

Para mlflow_model, use:

  jobOutputType: 'mlflow_model'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  mode: 'string'
  uri: 'string'

Para mltable, use:

  jobOutputType: 'mltable'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  mode: 'string'
  uri: 'string'

Para triton_model, use:

  jobOutputType: 'triton_model'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  mode: 'string'
  uri: 'string'

Para uri_file, use:

  jobOutputType: 'uri_file'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  mode: 'string'
  uri: 'string'

Para uri_folder, use:

  jobOutputType: 'uri_folder'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  mode: 'string'
  uri: 'string'

Objetos AutoMLVertical

Defina a propriedade taskType para especificar o tipo de objeto.

Para classificação, use:

  taskType: 'Classification'
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxNodes: int
    maxTrials: int
    sweepConcurrentTrials: int
    sweepTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel: 'string'
  primaryMetric: 'string'
  searchSpace: [
    {
      booster: 'string'
      boostingType: 'string'
      growPolicy: 'string'
      learningRate: 'string'
      maxBin: 'string'
      maxDepth: 'string'
      maxLeaves: 'string'
      minDataInLeaf: 'string'
      minSplitGain: 'string'
      modelName: 'string'
      nEstimators: 'string'
      numLeaves: 'string'
      preprocessorName: 'string'
      regAlpha: 'string'
      regLambda: 'string'
      subsample: 'string'
      subsampleFreq: 'string'
      treeMethod: 'string'
      withMean: 'string'
      withStd: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
    trainingMode: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

Para previsão, use:

  taskType: 'Forecasting'
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  forecastingSettings: {
    countryOrRegionForHolidays: 'string'
    cvStepSize: int
    featureLags: 'string'
    featuresUnknownAtForecastTime: [
      '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
    maxNodes: int
    maxTrials: int
    sweepConcurrentTrials: int
    sweepTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      booster: 'string'
      boostingType: 'string'
      growPolicy: 'string'
      learningRate: 'string'
      maxBin: 'string'
      maxDepth: 'string'
      maxLeaves: 'string'
      minDataInLeaf: 'string'
      minSplitGain: 'string'
      modelName: 'string'
      nEstimators: 'string'
      numLeaves: 'string'
      preprocessorName: 'string'
      regAlpha: 'string'
      regLambda: 'string'
      subsample: 'string'
      subsampleFreq: 'string'
      treeMethod: 'string'
      withMean: 'string'
      withStd: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
    trainingMode: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

Para ImageClassification, use:

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

Para ImageClassificationMultilabel, use:

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

Para ImageInstanceSegmentation, use:

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

Para ImageObjectDetection, use:

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

Para regressão, use:

  taskType: 'Regression'
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxNodes: int
    maxTrials: int
    sweepConcurrentTrials: int
    sweepTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      booster: 'string'
      boostingType: 'string'
      growPolicy: 'string'
      learningRate: 'string'
      maxBin: 'string'
      maxDepth: 'string'
      maxLeaves: 'string'
      minDataInLeaf: 'string'
      minSplitGain: 'string'
      modelName: 'string'
      nEstimators: 'string'
      numLeaves: 'string'
      preprocessorName: 'string'
      regAlpha: 'string'
      regLambda: 'string'
      subsample: 'string'
      subsampleFreq: 'string'
      treeMethod: 'string'
      withMean: 'string'
      withStd: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
    trainingMode: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

Para TextClassification, use:

  taskType: 'TextClassification'
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  fixedParameters: {
    gradientAccumulationSteps: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    numberOfEpochs: int
    trainingBatchSize: int
    validationBatchSize: int
    warmupRatio: int
    weightDecay: int
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxNodes: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      gradientAccumulationSteps: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      numberOfEpochs: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      warmupRatio: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }

Para TextClassificationMultilabel, use:

  taskType: 'TextClassificationMultilabel'
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  fixedParameters: {
    gradientAccumulationSteps: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    numberOfEpochs: int
    trainingBatchSize: int
    validationBatchSize: int
    warmupRatio: int
    weightDecay: int
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxNodes: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  searchSpace: [
    {
      gradientAccumulationSteps: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      numberOfEpochs: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      warmupRatio: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }

Para TextNER, use:

  taskType: 'TextNER'
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  fixedParameters: {
    gradientAccumulationSteps: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    numberOfEpochs: int
    trainingBatchSize: int
    validationBatchSize: int
    warmupRatio: int
    weightDecay: int
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxNodes: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  searchSpace: [
    {
      gradientAccumulationSteps: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      numberOfEpochs: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      warmupRatio: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }

Objetos NCrossValidations

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

  mode: 'Auto'

Para Personalizado, use:

  mode: 'Custom'
  value: int

Objetos EarlyTerminationPolicy

Defina a propriedade policyType para especificar o tipo de objeto.

Para bandit, use:

  policyType: 'Bandit'
  slackAmount: int
  slackFactor: int

Para MedianStopping, use:

  policyType: 'MedianStopping'

Para TruncationSelection, use:

  policyType: 'TruncationSelection'
  truncationPercentage: int

Objetos ForecastHorizon

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

  mode: 'Auto'

Para Personalizado, use:

  mode: 'Custom'
  value: int

Objetos de sazonalidade

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

  mode: 'Auto'

Para Personalizado, use:

  mode: 'Custom'
  value: int

Objetos TargetLags

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

  mode: 'Auto'

Para Personalizado, use:

  mode: 'Custom'
  values: [
    int
  ]

Objetos TargetRollingWindowSize

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

  mode: 'Auto'

Para Personalizado, use:

  mode: 'Custom'
  value: int

Objetos DistributionConfiguration

Defina a propriedade distributionType para especificar o tipo de objeto.

Para de MPI, use:

  distributionType: 'Mpi'
  processCountPerInstance: int

Para PyTorch, use:

  distributionType: 'PyTorch'
  processCountPerInstance: int

Para Ray, use:

  distributionType: 'Ray'
  address: 'string'
  dashboardPort: int
  headNodeAdditionalArgs: 'string'
  includeDashboard: bool
  port: int
  workerNodeAdditionalArgs: 'string'

Para tensorFlow, use:

  distributionType: 'TensorFlow'
  parameterServerCount: int
  workerCount: int

Objetos JobInput

Defina a propriedade jobInputType para especificar o tipo de objeto.

Para custom_model, use:

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

Para literal, use:

  jobInputType: 'literal'
  value: 'string'

Para mlflow_model, use:

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

Para mltable, use:

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

Para triton_model, use:

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

Para uri_file, use:

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

Para uri_folder, use:

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

Objetos LabelingJobMediaProperties

Defina a propriedade mediaType para especificar o tipo de objeto.

Para de Imagem, use:

  mediaType: 'Image'
  annotationType: 'string'

Para de Texto, use:

  mediaType: 'Text'
  annotationType: 'string'

Objetos MLAssistConfiguration

Defina a propriedade mlAssist para especificar o tipo de objeto.

Para desabilitado, use:

  mlAssist: 'Disabled'

Para habilitado, use:

  mlAssist: 'Enabled'
  inferencingComputeBinding: 'string'
  trainingComputeBinding: 'string'

Objetos SparkJobEntry

Defina a propriedade sparkJobEntryType para especificar o tipo de objeto.

Para SparkJobPythonEntry, use:

  sparkJobEntryType: 'SparkJobPythonEntry'
  file: 'string'

Para SparkJobScalaEntry, use:

  sparkJobEntryType: 'SparkJobScalaEntry'
  className: 'string'

Objetos SamplingAlgorithm

Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.

Para bayesiana, use:

  samplingAlgorithmType: 'Bayesian'

Para Grid, use:

  samplingAlgorithmType: 'Grid'

Para aleatória, use:

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

Valores de propriedade

workspaces/trabalhos

Nome Descrição Valor
nome O nome do recurso

Veja como definir nomes e tipos para recursos filho no Bicep.		 cadeia de caracteres (obrigatório)
pai No Bicep, você pode especificar o recurso pai para um recurso filho. Você só precisa adicionar essa propriedade quando o recurso filho é declarado fora do recurso pai.

Para obter mais informações, consulte recurso filho fora do recurso pai.		 Nome simbólico para o recurso do tipo: workspaces
Propriedades [Obrigatório] Atributos adicionais da entidade. JobBaseProperties (obrigatório)

JobBaseProperties

Nome Descrição Valor
componentId ID do recurso arm do recurso de componente. corda
computeId ID do recurso arm do recurso de computação. corda
descrição O texto de descrição do ativo. corda
displayName Nome de exibição do trabalho. corda
experimentName O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". corda
identidade Configuração de identidade. Se definido, este deverá ser um de AmlToken, ManagedIdentity, UserIdentity ou null.
O padrão será AmlToken se nulo.		 IdentityConfiguration
isArchived O ativo está arquivado? Bool
notificationSetting Configuração de notificação para o trabalho notificationSetting
Propriedades O dicionário de propriedades do ativo. ResourceBaseProperties
secretsConfiguration Configuração de segredos a serem disponibilizados durante o runtime. JobBaseSecretsConfiguration
Serviços Lista de JobEndpoints.
Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.		 JobBaseServices
Tags Dicionário de marcas. As marcas podem ser adicionadas, removidas e atualizadas. objeto
jobType Definir o tipo de objeto autoML
de Comando do
de rotulagem
de pipeline do
spark
de Varredura (obrigatório)

IdentityConfiguration

Nome Descrição Valor
identityType Definir o tipo de objeto AMLToken
Gerenciado
UserIdentity (obrigatório)

AmlToken

Nome Descrição Valor
identityType [Obrigatório] Especifica o tipo de estrutura de identidade. 'AMLToken' (obrigatório)

ManagedIdentity

Nome Descrição Valor
identityType [Obrigatório] Especifica o tipo de estrutura de identidade. 'Gerenciado' (obrigatório)
clientId Especifica uma identidade atribuída pelo usuário pela ID do cliente. Para atribuído pelo sistema, não defina esse campo. corda

Restrições:
Comprimento mínimo = 36
Comprimento máximo = 36
Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
objectId Especifica uma identidade atribuída pelo usuário por ID de objeto. Para atribuído pelo sistema, não defina esse campo. corda

Restrições:
Comprimento mínimo = 36
Comprimento máximo = 36
Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId Especifica uma identidade atribuída pelo usuário pela ID de recurso do ARM. Para atribuído pelo sistema, não defina esse campo. corda

UserIdentity

Nome Descrição Valor
identityType [Obrigatório] Especifica o tipo de estrutura de identidade. 'UserIdentity' (obrigatório)

NotificationSetting

Nome Descrição Valor
emailOn Enviar notificação por email ao usuário no tipo de notificação especificado Matriz de cadeia de caracteres que contém qualquer um dos:
'JobCancelled'
'JobCompleted'
'JobFailed'
emails Esta é a lista de destinatários de email que tem uma limitação de 499 caracteres no total concat com separador de vírgula string[]
webhooks Envie o retorno de chamada do webhook para um serviço. A chave é um nome fornecido pelo usuário para o webhook. NotificationSettingWebhooks

NotificationSettingWebhooks

Nome Descrição Valor
{propriedade personalizada} do Webhook

Webhook

Nome Descrição Valor
eventType Enviar retorno de chamada em um evento de notificação especificado corda
webhookType Definir o tipo de objeto do AzureDevOps (obrigatório)

AzureDevOpsWebhook

Nome Descrição Valor
webhookType [Obrigatório] Especifica o tipo de serviço para enviar um retorno de chamada 'AzureDevOps' (obrigatório)

ResourceBaseProperties

Nome Descrição Valor
{propriedade personalizada} corda

JobBaseSecretsConfiguration

Nome Descrição Valor
{propriedade personalizada} SecretConfiguration

SecretConfiguration

Nome Descrição Valor
URI Uri secreto.
Uri de exemplo: https://myvault.vault.azure.net/secrets/mysecretname/secretversion		 corda
workspaceSecretName Nome do segredo no cofre de chaves do workspace. corda

JobBaseServices

Nome Descrição Valor
{propriedade personalizada} JobService

JobService

Nome Descrição Valor
Extremidade Url para ponto de extremidade. corda
jobServiceType Tipo de ponto de extremidade. corda
Nós Nós em que o usuário gostaria de iniciar o serviço.
Se nós não estiverem definidos ou definidos como nulos, o serviço será iniciado apenas no nó de líder.		 nós
porta Porta para ponto de extremidade definido pelo usuário. int
Propriedades Propriedades adicionais a serem definidas no ponto de extremidade. JobServiceProperties

Nós

Nome Descrição Valor
nodesValueType Definir o tipo de objeto Todos os (obrigatório)

AllNodes

Nome Descrição Valor
nodesValueType [Obrigatório] Tipo do valor de nós 'All' (obrigatório)

JobServiceProperties

Nome Descrição Valor
{propriedade personalizada} corda

AutoMLJob

Nome Descrição Valor
jobType [Obrigatório] Especifica o tipo de trabalho. 'AutoML' (obrigatório)
environmentId A ID do recurso ARM da especificação de Ambiente para o trabalho.
Esse é o valor opcional a ser fornecido, se não for fornecido, o AutoML usará como padrão a versão do ambiente coletado do AutoML de Produção ao executar o trabalho.		 corda
environmentVariables Variáveis de ambiente incluídas no trabalho. AutoMLJobEnvironmentVariables
Saídas Mapeamento de associações de dados de saída usadas no trabalho. AutoMLJobOutputs
queueSettings Configurações de fila para o trabalho queueSettings
Recursos Configuração de recursos de computação para o trabalho. JobResourceConfiguration
taskDetails [Obrigatório] Isso representa um cenário que pode ser uma das Tabelas/NLP/Imagem AutoMLVertical (obrigatório)

AutoMLJobEnvironmentVariables

Nome Descrição Valor
{propriedade personalizada} corda

AutoMLJobOutputs

Nome Descrição Valor
{propriedade personalizada} JobOutput

JobOutput

Nome Descrição Valor
descrição Descrição da saída. corda
jobOutputType Definir o tipo de objeto custom_model
mlflow_model
mltable
triton_model
uri_file
uri_folder (obrigatório)

CustomModelJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'custom_model' (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. 'Direct'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. corda

AutoDeleteSetting

Nome Descrição Valor
condição Quando verificar se um ativo expirou 'CreatedGreaterThan'
'LastAccessedGreaterThan'
valor Valor da condição de expiração. corda

MLFlowModelJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'mlflow_model' (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. 'Direct'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. corda

MLTableJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'mltable' (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. 'Direct'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. corda

TritonModelJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'triton_model' (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. 'Direct'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. corda

UriFileJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'uri_file' (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. 'Direct'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. corda

UriFolderJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'uri_folder' (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. 'Direct'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. corda

QueueSettings

Nome Descrição Valor
jobTier Enumerar para determinar a camada de trabalho. 'Básico'
'Premium'
'Spot'
'Standard'
prioridade Controla a prioridade do trabalho em uma computação. int

JobResourceConfiguration

Nome Descrição Valor
dockerArgs Argumentos extras a serem passados para o comando de execução do Docker. Isso substituiria todos os parâmetros que já foram definidos pelo sistema ou nesta seção. Esse parâmetro só tem suporte para tipos de computação do Azure ML. corda
instanceCount Número opcional de instâncias ou nós usados pelo destino de computação. int
instanceType Tipo opcional de VM usado como suporte pelo destino de computação. corda
Locais Locais em que o trabalho pode ser executado. string[]
maxInstanceCount O máximo opcional permitiu que o número de instâncias ou nós fosse usado pelo destino de computação.
Para uso com treinamento elástico, atualmente compatível apenas com o tipo de distribuição PyTorch.		 int
Propriedades Recipiente de propriedades adicionais. ResourceConfigurationProperties
shmSize Tamanho do bloco de memória compartilhada do contêiner do Docker. Isso deve estar no formato (número)(unidade), em que o número seja maior que 0 e a unidade possa ser um de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes). corda

Restrições:
Padrão = \d+[bBkKmMgG]

ResourceConfigurationProperties

Nome Descrição Valor
{propriedade personalizada} Para o Bicep, você pode usar a função any().

AutoMLVertical

Nome Descrição Valor
logVerbosity Verbosidade de log para o trabalho. 'Crítico'
'Depurar'
'Erro'
'Informações'
'NotSet'
'Aviso'
targetColumnName Nome da coluna de destino: esta é a coluna de valores de previsão.
Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.		 corda
trainingData [Obrigatório] Entrada de dados de treinamento. MLTableJobInput (obrigatório)
taskType Definir o tipo de objeto classificação
Previsão
ImageClassification
ImageClassificationMultilabel
ImageInstanceSegmentation
ImageObjectDetection
regressão
TextClassification
textClassificationMultilabel
TextNER (obrigatório)

MLTableJobInput

Nome Descrição Valor
descrição Descrição da entrada. corda
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (obrigatório)
modo Modo de entrega de ativo de entrada. 'Direct'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

Classificação

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'Classificação' (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. TableFixedParameters
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
positiveLabel Rótulo positivo para cálculo de métricas binárias. corda
primaryMetric Métrica primária para a tarefa. 'AUCWeighted'
'Precisão'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. TableSweepSettings
testData Testar a entrada de dados. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
trainingSettings Entradas para a fase de treinamento para um Trabalho AutoML. ClassificationTrainingSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
weightColumnName O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. corda

TableVerticalFeaturizationSettings

Nome Descrição Valor
blockedTransformers Esses transformadores não devem ser usados na apresentação. Matriz de cadeia de caracteres que contém qualquer um dos:
'CatTargetEncoder'
'CountVectorizer'
'HashOneHotEncoder'
'LabelEncoder'
'NaiveBayes'
'OneHotEncoder'
'TextTargetEncoder'
'TfIdf'
'WoETargetEncoder'
'WordEmbedding'
columnNameAndTypes Dicionário de nome da coluna e seu tipo (int, float, string, datetime etc). TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage Linguagem de conjunto de dados, útil para os dados de texto. corda
enableDnnFeaturization Determina se os recursos baseados em Dnn devem ser usados para a apresentação de dados. Bool
modo Modo de apresentação – o usuário pode manter o modo 'Auto' padrão e o AutoML cuidará da transformação necessária dos dados na fase de apresentação.
Se 'Off' estiver selecionado, nenhuma apresentação será feita.
Se 'Custom' estiver selecionado, o usuário poderá especificar entradas adicionais para personalizar como a apresentação é feita.		 'Auto'
'Personalizado'
'Desativado'
transformerParams O usuário pode especificar transformadores adicionais a serem usados junto com as colunas às quais ele seria aplicado e parâmetros para o construtor do transformador. TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Nome Descrição Valor
{propriedade personalizada} corda

TableVerticalFeaturizationSettingsTransformerParams

Nome Descrição Valor
{propriedade personalizada} ColumnTransformer []

ColumnTransformer

Nome Descrição Valor
Campos Campos nos quais aplicar a lógica do transformador. string[]
Parâmetros Propriedades diferentes a serem passadas para o transformador.
A entrada esperada é o dicionário de pares chave e valor no formato JSON.
 Para o Bicep, você pode usar a função any().

TableFixedParameters

Nome Descrição Valor
Booster Especifique o tipo de aumento, por exemplo, gbdt para XGBoost. corda
boostingType Especifique o tipo de aumento, por exemplo, gbdt para LightGBM. corda
growPolicy Especifique a política de crescimento, que controla a forma como novos nós são adicionados à árvore. corda
learningRate A taxa de aprendizado do procedimento de treinamento. int
maxBin Especifique o número máximo de compartimentos discretos para recursos contínuos de bucket. int
maxDepth Especifique a profundidade máxima para limitar explicitamente a profundidade da árvore. int
maxLeaves Especifique as folhas máximas para limitar explicitamente as folhas de árvore. int
minDataInLeaf O número mínimo de dados por folha. int
minSplitGain Redução mínima de perda necessária para fazer uma partição adicional em um nó folha da árvore. int
modelName O nome do modelo a ser treinado. corda
nEstimators Especifique o número de árvores (ou arredondas) em um modelo. int
numLeaves Especifique o número de folhas. int
preprocessorName O nome do pré-processador a ser usado. corda
regAlpha L1 termo de regularização em pesos. int
regLambda Termo de regularização L2 em pesos. int
subsampla Taxa de subsampla da instância de treinamento. int
subsampleFreq Frequência de subsampla. int
treeMethod Especifique o método de árvore. corda
withMean Se for true, centralize antes de dimensionar os dados com o StandardScalar. Bool
withStd Se for true, dimensione os dados com Variação de Unidade com StandardScalar. Bool

TableVerticalLimitSettings

Nome Descrição Valor
enableEarlyTermination Habilite a terminação antecipada, determina se o AutoMLJob terminará antecipadamente se não houver melhoria de pontuação nas últimas 20 iterações. Bool
exitScore Pontuação de saída para o trabalho autoML. int
maxConcurrentTrials Iterações simultâneas máximas. int
maxCoresPerTrial Núcleos máximos por iteração. int
maxNodes Máximo de nós a serem usados para o experimento. int
maxTrials Número de iterações. int
sweepConcurrentTrials Número de execuções de varredura simultâneas que o usuário deseja disparar. int
sweepTrials Número de execuções de varredura que o usuário deseja disparar. int
timeout Tempo limite do trabalho autoML. corda
trialTimeout Tempo limite de iteração. corda

NCrossValidations

Nome Descrição Valor
modo Definir o tipo de objeto Auto
Personalizado (obrigatório)

AutoNCrossValidations

Nome Descrição Valor
modo [Obrigatório] Modo para determinar validações N-Cross. 'Auto' (obrigatório)

CustomNCrossValidations

Nome Descrição Valor
modo [Obrigatório] Modo para determinar validações N-Cross. 'Custom' (obrigatório)
valor [Obrigatório] Valor de validações n cruzadas. int (obrigatório)

TableParameterSubspace

Nome Descrição Valor
Booster Especifique o tipo de aumento, por exemplo, gbdt para XGBoost. corda
boostingType Especifique o tipo de aumento, por exemplo, gbdt para LightGBM. corda
growPolicy Especifique a política de crescimento, que controla a forma como novos nós são adicionados à árvore. corda
learningRate A taxa de aprendizado do procedimento de treinamento. corda
maxBin Especifique o número máximo de compartimentos discretos para recursos contínuos de bucket. corda
maxDepth Especifique a profundidade máxima para limitar explicitamente a profundidade da árvore. corda
maxLeaves Especifique as folhas máximas para limitar explicitamente as folhas de árvore. corda
minDataInLeaf O número mínimo de dados por folha. corda
minSplitGain Redução mínima de perda necessária para fazer uma partição adicional em um nó folha da árvore. corda
modelName O nome do modelo a ser treinado. corda
nEstimators Especifique o número de árvores (ou arredondas) em um modelo. corda
numLeaves Especifique o número de folhas. corda
preprocessorName O nome do pré-processador a ser usado. corda
regAlpha L1 termo de regularização em pesos. corda
regLambda Termo de regularização L2 em pesos. corda
subsampla Taxa de subsampla da instância de treinamento. corda
subsampleFreq Frequência de subsampla corda
treeMethod Especifique o método de árvore. corda
withMean Se for true, centralize antes de dimensionar os dados com o StandardScalar. corda
withStd Se for true, dimensione os dados com Variação de Unidade com StandardScalar. corda

TableSweepSettings

Nome Descrição Valor
earlyTermination Tipo de política de término antecipado para o trabalho de varredura. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo de algoritmo de amostragem. 'Bayesian'
'Grade'
'Aleatório' (obrigatório)

EarlyTerminationPolicy

Nome Descrição Valor
delayEvaluation Número de intervalos pelos quais atrasar a primeira avaliação. int
evaluationInterval Intervalo (número de execuções) entre avaliações de política. int
policyType Definir o tipo de objeto Bandit
MedianStopping
TruncationSelection (obrigatório)

BanditPolicy

Nome Descrição Valor
policyType [Obrigatório] Nome da configuração de política 'Bandit' (obrigatório)
slackAmount Distância absoluta permitida da execução de melhor desempenho. int
slackFactor Taxa da distância permitida da execução com melhor desempenho. int

MedianStoppingPolicy

Nome Descrição Valor
policyType [Obrigatório] Nome da configuração de política 'MedianStopping' (obrigatório)

TruncationSelectionPolicy

Nome Descrição Valor
policyType [Obrigatório] Nome da configuração de política 'TruncationSelection' (obrigatório)
truncationPercentage O percentual de execuções a serem canceladas em cada intervalo de avaliação. int

ClassificationTrainingSettings

Nome Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para a tarefa de classificação. Matriz de cadeia de caracteres que contém qualquer um dos:
'BernoulliNaiveBayes'
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
blockedTrainingAlgorithms Modelos bloqueados para a tarefa de classificação. Matriz de cadeia de caracteres que contém qualquer um dos:
'BernoulliNaiveBayes'
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
enableDnnTraining Habilitar a recomendação de modelos DNN. Bool
enableModelExplainability Sinalizar para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para habilitar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilitar a execução do conjunto de pilhas. Bool
enableVoteEnsemble Habilitar a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados.
Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.		 corda
stackEnsembleSettings Configurações do conjunto de pilhas para a execução do conjunto de pilhas. StackEnsembleSettings
trainingMode Modo TrainingMode – a configuração como "auto" é a mesma que defini-lo como "não distribuído" por enquanto, no entanto, no futuro pode resultar em seleção de modo misto ou de modo baseado em heurística. O padrão é 'auto'.
Se 'Distributed' for usado apenas a recursos distribuídos e os algoritmos distribuídos forem escolhidos.
Se 'NonDistributed' for escolhido, somente algoritmos não distribuídos serão escolhidos.
 'Auto'
'Distribuído'
'NonDistributed'

StackEnsembleSettings

Nome Descrição Valor
stackMetaLearnerKWargs Parâmetros opcionais a serem passados para o inicializador do meta-aprendiz. Para o Bicep, você pode usar a função any().
stackMetaLearnerTrainPercentage Especifica a proporção do conjunto de treinamento (ao escolher o treinamento e o tipo de treinamento de validação) a ser reservado para treinar o meta-aprendiz. O valor padrão é 0,2. int
stackMetaLearnerType O meta-aprendiz é um modelo treinado na saída dos modelos heterogêneos individuais. 'ElasticNet'
'ElasticNetCV'
'LightGBMClassifier'
'LightGBMRegressor'
'LinearRegression'
'LogisticRegression'
'LogisticRegressionCV'
'None'

Previsão

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'Previsão' (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. TableFixedParameters
forecastingSettings Previsão de entradas específicas da tarefa. ForecastingSettings
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
primaryMetric Métrica primária para a tarefa de previsão. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. TableSweepSettings
testData Testar a entrada de dados. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
trainingSettings Entradas para a fase de treinamento para um Trabalho AutoML. ForecastingTrainingSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
weightColumnName O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. corda

ForecastingSettings

Nome Descrição Valor
countryOrRegionForHolidays País ou região para feriados para tarefas de previsão.
Eles devem ser códigos de país/região de duas letras ISO 3166, por exemplo , "EUA" ou "GB".		 corda
cvStepSize Número de períodos entre o tempo de origem de uma dobra CV e a próxima dobra. Durante
exemplo, se CVStepSize = 3 para dados diários, o tempo de origem para cada dobra será
três dias separados.		 int
featureLags Sinalizador para gerar atrasos para os recursos numéricos com 'automático' ou nulo. 'Auto'
'None'
featuresUnknownAtForecastTime As colunas de recurso que estão disponíveis para treinamento, mas desconhecidas no momento da previsão/inferência.
Se features_unknown_at_forecast_time não estiver definido, supõe-se que todas as colunas de recurso no conjunto de dados sejam conhecidas em tempo de inferência.		 string[]
forecastHorizon O horizonte de previsão máxima desejado em unidades de frequência de série temporal. ForecastHorizon
frequência Ao prever, esse parâmetro representa o período com o qual a previsão é desejada, por exemplo, diária, semanal, anual etc. A frequência de previsão é a frequência do conjunto de dados por padrão. corda
Sazonalidade Defina a sazonalidade da série temporal como um múltiplo inteiro da frequência da série.
Se a sazonalidade for definida como 'auto', ela será inferida.		 de sazonalidade
shortSeriesHandlingConfig O parâmetro que define como se o AutoML deve lidar com séries temporais curtas. 'Auto'
'Drop'
'None'
'Pad'
targetAggregateFunction A função a ser usada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada pelo usuário.
Se TargetAggregateFunction estiver definido, ou seja, não 'None', mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "sum", "max", "min" e "mean".		 'Max'
'Mean'
'Min'
'None'
'Soma'
targetLags O número de períodos passados a serem atrasados da coluna de destino. targetLags
targetRollingWindowSize O número de períodos passados usados para criar uma média de janela sem interrupção da coluna de destino. TargetRollingWindowSize
timeColumnName O nome da coluna de hora. Esse parâmetro é necessário ao prever para especificar a coluna datetime nos dados de entrada usados para criar a série temporal e inferir sua frequência. corda
timeSeriesIdColumnNames Os nomes das colunas usadas para agrupar uma série de horários. Ele pode ser usado para criar várias séries.
Se a granulação não estiver definida, o conjunto de dados será considerado uma série temporal. Esse parâmetro é usado com a previsão de tipo de tarefa.		 string[]
useStl Configure a Decomposição de STL da coluna de destino da série temporal. 'None'
'Season'
'SeasonTrend'

ForecastHorizon

Nome Descrição Valor
modo Definir o tipo de objeto Auto
Personalizado (obrigatório)

AutoForecastHorizon

Nome Descrição Valor
modo [Obrigatório] Defina o modo de seleção de valor do horizonte de previsão. 'Auto' (obrigatório)

CustomForecastHorizon

Nome Descrição Valor
modo [Obrigatório] Defina o modo de seleção de valor do horizonte de previsão. 'Custom' (obrigatório)
valor [Obrigatório] Valor do horizonte de previsão. int (obrigatório)

Sazonalidade

Nome Descrição Valor
modo Definir o tipo de objeto Auto
Personalizado (obrigatório)

AutoSeasonalidade

Nome Descrição Valor
modo [Obrigatório] Modo de sazonalidade. 'Auto' (obrigatório)

CustomSeasonality

Nome Descrição Valor
modo [Obrigatório] Modo de sazonalidade. 'Custom' (obrigatório)
valor [Obrigatório] Valor de sazonalidade. int (obrigatório)

TargetLags

Nome Descrição Valor
modo Definir o tipo de objeto Auto
Personalizado (obrigatório)

AutoTargetLags

Nome Descrição Valor
modo [Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado 'Auto' (obrigatório)

CustomTargetLags

Nome Descrição Valor
modo [Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado 'Custom' (obrigatório)
Valores [Obrigatório] Definir valores de atrasos de destino. int[] (obrigatório)

TargetRollingWindowSize

Nome Descrição Valor
modo Definir o tipo de objeto Auto
Personalizado (obrigatório)

AutoTargetRollingWindowSize

Nome Descrição Valor
modo [Obrigatório] Modo de detecção TargetRollingWindowSiz. 'Auto' (obrigatório)

CustomTargetRollingWindowSize

Nome Descrição Valor
modo [Obrigatório] Modo de detecção TargetRollingWindowSiz. 'Custom' (obrigatório)
valor [Obrigatório] Valor TargetRollingWindowSize. int (obrigatório)

ForecastingTrainingSettings

Nome Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para a tarefa de previsão. Matriz de cadeia de caracteres que contém qualquer um dos:
'Arimax'
'AutoArima'
'Média'
'DecisionTree'
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naive'
'Profeta'
'RandomForest'
'SGD'
'SeasonalAverage'
'SeasonalNaive'
'TCNForecaster'
'XGBoostRegressor'
blockedTrainingAlgorithms Modelos bloqueados para a tarefa de previsão. Matriz de cadeia de caracteres que contém qualquer um dos:
'Arimax'
'AutoArima'
'Média'
'DecisionTree'
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naive'
'Profeta'
'RandomForest'
'SGD'
'SeasonalAverage'
'SeasonalNaive'
'TCNForecaster'
'XGBoostRegressor'
enableDnnTraining Habilitar a recomendação de modelos DNN. Bool
enableModelExplainability Sinalizar para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para habilitar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilitar a execução do conjunto de pilhas. Bool
enableVoteEnsemble Habilitar a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados.
Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.		 corda
stackEnsembleSettings Configurações do conjunto de pilhas para a execução do conjunto de pilhas. StackEnsembleSettings
trainingMode Modo TrainingMode – a configuração como "auto" é a mesma que defini-lo como "não distribuído" por enquanto, no entanto, no futuro pode resultar em seleção de modo misto ou de modo baseado em heurística. O padrão é 'auto'.
Se 'Distributed' for usado apenas a recursos distribuídos e os algoritmos distribuídos forem escolhidos.
Se 'NonDistributed' for escolhido, somente algoritmos não distribuídos serão escolhidos.
 'Auto'
'Distribuído'
'NonDistributed'

ImageClassification

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'ImageClassification' (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho autoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsClassification
primaryMetric Métrica primária a ser otimizada para essa tarefa. 'AUCWeighted'
'Precisão'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configurações relacionadas à varredura de modelo e hiperparâmetro. ImageSweepSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 int

ImageLimitSettings

Nome Descrição Valor
maxConcurrentTrials Número máximo de iterações AutoML simultâneas. int
maxTrials Número máximo de iterações AutoML. int
timeout Tempo limite do trabalho autoML. corda

ImageModelSettingsClassification

Nome Descrição Valor
advancedSettings Configurações para cenários avançados. corda
amsGradient Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'. Bool
Aumentos Configurações para usar aumentos. corda
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. int
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. int
checkpointFrequency Frequência para armazenar pontos de verificação de modelo. Deve ser um inteiro positivo. int
checkpointModel O modelo de ponto de verificação pré-treinado para treinamento incremental. MLFlowModelJobInput
checkpointRunId A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. corda
Distribuído Se você deve usar o treinamento distribuído. Bool
earlyStopping Habilite a lógica de parada antecipada durante o treinamento. Bool
earlyStoppingDelay Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um inteiro positivo.		 int
earlyStoppingPatience Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes
a execução é interrompida. Deve ser um inteiro positivo.		 int
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. Bool
evaluationFrequency Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo. int
gradientAccumulationStep Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.		 int
layersToFreeze Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor
consulte: /azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1]. int
learningRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step". 'None'
'Step'
'WarmupCosine'
modelName Nome do modelo a ser usado para treinamento.
Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 corda
ímpeto Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1]. int
aninhado Habilite aninhado quando o otimizador for 'sgd'. Bool
numberOfEpochs Número de épocas de treinamento. Deve ser um inteiro positivo. int
numberOfWorkers Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo. int
Otimizador Tipo de otimizador. 'Adam'
'Adamw'
'None'
'Sgd'
randomSeed Semente aleatória a ser usada ao usar o treinamento determinístico. int
stepLRGamma Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1]. int
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo. int
trainingBatchSize Tamanho do lote de treinamento. Deve ser um inteiro positivo. int
trainingCropSize Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de treinamento. Deve ser um inteiro positivo. int
validationBatchSize Tamanho do lote de validação. Deve ser um inteiro positivo. int
validationCropSize Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de validação. Deve ser um inteiro positivo. int
validationResizeSize Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um inteiro positivo. int
warmupCosineLRCycles Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1]. int
warmupCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo. int
weightDecay Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1]. int
weightedLoss Perda ponderada. Os valores aceitos são 0 para nenhuma perda ponderada.
1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Deve ser 0 ou 1 ou 2.
 int

MLFlowModelJobInput

Nome Descrição Valor
descrição Descrição da entrada. corda
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (obrigatório)
modo Modo de entrega de ativo de entrada. 'Direct'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

Nome Descrição Valor
amsGradient Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'. corda
Aumentos Configurações para usar aumentos. corda
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. corda
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. corda
Distribuído Se você deve usar o treinamento do distribuídor. corda
earlyStopping Habilite a lógica de parada antecipada durante o treinamento. corda
earlyStoppingDelay Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um inteiro positivo.		 corda
earlyStoppingPatience Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes
a execução é interrompida. Deve ser um inteiro positivo.		 corda
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. corda
evaluationFrequency Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo. corda
gradientAccumulationStep Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.		 corda
layersToFreeze Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor
consulte: /azure/machine-learning/how-to-auto-train-image-models.		 corda
learningRate Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1]. corda
learningRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step". corda
modelName Nome do modelo a ser usado para treinamento.
Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 corda
ímpeto Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1]. corda
aninhado Habilite aninhado quando o otimizador for 'sgd'. corda
numberOfEpochs Número de épocas de treinamento. Deve ser um inteiro positivo. corda
numberOfWorkers Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo. corda
Otimizador Tipo de otimizador. Deve ser "sgd", "adam" ou "adamw". corda
randomSeed Semente aleatória a ser usada ao usar o treinamento determinístico. corda
stepLRGamma Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1]. corda
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo. corda
trainingBatchSize Tamanho do lote de treinamento. Deve ser um inteiro positivo. corda
trainingCropSize Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de treinamento. Deve ser um inteiro positivo. corda
validationBatchSize Tamanho do lote de validação. Deve ser um inteiro positivo. corda
validationCropSize Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de validação. Deve ser um inteiro positivo. corda
validationResizeSize Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um inteiro positivo. corda
warmupCosineLRCycles Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1]. corda
warmupCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo. corda
weightDecay Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1]. corda
weightedLoss Perda ponderada. Os valores aceitos são 0 para nenhuma perda ponderada.
1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Deve ser 0 ou 1 ou 2.
 corda

ImageSweepSettings

Nome Descrição Valor
earlyTermination Tipo de política de término antecipado. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo dos algoritmos de amostragem do hiperparâmetro. 'Bayesian'
'Grade'
'Aleatório' (obrigatório)

ImageClassificationMultilabel

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'ImageClassificationMultilabel' (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho autoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsClassification
primaryMetric Métrica primária a ser otimizada para essa tarefa. 'AUCWeighted'
'Precisão'
'AveragePrecisionScoreWeighted'
'IOU'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configurações relacionadas à varredura de modelo e hiperparâmetro. ImageSweepSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 int

ImageInstanceSegmentation

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'ImageInstanceSegmentation' (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho autoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica primária a ser otimizada para essa tarefa. 'MeanAveragePrecision'
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Configurações relacionadas à varredura de modelo e hiperparâmetro. ImageSweepSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 int

ImageModelSettingsObjectDetection

Nome Descrição Valor
advancedSettings Configurações para cenários avançados. corda
amsGradient Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'. Bool
Aumentos Configurações para usar aumentos. corda
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. int
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. int
boxDetectionsPerImage Número máximo de detecções por imagem, para todas as classes. Deve ser um inteiro positivo.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 int
boxScoreThreshold Durante a inferência, retornar apenas propostas com uma pontuação de classificação maior que
BoxScoreThreshold. Deve ser um float no intervalo[0, 1].		 int
checkpointFrequency Frequência para armazenar pontos de verificação de modelo. Deve ser um inteiro positivo. int
checkpointModel O modelo de ponto de verificação pré-treinado para treinamento incremental. MLFlowModelJobInput
checkpointRunId A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. corda
Distribuído Se você deve usar o treinamento distribuído. Bool
earlyStopping Habilite a lógica de parada antecipada durante o treinamento. Bool
earlyStoppingDelay Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um inteiro positivo.		 int
earlyStoppingPatience Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes
a execução é interrompida. Deve ser um inteiro positivo.		 int
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. Bool
evaluationFrequency Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo. int
gradientAccumulationStep Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.		 int
imageSize Tamanho da imagem para treinamento e validação. Deve ser um inteiro positivo.
Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 int
layersToFreeze Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor
consulte: /azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1]. int
learningRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step". 'None'
'Step'
'WarmupCosine'
logTrainingMetrics Habilitar métricas de treinamento de computação e registro em log. 'Desabilitar'
'Habilitar'
logValidationLoss Habilitar a perda de validação de computação e registro em log. 'Desabilitar'
'Habilitar'
maxSize Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 int
minSize Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 int
modelName Nome do modelo a ser usado para treinamento.
Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 corda
modelSize Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'.
Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho do modelo for muito grande.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 'ExtraLarge'
'Grande'
'Médio'
'None'
'Pequeno'
ímpeto Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1]. int
multiEscala Habilite a imagem de várias escalas variando o tamanho da imagem em +/- 50%.
Observação: a execução de treinamento poderá entrar no CUDA OOM se não houver memória de GPU suficiente.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 Bool
aninhado Habilite aninhado quando o otimizador for 'sgd'. Bool
nmsIouThreshold Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve ser um float no intervalo [0, 1]. int
numberOfEpochs Número de épocas de treinamento. Deve ser um inteiro positivo. int
numberOfWorkers Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo. int
Otimizador Tipo de otimizador. 'Adam'
'Adamw'
'None'
'Sgd'
randomSeed Semente aleatória a ser usada ao usar o treinamento determinístico. int
stepLRGamma Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1]. int
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo. int
tileGridSize O tamanho da grade a ser usado para dimensionar cada imagem. Observação: TileGridSize não deve ser
Nenhum para habilitar a lógica de detecção de objeto pequena. Uma cadeia de caracteres que contém dois inteiros no formato mxn.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
tileOverlapRatio Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1).
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 int
tilePredictionsNmsThreshold O limite de IOU a ser usado para executar o NMS ao mesclar previsões de blocos e imagem.
Usado na validação/inferência. Deve estar flutuando no intervalo [0, 1].
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 int
trainingBatchSize Tamanho do lote de treinamento. Deve ser um inteiro positivo. int
validationBatchSize Tamanho do lote de validação. Deve ser um inteiro positivo. int
validationIouThreshold Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1]. int
validationMetricType Método de computação de métrica a ser usado para métricas de validação. 'Coco'
'CocoVoc'
'None'
'Voc'
warmupCosineLRCycles Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1]. int
warmupCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo. int
weightDecay Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1]. int

ImageModelDistributionSettingsObjectDetection

Nome Descrição Valor
amsGradient Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'. corda
Aumentos Configurações para usar aumentos. corda
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. corda
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. corda
boxDetectionsPerImage Número máximo de detecções por imagem, para todas as classes. Deve ser um inteiro positivo.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
boxScoreThreshold Durante a inferência, retornar apenas propostas com uma pontuação de classificação maior que
BoxScoreThreshold. Deve ser um float no intervalo[0, 1].		 corda
Distribuído Se você deve usar o treinamento do distribuídor. corda
earlyStopping Habilite a lógica de parada antecipada durante o treinamento. corda
earlyStoppingDelay Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um inteiro positivo.		 corda
earlyStoppingPatience Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes
a execução é interrompida. Deve ser um inteiro positivo.		 corda
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. corda
evaluationFrequency Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo. corda
gradientAccumulationStep Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.		 corda
imageSize Tamanho da imagem para treinamento e validação. Deve ser um inteiro positivo.
Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 corda
layersToFreeze Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor
consulte: /azure/machine-learning/how-to-auto-train-image-models.		 corda
learningRate Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1]. corda
learningRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step". corda
maxSize Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
minSize Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
modelName Nome do modelo a ser usado para treinamento.
Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 corda
modelSize Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'.
Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho do modelo for muito grande.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 corda
ímpeto Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1]. corda
multiEscala Habilite a imagem de várias escalas variando o tamanho da imagem em +/- 50%.
Observação: a execução de treinamento poderá entrar no CUDA OOM se não houver memória de GPU suficiente.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 corda
aninhado Habilite aninhado quando o otimizador for 'sgd'. corda
nmsIouThreshold Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve estar flutuando no intervalo [0, 1]. corda
numberOfEpochs Número de épocas de treinamento. Deve ser um inteiro positivo. corda
numberOfWorkers Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo. corda
Otimizador Tipo de otimizador. Deve ser "sgd", "adam" ou "adamw". corda
randomSeed Semente aleatória a ser usada ao usar o treinamento determinístico. corda
stepLRGamma Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1]. corda
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo. corda
tileGridSize O tamanho da grade a ser usado para dimensionar cada imagem. Observação: TileGridSize não deve ser
Nenhum para habilitar a lógica de detecção de objeto pequena. Uma cadeia de caracteres que contém dois inteiros no formato mxn.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
tileOverlapRatio Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1).
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
tilePredictionsNmsThreshold O limite de IOU a ser usado para executar o NMS ao mesclar previsões de blocos e imagem.
Usado na validação/inferência. Deve estar flutuando no intervalo [0, 1].
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
NMS: supressão não máxima		 corda
trainingBatchSize Tamanho do lote de treinamento. Deve ser um inteiro positivo. corda
validationBatchSize Tamanho do lote de validação. Deve ser um inteiro positivo. corda
validationIouThreshold Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1]. corda
validationMetricType Método de computação de métrica a ser usado para métricas de validação. Deve ser 'none', 'coco', 'voc' ou 'coco_voc'. corda
warmupCosineLRCycles Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1]. corda
warmupCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo. corda
weightDecay Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1]. corda

ImageObjectDetection

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'ImageObjectDetection' (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho autoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica primária a ser otimizada para essa tarefa. 'MeanAveragePrecision'
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Configurações relacionadas à varredura de modelo e hiperparâmetro. ImageSweepSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 int

Regressão

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'Regressão' (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. TableFixedParameters
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
primaryMetric Métrica primária para a tarefa de regressão. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. TableSweepSettings
testData Testar a entrada de dados. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
trainingSettings Entradas para a fase de treinamento para um Trabalho AutoML. RegressionTrainingSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
weightColumnName O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. corda

RegressionTrainingSettings

Nome Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para tarefa de regressão. Matriz de cadeia de caracteres que contém qualquer um dos:
'DecisionTree'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
blockedTrainingAlgorithms Modelos bloqueados para a tarefa de regressão. Matriz de cadeia de caracteres que contém qualquer um dos:
'DecisionTree'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
enableDnnTraining Habilitar a recomendação de modelos DNN. Bool
enableModelExplainability Sinalizar para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para habilitar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilitar a execução do conjunto de pilhas. Bool
enableVoteEnsemble Habilitar a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados.
Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.		 corda
stackEnsembleSettings Configurações do conjunto de pilhas para a execução do conjunto de pilhas. StackEnsembleSettings
trainingMode Modo TrainingMode – a configuração como "auto" é a mesma que defini-lo como "não distribuído" por enquanto, no entanto, no futuro pode resultar em seleção de modo misto ou de modo baseado em heurística. O padrão é 'auto'.
Se 'Distributed' for usado apenas a recursos distribuídos e os algoritmos distribuídos forem escolhidos.
Se 'NonDistributed' for escolhido, somente algoritmos não distribuídos serão escolhidos.
 'Auto'
'Distribuído'
'NonDistributed'

TextClassification

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'TextClassification' (obrigatório)
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. nlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
primaryMetric Métrica primária para Text-Classification tarefa. 'AUCWeighted'
'Precisão'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. nlpSweepSettings
validationData Entradas de dados de validação. MLTableJobInput

NlpVerticalFeaturizationSettings

Nome Descrição Valor
datasetLanguage Linguagem de conjunto de dados, útil para os dados de texto. corda

NlpFixedParameters

Nome Descrição Valor
gradientAccumulationSteps Número de etapas para acumular gradientes antes de executar um passe para trás. int
learningRate A taxa de aprendizado do procedimento de treinamento. int
learningRateScheduler O tipo de agendamento de taxa de aprendizagem a ser usado durante o procedimento de treinamento. 'Constante'
'ConstantWithWarmup'
'Cosseno'
'CosineWithRestarts'
'Linear'
'None'
'Polinomial'
modelName O nome do modelo a ser treinado. corda
numberOfEpochs Número de épocas de treinamento. int
trainingBatchSize O tamanho do lote para o procedimento de treinamento. int
validationBatchSize O tamanho do lote a ser usado durante a avaliação. int
warmupRatio A taxa de aquecimento, usada ao lado de LrSchedulerType. int
weightDecay A decadência de peso para o procedimento de treinamento. int

NlpVerticalLimitSettings

Nome Descrição Valor
maxConcurrentTrials Iterações automáticas simultâneas máximas. int
maxNodes Máximo de nós a serem usados para o experimento. int
maxTrials Número de iterações AutoML. int
timeout Tempo limite do trabalho autoML. corda
trialTimeout Tempo limite para avaliações individuais de HD. corda

NlpParameterSubspace

Nome Descrição Valor
gradientAccumulationSteps Número de etapas para acumular gradientes antes de executar um passe para trás. corda
learningRate A taxa de aprendizado do procedimento de treinamento. corda
learningRateScheduler O tipo de agendamento de taxa de aprendizagem a ser usado durante o procedimento de treinamento. corda
modelName O nome do modelo a ser treinado. corda
numberOfEpochs Número de épocas de treinamento. corda
trainingBatchSize O tamanho do lote para o procedimento de treinamento. corda
validationBatchSize O tamanho do lote a ser usado durante a avaliação. corda
warmupRatio A taxa de aquecimento, usada ao lado de LrSchedulerType. corda
weightDecay A decadência de peso para o procedimento de treinamento. corda

NlpSweepSettings

Nome Descrição Valor
earlyTermination Tipo de política de término antecipado para o trabalho de varredura. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo de algoritmo de amostragem. 'Bayesian'
'Grade'
'Aleatório' (obrigatório)

TextClassificationMultilabel

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'TextClassificationMultilabel' (obrigatório)
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. nlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. nlpSweepSettings
validationData Entradas de dados de validação. MLTableJobInput

TextNer

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'TextNER' (obrigatório)
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. nlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. nlpSweepSettings
validationData Entradas de dados de validação. MLTableJobInput

CommandJob

Nome Descrição Valor
jobType [Obrigatório] Especifica o tipo de trabalho. 'Command' (obrigatório)
autologgerSettings Configuração de distribuição do trabalho. Se definido, este deverá ser um de Mpi, Tensorflow, PyTorch ou nulo. AutologgerSettings
codeId ID do recurso ARM do ativo de código. corda
comando [Obrigatório] O comando a ser executado na inicialização do trabalho. Eg. "python train.py" cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
distribuição Configuração de distribuição do trabalho. Se definido, este deverá ser um de Mpi, Tensorflow, PyTorch, Ray ou nulo. DistributionConfiguration
environmentId [Obrigatório] A ID do recurso ARM da especificação de Ambiente para o trabalho. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
environmentVariables Variáveis de ambiente incluídas no trabalho. commandJobEnvironmentVariables
Entradas Mapeamento de associações de dados de entrada usadas no trabalho. commandJobInputs
Limites Limite de trabalho de comando. CommandJobLimits
Saídas Mapeamento de associações de dados de saída usadas no trabalho. commandJobOutputs
queueSettings Configurações de fila para o trabalho queueSettings
Recursos Configuração de recursos de computação para o trabalho. JobResourceConfiguration

AutologgerSettings

Nome Descrição Valor
mlflowAutologger [Obrigatório] Indica se o mlflow autologger está habilitado. 'Desabilitado'
'Enabled' (obrigatório)

DistributionConfiguration

Nome Descrição Valor
distributionType Definir o tipo de objeto de MPI
PyTorch
Ray
tensorFlow (obrigatório)

Mpi

Nome Descrição Valor
distributionType [Obrigatório] Especifica o tipo de estrutura de distribuição. 'Mpi' (obrigatório)
processCountPerInstance Número de processos por nó de MPI. int

PyTorch

Nome Descrição Valor
distributionType [Obrigatório] Especifica o tipo de estrutura de distribuição. 'PyTorch' (obrigatório)
processCountPerInstance Número de processos por nó. int

Raio

Nome Descrição Valor
distributionType [Obrigatório] Especifica o tipo de estrutura de distribuição. 'Ray' (obrigatório)
endereço O endereço do nó principal do Ray. corda
dashboardPort A porta à qual associar o servidor de painel. int
headNodeAdditionalArgs Argumentos adicionais passados para o início do raio no nó principal. corda
includeDashboard Forneça esse argumento para iniciar a GUI do painel do Ray. Bool
porta A porta do processo de raio de cabeçalho. int
workerNodeAdditionalArgs Argumentos adicionais passados para o início do raio no nó de trabalho. corda

TensorFlow

Nome Descrição Valor
distributionType [Obrigatório] Especifica o tipo de estrutura de distribuição. 'TensorFlow' (obrigatório)
parameterServerCount Número de tarefas do servidor de parâmetros. int
workerCount Número de trabalhadores. Se não for especificado, o padrão será a contagem de instâncias. int

CommandJobEnvironmentVariables

Nome Descrição Valor
{propriedade personalizada} corda

CommandJobInputs

Nome Descrição Valor
{propriedade personalizada} JobInput

JobInput

Nome Descrição Valor
descrição Descrição da entrada. corda
jobInputType Definir o tipo de objeto custom_model
literal
mlflow_model
mltable
triton_model
uri_file
uri_folder (obrigatório)

CustomModelJobInput

Nome Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'custom_model' (obrigatório)
modo Modo de entrega de ativo de entrada. 'Direct'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

LiteralJobInput

Nome Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'literal' (obrigatório)
valor [Obrigatório] Valor literal para a entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

TritonModelJobInput

Nome Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'triton_model' (obrigatório)
modo Modo de entrega de ativo de entrada. 'Direct'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

UriFileJobInput

Nome Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'uri_file' (obrigatório)
modo Modo de entrega de ativo de entrada. 'Direct'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

UriFolderJobInput

Nome Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'uri_folder' (obrigatório)
modo Modo de entrega de ativo de entrada. 'Direct'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

CommandJobLimits

Nome Descrição Valor
jobLimitsType [Obrigatório] Tipo JobLimit. 'Command'
'Sweep' (obrigatório)
timeout A duração máxima da execução no formato ISO 8601, após a qual o trabalho será cancelado. Só dá suporte à duração com precisão tão baixa quanto Segundos. corda

CommandJobOutputs

Nome Descrição Valor
{propriedade personalizada} JobOutput

LabelingJobProperties

Nome Descrição Valor
componentId ID do recurso arm do recurso de componente. corda
computeId ID do recurso arm do recurso de computação. corda
dataConfiguration Configuração dos dados usados no trabalho. LabelingDataConfiguration
descrição O texto de descrição do ativo. corda
displayName Nome de exibição do trabalho. corda
experimentName O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". corda
identidade Configuração de identidade. Se definido, este deverá ser um de AmlToken, ManagedIdentity, UserIdentity ou null.
O padrão será AmlToken se nulo.		 IdentityConfiguration
isArchived O ativo está arquivado? Bool
jobInstructions Instruções de rotulagem do trabalho. LabelingJobInstructions
jobType [Obrigatório] Especifica o tipo de trabalho. 'AutoML'
'Command'
'Rotulagem'
'Pipeline'
'Spark'
'Sweep' (obrigatório)
labelCategories Categorias de rótulo do trabalho. LabelingJobLabelCategories
labelingJobMediaProperties Propriedades específicas do tipo de mídia no trabalho. LabelingJobMediaProperties
mlAssistConfiguration Configuração do recurso MLAssist no trabalho. MLAssistConfiguration
notificationSetting Configuração de notificação para o trabalho notificationSetting
Propriedades O dicionário de propriedades do ativo. ResourceBaseProperties
secretsConfiguration Configuração de segredos a serem disponibilizados durante o runtime. JobBaseSecretsConfiguration
Serviços Lista de JobEndpoints.
Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.		 JobBaseServices
Tags Dicionário de marcas. As marcas podem ser adicionadas, removidas e atualizadas. objeto

LabelingDataConfiguration

Nome Descrição Valor
dataId ID de recurso do ativo de dados para executar a rotulagem. corda
incrementalDataRefresh Indica se a atualização de dados incremental deve ser habilitada. 'Desabilitado'
'Habilitado'

LabelingJobInstructions

Nome Descrição Valor
URI O link para uma página com instruções de rotulagem detalhadas para rotuladores. corda

LabelingJobLabelCategories

Nome Descrição Valor
{propriedade personalizada} LabelCategory

LabelCategory

Nome Descrição Valor
Classes Dicionário de classes de rótulo nesta categoria. LabelCategoryClasses
displayName Nome de exibição da categoria de rótulo. corda
multiSelect Indica se ele tem permissão para selecionar várias classes nessa categoria. 'Desabilitado'
'Habilitado'

LabelCategoryClasses

Nome Descrição Valor
{propriedade personalizada} LabelClass

LabelClass

Nome Descrição Valor
displayName Nome de exibição da classe de rótulo. corda
Subclasses Dicionário de subclasses da classe de rótulo. LabelClassSubclasses

LabelClassSubclasses

Nome Descrição Valor
{propriedade personalizada} LabelClass

LabelingJobMediaProperties

Nome Descrição Valor
mediaType Definir o tipo de objeto de imagem
de Texto (obrigatório)

LabelingJobImageProperties

Nome Descrição Valor
mediaType [Obrigatório] Tipo de mídia do trabalho. 'Image' (obrigatório)
annotationType Tipo de anotação do trabalho de rotulagem de imagem. 'BoundingBox'
'Classificação'
'InstanceSegmentation'

LabelingJobTextProperties

Nome Descrição Valor
mediaType [Obrigatório] Tipo de mídia do trabalho. 'Text' (obrigatório)
annotationType Tipo de anotação do trabalho de rotulagem de texto. 'Classificação'
'NamedEntityRecognition'

MLAssistConfiguration

Nome Descrição Valor
mlAssist Definir o tipo de objeto desabilitado
Habilitado (obrigatório)

MLAssistConfigurationDisabled

Nome Descrição Valor
mlAssist [Obrigatório] Indica se o recurso MLAssist está habilitado. 'Desabilitado' (obrigatório)

MLAssistConfigurationEnabled

Nome Descrição Valor
mlAssist [Obrigatório] Indica se o recurso MLAssist está habilitado. 'Enabled' (obrigatório)
inferencingComputeBinding [Obrigatório] Associação de computação AML usada na inferência. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
trainingComputeBinding [Obrigatório] Associação de computação AML usada no treinamento. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

PipelineJob

Nome Descrição Valor
jobType [Obrigatório] Especifica o tipo de trabalho. 'Pipeline' (obrigatório)
Entradas Entradas para o trabalho de pipeline. pipelineJobInputs
Empregos Trabalhos constrói o Trabalho de Pipeline. PipelineJobJobs
Saídas Saídas para o trabalho de pipeline pipelineJobOutputs
Configurações Configurações de pipeline, para itens como ContinueRunOnStepFailure etc. Para o Bicep, você pode usar a função any().
sourceJobId ID de recurso do ARM do trabalho de origem. corda

PipelineJobInputs

Nome Descrição Valor
{propriedade personalizada} JobInput

PipelineJobJobs

Nome Descrição Valor
{propriedade personalizada} Para o Bicep, você pode usar a função any().

PipelineJobOutputs

Nome Descrição Valor
{propriedade personalizada} JobOutput

SparkJob

Nome Descrição Valor
jobType [Obrigatório] Especifica o tipo de trabalho. 'Spark' (obrigatório)
arquivo Arquivar arquivos usados no trabalho. string[]
args Argumentos para o trabalho. corda
codeId [Obrigatório] ID do recurso ARM do ativo de código. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
Conf Propriedades configuradas pelo Spark. SparkJobConf
entrada [Obrigatório] A entrada a ser executada na inicialização do trabalho. SparkJobEntry (obrigatório)
environmentId A ID do recurso ARM da especificação de Ambiente para o trabalho. corda
limas Arquivos usados no trabalho. string[]
Entradas Mapeamento de associações de dados de entrada usadas no trabalho. SparkJobInputs
Frascos Arquivos jar usados no trabalho. string[]
Saídas Mapeamento de associações de dados de saída usadas no trabalho. SparkJobOutputs
pyFiles Arquivos python usados no trabalho. string[]
queueSettings Configurações de fila para o trabalho queueSettings
Recursos Configuração de recursos de computação para o trabalho. SparkResourceConfiguration

SparkJobConf

Nome Descrição Valor
{propriedade personalizada} corda

SparkJobEntry

Nome Descrição Valor
sparkJobEntryType Definir o tipo de objeto SparkJobPythonEntry
SparkJobScalaEntry (obrigatório)

SparkJobPythonEntry

Nome Descrição Valor
sparkJobEntryType [Obrigatório] Tipo do ponto de entrada do trabalho. 'SparkJobPythonEntry' (obrigatório)
arquivo [Obrigatório] Caminho de arquivo python relativo para o ponto de entrada do trabalho. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

SparkJobScalaEntry

Nome Descrição Valor
sparkJobEntryType [Obrigatório] Tipo do ponto de entrada do trabalho. 'SparkJobScalaEntry' (obrigatório)
className [Obrigatório] Nome da classe Scala usado como ponto de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

SparkJobInputs

Nome Descrição Valor
{propriedade personalizada} JobInput

SparkJobOutputs

Nome Descrição Valor
{propriedade personalizada} JobOutput

SparkResourceConfiguration

Nome Descrição Valor
instanceType Tipo opcional de VM usado como suporte pelo destino de computação. corda
runtimeVersion Versão do runtime do Spark usada para o trabalho. corda

SweepJob

Nome Descrição Valor
jobType [Obrigatório] Especifica o tipo de trabalho. 'Sweep' (obrigatório)
earlyTermination As políticas de término antecipado permitem o cancelamento de execuções de baixo desempenho antes de serem concluídas EarlyTerminationPolicy
Entradas Mapeamento de associações de dados de entrada usadas no trabalho. SweepJobInputs
Limites Limite de trabalho de varredura. SweepJobLimits
objetivo [Obrigatório] Objetivo de otimização. objective (obrigatório)
Saídas Mapeamento de associações de dados de saída usadas no trabalho. SweepJobOutputs
queueSettings Configurações de fila para o trabalho queueSettings
samplingAlgorithm [Obrigatório] O algoritmo de amostragem de hiperparâmetro SamplingAlgorithm (obrigatório)
searchSpace [Obrigatório] Um dicionário que contém cada parâmetro e sua distribuição. A chave do dicionário é o nome do parâmetro Para o Bicep, você pode usar a função any(). (obrigatório)
julgamento [Obrigatório] Definição do componente de avaliação. TrialComponent (obrigatório)

SweepJobInputs

Nome Descrição Valor
{propriedade personalizada} JobInput

SweepJobLimits

Nome Descrição Valor
jobLimitsType [Obrigatório] Tipo JobLimit. 'Command'
'Sweep' (obrigatório)
maxConcurrentTrials Avaliações simultâneas máximas do Trabalho de Varredura. int
maxTotalTrials Limpar o total de avaliações totais do trabalho de varredura. int
timeout A duração máxima da execução no formato ISO 8601, após a qual o trabalho será cancelado. Só dá suporte à duração com precisão tão baixa quanto Segundos. corda
trialTimeout Valor de tempo limite da Avaliação do Trabalho de Varredura. corda

Objetivo

Nome Descrição Valor
objetivo [Obrigatório] Define as metas de métrica com suporte para ajuste de hiperparâmetro 'Maximize'
'Minimizar' (obrigatório)
primaryMetric [Obrigatório] Nome da métrica a ser otimizada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

SweepJobOutputs

Nome Descrição Valor
{propriedade personalizada} JobOutput

SamplingAlgorithm

Nome Descrição Valor
samplingAlgorithmType Definir o tipo de objeto bayesiana
da Grade
aleatória (obrigatório)

BayesianSamplingAlgorithm

Nome Descrição Valor
samplingAlgorithmType [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração 'Bayesian' (obrigatório)

GridSamplingAlgorithm

Nome Descrição Valor
samplingAlgorithmType [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração 'Grid' (obrigatório)

RandomSamplingAlgorithm

Nome Descrição Valor
samplingAlgorithmType [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração 'Aleatório' (obrigatório)
logbase Um número positivo opcional ou e no formato de cadeia de caracteres a ser usado como base para amostragem aleatória baseada em log corda
regra O tipo específico de algoritmo aleatório 'Aleatório'
'Sobol'
semente Um inteiro opcional a ser usado como a semente para geração de número aleatório int

TrialComponent

Nome Descrição Valor
codeId ID do recurso ARM do ativo de código. corda
comando [Obrigatório] O comando a ser executado na inicialização do trabalho. Eg. "python train.py" cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
distribuição Configuração de distribuição do trabalho. Se definido, este deverá ser um de Mpi, Tensorflow, PyTorch ou nulo. DistributionConfiguration
environmentId [Obrigatório] A ID do recurso ARM da especificação de Ambiente para o trabalho. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
environmentVariables Variáveis de ambiente incluídas no trabalho. TrialComponentEnvironmentVariables
Recursos Configuração de recursos de computação para o trabalho. JobResourceConfiguration

TrialComponentEnvironmentVariables

Nome Descrição Valor
{propriedade personalizada} corda

Modelos de início rápido

Os modelos de início rápido a seguir implantam esse tipo de recurso.

Modelo Descrição
Criar um trabalho de classificação do AutoML do Azure Machine Learning

Implantar no Azure 		Este modelo cria um trabalho de classificação de AutoML do Azure Machine Learning para descobrir o melhor modelo para prever se um cliente assinará um depósito de termo fixo com uma instituição financeira.
criar um trabalho do Comando do Azure Machine Learning

Implantar no Azure 		Este modelo cria um trabalho de Comando do Azure Machine Learning com um script de hello_world básico
Criar um trabalho do Azure Machine Learning Sweep

Implantar no Azure 		Este modelo cria um trabalho de Varredura do Azure Machine Learning para ajuste de hiperparâmetro.

Definição de recurso de modelo do ARM

O tipo de recurso workspaces/trabalhos pode ser implantado com operações direcionadas:

Para obter uma lista de propriedades alteradas em cada versão da API, consulte de log de alterações.

Formato de recurso

Para criar um recurso Microsoft.MachineLearningServices/workspaces/jobs, adicione o JSON a seguir ao modelo.

{
  "type": "Microsoft.MachineLearningServices/workspaces/jobs",
  "apiVersion": "2023-04-01-preview",
  "name": "string",
  "properties": {
    "componentId": "string",
    "computeId": "string",
    "description": "string",
    "displayName": "string",
    "experimentName": "string",
    "identity": {
      "identityType": "string"
      // For remaining properties, see IdentityConfiguration objects
    },
    "isArchived": "bool",
    "notificationSetting": {
      "emailOn": [ "string" ],
      "emails": [ "string" ],
      "webhooks": {
        "{customized property}": {
          "eventType": "string",
          "webhookType": "string"
          // For remaining properties, see Webhook objects
        }
      }
    },
    "properties": {
      "{customized property}": "string"
    },
    "secretsConfiguration": {
      "{customized property}": {
        "uri": "string",
        "workspaceSecretName": "string"
      }
    },
    "services": {
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "nodes": {
          "nodesValueType": "string"
          // For remaining properties, see Nodes objects
        },
        "port": "int",
        "properties": {
          "{customized property}": "string"
        }
      }
    },
    "tags": {},
    "jobType": "string"
    // For remaining properties, see JobBaseProperties objects
  }
}

Objetos JobBaseProperties

Defina a propriedade jobType para especificar o tipo de objeto.

Para AutoML, use:

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

Parade comando , use:

  "jobType": "Command",
  "autologgerSettings": {
    "mlflowAutologger": "string"
  },
  "codeId": "string",
  "command": "string",
  "distribution": {
    "distributionType": "string"
    // For remaining properties, see DistributionConfiguration objects
  },
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "string"
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "limits": {
    "jobLimitsType": "string",
    "timeout": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "queueSettings": {
    "jobTier": "string",
    "priority": "int"
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "locations": [ "string" ],
    "maxInstanceCount": "int",
    "properties": {
      "{customized property}": {}
    },
    "shmSize": "string"
  }

Para de rotulagem, use:

  "jobType": "Labeling",
  "dataConfiguration": {
    "dataId": "string",
    "incrementalDataRefresh": "string"
  },
  "jobInstructions": {
    "uri": "string"
  },
  "labelCategories": {
    "{customized property}": {
      "classes": {
        "{customized property}": {
          "displayName": "string",
          "subclasses": {
            "{customized property}": {}
        }
      },
      "displayName": "string",
      "multiSelect": "string"
    }
  },
  "labelingJobMediaProperties": {
    "mediaType": "string"
    // For remaining properties, see LabelingJobMediaProperties objects
  },
  "mlAssistConfiguration": {
    "mlAssist": "string"
    // For remaining properties, see MLAssistConfiguration objects
  }

Para pipeline, use:

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

Para spark, use:

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

Para de Varredura, use:

  "jobType": "Sweep",
  "earlyTermination": {
    "delayEvaluation": "int",
    "evaluationInterval": "int",
    "policyType": "string"
    // For remaining properties, see EarlyTerminationPolicy objects
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "limits": {
    "jobLimitsType": "string",
    "maxConcurrentTrials": "int",
    "maxTotalTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "objective": {
    "goal": "string",
    "primaryMetric": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "queueSettings": {
    "jobTier": "string",
    "priority": "int"
  },
  "samplingAlgorithm": {
    "samplingAlgorithmType": "string"
    // For remaining properties, see SamplingAlgorithm objects
  },
  "searchSpace": {},
  "trial": {
    "codeId": "string",
    "command": "string",
    "distribution": {
      "distributionType": "string"
      // For remaining properties, see DistributionConfiguration objects
    },
    "environmentId": "string",
    "environmentVariables": {
      "{customized property}": "string"
    },
    "resources": {
      "dockerArgs": "string",
      "instanceCount": "int",
      "instanceType": "string",
      "locations": [ "string" ],
      "maxInstanceCount": "int",
      "properties": {
        "{customized property}": {}
      },
      "shmSize": "string"
    }
  }

Objetos IdentityConfiguration

Defina a propriedade identityType para especificar o tipo de objeto.

Para AMLToken, use:

  "identityType": "AMLToken"

Para managed, use:

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

Para UserIdentity, use:

  "identityType": "UserIdentity"

Objetos webhook

Defina a propriedade webhookType para especificar o tipo de objeto.

Para do AzureDevOps, use:

  "webhookType": "AzureDevOps"

Objetos de nós

Defina a propriedade nodesValueType para especificar o tipo de objeto.

Para Todos os, use:

  "nodesValueType": "All"

Objetos JobOutput

Defina a propriedade jobOutputType para especificar o tipo de objeto.

Para custom_model, use:

  "jobOutputType": "custom_model",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "mode": "string",
  "uri": "string"

Para mlflow_model, use:

  "jobOutputType": "mlflow_model",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "mode": "string",
  "uri": "string"

Para mltable, use:

  "jobOutputType": "mltable",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "mode": "string",
  "uri": "string"

Para triton_model, use:

  "jobOutputType": "triton_model",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "mode": "string",
  "uri": "string"

Para uri_file, use:

  "jobOutputType": "uri_file",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "mode": "string",
  "uri": "string"

Para uri_folder, use:

  "jobOutputType": "uri_folder",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "mode": "string",
  "uri": "string"

Objetos AutoMLVertical

Defina a propriedade taskType para especificar o tipo de objeto.

Para classificação, use:

  "taskType": "Classification",
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "sweepConcurrentTrials": "int",
    "sweepTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "positiveLabel": "string",
  "primaryMetric": "string",
  "searchSpace": [
    {
      "booster": "string",
      "boostingType": "string",
      "growPolicy": "string",
      "learningRate": "string",
      "maxBin": "string",
      "maxDepth": "string",
      "maxLeaves": "string",
      "minDataInLeaf": "string",
      "minSplitGain": "string",
      "modelName": "string",
      "nEstimators": "string",
      "numLeaves": "string",
      "preprocessorName": "string",
      "regAlpha": "string",
      "regLambda": "string",
      "subsample": "string",
      "subsampleFreq": "string",
      "treeMethod": "string",
      "withMean": "string",
      "withStd": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    },
    "trainingMode": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

Para previsão, use:

  "taskType": "Forecasting",
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "forecastingSettings": {
    "countryOrRegionForHolidays": "string",
    "cvStepSize": "int",
    "featureLags": "string",
    "featuresUnknownAtForecastTime": [ "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",
    "maxNodes": "int",
    "maxTrials": "int",
    "sweepConcurrentTrials": "int",
    "sweepTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "booster": "string",
      "boostingType": "string",
      "growPolicy": "string",
      "learningRate": "string",
      "maxBin": "string",
      "maxDepth": "string",
      "maxLeaves": "string",
      "minDataInLeaf": "string",
      "minSplitGain": "string",
      "modelName": "string",
      "nEstimators": "string",
      "numLeaves": "string",
      "preprocessorName": "string",
      "regAlpha": "string",
      "regLambda": "string",
      "subsample": "string",
      "subsampleFreq": "string",
      "treeMethod": "string",
      "withMean": "string",
      "withStd": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    },
    "trainingMode": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

Para ImageClassification, use:

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

Para ImageClassificationMultilabel, use:

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

Para ImageInstanceSegmentation, use:

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

Para ImageObjectDetection, use:

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

Para regressão, use:

  "taskType": "Regression",
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "sweepConcurrentTrials": "int",
    "sweepTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "booster": "string",
      "boostingType": "string",
      "growPolicy": "string",
      "learningRate": "string",
      "maxBin": "string",
      "maxDepth": "string",
      "maxLeaves": "string",
      "minDataInLeaf": "string",
      "minSplitGain": "string",
      "modelName": "string",
      "nEstimators": "string",
      "numLeaves": "string",
      "preprocessorName": "string",
      "regAlpha": "string",
      "regLambda": "string",
      "subsample": "string",
      "subsampleFreq": "string",
      "treeMethod": "string",
      "withMean": "string",
      "withStd": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    },
    "trainingMode": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

Para TextClassification, use:

  "taskType": "TextClassification",
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "fixedParameters": {
    "gradientAccumulationSteps": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "numberOfEpochs": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "warmupRatio": "int",
    "weightDecay": "int"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "gradientAccumulationSteps": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "numberOfEpochs": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "warmupRatio": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }

Para TextClassificationMultilabel, use:

  "taskType": "TextClassificationMultilabel",
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "fixedParameters": {
    "gradientAccumulationSteps": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "numberOfEpochs": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "warmupRatio": "int",
    "weightDecay": "int"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "searchSpace": [
    {
      "gradientAccumulationSteps": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "numberOfEpochs": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "warmupRatio": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }

Para TextNER, use:

  "taskType": "TextNER",
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "fixedParameters": {
    "gradientAccumulationSteps": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "numberOfEpochs": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "warmupRatio": "int",
    "weightDecay": "int"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "searchSpace": [
    {
      "gradientAccumulationSteps": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "numberOfEpochs": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "warmupRatio": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }

Objetos NCrossValidations

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

  "mode": "Auto"

Para Personalizado, use:

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

Objetos EarlyTerminationPolicy

Defina a propriedade policyType para especificar o tipo de objeto.

Para bandit, use:

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

Para MedianStopping, use:

  "policyType": "MedianStopping"

Para TruncationSelection, use:

  "policyType": "TruncationSelection",
  "truncationPercentage": "int"

Objetos ForecastHorizon

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

  "mode": "Auto"

Para Personalizado, use:

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

Objetos de sazonalidade

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

  "mode": "Auto"

Para Personalizado, use:

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

Objetos TargetLags

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

  "mode": "Auto"

Para Personalizado, use:

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

Objetos TargetRollingWindowSize

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

  "mode": "Auto"

Para Personalizado, use:

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

Objetos DistributionConfiguration

Defina a propriedade distributionType para especificar o tipo de objeto.

Para de MPI, use:

  "distributionType": "Mpi",
  "processCountPerInstance": "int"

Para PyTorch, use:

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

Para Ray, use:

  "distributionType": "Ray",
  "address": "string",
  "dashboardPort": "int",
  "headNodeAdditionalArgs": "string",
  "includeDashboard": "bool",
  "port": "int",
  "workerNodeAdditionalArgs": "string"

Para tensorFlow, use:

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

Objetos JobInput

Defina a propriedade jobInputType para especificar o tipo de objeto.

Para custom_model, use:

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

Para literal, use:

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

Para mlflow_model, use:

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

Para mltable, use:

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

Para triton_model, use:

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

Para uri_file, use:

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

Para uri_folder, use:

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

Objetos LabelingJobMediaProperties

Defina a propriedade mediaType para especificar o tipo de objeto.

Para de Imagem, use:

  "mediaType": "Image",
  "annotationType": "string"

Para de Texto, use:

  "mediaType": "Text",
  "annotationType": "string"

Objetos MLAssistConfiguration

Defina a propriedade mlAssist para especificar o tipo de objeto.

Para desabilitado, use:

  "mlAssist": "Disabled"

Para habilitado, use:

  "mlAssist": "Enabled",
  "inferencingComputeBinding": "string",
  "trainingComputeBinding": "string"

Objetos SparkJobEntry

Defina a propriedade sparkJobEntryType para especificar o tipo de objeto.

Para SparkJobPythonEntry, use:

  "sparkJobEntryType": "SparkJobPythonEntry",
  "file": "string"

Para SparkJobScalaEntry, use:

  "sparkJobEntryType": "SparkJobScalaEntry",
  "className": "string"

Objetos SamplingAlgorithm

Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.

Para bayesiana, use:

  "samplingAlgorithmType": "Bayesian"

Para Grid, use:

  "samplingAlgorithmType": "Grid"

Para aleatória, use:

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

Valores de propriedade

workspaces/trabalhos

Nome Descrição Valor
tipo O tipo de recurso 'Microsoft.MachineLearningServices/workspaces/jobs'
apiVersion A versão da API do recurso '2023-04-01-preview'
nome O nome do recurso

Veja como definir nomes e tipos para recursos filho em modelos do ARM JSON.		 cadeia de caracteres (obrigatório)
Propriedades [Obrigatório] Atributos adicionais da entidade. JobBaseProperties (obrigatório)

JobBaseProperties

Nome Descrição Valor
componentId ID do recurso arm do recurso de componente. corda
computeId ID do recurso arm do recurso de computação. corda
descrição O texto de descrição do ativo. corda
displayName Nome de exibição do trabalho. corda
experimentName O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". corda
identidade Configuração de identidade. Se definido, este deverá ser um de AmlToken, ManagedIdentity, UserIdentity ou null.
O padrão será AmlToken se nulo.		 IdentityConfiguration
isArchived O ativo está arquivado? Bool
notificationSetting Configuração de notificação para o trabalho notificationSetting
Propriedades O dicionário de propriedades do ativo. ResourceBaseProperties
secretsConfiguration Configuração de segredos a serem disponibilizados durante o runtime. JobBaseSecretsConfiguration
Serviços Lista de JobEndpoints.
Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.		 JobBaseServices
Tags Dicionário de marcas. As marcas podem ser adicionadas, removidas e atualizadas. objeto
jobType Definir o tipo de objeto autoML
de Comando do
de rotulagem
de pipeline do
spark
de Varredura (obrigatório)

IdentityConfiguration

Nome Descrição Valor
identityType Definir o tipo de objeto AMLToken
Gerenciado
UserIdentity (obrigatório)

AmlToken

Nome Descrição Valor
identityType [Obrigatório] Especifica o tipo de estrutura de identidade. 'AMLToken' (obrigatório)

ManagedIdentity

Nome Descrição Valor
identityType [Obrigatório] Especifica o tipo de estrutura de identidade. 'Gerenciado' (obrigatório)
clientId Especifica uma identidade atribuída pelo usuário pela ID do cliente. Para atribuído pelo sistema, não defina esse campo. corda

Restrições:
Comprimento mínimo = 36
Comprimento máximo = 36
Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
objectId Especifica uma identidade atribuída pelo usuário por ID de objeto. Para atribuído pelo sistema, não defina esse campo. corda

Restrições:
Comprimento mínimo = 36
Comprimento máximo = 36
Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId Especifica uma identidade atribuída pelo usuário pela ID de recurso do ARM. Para atribuído pelo sistema, não defina esse campo. corda

UserIdentity

Nome Descrição Valor
identityType [Obrigatório] Especifica o tipo de estrutura de identidade. 'UserIdentity' (obrigatório)

NotificationSetting

Nome Descrição Valor
emailOn Enviar notificação por email ao usuário no tipo de notificação especificado Matriz de cadeia de caracteres que contém qualquer um dos:
'JobCancelled'
'JobCompleted'
'JobFailed'
emails Esta é a lista de destinatários de email que tem uma limitação de 499 caracteres no total concat com separador de vírgula string[]
webhooks Envie o retorno de chamada do webhook para um serviço. A chave é um nome fornecido pelo usuário para o webhook. NotificationSettingWebhooks

NotificationSettingWebhooks

Nome Descrição Valor
{propriedade personalizada} do Webhook

Webhook

Nome Descrição Valor
eventType Enviar retorno de chamada em um evento de notificação especificado corda
webhookType Definir o tipo de objeto do AzureDevOps (obrigatório)

AzureDevOpsWebhook

Nome Descrição Valor
webhookType [Obrigatório] Especifica o tipo de serviço para enviar um retorno de chamada 'AzureDevOps' (obrigatório)

ResourceBaseProperties

Nome Descrição Valor
{propriedade personalizada} corda

JobBaseSecretsConfiguration

Nome Descrição Valor
{propriedade personalizada} SecretConfiguration

SecretConfiguration

Nome Descrição Valor
URI Uri secreto.
Uri de exemplo: https://myvault.vault.azure.net/secrets/mysecretname/secretversion		 corda
workspaceSecretName Nome do segredo no cofre de chaves do workspace. corda

JobBaseServices

Nome Descrição Valor
{propriedade personalizada} JobService

JobService

Nome Descrição Valor
Extremidade Url para ponto de extremidade. corda
jobServiceType Tipo de ponto de extremidade. corda
Nós Nós em que o usuário gostaria de iniciar o serviço.
Se nós não estiverem definidos ou definidos como nulos, o serviço será iniciado apenas no nó de líder.		 nós
porta Porta para ponto de extremidade definido pelo usuário. int
Propriedades Propriedades adicionais a serem definidas no ponto de extremidade. JobServiceProperties

Nós

Nome Descrição Valor
nodesValueType Definir o tipo de objeto Todos os (obrigatório)

AllNodes

Nome Descrição Valor
nodesValueType [Obrigatório] Tipo do valor de nós 'All' (obrigatório)

JobServiceProperties

Nome Descrição Valor
{propriedade personalizada} corda

AutoMLJob

Nome Descrição Valor
jobType [Obrigatório] Especifica o tipo de trabalho. 'AutoML' (obrigatório)
environmentId A ID do recurso ARM da especificação de Ambiente para o trabalho.
Esse é o valor opcional a ser fornecido, se não for fornecido, o AutoML usará como padrão a versão do ambiente coletado do AutoML de Produção ao executar o trabalho.		 corda
environmentVariables Variáveis de ambiente incluídas no trabalho. AutoMLJobEnvironmentVariables
Saídas Mapeamento de associações de dados de saída usadas no trabalho. AutoMLJobOutputs
queueSettings Configurações de fila para o trabalho queueSettings
Recursos Configuração de recursos de computação para o trabalho. JobResourceConfiguration
taskDetails [Obrigatório] Isso representa um cenário que pode ser uma das Tabelas/NLP/Imagem AutoMLVertical (obrigatório)

AutoMLJobEnvironmentVariables

Nome Descrição Valor
{propriedade personalizada} corda

AutoMLJobOutputs

Nome Descrição Valor
{propriedade personalizada} JobOutput

JobOutput

Nome Descrição Valor
descrição Descrição da saída. corda
jobOutputType Definir o tipo de objeto custom_model
mlflow_model
mltable
triton_model
uri_file
uri_folder (obrigatório)

CustomModelJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'custom_model' (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. 'Direct'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. corda

AutoDeleteSetting

Nome Descrição Valor
condição Quando verificar se um ativo expirou 'CreatedGreaterThan'
'LastAccessedGreaterThan'
valor Valor da condição de expiração. corda

MLFlowModelJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'mlflow_model' (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. 'Direct'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. corda

MLTableJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'mltable' (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. 'Direct'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. corda

TritonModelJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'triton_model' (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. 'Direct'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. corda

UriFileJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'uri_file' (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. 'Direct'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. corda

UriFolderJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'uri_folder' (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. 'Direct'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. corda

QueueSettings

Nome Descrição Valor
jobTier Enumerar para determinar a camada de trabalho. 'Básico'
'Premium'
'Spot'
'Standard'
prioridade Controla a prioridade do trabalho em uma computação. int

JobResourceConfiguration

Nome Descrição Valor
dockerArgs Argumentos extras a serem passados para o comando de execução do Docker. Isso substituiria todos os parâmetros que já foram definidos pelo sistema ou nesta seção. Esse parâmetro só tem suporte para tipos de computação do Azure ML. corda
instanceCount Número opcional de instâncias ou nós usados pelo destino de computação. int
instanceType Tipo opcional de VM usado como suporte pelo destino de computação. corda
Locais Locais em que o trabalho pode ser executado. string[]
maxInstanceCount O máximo opcional permitiu que o número de instâncias ou nós fosse usado pelo destino de computação.
Para uso com treinamento elástico, atualmente compatível apenas com o tipo de distribuição PyTorch.		 int
Propriedades Recipiente de propriedades adicionais. ResourceConfigurationProperties
shmSize Tamanho do bloco de memória compartilhada do contêiner do Docker. Isso deve estar no formato (número)(unidade), em que o número seja maior que 0 e a unidade possa ser um de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes). corda

Restrições:
Padrão = \d+[bBkKmMgG]

ResourceConfigurationProperties

Nome Descrição Valor
{propriedade personalizada}

AutoMLVertical

Nome Descrição Valor
logVerbosity Verbosidade de log para o trabalho. 'Crítico'
'Depurar'
'Erro'
'Informações'
'NotSet'
'Aviso'
targetColumnName Nome da coluna de destino: esta é a coluna de valores de previsão.
Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.		 corda
trainingData [Obrigatório] Entrada de dados de treinamento. MLTableJobInput (obrigatório)
taskType Definir o tipo de objeto classificação
Previsão
ImageClassification
ImageClassificationMultilabel
ImageInstanceSegmentation
ImageObjectDetection
regressão
TextClassification
textClassificationMultilabel
TextNER (obrigatório)

MLTableJobInput

Nome Descrição Valor
descrição Descrição da entrada. corda
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (obrigatório)
modo Modo de entrega de ativo de entrada. 'Direct'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

Classificação

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'Classificação' (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. TableFixedParameters
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
positiveLabel Rótulo positivo para cálculo de métricas binárias. corda
primaryMetric Métrica primária para a tarefa. 'AUCWeighted'
'Precisão'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. TableSweepSettings
testData Testar a entrada de dados. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
trainingSettings Entradas para a fase de treinamento para um Trabalho AutoML. ClassificationTrainingSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
weightColumnName O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. corda

TableVerticalFeaturizationSettings

Nome Descrição Valor
blockedTransformers Esses transformadores não devem ser usados na apresentação. Matriz de cadeia de caracteres que contém qualquer um dos:
'CatTargetEncoder'
'CountVectorizer'
'HashOneHotEncoder'
'LabelEncoder'
'NaiveBayes'
'OneHotEncoder'
'TextTargetEncoder'
'TfIdf'
'WoETargetEncoder'
'WordEmbedding'
columnNameAndTypes Dicionário de nome da coluna e seu tipo (int, float, string, datetime etc). TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage Linguagem de conjunto de dados, útil para os dados de texto. corda
enableDnnFeaturization Determina se os recursos baseados em Dnn devem ser usados para a apresentação de dados. Bool
modo Modo de apresentação – o usuário pode manter o modo 'Auto' padrão e o AutoML cuidará da transformação necessária dos dados na fase de apresentação.
Se 'Off' estiver selecionado, nenhuma apresentação será feita.
Se 'Custom' estiver selecionado, o usuário poderá especificar entradas adicionais para personalizar como a apresentação é feita.		 'Auto'
'Personalizado'
'Desativado'
transformerParams O usuário pode especificar transformadores adicionais a serem usados junto com as colunas às quais ele seria aplicado e parâmetros para o construtor do transformador. TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Nome Descrição Valor
{propriedade personalizada} corda

TableVerticalFeaturizationSettingsTransformerParams

Nome Descrição Valor
{propriedade personalizada} ColumnTransformer []

ColumnTransformer

Nome Descrição Valor
Campos Campos nos quais aplicar a lógica do transformador. string[]
Parâmetros Propriedades diferentes a serem passadas para o transformador.
A entrada esperada é o dicionário de pares chave e valor no formato JSON.

TableFixedParameters

Nome Descrição Valor
Booster Especifique o tipo de aumento, por exemplo, gbdt para XGBoost. corda
boostingType Especifique o tipo de aumento, por exemplo, gbdt para LightGBM. corda
growPolicy Especifique a política de crescimento, que controla a forma como novos nós são adicionados à árvore. corda
learningRate A taxa de aprendizado do procedimento de treinamento. int
maxBin Especifique o número máximo de compartimentos discretos para recursos contínuos de bucket. int
maxDepth Especifique a profundidade máxima para limitar explicitamente a profundidade da árvore. int
maxLeaves Especifique as folhas máximas para limitar explicitamente as folhas de árvore. int
minDataInLeaf O número mínimo de dados por folha. int
minSplitGain Redução mínima de perda necessária para fazer uma partição adicional em um nó folha da árvore. int
modelName O nome do modelo a ser treinado. corda
nEstimators Especifique o número de árvores (ou arredondas) em um modelo. int
numLeaves Especifique o número de folhas. int
preprocessorName O nome do pré-processador a ser usado. corda
regAlpha L1 termo de regularização em pesos. int
regLambda Termo de regularização L2 em pesos. int
subsampla Taxa de subsampla da instância de treinamento. int
subsampleFreq Frequência de subsampla. int
treeMethod Especifique o método de árvore. corda
withMean Se for true, centralize antes de dimensionar os dados com o StandardScalar. Bool
withStd Se for true, dimensione os dados com Variação de Unidade com StandardScalar. Bool

TableVerticalLimitSettings

Nome Descrição Valor
enableEarlyTermination Habilite a terminação antecipada, determina se o AutoMLJob terminará antecipadamente se não houver melhoria de pontuação nas últimas 20 iterações. Bool
exitScore Pontuação de saída para o trabalho autoML. int
maxConcurrentTrials Iterações simultâneas máximas. int
maxCoresPerTrial Núcleos máximos por iteração. int
maxNodes Máximo de nós a serem usados para o experimento. int
maxTrials Número de iterações. int
sweepConcurrentTrials Número de execuções de varredura simultâneas que o usuário deseja disparar. int
sweepTrials Número de execuções de varredura que o usuário deseja disparar. int
timeout Tempo limite do trabalho autoML. corda
trialTimeout Tempo limite de iteração. corda

NCrossValidations

Nome Descrição Valor
modo Definir o tipo de objeto Auto
Personalizado (obrigatório)

AutoNCrossValidations

Nome Descrição Valor
modo [Obrigatório] Modo para determinar validações N-Cross. 'Auto' (obrigatório)

CustomNCrossValidations

Nome Descrição Valor
modo [Obrigatório] Modo para determinar validações N-Cross. 'Custom' (obrigatório)
valor [Obrigatório] Valor de validações n cruzadas. int (obrigatório)

TableParameterSubspace

Nome Descrição Valor
Booster Especifique o tipo de aumento, por exemplo, gbdt para XGBoost. corda
boostingType Especifique o tipo de aumento, por exemplo, gbdt para LightGBM. corda
growPolicy Especifique a política de crescimento, que controla a forma como novos nós são adicionados à árvore. corda
learningRate A taxa de aprendizado do procedimento de treinamento. corda
maxBin Especifique o número máximo de compartimentos discretos para recursos contínuos de bucket. corda
maxDepth Especifique a profundidade máxima para limitar explicitamente a profundidade da árvore. corda
maxLeaves Especifique as folhas máximas para limitar explicitamente as folhas de árvore. corda
minDataInLeaf O número mínimo de dados por folha. corda
minSplitGain Redução mínima de perda necessária para fazer uma partição adicional em um nó folha da árvore. corda
modelName O nome do modelo a ser treinado. corda
nEstimators Especifique o número de árvores (ou arredondas) em um modelo. corda
numLeaves Especifique o número de folhas. corda
preprocessorName O nome do pré-processador a ser usado. corda
regAlpha L1 termo de regularização em pesos. corda
regLambda Termo de regularização L2 em pesos. corda
subsampla Taxa de subsampla da instância de treinamento. corda
subsampleFreq Frequência de subsampla corda
treeMethod Especifique o método de árvore. corda
withMean Se for true, centralize antes de dimensionar os dados com o StandardScalar. corda
withStd Se for true, dimensione os dados com Variação de Unidade com StandardScalar. corda

TableSweepSettings

Nome Descrição Valor
earlyTermination Tipo de política de término antecipado para o trabalho de varredura. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo de algoritmo de amostragem. 'Bayesian'
'Grade'
'Aleatório' (obrigatório)

EarlyTerminationPolicy

Nome Descrição Valor
delayEvaluation Número de intervalos pelos quais atrasar a primeira avaliação. int
evaluationInterval Intervalo (número de execuções) entre avaliações de política. int
policyType Definir o tipo de objeto Bandit
MedianStopping
TruncationSelection (obrigatório)

BanditPolicy

Nome Descrição Valor
policyType [Obrigatório] Nome da configuração de política 'Bandit' (obrigatório)
slackAmount Distância absoluta permitida da execução de melhor desempenho. int
slackFactor Taxa da distância permitida da execução com melhor desempenho. int

MedianStoppingPolicy

Nome Descrição Valor
policyType [Obrigatório] Nome da configuração de política 'MedianStopping' (obrigatório)

TruncationSelectionPolicy

Nome Descrição Valor
policyType [Obrigatório] Nome da configuração de política 'TruncationSelection' (obrigatório)
truncationPercentage O percentual de execuções a serem canceladas em cada intervalo de avaliação. int

ClassificationTrainingSettings

Nome Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para a tarefa de classificação. Matriz de cadeia de caracteres que contém qualquer um dos:
'BernoulliNaiveBayes'
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
blockedTrainingAlgorithms Modelos bloqueados para a tarefa de classificação. Matriz de cadeia de caracteres que contém qualquer um dos:
'BernoulliNaiveBayes'
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
enableDnnTraining Habilitar a recomendação de modelos DNN. Bool
enableModelExplainability Sinalizar para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para habilitar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilitar a execução do conjunto de pilhas. Bool
enableVoteEnsemble Habilitar a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados.
Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.		 corda
stackEnsembleSettings Configurações do conjunto de pilhas para a execução do conjunto de pilhas. StackEnsembleSettings
trainingMode Modo TrainingMode – a configuração como "auto" é a mesma que defini-lo como "não distribuído" por enquanto, no entanto, no futuro pode resultar em seleção de modo misto ou de modo baseado em heurística. O padrão é 'auto'.
Se 'Distributed' for usado apenas a recursos distribuídos e os algoritmos distribuídos forem escolhidos.
Se 'NonDistributed' for escolhido, somente algoritmos não distribuídos serão escolhidos.
 'Auto'
'Distribuído'
'NonDistributed'

StackEnsembleSettings

Nome Descrição Valor
stackMetaLearnerKWargs Parâmetros opcionais a serem passados para o inicializador do meta-aprendiz.
stackMetaLearnerTrainPercentage Especifica a proporção do conjunto de treinamento (ao escolher o treinamento e o tipo de treinamento de validação) a ser reservado para treinar o meta-aprendiz. O valor padrão é 0,2. int
stackMetaLearnerType O meta-aprendiz é um modelo treinado na saída dos modelos heterogêneos individuais. 'ElasticNet'
'ElasticNetCV'
'LightGBMClassifier'
'LightGBMRegressor'
'LinearRegression'
'LogisticRegression'
'LogisticRegressionCV'
'None'

Previsão

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'Previsão' (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. TableFixedParameters
forecastingSettings Previsão de entradas específicas da tarefa. ForecastingSettings
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
primaryMetric Métrica primária para a tarefa de previsão. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. TableSweepSettings
testData Testar a entrada de dados. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
trainingSettings Entradas para a fase de treinamento para um Trabalho AutoML. ForecastingTrainingSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
weightColumnName O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. corda

ForecastingSettings

Nome Descrição Valor
countryOrRegionForHolidays País ou região para feriados para tarefas de previsão.
Eles devem ser códigos de país/região de duas letras ISO 3166, por exemplo , "EUA" ou "GB".		 corda
cvStepSize Número de períodos entre o tempo de origem de uma dobra CV e a próxima dobra. Durante
exemplo, se CVStepSize = 3 para dados diários, o tempo de origem para cada dobra será
três dias separados.		 int
featureLags Sinalizador para gerar atrasos para os recursos numéricos com 'automático' ou nulo. 'Auto'
'None'
featuresUnknownAtForecastTime As colunas de recurso que estão disponíveis para treinamento, mas desconhecidas no momento da previsão/inferência.
Se features_unknown_at_forecast_time não estiver definido, supõe-se que todas as colunas de recurso no conjunto de dados sejam conhecidas em tempo de inferência.		 string[]
forecastHorizon O horizonte de previsão máxima desejado em unidades de frequência de série temporal. ForecastHorizon
frequência Ao prever, esse parâmetro representa o período com o qual a previsão é desejada, por exemplo, diária, semanal, anual etc. A frequência de previsão é a frequência do conjunto de dados por padrão. corda
Sazonalidade Defina a sazonalidade da série temporal como um múltiplo inteiro da frequência da série.
Se a sazonalidade for definida como 'auto', ela será inferida.		 de sazonalidade
shortSeriesHandlingConfig O parâmetro que define como se o AutoML deve lidar com séries temporais curtas. 'Auto'
'Drop'
'None'
'Pad'
targetAggregateFunction A função a ser usada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada pelo usuário.
Se TargetAggregateFunction estiver definido, ou seja, não 'None', mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "sum", "max", "min" e "mean".		 'Max'
'Mean'
'Min'
'None'
'Soma'
targetLags O número de períodos passados a serem atrasados da coluna de destino. targetLags
targetRollingWindowSize O número de períodos passados usados para criar uma média de janela sem interrupção da coluna de destino. TargetRollingWindowSize
timeColumnName O nome da coluna de hora. Esse parâmetro é necessário ao prever para especificar a coluna datetime nos dados de entrada usados para criar a série temporal e inferir sua frequência. corda
timeSeriesIdColumnNames Os nomes das colunas usadas para agrupar uma série de horários. Ele pode ser usado para criar várias séries.
Se a granulação não estiver definida, o conjunto de dados será considerado uma série temporal. Esse parâmetro é usado com a previsão de tipo de tarefa.		 string[]
useStl Configure a Decomposição de STL da coluna de destino da série temporal. 'None'
'Season'
'SeasonTrend'

ForecastHorizon

Nome Descrição Valor
modo Definir o tipo de objeto Auto
Personalizado (obrigatório)

AutoForecastHorizon

Nome Descrição Valor
modo [Obrigatório] Defina o modo de seleção de valor do horizonte de previsão. 'Auto' (obrigatório)

CustomForecastHorizon

Nome Descrição Valor
modo [Obrigatório] Defina o modo de seleção de valor do horizonte de previsão. 'Custom' (obrigatório)
valor [Obrigatório] Valor do horizonte de previsão. int (obrigatório)

Sazonalidade

Nome Descrição Valor
modo Definir o tipo de objeto Auto
Personalizado (obrigatório)

AutoSeasonalidade

Nome Descrição Valor
modo [Obrigatório] Modo de sazonalidade. 'Auto' (obrigatório)

CustomSeasonality

Nome Descrição Valor
modo [Obrigatório] Modo de sazonalidade. 'Custom' (obrigatório)
valor [Obrigatório] Valor de sazonalidade. int (obrigatório)

TargetLags

Nome Descrição Valor
modo Definir o tipo de objeto Auto
Personalizado (obrigatório)

AutoTargetLags

Nome Descrição Valor
modo [Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado 'Auto' (obrigatório)

CustomTargetLags

Nome Descrição Valor
modo [Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado 'Custom' (obrigatório)
Valores [Obrigatório] Definir valores de atrasos de destino. int[] (obrigatório)

TargetRollingWindowSize

Nome Descrição Valor
modo Definir o tipo de objeto Auto
Personalizado (obrigatório)

AutoTargetRollingWindowSize

Nome Descrição Valor
modo [Obrigatório] Modo de detecção TargetRollingWindowSiz. 'Auto' (obrigatório)

CustomTargetRollingWindowSize

Nome Descrição Valor
modo [Obrigatório] Modo de detecção TargetRollingWindowSiz. 'Custom' (obrigatório)
valor [Obrigatório] Valor TargetRollingWindowSize. int (obrigatório)

ForecastingTrainingSettings

Nome Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para a tarefa de previsão. Matriz de cadeia de caracteres que contém qualquer um dos:
'Arimax'
'AutoArima'
'Média'
'DecisionTree'
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naive'
'Profeta'
'RandomForest'
'SGD'
'SeasonalAverage'
'SeasonalNaive'
'TCNForecaster'
'XGBoostRegressor'
blockedTrainingAlgorithms Modelos bloqueados para a tarefa de previsão. Matriz de cadeia de caracteres que contém qualquer um dos:
'Arimax'
'AutoArima'
'Média'
'DecisionTree'
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naive'
'Profeta'
'RandomForest'
'SGD'
'SeasonalAverage'
'SeasonalNaive'
'TCNForecaster'
'XGBoostRegressor'
enableDnnTraining Habilitar a recomendação de modelos DNN. Bool
enableModelExplainability Sinalizar para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para habilitar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilitar a execução do conjunto de pilhas. Bool
enableVoteEnsemble Habilitar a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados.
Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.		 corda
stackEnsembleSettings Configurações do conjunto de pilhas para a execução do conjunto de pilhas. StackEnsembleSettings
trainingMode Modo TrainingMode – a configuração como "auto" é a mesma que defini-lo como "não distribuído" por enquanto, no entanto, no futuro pode resultar em seleção de modo misto ou de modo baseado em heurística. O padrão é 'auto'.
Se 'Distributed' for usado apenas a recursos distribuídos e os algoritmos distribuídos forem escolhidos.
Se 'NonDistributed' for escolhido, somente algoritmos não distribuídos serão escolhidos.
 'Auto'
'Distribuído'
'NonDistributed'

ImageClassification

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'ImageClassification' (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho autoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsClassification
primaryMetric Métrica primária a ser otimizada para essa tarefa. 'AUCWeighted'
'Precisão'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configurações relacionadas à varredura de modelo e hiperparâmetro. ImageSweepSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 int

ImageLimitSettings

Nome Descrição Valor
maxConcurrentTrials Número máximo de iterações AutoML simultâneas. int
maxTrials Número máximo de iterações AutoML. int
timeout Tempo limite do trabalho autoML. corda

ImageModelSettingsClassification

Nome Descrição Valor
advancedSettings Configurações para cenários avançados. corda
amsGradient Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'. Bool
Aumentos Configurações para usar aumentos. corda
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. int
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. int
checkpointFrequency Frequência para armazenar pontos de verificação de modelo. Deve ser um inteiro positivo. int
checkpointModel O modelo de ponto de verificação pré-treinado para treinamento incremental. MLFlowModelJobInput
checkpointRunId A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. corda
Distribuído Se você deve usar o treinamento distribuído. Bool
earlyStopping Habilite a lógica de parada antecipada durante o treinamento. Bool
earlyStoppingDelay Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um inteiro positivo.		 int
earlyStoppingPatience Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes
a execução é interrompida. Deve ser um inteiro positivo.		 int
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. Bool
evaluationFrequency Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo. int
gradientAccumulationStep Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.		 int
layersToFreeze Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor
consulte: /azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1]. int
learningRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step". 'None'
'Step'
'WarmupCosine'
modelName Nome do modelo a ser usado para treinamento.
Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 corda
ímpeto Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1]. int
aninhado Habilite aninhado quando o otimizador for 'sgd'. Bool
numberOfEpochs Número de épocas de treinamento. Deve ser um inteiro positivo. int
numberOfWorkers Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo. int
Otimizador Tipo de otimizador. 'Adam'
'Adamw'
'None'
'Sgd'
randomSeed Semente aleatória a ser usada ao usar o treinamento determinístico. int
stepLRGamma Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1]. int
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo. int
trainingBatchSize Tamanho do lote de treinamento. Deve ser um inteiro positivo. int
trainingCropSize Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de treinamento. Deve ser um inteiro positivo. int
validationBatchSize Tamanho do lote de validação. Deve ser um inteiro positivo. int
validationCropSize Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de validação. Deve ser um inteiro positivo. int
validationResizeSize Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um inteiro positivo. int
warmupCosineLRCycles Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1]. int
warmupCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo. int
weightDecay Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1]. int
weightedLoss Perda ponderada. Os valores aceitos são 0 para nenhuma perda ponderada.
1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Deve ser 0 ou 1 ou 2.
 int

MLFlowModelJobInput

Nome Descrição Valor
descrição Descrição da entrada. corda
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (obrigatório)
modo Modo de entrega de ativo de entrada. 'Direct'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

Nome Descrição Valor
amsGradient Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'. corda
Aumentos Configurações para usar aumentos. corda
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. corda
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. corda
Distribuído Se você deve usar o treinamento do distribuídor. corda
earlyStopping Habilite a lógica de parada antecipada durante o treinamento. corda
earlyStoppingDelay Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um inteiro positivo.		 corda
earlyStoppingPatience Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes
a execução é interrompida. Deve ser um inteiro positivo.		 corda
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. corda
evaluationFrequency Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo. corda
gradientAccumulationStep Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.		 corda
layersToFreeze Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor
consulte: /azure/machine-learning/how-to-auto-train-image-models.		 corda
learningRate Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1]. corda
learningRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step". corda
modelName Nome do modelo a ser usado para treinamento.
Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 corda
ímpeto Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1]. corda
aninhado Habilite aninhado quando o otimizador for 'sgd'. corda
numberOfEpochs Número de épocas de treinamento. Deve ser um inteiro positivo. corda
numberOfWorkers Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo. corda
Otimizador Tipo de otimizador. Deve ser "sgd", "adam" ou "adamw". corda
randomSeed Semente aleatória a ser usada ao usar o treinamento determinístico. corda
stepLRGamma Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1]. corda
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo. corda
trainingBatchSize Tamanho do lote de treinamento. Deve ser um inteiro positivo. corda
trainingCropSize Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de treinamento. Deve ser um inteiro positivo. corda
validationBatchSize Tamanho do lote de validação. Deve ser um inteiro positivo. corda
validationCropSize Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de validação. Deve ser um inteiro positivo. corda
validationResizeSize Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um inteiro positivo. corda
warmupCosineLRCycles Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1]. corda
warmupCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo. corda
weightDecay Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1]. corda
weightedLoss Perda ponderada. Os valores aceitos são 0 para nenhuma perda ponderada.
1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Deve ser 0 ou 1 ou 2.
 corda

ImageSweepSettings

Nome Descrição Valor
earlyTermination Tipo de política de término antecipado. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo dos algoritmos de amostragem do hiperparâmetro. 'Bayesian'
'Grade'
'Aleatório' (obrigatório)

ImageClassificationMultilabel

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'ImageClassificationMultilabel' (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho autoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsClassification
primaryMetric Métrica primária a ser otimizada para essa tarefa. 'AUCWeighted'
'Precisão'
'AveragePrecisionScoreWeighted'
'IOU'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configurações relacionadas à varredura de modelo e hiperparâmetro. ImageSweepSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 int

ImageInstanceSegmentation

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'ImageInstanceSegmentation' (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho autoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica primária a ser otimizada para essa tarefa. 'MeanAveragePrecision'
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Configurações relacionadas à varredura de modelo e hiperparâmetro. ImageSweepSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 int

ImageModelSettingsObjectDetection

Nome Descrição Valor
advancedSettings Configurações para cenários avançados. corda
amsGradient Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'. Bool
Aumentos Configurações para usar aumentos. corda
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. int
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. int
boxDetectionsPerImage Número máximo de detecções por imagem, para todas as classes. Deve ser um inteiro positivo.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 int
boxScoreThreshold Durante a inferência, retornar apenas propostas com uma pontuação de classificação maior que
BoxScoreThreshold. Deve ser um float no intervalo[0, 1].		 int
checkpointFrequency Frequência para armazenar pontos de verificação de modelo. Deve ser um inteiro positivo. int
checkpointModel O modelo de ponto de verificação pré-treinado para treinamento incremental. MLFlowModelJobInput
checkpointRunId A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. corda
Distribuído Se você deve usar o treinamento distribuído. Bool
earlyStopping Habilite a lógica de parada antecipada durante o treinamento. Bool
earlyStoppingDelay Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um inteiro positivo.		 int
earlyStoppingPatience Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes
a execução é interrompida. Deve ser um inteiro positivo.		 int
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. Bool
evaluationFrequency Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo. int
gradientAccumulationStep Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.		 int
imageSize Tamanho da imagem para treinamento e validação. Deve ser um inteiro positivo.
Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 int
layersToFreeze Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor
consulte: /azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1]. int
learningRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step". 'None'
'Step'
'WarmupCosine'
logTrainingMetrics Habilitar métricas de treinamento de computação e registro em log. 'Desabilitar'
'Habilitar'
logValidationLoss Habilitar a perda de validação de computação e registro em log. 'Desabilitar'
'Habilitar'
maxSize Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 int
minSize Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 int
modelName Nome do modelo a ser usado para treinamento.
Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 corda
modelSize Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'.
Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho do modelo for muito grande.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 'ExtraLarge'
'Grande'
'Médio'
'None'
'Pequeno'
ímpeto Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1]. int
multiEscala Habilite a imagem de várias escalas variando o tamanho da imagem em +/- 50%.
Observação: a execução de treinamento poderá entrar no CUDA OOM se não houver memória de GPU suficiente.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 Bool
aninhado Habilite aninhado quando o otimizador for 'sgd'. Bool
nmsIouThreshold Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve ser um float no intervalo [0, 1]. int
numberOfEpochs Número de épocas de treinamento. Deve ser um inteiro positivo. int
numberOfWorkers Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo. int
Otimizador Tipo de otimizador. 'Adam'
'Adamw'
'None'
'Sgd'
randomSeed Semente aleatória a ser usada ao usar o treinamento determinístico. int
stepLRGamma Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1]. int
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo. int
tileGridSize O tamanho da grade a ser usado para dimensionar cada imagem. Observação: TileGridSize não deve ser
Nenhum para habilitar a lógica de detecção de objeto pequena. Uma cadeia de caracteres que contém dois inteiros no formato mxn.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
tileOverlapRatio Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1).
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 int
tilePredictionsNmsThreshold O limite de IOU a ser usado para executar o NMS ao mesclar previsões de blocos e imagem.
Usado na validação/inferência. Deve estar flutuando no intervalo [0, 1].
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 int
trainingBatchSize Tamanho do lote de treinamento. Deve ser um inteiro positivo. int
validationBatchSize Tamanho do lote de validação. Deve ser um inteiro positivo. int
validationIouThreshold Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1]. int
validationMetricType Método de computação de métrica a ser usado para métricas de validação. 'Coco'
'CocoVoc'
'None'
'Voc'
warmupCosineLRCycles Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1]. int
warmupCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo. int
weightDecay Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1]. int

ImageModelDistributionSettingsObjectDetection

Nome Descrição Valor
amsGradient Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'. corda
Aumentos Configurações para usar aumentos. corda
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. corda
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. corda
boxDetectionsPerImage Número máximo de detecções por imagem, para todas as classes. Deve ser um inteiro positivo.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
boxScoreThreshold Durante a inferência, retornar apenas propostas com uma pontuação de classificação maior que
BoxScoreThreshold. Deve ser um float no intervalo[0, 1].		 corda
Distribuído Se você deve usar o treinamento do distribuídor. corda
earlyStopping Habilite a lógica de parada antecipada durante o treinamento. corda
earlyStoppingDelay Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um inteiro positivo.		 corda
earlyStoppingPatience Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes
a execução é interrompida. Deve ser um inteiro positivo.		 corda
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. corda
evaluationFrequency Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo. corda
gradientAccumulationStep Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.		 corda
imageSize Tamanho da imagem para treinamento e validação. Deve ser um inteiro positivo.
Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 corda
layersToFreeze Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor
consulte: /azure/machine-learning/how-to-auto-train-image-models.		 corda
learningRate Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1]. corda
learningRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step". corda
maxSize Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
minSize Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
modelName Nome do modelo a ser usado para treinamento.
Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 corda
modelSize Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'.
Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho do modelo for muito grande.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 corda
ímpeto Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1]. corda
multiEscala Habilite a imagem de várias escalas variando o tamanho da imagem em +/- 50%.
Observação: a execução de treinamento poderá entrar no CUDA OOM se não houver memória de GPU suficiente.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 corda
aninhado Habilite aninhado quando o otimizador for 'sgd'. corda
nmsIouThreshold Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve estar flutuando no intervalo [0, 1]. corda
numberOfEpochs Número de épocas de treinamento. Deve ser um inteiro positivo. corda
numberOfWorkers Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo. corda
Otimizador Tipo de otimizador. Deve ser "sgd", "adam" ou "adamw". corda
randomSeed Semente aleatória a ser usada ao usar o treinamento determinístico. corda
stepLRGamma Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1]. corda
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo. corda
tileGridSize O tamanho da grade a ser usado para dimensionar cada imagem. Observação: TileGridSize não deve ser
Nenhum para habilitar a lógica de detecção de objeto pequena. Uma cadeia de caracteres que contém dois inteiros no formato mxn.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
tileOverlapRatio Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1).
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
tilePredictionsNmsThreshold O limite de IOU a ser usado para executar o NMS ao mesclar previsões de blocos e imagem.
Usado na validação/inferência. Deve estar flutuando no intervalo [0, 1].
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
NMS: supressão não máxima		 corda
trainingBatchSize Tamanho do lote de treinamento. Deve ser um inteiro positivo. corda
validationBatchSize Tamanho do lote de validação. Deve ser um inteiro positivo. corda
validationIouThreshold Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1]. corda
validationMetricType Método de computação de métrica a ser usado para métricas de validação. Deve ser 'none', 'coco', 'voc' ou 'coco_voc'. corda
warmupCosineLRCycles Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1]. corda
warmupCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo. corda
weightDecay Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1]. corda

ImageObjectDetection

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'ImageObjectDetection' (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho autoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica primária a ser otimizada para essa tarefa. 'MeanAveragePrecision'
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Configurações relacionadas à varredura de modelo e hiperparâmetro. ImageSweepSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 int

Regressão

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'Regressão' (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. TableFixedParameters
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
primaryMetric Métrica primária para a tarefa de regressão. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. TableSweepSettings
testData Testar a entrada de dados. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
trainingSettings Entradas para a fase de treinamento para um Trabalho AutoML. RegressionTrainingSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
weightColumnName O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. corda

RegressionTrainingSettings

Nome Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para tarefa de regressão. Matriz de cadeia de caracteres que contém qualquer um dos:
'DecisionTree'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
blockedTrainingAlgorithms Modelos bloqueados para a tarefa de regressão. Matriz de cadeia de caracteres que contém qualquer um dos:
'DecisionTree'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
enableDnnTraining Habilitar a recomendação de modelos DNN. Bool
enableModelExplainability Sinalizar para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para habilitar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilitar a execução do conjunto de pilhas. Bool
enableVoteEnsemble Habilitar a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados.
Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.		 corda
stackEnsembleSettings Configurações do conjunto de pilhas para a execução do conjunto de pilhas. StackEnsembleSettings
trainingMode Modo TrainingMode – a configuração como "auto" é a mesma que defini-lo como "não distribuído" por enquanto, no entanto, no futuro pode resultar em seleção de modo misto ou de modo baseado em heurística. O padrão é 'auto'.
Se 'Distributed' for usado apenas a recursos distribuídos e os algoritmos distribuídos forem escolhidos.
Se 'NonDistributed' for escolhido, somente algoritmos não distribuídos serão escolhidos.
 'Auto'
'Distribuído'
'NonDistributed'

TextClassification

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'TextClassification' (obrigatório)
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. nlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
primaryMetric Métrica primária para Text-Classification tarefa. 'AUCWeighted'
'Precisão'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. nlpSweepSettings
validationData Entradas de dados de validação. MLTableJobInput

NlpVerticalFeaturizationSettings

Nome Descrição Valor
datasetLanguage Linguagem de conjunto de dados, útil para os dados de texto. corda

NlpFixedParameters

Nome Descrição Valor
gradientAccumulationSteps Número de etapas para acumular gradientes antes de executar um passe para trás. int
learningRate A taxa de aprendizado do procedimento de treinamento. int
learningRateScheduler O tipo de agendamento de taxa de aprendizagem a ser usado durante o procedimento de treinamento. 'Constante'
'ConstantWithWarmup'
'Cosseno'
'CosineWithRestarts'
'Linear'
'None'
'Polinomial'
modelName O nome do modelo a ser treinado. corda
numberOfEpochs Número de épocas de treinamento. int
trainingBatchSize O tamanho do lote para o procedimento de treinamento. int
validationBatchSize O tamanho do lote a ser usado durante a avaliação. int
warmupRatio A taxa de aquecimento, usada ao lado de LrSchedulerType. int
weightDecay A decadência de peso para o procedimento de treinamento. int

NlpVerticalLimitSettings

Nome Descrição Valor
maxConcurrentTrials Iterações automáticas simultâneas máximas. int
maxNodes Máximo de nós a serem usados para o experimento. int
maxTrials Número de iterações AutoML. int
timeout Tempo limite do trabalho autoML. corda
trialTimeout Tempo limite para avaliações individuais de HD. corda

NlpParameterSubspace

Nome Descrição Valor
gradientAccumulationSteps Número de etapas para acumular gradientes antes de executar um passe para trás. corda
learningRate A taxa de aprendizado do procedimento de treinamento. corda
learningRateScheduler O tipo de agendamento de taxa de aprendizagem a ser usado durante o procedimento de treinamento. corda
modelName O nome do modelo a ser treinado. corda
numberOfEpochs Número de épocas de treinamento. corda
trainingBatchSize O tamanho do lote para o procedimento de treinamento. corda
validationBatchSize O tamanho do lote a ser usado durante a avaliação. corda
warmupRatio A taxa de aquecimento, usada ao lado de LrSchedulerType. corda
weightDecay A decadência de peso para o procedimento de treinamento. corda

NlpSweepSettings

Nome Descrição Valor
earlyTermination Tipo de política de término antecipado para o trabalho de varredura. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo de algoritmo de amostragem. 'Bayesian'
'Grade'
'Aleatório' (obrigatório)

TextClassificationMultilabel

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'TextClassificationMultilabel' (obrigatório)
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. nlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. nlpSweepSettings
validationData Entradas de dados de validação. MLTableJobInput

TextNer

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. 'TextNER' (obrigatório)
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. nlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. nlpSweepSettings
validationData Entradas de dados de validação. MLTableJobInput

CommandJob

Nome Descrição Valor
jobType [Obrigatório] Especifica o tipo de trabalho. 'Command' (obrigatório)
autologgerSettings Configuração de distribuição do trabalho. Se definido, este deverá ser um de Mpi, Tensorflow, PyTorch ou nulo. AutologgerSettings
codeId ID do recurso ARM do ativo de código. corda
comando [Obrigatório] O comando a ser executado na inicialização do trabalho. Eg. "python train.py" cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
distribuição Configuração de distribuição do trabalho. Se definido, este deverá ser um de Mpi, Tensorflow, PyTorch, Ray ou nulo. DistributionConfiguration
environmentId [Obrigatório] A ID do recurso ARM da especificação de Ambiente para o trabalho. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
environmentVariables Variáveis de ambiente incluídas no trabalho. commandJobEnvironmentVariables
Entradas Mapeamento de associações de dados de entrada usadas no trabalho. commandJobInputs
Limites Limite de trabalho de comando. CommandJobLimits
Saídas Mapeamento de associações de dados de saída usadas no trabalho. commandJobOutputs
queueSettings Configurações de fila para o trabalho queueSettings
Recursos Configuração de recursos de computação para o trabalho. JobResourceConfiguration

AutologgerSettings

Nome Descrição Valor
mlflowAutologger [Obrigatório] Indica se o mlflow autologger está habilitado. 'Desabilitado'
'Enabled' (obrigatório)

DistributionConfiguration

Nome Descrição Valor
distributionType Definir o tipo de objeto de MPI
PyTorch
Ray
tensorFlow (obrigatório)

Mpi

Nome Descrição Valor
distributionType [Obrigatório] Especifica o tipo de estrutura de distribuição. 'Mpi' (obrigatório)
processCountPerInstance Número de processos por nó de MPI. int

PyTorch

Nome Descrição Valor
distributionType [Obrigatório] Especifica o tipo de estrutura de distribuição. 'PyTorch' (obrigatório)
processCountPerInstance Número de processos por nó. int

Raio

Nome Descrição Valor
distributionType [Obrigatório] Especifica o tipo de estrutura de distribuição. 'Ray' (obrigatório)
endereço O endereço do nó principal do Ray. corda
dashboardPort A porta à qual associar o servidor de painel. int
headNodeAdditionalArgs Argumentos adicionais passados para o início do raio no nó principal. corda
includeDashboard Forneça esse argumento para iniciar a GUI do painel do Ray. Bool
porta A porta do processo de raio de cabeçalho. int
workerNodeAdditionalArgs Argumentos adicionais passados para o início do raio no nó de trabalho. corda

TensorFlow

Nome Descrição Valor
distributionType [Obrigatório] Especifica o tipo de estrutura de distribuição. 'TensorFlow' (obrigatório)
parameterServerCount Número de tarefas do servidor de parâmetros. int
workerCount Número de trabalhadores. Se não for especificado, o padrão será a contagem de instâncias. int

CommandJobEnvironmentVariables

Nome Descrição Valor
{propriedade personalizada} corda

CommandJobInputs

Nome Descrição Valor
{propriedade personalizada} JobInput

JobInput

Nome Descrição Valor
descrição Descrição da entrada. corda
jobInputType Definir o tipo de objeto custom_model
literal
mlflow_model
mltable
triton_model
uri_file
uri_folder (obrigatório)

CustomModelJobInput

Nome Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'custom_model' (obrigatório)
modo Modo de entrega de ativo de entrada. 'Direct'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

LiteralJobInput

Nome Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'literal' (obrigatório)
valor [Obrigatório] Valor literal para a entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

TritonModelJobInput

Nome Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'triton_model' (obrigatório)
modo Modo de entrega de ativo de entrada. 'Direct'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

UriFileJobInput

Nome Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'uri_file' (obrigatório)
modo Modo de entrega de ativo de entrada. 'Direct'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

UriFolderJobInput

Nome Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'uri_folder' (obrigatório)
modo Modo de entrega de ativo de entrada. 'Direct'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

CommandJobLimits

Nome Descrição Valor
jobLimitsType [Obrigatório] Tipo JobLimit. 'Command'
'Sweep' (obrigatório)
timeout A duração máxima da execução no formato ISO 8601, após a qual o trabalho será cancelado. Só dá suporte à duração com precisão tão baixa quanto Segundos. corda

CommandJobOutputs

Nome Descrição Valor
{propriedade personalizada} JobOutput

LabelingJobProperties

Nome Descrição Valor
componentId ID do recurso arm do recurso de componente. corda
computeId ID do recurso arm do recurso de computação. corda
dataConfiguration Configuração dos dados usados no trabalho. LabelingDataConfiguration
descrição O texto de descrição do ativo. corda
displayName Nome de exibição do trabalho. corda
experimentName O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". corda
identidade Configuração de identidade. Se definido, este deverá ser um de AmlToken, ManagedIdentity, UserIdentity ou null.
O padrão será AmlToken se nulo.		 IdentityConfiguration
isArchived O ativo está arquivado? Bool
jobInstructions Instruções de rotulagem do trabalho. LabelingJobInstructions
jobType [Obrigatório] Especifica o tipo de trabalho. 'AutoML'
'Command'
'Rotulagem'
'Pipeline'
'Spark'
'Sweep' (obrigatório)
labelCategories Categorias de rótulo do trabalho. LabelingJobLabelCategories
labelingJobMediaProperties Propriedades específicas do tipo de mídia no trabalho. LabelingJobMediaProperties
mlAssistConfiguration Configuração do recurso MLAssist no trabalho. MLAssistConfiguration
notificationSetting Configuração de notificação para o trabalho notificationSetting
Propriedades O dicionário de propriedades do ativo. ResourceBaseProperties
secretsConfiguration Configuração de segredos a serem disponibilizados durante o runtime. JobBaseSecretsConfiguration
Serviços Lista de JobEndpoints.
Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.		 JobBaseServices
Tags Dicionário de marcas. As marcas podem ser adicionadas, removidas e atualizadas. objeto

LabelingDataConfiguration

Nome Descrição Valor
dataId ID de recurso do ativo de dados para executar a rotulagem. corda
incrementalDataRefresh Indica se a atualização de dados incremental deve ser habilitada. 'Desabilitado'
'Habilitado'

LabelingJobInstructions

Nome Descrição Valor
URI O link para uma página com instruções de rotulagem detalhadas para rotuladores. corda

LabelingJobLabelCategories

Nome Descrição Valor
{propriedade personalizada} LabelCategory

LabelCategory

Nome Descrição Valor
Classes Dicionário de classes de rótulo nesta categoria. LabelCategoryClasses
displayName Nome de exibição da categoria de rótulo. corda
multiSelect Indica se ele tem permissão para selecionar várias classes nessa categoria. 'Desabilitado'
'Habilitado'

LabelCategoryClasses

Nome Descrição Valor
{propriedade personalizada} LabelClass

LabelClass

Nome Descrição Valor
displayName Nome de exibição da classe de rótulo. corda
Subclasses Dicionário de subclasses da classe de rótulo. LabelClassSubclasses

LabelClassSubclasses

Nome Descrição Valor
{propriedade personalizada} LabelClass

LabelingJobMediaProperties

Nome Descrição Valor
mediaType Definir o tipo de objeto de imagem
de Texto (obrigatório)

LabelingJobImageProperties

Nome Descrição Valor
mediaType [Obrigatório] Tipo de mídia do trabalho. 'Image' (obrigatório)
annotationType Tipo de anotação do trabalho de rotulagem de imagem. 'BoundingBox'
'Classificação'
'InstanceSegmentation'

LabelingJobTextProperties

Nome Descrição Valor
mediaType [Obrigatório] Tipo de mídia do trabalho. 'Text' (obrigatório)
annotationType Tipo de anotação do trabalho de rotulagem de texto. 'Classificação'
'NamedEntityRecognition'

MLAssistConfiguration

Nome Descrição Valor
mlAssist Definir o tipo de objeto desabilitado
Habilitado (obrigatório)

MLAssistConfigurationDisabled

Nome Descrição Valor
mlAssist [Obrigatório] Indica se o recurso MLAssist está habilitado. 'Desabilitado' (obrigatório)

MLAssistConfigurationEnabled

Nome Descrição Valor
mlAssist [Obrigatório] Indica se o recurso MLAssist está habilitado. 'Enabled' (obrigatório)
inferencingComputeBinding [Obrigatório] Associação de computação AML usada na inferência. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
trainingComputeBinding [Obrigatório] Associação de computação AML usada no treinamento. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

PipelineJob

Nome Descrição Valor
jobType [Obrigatório] Especifica o tipo de trabalho. 'Pipeline' (obrigatório)
Entradas Entradas para o trabalho de pipeline. pipelineJobInputs
Empregos Trabalhos constrói o Trabalho de Pipeline. PipelineJobJobs
Saídas Saídas para o trabalho de pipeline pipelineJobOutputs
Configurações Configurações de pipeline, para itens como ContinueRunOnStepFailure etc.
sourceJobId ID de recurso do ARM do trabalho de origem. corda

PipelineJobInputs

Nome Descrição Valor
{propriedade personalizada} JobInput

PipelineJobJobs

Nome Descrição Valor
{propriedade personalizada}

PipelineJobOutputs

Nome Descrição Valor
{propriedade personalizada} JobOutput

SparkJob

Nome Descrição Valor
jobType [Obrigatório] Especifica o tipo de trabalho. 'Spark' (obrigatório)
arquivo Arquivar arquivos usados no trabalho. string[]
args Argumentos para o trabalho. corda
codeId [Obrigatório] ID do recurso ARM do ativo de código. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
Conf Propriedades configuradas pelo Spark. SparkJobConf
entrada [Obrigatório] A entrada a ser executada na inicialização do trabalho. SparkJobEntry (obrigatório)
environmentId A ID do recurso ARM da especificação de Ambiente para o trabalho. corda
limas Arquivos usados no trabalho. string[]
Entradas Mapeamento de associações de dados de entrada usadas no trabalho. SparkJobInputs
Frascos Arquivos jar usados no trabalho. string[]
Saídas Mapeamento de associações de dados de saída usadas no trabalho. SparkJobOutputs
pyFiles Arquivos python usados no trabalho. string[]
queueSettings Configurações de fila para o trabalho queueSettings
Recursos Configuração de recursos de computação para o trabalho. SparkResourceConfiguration

SparkJobConf

Nome Descrição Valor
{propriedade personalizada} corda

SparkJobEntry

Nome Descrição Valor
sparkJobEntryType Definir o tipo de objeto SparkJobPythonEntry
SparkJobScalaEntry (obrigatório)

SparkJobPythonEntry

Nome Descrição Valor
sparkJobEntryType [Obrigatório] Tipo do ponto de entrada do trabalho. 'SparkJobPythonEntry' (obrigatório)
arquivo [Obrigatório] Caminho de arquivo python relativo para o ponto de entrada do trabalho. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

SparkJobScalaEntry

Nome Descrição Valor
sparkJobEntryType [Obrigatório] Tipo do ponto de entrada do trabalho. 'SparkJobScalaEntry' (obrigatório)
className [Obrigatório] Nome da classe Scala usado como ponto de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

SparkJobInputs

Nome Descrição Valor
{propriedade personalizada} JobInput

SparkJobOutputs

Nome Descrição Valor
{propriedade personalizada} JobOutput

SparkResourceConfiguration

Nome Descrição Valor
instanceType Tipo opcional de VM usado como suporte pelo destino de computação. corda
runtimeVersion Versão do runtime do Spark usada para o trabalho. corda

SweepJob

Nome Descrição Valor
jobType [Obrigatório] Especifica o tipo de trabalho. 'Sweep' (obrigatório)
earlyTermination As políticas de término antecipado permitem o cancelamento de execuções de baixo desempenho antes de serem concluídas EarlyTerminationPolicy
Entradas Mapeamento de associações de dados de entrada usadas no trabalho. SweepJobInputs
Limites Limite de trabalho de varredura. SweepJobLimits
objetivo [Obrigatório] Objetivo de otimização. objective (obrigatório)
Saídas Mapeamento de associações de dados de saída usadas no trabalho. SweepJobOutputs
queueSettings Configurações de fila para o trabalho queueSettings
samplingAlgorithm [Obrigatório] O algoritmo de amostragem de hiperparâmetro SamplingAlgorithm (obrigatório)
searchSpace [Obrigatório] Um dicionário que contém cada parâmetro e sua distribuição. A chave do dicionário é o nome do parâmetro
julgamento [Obrigatório] Definição do componente de avaliação. TrialComponent (obrigatório)

SweepJobInputs

Nome Descrição Valor
{propriedade personalizada} JobInput

SweepJobLimits

Nome Descrição Valor
jobLimitsType [Obrigatório] Tipo JobLimit. 'Command'
'Sweep' (obrigatório)
maxConcurrentTrials Avaliações simultâneas máximas do Trabalho de Varredura. int
maxTotalTrials Limpar o total de avaliações totais do trabalho de varredura. int
timeout A duração máxima da execução no formato ISO 8601, após a qual o trabalho será cancelado. Só dá suporte à duração com precisão tão baixa quanto Segundos. corda
trialTimeout Valor de tempo limite da Avaliação do Trabalho de Varredura. corda

Objetivo

Nome Descrição Valor
objetivo [Obrigatório] Define as metas de métrica com suporte para ajuste de hiperparâmetro 'Maximize'
'Minimizar' (obrigatório)
primaryMetric [Obrigatório] Nome da métrica a ser otimizada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

SweepJobOutputs

Nome Descrição Valor
{propriedade personalizada} JobOutput

SamplingAlgorithm

Nome Descrição Valor
samplingAlgorithmType Definir o tipo de objeto bayesiana
da Grade
aleatória (obrigatório)

BayesianSamplingAlgorithm

Nome Descrição Valor
samplingAlgorithmType [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração 'Bayesian' (obrigatório)

GridSamplingAlgorithm

Nome Descrição Valor
samplingAlgorithmType [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração 'Grid' (obrigatório)

RandomSamplingAlgorithm

Nome Descrição Valor
samplingAlgorithmType [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração 'Aleatório' (obrigatório)
logbase Um número positivo opcional ou e no formato de cadeia de caracteres a ser usado como base para amostragem aleatória baseada em log corda
regra O tipo específico de algoritmo aleatório 'Aleatório'
'Sobol'
semente Um inteiro opcional a ser usado como a semente para geração de número aleatório int

TrialComponent

Nome Descrição Valor
codeId ID do recurso ARM do ativo de código. corda
comando [Obrigatório] O comando a ser executado na inicialização do trabalho. Eg. "python train.py" cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
distribuição Configuração de distribuição do trabalho. Se definido, este deverá ser um de Mpi, Tensorflow, PyTorch ou nulo. DistributionConfiguration
environmentId [Obrigatório] A ID do recurso ARM da especificação de Ambiente para o trabalho. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
environmentVariables Variáveis de ambiente incluídas no trabalho. TrialComponentEnvironmentVariables
Recursos Configuração de recursos de computação para o trabalho. JobResourceConfiguration

TrialComponentEnvironmentVariables

Nome Descrição Valor
{propriedade personalizada} corda

Modelos de início rápido

Os modelos de início rápido a seguir implantam esse tipo de recurso.

Modelo Descrição
Criar um trabalho de classificação do AutoML do Azure Machine Learning

Implantar no Azure 		Este modelo cria um trabalho de classificação de AutoML do Azure Machine Learning para descobrir o melhor modelo para prever se um cliente assinará um depósito de termo fixo com uma instituição financeira.
criar um trabalho do Comando do Azure Machine Learning

Implantar no Azure 		Este modelo cria um trabalho de Comando do Azure Machine Learning com um script de hello_world básico
Criar um trabalho do Azure Machine Learning Sweep

Implantar no Azure 		Este modelo cria um trabalho de Varredura do Azure Machine Learning para ajuste de hiperparâmetro.

Definição de recurso do Terraform (provedor de AzAPI)

O tipo de recurso workspaces/trabalhos pode ser implantado com operações direcionadas:

  • grupos de recursos

Para obter uma lista de propriedades alteradas em cada versão da API, consulte de log de alterações.

Formato de recurso

Para criar um recurso Microsoft.MachineLearningServices/workspaces/jobs, adicione o Terraform a seguir ao seu modelo.

resource "azapi_resource" "symbolicname" {
  type = "Microsoft.MachineLearningServices/workspaces/jobs@2023-04-01-preview"
  name = "string"
  parent_id = "string"
  body = jsonencode({
    properties = {
      componentId = "string"
      computeId = "string"
      description = "string"
      displayName = "string"
      experimentName = "string"
      identity = {
        identityType = "string"
        // For remaining properties, see IdentityConfiguration objects
      }
      isArchived = bool
      notificationSetting = {
        emailOn = [
          "string"
        ]
        emails = [
          "string"
        ]
        webhooks = {
          {customized property} = {
            eventType = "string"
            webhookType = "string"
            // For remaining properties, see Webhook objects
          }
        }
      }
      properties = {
        {customized property} = "string"
      }
      secretsConfiguration = {
        {customized property} = {
          uri = "string"
          workspaceSecretName = "string"
        }
      }
      services = {
        {customized property} = {
          endpoint = "string"
          jobServiceType = "string"
          nodes = {
            nodesValueType = "string"
            // For remaining properties, see Nodes objects
          }
          port = int
          properties = {
            {customized property} = "string"
          }
        }
      }
      tags = {}
      jobType = "string"
      // For remaining properties, see JobBaseProperties objects
    }
  })
}

Objetos JobBaseProperties

Defina a propriedade jobType para especificar o tipo de objeto.

Para AutoML, use:

  jobType = "AutoML"
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    locations = [
      "string"
    ]
    maxInstanceCount = int
    properties = {}
    shmSize = "string"
  }
  taskDetails = {
    logVerbosity = "string"
    targetColumnName = "string"
    trainingData = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    taskType = "string"
    // For remaining properties, see AutoMLVertical objects
  }

Parade comando , use:

  jobType = "Command"
  autologgerSettings = {
    mlflowAutologger = "string"
  }
  codeId = "string"
  command = "string"
  distribution = {
    distributionType = "string"
    // For remaining properties, see DistributionConfiguration objects
  }
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  limits = {
    jobLimitsType = "string"
    timeout = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    locations = [
      "string"
    ]
    maxInstanceCount = int
    properties = {}
    shmSize = "string"
  }

Para de rotulagem, use:

  jobType = "Labeling"
  dataConfiguration = {
    dataId = "string"
    incrementalDataRefresh = "string"
  }
  jobInstructions = {
    uri = "string"
  }
  labelCategories = {
    {customized property} = {
      classes = {
        {customized property} = {
          displayName = "string"
          subclasses = {
            {customized property} = {}
        }
      }
      displayName = "string"
      multiSelect = "string"
    }
  }
  labelingJobMediaProperties = {
    mediaType = "string"
    // For remaining properties, see LabelingJobMediaProperties objects
  }
  mlAssistConfiguration = {
    mlAssist = "string"
    // For remaining properties, see MLAssistConfiguration objects
  }

Para pipeline, use:

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

Para spark, use:

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

Para de Varredura, use:

  jobType = "Sweep"
  earlyTermination = {
    delayEvaluation = int
    evaluationInterval = int
    policyType = "string"
    // For remaining properties, see EarlyTerminationPolicy objects
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  limits = {
    jobLimitsType = "string"
    maxConcurrentTrials = int
    maxTotalTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  objective = {
    goal = "string"
    primaryMetric = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  samplingAlgorithm = {
    samplingAlgorithmType = "string"
    // For remaining properties, see SamplingAlgorithm objects
  }
  trial = {
    codeId = "string"
    command = "string"
    distribution = {
      distributionType = "string"
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId = "string"
    environmentVariables = {
      {customized property} = "string"
    }
    resources = {
      dockerArgs = "string"
      instanceCount = int
      instanceType = "string"
      locations = [
        "string"
      ]
      maxInstanceCount = int
      properties = {}
      shmSize = "string"
    }
  }

Objetos IdentityConfiguration

Defina a propriedade identityType para especificar o tipo de objeto.

Para AMLToken, use:

  identityType = "AMLToken"

Para managed, use:

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

Para UserIdentity, use:

  identityType = "UserIdentity"

Objetos webhook

Defina a propriedade webhookType para especificar o tipo de objeto.

Para do AzureDevOps, use:

  webhookType = "AzureDevOps"

Objetos de nós

Defina a propriedade nodesValueType para especificar o tipo de objeto.

Para Todos os, use:

  nodesValueType = "All"

Objetos JobOutput

Defina a propriedade jobOutputType para especificar o tipo de objeto.

Para custom_model, use:

  jobOutputType = "custom_model"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  mode = "string"
  uri = "string"

Para mlflow_model, use:

  jobOutputType = "mlflow_model"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  mode = "string"
  uri = "string"

Para mltable, use:

  jobOutputType = "mltable"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  mode = "string"
  uri = "string"

Para triton_model, use:

  jobOutputType = "triton_model"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  mode = "string"
  uri = "string"

Para uri_file, use:

  jobOutputType = "uri_file"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  mode = "string"
  uri = "string"

Para uri_folder, use:

  jobOutputType = "uri_folder"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  mode = "string"
  uri = "string"

Objetos AutoMLVertical

Defina a propriedade taskType para especificar o tipo de objeto.

Para classificação, use:

  taskType = "Classification"
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxNodes = int
    maxTrials = int
    sweepConcurrentTrials = int
    sweepTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel = "string"
  primaryMetric = "string"
  searchSpace = [
    {
      booster = "string"
      boostingType = "string"
      growPolicy = "string"
      learningRate = "string"
      maxBin = "string"
      maxDepth = "string"
      maxLeaves = "string"
      minDataInLeaf = "string"
      minSplitGain = "string"
      modelName = "string"
      nEstimators = "string"
      numLeaves = "string"
      preprocessorName = "string"
      regAlpha = "string"
      regLambda = "string"
      subsample = "string"
      subsampleFreq = "string"
      treeMethod = "string"
      withMean = "string"
      withStd = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
    trainingMode = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

Para previsão, use:

  taskType = "Forecasting"
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  forecastingSettings = {
    countryOrRegionForHolidays = "string"
    cvStepSize = int
    featureLags = "string"
    featuresUnknownAtForecastTime = [
      "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
    maxNodes = int
    maxTrials = int
    sweepConcurrentTrials = int
    sweepTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  searchSpace = [
    {
      booster = "string"
      boostingType = "string"
      growPolicy = "string"
      learningRate = "string"
      maxBin = "string"
      maxDepth = "string"
      maxLeaves = "string"
      minDataInLeaf = "string"
      minSplitGain = "string"
      modelName = "string"
      nEstimators = "string"
      numLeaves = "string"
      preprocessorName = "string"
      regAlpha = "string"
      regLambda = "string"
      subsample = "string"
      subsampleFreq = "string"
      treeMethod = "string"
      withMean = "string"
      withStd = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
    trainingMode = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

Para ImageClassification, use:

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

Para ImageClassificationMultilabel, use:

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

Para ImageInstanceSegmentation, use:

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

Para ImageObjectDetection, use:

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

Para regressão, use:

  taskType = "Regression"
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxNodes = int
    maxTrials = int
    sweepConcurrentTrials = int
    sweepTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  searchSpace = [
    {
      booster = "string"
      boostingType = "string"
      growPolicy = "string"
      learningRate = "string"
      maxBin = "string"
      maxDepth = "string"
      maxLeaves = "string"
      minDataInLeaf = "string"
      minSplitGain = "string"
      modelName = "string"
      nEstimators = "string"
      numLeaves = "string"
      preprocessorName = "string"
      regAlpha = "string"
      regLambda = "string"
      subsample = "string"
      subsampleFreq = "string"
      treeMethod = "string"
      withMean = "string"
      withStd = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
    trainingMode = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

Para TextClassification, use:

  taskType = "TextClassification"
  featurizationSettings = {
    datasetLanguage = "string"
  }
  fixedParameters = {
    gradientAccumulationSteps = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    numberOfEpochs = int
    trainingBatchSize = int
    validationBatchSize = int
    warmupRatio = int
    weightDecay = int
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxNodes = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  primaryMetric = "string"
  searchSpace = [
    {
      gradientAccumulationSteps = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      numberOfEpochs = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      warmupRatio = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }

Para TextClassificationMultilabel, use:

  taskType = "TextClassificationMultilabel"
  featurizationSettings = {
    datasetLanguage = "string"
  }
  fixedParameters = {
    gradientAccumulationSteps = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    numberOfEpochs = int
    trainingBatchSize = int
    validationBatchSize = int
    warmupRatio = int
    weightDecay = int
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxNodes = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  searchSpace = [
    {
      gradientAccumulationSteps = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      numberOfEpochs = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      warmupRatio = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }

Para TextNER, use:

  taskType = "TextNER"
  featurizationSettings = {
    datasetLanguage = "string"
  }
  fixedParameters = {
    gradientAccumulationSteps = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    numberOfEpochs = int
    trainingBatchSize = int
    validationBatchSize = int
    warmupRatio = int
    weightDecay = int
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxNodes = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  searchSpace = [
    {
      gradientAccumulationSteps = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      numberOfEpochs = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      warmupRatio = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }

Objetos NCrossValidations

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

  mode = "Auto"

Para Personalizado, use:

  mode = "Custom"
  value = int

Objetos EarlyTerminationPolicy

Defina a propriedade policyType para especificar o tipo de objeto.

Para bandit, use:

  policyType = "Bandit"
  slackAmount = int
  slackFactor = int

Para MedianStopping, use:

  policyType = "MedianStopping"

Para TruncationSelection, use:

  policyType = "TruncationSelection"
  truncationPercentage = int

Objetos ForecastHorizon

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

  mode = "Auto"

Para Personalizado, use:

  mode = "Custom"
  value = int

Objetos de sazonalidade

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

  mode = "Auto"

Para Personalizado, use:

  mode = "Custom"
  value = int

Objetos TargetLags

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

  mode = "Auto"

Para Personalizado, use:

  mode = "Custom"
  values = [
    int
  ]

Objetos TargetRollingWindowSize

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

  mode = "Auto"

Para Personalizado, use:

  mode = "Custom"
  value = int

Objetos DistributionConfiguration

Defina a propriedade distributionType para especificar o tipo de objeto.

Para de MPI, use:

  distributionType = "Mpi"
  processCountPerInstance = int

Para PyTorch, use:

  distributionType = "PyTorch"
  processCountPerInstance = int

Para Ray, use:

  distributionType = "Ray"
  address = "string"
  dashboardPort = int
  headNodeAdditionalArgs = "string"
  includeDashboard = bool
  port = int
  workerNodeAdditionalArgs = "string"

Para tensorFlow, use:

  distributionType = "TensorFlow"
  parameterServerCount = int
  workerCount = int

Objetos JobInput

Defina a propriedade jobInputType para especificar o tipo de objeto.

Para custom_model, use:

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

Para literal, use:

  jobInputType = "literal"
  value = "string"

Para mlflow_model, use:

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

Para mltable, use:

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

Para triton_model, use:

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

Para uri_file, use:

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

Para uri_folder, use:

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

Objetos LabelingJobMediaProperties

Defina a propriedade mediaType para especificar o tipo de objeto.

Para de Imagem, use:

  mediaType = "Image"
  annotationType = "string"

Para de Texto, use:

  mediaType = "Text"
  annotationType = "string"

Objetos MLAssistConfiguration

Defina a propriedade mlAssist para especificar o tipo de objeto.

Para desabilitado, use:

  mlAssist = "Disabled"

Para habilitado, use:

  mlAssist = "Enabled"
  inferencingComputeBinding = "string"
  trainingComputeBinding = "string"

Objetos SparkJobEntry

Defina a propriedade sparkJobEntryType para especificar o tipo de objeto.

Para SparkJobPythonEntry, use:

  sparkJobEntryType = "SparkJobPythonEntry"
  file = "string"

Para SparkJobScalaEntry, use:

  sparkJobEntryType = "SparkJobScalaEntry"
  className = "string"

Objetos SamplingAlgorithm

Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.

Para bayesiana, use:

  samplingAlgorithmType = "Bayesian"

Para Grid, use:

  samplingAlgorithmType = "Grid"

Para aleatória, use:

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

Valores de propriedade

workspaces/trabalhos

Nome Descrição Valor
tipo O tipo de recurso "Microsoft.MachineLearningServices/workspaces/jobs@2023-04-01-preview"
nome O nome do recurso cadeia de caracteres (obrigatório)
parent_id A ID do recurso que é o pai desse recurso. ID do recurso do tipo: workspaces
Propriedades [Obrigatório] Atributos adicionais da entidade. JobBaseProperties (obrigatório)

JobBaseProperties

Nome Descrição Valor
componentId ID do recurso arm do recurso de componente. corda
computeId ID do recurso arm do recurso de computação. corda
descrição O texto de descrição do ativo. corda
displayName Nome de exibição do trabalho. corda
experimentName O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". corda
identidade Configuração de identidade. Se definido, este deverá ser um de AmlToken, ManagedIdentity, UserIdentity ou null.
O padrão será AmlToken se nulo.		 IdentityConfiguration
isArchived O ativo está arquivado? Bool
notificationSetting Configuração de notificação para o trabalho notificationSetting
Propriedades O dicionário de propriedades do ativo. ResourceBaseProperties
secretsConfiguration Configuração de segredos a serem disponibilizados durante o runtime. JobBaseSecretsConfiguration
Serviços Lista de JobEndpoints.
Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.		 JobBaseServices
Tags Dicionário de marcas. As marcas podem ser adicionadas, removidas e atualizadas. objeto
jobType Definir o tipo de objeto autoML
de Comando do
de rotulagem
de pipeline do
spark
de Varredura (obrigatório)

IdentityConfiguration

Nome Descrição Valor
identityType Definir o tipo de objeto AMLToken
Gerenciado
UserIdentity (obrigatório)

AmlToken

Nome Descrição Valor
identityType [Obrigatório] Especifica o tipo de estrutura de identidade. "AMLToken" (obrigatório)

ManagedIdentity

Nome Descrição Valor
identityType [Obrigatório] Especifica o tipo de estrutura de identidade. "Gerenciado" (obrigatório)
clientId Especifica uma identidade atribuída pelo usuário pela ID do cliente. Para atribuído pelo sistema, não defina esse campo. corda

Restrições:
Comprimento mínimo = 36
Comprimento máximo = 36
Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
objectId Especifica uma identidade atribuída pelo usuário por ID de objeto. Para atribuído pelo sistema, não defina esse campo. corda

Restrições:
Comprimento mínimo = 36
Comprimento máximo = 36
Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId Especifica uma identidade atribuída pelo usuário pela ID de recurso do ARM. Para atribuído pelo sistema, não defina esse campo. corda

UserIdentity

Nome Descrição Valor
identityType [Obrigatório] Especifica o tipo de estrutura de identidade. "UserIdentity" (obrigatório)

NotificationSetting

Nome Descrição Valor
emailOn Enviar notificação por email ao usuário no tipo de notificação especificado Matriz de cadeia de caracteres que contém qualquer um dos:
"JobCancelled"
"JobCompleted"
"Falha no trabalho"
emails Esta é a lista de destinatários de email que tem uma limitação de 499 caracteres no total concat com separador de vírgula string[]
webhooks Envie o retorno de chamada do webhook para um serviço. A chave é um nome fornecido pelo usuário para o webhook. NotificationSettingWebhooks

NotificationSettingWebhooks

Nome Descrição Valor
{propriedade personalizada} do Webhook

Webhook

Nome Descrição Valor
eventType Enviar retorno de chamada em um evento de notificação especificado corda
webhookType Definir o tipo de objeto do AzureDevOps (obrigatório)

AzureDevOpsWebhook

Nome Descrição Valor
webhookType [Obrigatório] Especifica o tipo de serviço para enviar um retorno de chamada "AzureDevOps" (obrigatório)

ResourceBaseProperties

Nome Descrição Valor
{propriedade personalizada} corda

JobBaseSecretsConfiguration

Nome Descrição Valor
{propriedade personalizada} SecretConfiguration

SecretConfiguration

Nome Descrição Valor
URI Uri secreto.
Uri de exemplo: https://myvault.vault.azure.net/secrets/mysecretname/secretversion		 corda
workspaceSecretName Nome do segredo no cofre de chaves do workspace. corda

JobBaseServices

Nome Descrição Valor
{propriedade personalizada} JobService

JobService

Nome Descrição Valor
Extremidade Url para ponto de extremidade. corda
jobServiceType Tipo de ponto de extremidade. corda
Nós Nós em que o usuário gostaria de iniciar o serviço.
Se nós não estiverem definidos ou definidos como nulos, o serviço será iniciado apenas no nó de líder.		 nós
porta Porta para ponto de extremidade definido pelo usuário. int
Propriedades Propriedades adicionais a serem definidas no ponto de extremidade. JobServiceProperties

Nós

Nome Descrição Valor
nodesValueType Definir o tipo de objeto Todos os (obrigatório)

AllNodes

Nome Descrição Valor
nodesValueType [Obrigatório] Tipo do valor de nós "All" (obrigatório)

JobServiceProperties

Nome Descrição Valor
{propriedade personalizada} corda

AutoMLJob

Nome Descrição Valor
jobType [Obrigatório] Especifica o tipo de trabalho. "AutoML" (obrigatório)
environmentId A ID do recurso ARM da especificação de Ambiente para o trabalho.
Esse é o valor opcional a ser fornecido, se não for fornecido, o AutoML usará como padrão a versão do ambiente coletado do AutoML de Produção ao executar o trabalho.		 corda
environmentVariables Variáveis de ambiente incluídas no trabalho. AutoMLJobEnvironmentVariables
Saídas Mapeamento de associações de dados de saída usadas no trabalho. AutoMLJobOutputs
queueSettings Configurações de fila para o trabalho queueSettings
Recursos Configuração de recursos de computação para o trabalho. JobResourceConfiguration
taskDetails [Obrigatório] Isso representa um cenário que pode ser uma das Tabelas/NLP/Imagem AutoMLVertical (obrigatório)

AutoMLJobEnvironmentVariables

Nome Descrição Valor
{propriedade personalizada} corda

AutoMLJobOutputs

Nome Descrição Valor
{propriedade personalizada} JobOutput

JobOutput

Nome Descrição Valor
descrição Descrição da saída. corda
jobOutputType Definir o tipo de objeto custom_model
mlflow_model
mltable
triton_model
uri_file
uri_folder (obrigatório)

CustomModelJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. "custom_model" (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. "Direto"
"ReadWriteMount"
"Carregar"
URI URI do ativo de saída. corda

AutoDeleteSetting

Nome Descrição Valor
condição Quando verificar se um ativo expirou "CreatedGreaterThan"
"LastAccessedGreaterThan"
valor Valor da condição de expiração. corda

MLFlowModelJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. "mlflow_model" (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. "Direto"
"ReadWriteMount"
"Carregar"
URI URI do ativo de saída. corda

MLTableJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. "mltable" (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. "Direto"
"ReadWriteMount"
"Carregar"
URI URI do ativo de saída. corda

TritonModelJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. "triton_model" (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. "Direto"
"ReadWriteMount"
"Carregar"
URI URI do ativo de saída. corda

UriFileJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. "uri_file" (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. "Direto"
"ReadWriteMount"
"Carregar"
URI URI do ativo de saída. corda

UriFolderJobOutput

Nome Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. "uri_folder" (obrigatório)
assetName Nome do ativo de saída. corda
assetVersion Versão do ativo de saída. corda
autoDeleteSetting Excluir automaticamente a configuração do ativo de dados de saída. AutoDeleteSetting
modo Modo de Entrega de Ativos de Saída. "Direto"
"ReadWriteMount"
"Carregar"
URI URI do ativo de saída. corda

QueueSettings

Nome Descrição Valor
jobTier Enumerar para determinar a camada de trabalho. "Básico"
"Premium"
"Spot"
"Standard"
prioridade Controla a prioridade do trabalho em uma computação. int

JobResourceConfiguration

Nome Descrição Valor
dockerArgs Argumentos extras a serem passados para o comando de execução do Docker. Isso substituiria todos os parâmetros que já foram definidos pelo sistema ou nesta seção. Esse parâmetro só tem suporte para tipos de computação do Azure ML. corda
instanceCount Número opcional de instâncias ou nós usados pelo destino de computação. int
instanceType Tipo opcional de VM usado como suporte pelo destino de computação. corda
Locais Locais em que o trabalho pode ser executado. string[]
maxInstanceCount O máximo opcional permitiu que o número de instâncias ou nós fosse usado pelo destino de computação.
Para uso com treinamento elástico, atualmente compatível apenas com o tipo de distribuição PyTorch.		 int
Propriedades Recipiente de propriedades adicionais. ResourceConfigurationProperties
shmSize Tamanho do bloco de memória compartilhada do contêiner do Docker. Isso deve estar no formato (número)(unidade), em que o número seja maior que 0 e a unidade possa ser um de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes). corda

Restrições:
Padrão = \d+[bBkKmMgG]

ResourceConfigurationProperties

Nome Descrição Valor
{propriedade personalizada}

AutoMLVertical

Nome Descrição Valor
logVerbosity Verbosidade de log para o trabalho. "Crítico"
"Depurar"
"Erro"
"Informações"
"NotSet"
"Aviso"
targetColumnName Nome da coluna de destino: esta é a coluna de valores de previsão.
Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.		 corda
trainingData [Obrigatório] Entrada de dados de treinamento. MLTableJobInput (obrigatório)
taskType Definir o tipo de objeto classificação
Previsão
ImageClassification
ImageClassificationMultilabel
ImageInstanceSegmentation
ImageObjectDetection
regressão
TextClassification
textClassificationMultilabel
TextNER (obrigatório)

MLTableJobInput

Nome Descrição Valor
descrição Descrição da entrada. corda
jobInputType [Obrigatório] Especifica o tipo de trabalho. "custom_model"
"literal"
"mlflow_model"
"mltable"
"triton_model"
"uri_file"
"uri_folder" (obrigatório)
modo Modo de entrega de ativo de entrada. "Direto"
"Baixar"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

Classificação

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. "Classificação" (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. TableFixedParameters
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
positiveLabel Rótulo positivo para cálculo de métricas binárias. corda
primaryMetric Métrica primária para a tarefa. "AUCWeighted"
"Precisão"
"AveragePrecisionScoreWeighted"
"NormMacroRecall"
"PrecisionScoreWeighted"
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. TableSweepSettings
testData Testar a entrada de dados. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
trainingSettings Entradas para a fase de treinamento para um Trabalho AutoML. ClassificationTrainingSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
weightColumnName O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. corda

TableVerticalFeaturizationSettings

Nome Descrição Valor
blockedTransformers Esses transformadores não devem ser usados na apresentação. Matriz de cadeia de caracteres que contém qualquer um dos:
"CatTargetEncoder"
"CountVectorizer"
"HashOneHotEncoder"
"LabelEncoder"
"NaiveBayes"
"OneHotEncoder"
"TextTargetEncoder"
"TfIdf"
"WoETargetEncoder"
"WordEmbedding"
columnNameAndTypes Dicionário de nome da coluna e seu tipo (int, float, string, datetime etc). TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage Linguagem de conjunto de dados, útil para os dados de texto. corda
enableDnnFeaturization Determina se os recursos baseados em Dnn devem ser usados para a apresentação de dados. Bool
modo Modo de apresentação – o usuário pode manter o modo 'Auto' padrão e o AutoML cuidará da transformação necessária dos dados na fase de apresentação.
Se 'Off' estiver selecionado, nenhuma apresentação será feita.
Se 'Custom' estiver selecionado, o usuário poderá especificar entradas adicionais para personalizar como a apresentação é feita.		 "Auto"
"Personalizado"
"Desativado"
transformerParams O usuário pode especificar transformadores adicionais a serem usados junto com as colunas às quais ele seria aplicado e parâmetros para o construtor do transformador. TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Nome Descrição Valor
{propriedade personalizada} corda

TableVerticalFeaturizationSettingsTransformerParams

Nome Descrição Valor
{propriedade personalizada} ColumnTransformer []

ColumnTransformer

Nome Descrição Valor
Campos Campos nos quais aplicar a lógica do transformador. string[]
Parâmetros Propriedades diferentes a serem passadas para o transformador.
A entrada esperada é o dicionário de pares chave e valor no formato JSON.

TableFixedParameters

Nome Descrição Valor
Booster Especifique o tipo de aumento, por exemplo, gbdt para XGBoost. corda
boostingType Especifique o tipo de aumento, por exemplo, gbdt para LightGBM. corda
growPolicy Especifique a política de crescimento, que controla a forma como novos nós são adicionados à árvore. corda
learningRate A taxa de aprendizado do procedimento de treinamento. int
maxBin Especifique o número máximo de compartimentos discretos para recursos contínuos de bucket. int
maxDepth Especifique a profundidade máxima para limitar explicitamente a profundidade da árvore. int
maxLeaves Especifique as folhas máximas para limitar explicitamente as folhas de árvore. int
minDataInLeaf O número mínimo de dados por folha. int
minSplitGain Redução mínima de perda necessária para fazer uma partição adicional em um nó folha da árvore. int
modelName O nome do modelo a ser treinado. corda
nEstimators Especifique o número de árvores (ou arredondas) em um modelo. int
numLeaves Especifique o número de folhas. int
preprocessorName O nome do pré-processador a ser usado. corda
regAlpha L1 termo de regularização em pesos. int
regLambda Termo de regularização L2 em pesos. int
subsampla Taxa de subsampla da instância de treinamento. int
subsampleFreq Frequência de subsampla. int
treeMethod Especifique o método de árvore. corda
withMean Se for true, centralize antes de dimensionar os dados com o StandardScalar. Bool
withStd Se for true, dimensione os dados com Variação de Unidade com StandardScalar. Bool

TableVerticalLimitSettings

Nome Descrição Valor
enableEarlyTermination Habilite a terminação antecipada, determina se o AutoMLJob terminará antecipadamente se não houver melhoria de pontuação nas últimas 20 iterações. Bool
exitScore Pontuação de saída para o trabalho autoML. int
maxConcurrentTrials Iterações simultâneas máximas. int
maxCoresPerTrial Núcleos máximos por iteração. int
maxNodes Máximo de nós a serem usados para o experimento. int
maxTrials Número de iterações. int
sweepConcurrentTrials Número de execuções de varredura simultâneas que o usuário deseja disparar. int
sweepTrials Número de execuções de varredura que o usuário deseja disparar. int
timeout Tempo limite do trabalho autoML. corda
trialTimeout Tempo limite de iteração. corda

NCrossValidations

Nome Descrição Valor
modo Definir o tipo de objeto Auto
Personalizado (obrigatório)

AutoNCrossValidations

Nome Descrição Valor
modo [Obrigatório] Modo para determinar validações N-Cross. "Auto" (obrigatório)

CustomNCrossValidations

Nome Descrição Valor
modo [Obrigatório] Modo para determinar validações N-Cross. "Personalizado" (obrigatório)
valor [Obrigatório] Valor de validações n cruzadas. int (obrigatório)

TableParameterSubspace

Nome Descrição Valor
Booster Especifique o tipo de aumento, por exemplo, gbdt para XGBoost. corda
boostingType Especifique o tipo de aumento, por exemplo, gbdt para LightGBM. corda
growPolicy Especifique a política de crescimento, que controla a forma como novos nós são adicionados à árvore. corda
learningRate A taxa de aprendizado do procedimento de treinamento. corda
maxBin Especifique o número máximo de compartimentos discretos para recursos contínuos de bucket. corda
maxDepth Especifique a profundidade máxima para limitar explicitamente a profundidade da árvore. corda
maxLeaves Especifique as folhas máximas para limitar explicitamente as folhas de árvore. corda
minDataInLeaf O número mínimo de dados por folha. corda
minSplitGain Redução mínima de perda necessária para fazer uma partição adicional em um nó folha da árvore. corda
modelName O nome do modelo a ser treinado. corda
nEstimators Especifique o número de árvores (ou arredondas) em um modelo. corda
numLeaves Especifique o número de folhas. corda
preprocessorName O nome do pré-processador a ser usado. corda
regAlpha L1 termo de regularização em pesos. corda
regLambda Termo de regularização L2 em pesos. corda
subsampla Taxa de subsampla da instância de treinamento. corda
subsampleFreq Frequência de subsampla corda
treeMethod Especifique o método de árvore. corda
withMean Se for true, centralize antes de dimensionar os dados com o StandardScalar. corda
withStd Se for true, dimensione os dados com Variação de Unidade com StandardScalar. corda

TableSweepSettings

Nome Descrição Valor
earlyTermination Tipo de política de término antecipado para o trabalho de varredura. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo de algoritmo de amostragem. "Bayesiano"
"Grade"
"Aleatório" (obrigatório)

EarlyTerminationPolicy

Nome Descrição Valor
delayEvaluation Número de intervalos pelos quais atrasar a primeira avaliação. int
evaluationInterval Intervalo (número de execuções) entre avaliações de política. int
policyType Definir o tipo de objeto Bandit
MedianStopping
TruncationSelection (obrigatório)

BanditPolicy

Nome Descrição Valor
policyType [Obrigatório] Nome da configuração de política "Bandido" (obrigatório)
slackAmount Distância absoluta permitida da execução de melhor desempenho. int
slackFactor Taxa da distância permitida da execução com melhor desempenho. int

MedianStoppingPolicy

Nome Descrição Valor
policyType [Obrigatório] Nome da configuração de política "MedianStopping" (obrigatório)

TruncationSelectionPolicy

Nome Descrição Valor
policyType [Obrigatório] Nome da configuração de política "TruncationSelection" (obrigatório)
truncationPercentage O percentual de execuções a serem canceladas em cada intervalo de avaliação. int

ClassificationTrainingSettings

Nome Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para a tarefa de classificação. Matriz de cadeia de caracteres que contém qualquer um dos:
"BernoulliNaiveBayes"
"DecisionTree"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LightGBM"
"LinearSVM"
"LogisticRegression"
"MultinomialNaiveBayes"
"RandomForest"
"SGD"
"SVM"
"XGBoostClassifier"
blockedTrainingAlgorithms Modelos bloqueados para a tarefa de classificação. Matriz de cadeia de caracteres que contém qualquer um dos:
"BernoulliNaiveBayes"
"DecisionTree"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LightGBM"
"LinearSVM"
"LogisticRegression"
"MultinomialNaiveBayes"
"RandomForest"
"SGD"
"SVM"
"XGBoostClassifier"
enableDnnTraining Habilitar a recomendação de modelos DNN. Bool
enableModelExplainability Sinalizar para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para habilitar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilitar a execução do conjunto de pilhas. Bool
enableVoteEnsemble Habilitar a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados.
Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.		 corda
stackEnsembleSettings Configurações do conjunto de pilhas para a execução do conjunto de pilhas. StackEnsembleSettings
trainingMode Modo TrainingMode – a configuração como "auto" é a mesma que defini-lo como "não distribuído" por enquanto, no entanto, no futuro pode resultar em seleção de modo misto ou de modo baseado em heurística. O padrão é 'auto'.
Se 'Distributed' for usado apenas a recursos distribuídos e os algoritmos distribuídos forem escolhidos.
Se 'NonDistributed' for escolhido, somente algoritmos não distribuídos serão escolhidos.
 "Auto"
"Distribuído"
"Não distribuído"

StackEnsembleSettings

Nome Descrição Valor
stackMetaLearnerKWargs Parâmetros opcionais a serem passados para o inicializador do meta-aprendiz.
stackMetaLearnerTrainPercentage Especifica a proporção do conjunto de treinamento (ao escolher o treinamento e o tipo de treinamento de validação) a ser reservado para treinar o meta-aprendiz. O valor padrão é 0,2. int
stackMetaLearnerType O meta-aprendiz é um modelo treinado na saída dos modelos heterogêneos individuais. "ElasticNet"
"ElasticNetCV"
"LightGBMClassifier"
"LightGBMRegressor"
"LinearRegression"
"LogisticRegression"
"LogisticRegressionCV"
"Nenhum"

Previsão

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. "Previsão" (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. TableFixedParameters
forecastingSettings Previsão de entradas específicas da tarefa. ForecastingSettings
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
primaryMetric Métrica primária para a tarefa de previsão. "NormalizedMeanAbsoluteError"
"NormalizedRootMeanSquaredError"
"R2Score"
"SpearmanCorrelation"
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. TableSweepSettings
testData Testar a entrada de dados. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
trainingSettings Entradas para a fase de treinamento para um Trabalho AutoML. ForecastingTrainingSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
weightColumnName O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. corda

ForecastingSettings

Nome Descrição Valor
countryOrRegionForHolidays País ou região para feriados para tarefas de previsão.
Eles devem ser códigos de país/região de duas letras ISO 3166, por exemplo , "EUA" ou "GB".		 corda
cvStepSize Número de períodos entre o tempo de origem de uma dobra CV e a próxima dobra. Durante
exemplo, se CVStepSize = 3 para dados diários, o tempo de origem para cada dobra será
três dias separados.		 int
featureLags Sinalizador para gerar atrasos para os recursos numéricos com 'automático' ou nulo. "Auto"
"Nenhum"
featuresUnknownAtForecastTime As colunas de recurso que estão disponíveis para treinamento, mas desconhecidas no momento da previsão/inferência.
Se features_unknown_at_forecast_time não estiver definido, supõe-se que todas as colunas de recurso no conjunto de dados sejam conhecidas em tempo de inferência.		 string[]
forecastHorizon O horizonte de previsão máxima desejado em unidades de frequência de série temporal. ForecastHorizon
frequência Ao prever, esse parâmetro representa o período com o qual a previsão é desejada, por exemplo, diária, semanal, anual etc. A frequência de previsão é a frequência do conjunto de dados por padrão. corda
Sazonalidade Defina a sazonalidade da série temporal como um múltiplo inteiro da frequência da série.
Se a sazonalidade for definida como 'auto', ela será inferida.		 de sazonalidade
shortSeriesHandlingConfig O parâmetro que define como se o AutoML deve lidar com séries temporais curtas. "Auto"
"Soltar"
"Nenhum"
"Pad"
targetAggregateFunction A função a ser usada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada pelo usuário.
Se TargetAggregateFunction estiver definido, ou seja, não 'None', mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "sum", "max", "min" e "mean".		 "Máximo"
"Média"
"Min"
"Nenhum"
"Soma"
targetLags O número de períodos passados a serem atrasados da coluna de destino. targetLags
targetRollingWindowSize O número de períodos passados usados para criar uma média de janela sem interrupção da coluna de destino. TargetRollingWindowSize
timeColumnName O nome da coluna de hora. Esse parâmetro é necessário ao prever para especificar a coluna datetime nos dados de entrada usados para criar a série temporal e inferir sua frequência. corda
timeSeriesIdColumnNames Os nomes das colunas usadas para agrupar uma série de horários. Ele pode ser usado para criar várias séries.
Se a granulação não estiver definida, o conjunto de dados será considerado uma série temporal. Esse parâmetro é usado com a previsão de tipo de tarefa.		 string[]
useStl Configure a Decomposição de STL da coluna de destino da série temporal. "Nenhum"
"Temporada"
"SeasonTrend"

ForecastHorizon

Nome Descrição Valor
modo Definir o tipo de objeto Auto
Personalizado (obrigatório)

AutoForecastHorizon

Nome Descrição Valor
modo [Obrigatório] Defina o modo de seleção de valor do horizonte de previsão. "Auto" (obrigatório)

CustomForecastHorizon

Nome Descrição Valor
modo [Obrigatório] Defina o modo de seleção de valor do horizonte de previsão. "Personalizado" (obrigatório)
valor [Obrigatório] Valor do horizonte de previsão. int (obrigatório)

Sazonalidade

Nome Descrição Valor
modo Definir o tipo de objeto Auto
Personalizado (obrigatório)

AutoSeasonalidade

Nome Descrição Valor
modo [Obrigatório] Modo de sazonalidade. "Auto" (obrigatório)

CustomSeasonality

Nome Descrição Valor
modo [Obrigatório] Modo de sazonalidade. "Personalizado" (obrigatório)
valor [Obrigatório] Valor de sazonalidade. int (obrigatório)

TargetLags

Nome Descrição Valor
modo Definir o tipo de objeto Auto
Personalizado (obrigatório)

AutoTargetLags

Nome Descrição Valor
modo [Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado "Auto" (obrigatório)

CustomTargetLags

Nome Descrição Valor
modo [Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado "Personalizado" (obrigatório)
Valores [Obrigatório] Definir valores de atrasos de destino. int[] (obrigatório)

TargetRollingWindowSize

Nome Descrição Valor
modo Definir o tipo de objeto Auto
Personalizado (obrigatório)

AutoTargetRollingWindowSize

Nome Descrição Valor
modo [Obrigatório] Modo de detecção TargetRollingWindowSiz. "Auto" (obrigatório)

CustomTargetRollingWindowSize

Nome Descrição Valor
modo [Obrigatório] Modo de detecção TargetRollingWindowSiz. "Personalizado" (obrigatório)
valor [Obrigatório] Valor TargetRollingWindowSize. int (obrigatório)

ForecastingTrainingSettings

Nome Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para a tarefa de previsão. Matriz de cadeia de caracteres que contém qualquer um dos:
"Arimax"
"AutoArima"
"Média"
"DecisionTree"
"ElasticNet"
"ExponentialSmoothing"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LassoLars"
"LightGBM"
"Naive"
"Profeta"
"RandomForest"
"SGD"
"SeasonalAverage"
"SeasonalNaive"
"TCNForecaster"
"XGBoostRegressor"
blockedTrainingAlgorithms Modelos bloqueados para a tarefa de previsão. Matriz de cadeia de caracteres que contém qualquer um dos:
"Arimax"
"AutoArima"
"Média"
"DecisionTree"
"ElasticNet"
"ExponentialSmoothing"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LassoLars"
"LightGBM"
"Naive"
"Profeta"
"RandomForest"
"SGD"
"SeasonalAverage"
"SeasonalNaive"
"TCNForecaster"
"XGBoostRegressor"
enableDnnTraining Habilitar a recomendação de modelos DNN. Bool
enableModelExplainability Sinalizar para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para habilitar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilitar a execução do conjunto de pilhas. Bool
enableVoteEnsemble Habilitar a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados.
Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.		 corda
stackEnsembleSettings Configurações do conjunto de pilhas para a execução do conjunto de pilhas. StackEnsembleSettings
trainingMode Modo TrainingMode – a configuração como "auto" é a mesma que defini-lo como "não distribuído" por enquanto, no entanto, no futuro pode resultar em seleção de modo misto ou de modo baseado em heurística. O padrão é 'auto'.
Se 'Distributed' for usado apenas a recursos distribuídos e os algoritmos distribuídos forem escolhidos.
Se 'NonDistributed' for escolhido, somente algoritmos não distribuídos serão escolhidos.
 "Auto"
"Distribuído"
"Não distribuído"

ImageClassification

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. "ImageClassification" (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho autoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsClassification
primaryMetric Métrica primária a ser otimizada para essa tarefa. "AUCWeighted"
"Precisão"
"AveragePrecisionScoreWeighted"
"NormMacroRecall"
"PrecisionScoreWeighted"
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configurações relacionadas à varredura de modelo e hiperparâmetro. ImageSweepSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 int

ImageLimitSettings

Nome Descrição Valor
maxConcurrentTrials Número máximo de iterações AutoML simultâneas. int
maxTrials Número máximo de iterações AutoML. int
timeout Tempo limite do trabalho autoML. corda

ImageModelSettingsClassification

Nome Descrição Valor
advancedSettings Configurações para cenários avançados. corda
amsGradient Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'. Bool
Aumentos Configurações para usar aumentos. corda
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. int
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. int
checkpointFrequency Frequência para armazenar pontos de verificação de modelo. Deve ser um inteiro positivo. int
checkpointModel O modelo de ponto de verificação pré-treinado para treinamento incremental. MLFlowModelJobInput
checkpointRunId A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. corda
Distribuído Se você deve usar o treinamento distribuído. Bool
earlyStopping Habilite a lógica de parada antecipada durante o treinamento. Bool
earlyStoppingDelay Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um inteiro positivo.		 int
earlyStoppingPatience Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes
a execução é interrompida. Deve ser um inteiro positivo.		 int
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. Bool
evaluationFrequency Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo. int
gradientAccumulationStep Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.		 int
layersToFreeze Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor
consulte: /azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1]. int
learningRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step". "Nenhum"
"Etapa"
"WarmupCosine"
modelName Nome do modelo a ser usado para treinamento.
Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 corda
ímpeto Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1]. int
aninhado Habilite aninhado quando o otimizador for 'sgd'. Bool
numberOfEpochs Número de épocas de treinamento. Deve ser um inteiro positivo. int
numberOfWorkers Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo. int
Otimizador Tipo de otimizador. "Adão"
"Adamw"
"Nenhum"
"Sgd"
randomSeed Semente aleatória a ser usada ao usar o treinamento determinístico. int
stepLRGamma Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1]. int
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo. int
trainingBatchSize Tamanho do lote de treinamento. Deve ser um inteiro positivo. int
trainingCropSize Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de treinamento. Deve ser um inteiro positivo. int
validationBatchSize Tamanho do lote de validação. Deve ser um inteiro positivo. int
validationCropSize Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de validação. Deve ser um inteiro positivo. int
validationResizeSize Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um inteiro positivo. int
warmupCosineLRCycles Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1]. int
warmupCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo. int
weightDecay Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1]. int
weightedLoss Perda ponderada. Os valores aceitos são 0 para nenhuma perda ponderada.
1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Deve ser 0 ou 1 ou 2.
 int

MLFlowModelJobInput

Nome Descrição Valor
descrição Descrição da entrada. corda
jobInputType [Obrigatório] Especifica o tipo de trabalho. "custom_model"
"literal"
"mlflow_model"
"mltable"
"triton_model"
"uri_file"
"uri_folder" (obrigatório)
modo Modo de entrega de ativo de entrada. "Direto"
"Baixar"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

Nome Descrição Valor
amsGradient Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'. corda
Aumentos Configurações para usar aumentos. corda
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. corda
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. corda
Distribuído Se você deve usar o treinamento do distribuídor. corda
earlyStopping Habilite a lógica de parada antecipada durante o treinamento. corda
earlyStoppingDelay Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um inteiro positivo.		 corda
earlyStoppingPatience Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes
a execução é interrompida. Deve ser um inteiro positivo.		 corda
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. corda
evaluationFrequency Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo. corda
gradientAccumulationStep Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.		 corda
layersToFreeze Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor
consulte: /azure/machine-learning/how-to-auto-train-image-models.		 corda
learningRate Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1]. corda
learningRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step". corda
modelName Nome do modelo a ser usado para treinamento.
Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 corda
ímpeto Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1]. corda
aninhado Habilite aninhado quando o otimizador for 'sgd'. corda
numberOfEpochs Número de épocas de treinamento. Deve ser um inteiro positivo. corda
numberOfWorkers Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo. corda
Otimizador Tipo de otimizador. Deve ser "sgd", "adam" ou "adamw". corda
randomSeed Semente aleatória a ser usada ao usar o treinamento determinístico. corda
stepLRGamma Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1]. corda
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo. corda
trainingBatchSize Tamanho do lote de treinamento. Deve ser um inteiro positivo. corda
trainingCropSize Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de treinamento. Deve ser um inteiro positivo. corda
validationBatchSize Tamanho do lote de validação. Deve ser um inteiro positivo. corda
validationCropSize Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de validação. Deve ser um inteiro positivo. corda
validationResizeSize Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um inteiro positivo. corda
warmupCosineLRCycles Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1]. corda
warmupCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo. corda
weightDecay Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1]. corda
weightedLoss Perda ponderada. Os valores aceitos são 0 para nenhuma perda ponderada.
1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Deve ser 0 ou 1 ou 2.
 corda

ImageSweepSettings

Nome Descrição Valor
earlyTermination Tipo de política de término antecipado. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo dos algoritmos de amostragem do hiperparâmetro. "Bayesiano"
"Grade"
"Aleatório" (obrigatório)

ImageClassificationMultilabel

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. "ImageClassificationMultilabel" (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho autoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsClassification
primaryMetric Métrica primária a ser otimizada para essa tarefa. "AUCWeighted"
"Precisão"
"AveragePrecisionScoreWeighted"
"IOU"
"NormMacroRecall"
"PrecisionScoreWeighted"
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configurações relacionadas à varredura de modelo e hiperparâmetro. ImageSweepSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 int

ImageInstanceSegmentation

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. "ImageInstanceSegmentation" (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho autoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica primária a ser otimizada para essa tarefa. "MeanAveragePrecision"
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Configurações relacionadas à varredura de modelo e hiperparâmetro. ImageSweepSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 int

ImageModelSettingsObjectDetection

Nome Descrição Valor
advancedSettings Configurações para cenários avançados. corda
amsGradient Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'. Bool
Aumentos Configurações para usar aumentos. corda
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. int
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. int
boxDetectionsPerImage Número máximo de detecções por imagem, para todas as classes. Deve ser um inteiro positivo.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 int
boxScoreThreshold Durante a inferência, retornar apenas propostas com uma pontuação de classificação maior que
BoxScoreThreshold. Deve ser um float no intervalo[0, 1].		 int
checkpointFrequency Frequência para armazenar pontos de verificação de modelo. Deve ser um inteiro positivo. int
checkpointModel O modelo de ponto de verificação pré-treinado para treinamento incremental. MLFlowModelJobInput
checkpointRunId A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. corda
Distribuído Se você deve usar o treinamento distribuído. Bool
earlyStopping Habilite a lógica de parada antecipada durante o treinamento. Bool
earlyStoppingDelay Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um inteiro positivo.		 int
earlyStoppingPatience Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes
a execução é interrompida. Deve ser um inteiro positivo.		 int
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. Bool
evaluationFrequency Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo. int
gradientAccumulationStep Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.		 int
imageSize Tamanho da imagem para treinamento e validação. Deve ser um inteiro positivo.
Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 int
layersToFreeze Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor
consulte: /azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1]. int
learningRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step". "Nenhum"
"Etapa"
"WarmupCosine"
logTrainingMetrics Habilitar métricas de treinamento de computação e registro em log. "Desabilitar"
"Habilitar"
logValidationLoss Habilitar a perda de validação de computação e registro em log. "Desabilitar"
"Habilitar"
maxSize Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 int
minSize Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 int
modelName Nome do modelo a ser usado para treinamento.
Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 corda
modelSize Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'.
Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho do modelo for muito grande.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 "ExtraLarge"
"Grande"
"Médio"
"Nenhum"
"Pequeno"
ímpeto Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1]. int
multiEscala Habilite a imagem de várias escalas variando o tamanho da imagem em +/- 50%.
Observação: a execução de treinamento poderá entrar no CUDA OOM se não houver memória de GPU suficiente.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 Bool
aninhado Habilite aninhado quando o otimizador for 'sgd'. Bool
nmsIouThreshold Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve ser um float no intervalo [0, 1]. int
numberOfEpochs Número de épocas de treinamento. Deve ser um inteiro positivo. int
numberOfWorkers Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo. int
Otimizador Tipo de otimizador. "Adão"
"Adamw"
"Nenhum"
"Sgd"
randomSeed Semente aleatória a ser usada ao usar o treinamento determinístico. int
stepLRGamma Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1]. int
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo. int
tileGridSize O tamanho da grade a ser usado para dimensionar cada imagem. Observação: TileGridSize não deve ser
Nenhum para habilitar a lógica de detecção de objeto pequena. Uma cadeia de caracteres que contém dois inteiros no formato mxn.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
tileOverlapRatio Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1).
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 int
tilePredictionsNmsThreshold O limite de IOU a ser usado para executar o NMS ao mesclar previsões de blocos e imagem.
Usado na validação/inferência. Deve estar flutuando no intervalo [0, 1].
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 int
trainingBatchSize Tamanho do lote de treinamento. Deve ser um inteiro positivo. int
validationBatchSize Tamanho do lote de validação. Deve ser um inteiro positivo. int
validationIouThreshold Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1]. int
validationMetricType Método de computação de métrica a ser usado para métricas de validação. "Coco"
"CocoVoc"
"Nenhum"
"Voc"
warmupCosineLRCycles Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1]. int
warmupCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo. int
weightDecay Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1]. int

ImageModelDistributionSettingsObjectDetection

Nome Descrição Valor
amsGradient Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'. corda
Aumentos Configurações para usar aumentos. corda
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. corda
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1]. corda
boxDetectionsPerImage Número máximo de detecções por imagem, para todas as classes. Deve ser um inteiro positivo.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
boxScoreThreshold Durante a inferência, retornar apenas propostas com uma pontuação de classificação maior que
BoxScoreThreshold. Deve ser um float no intervalo[0, 1].		 corda
Distribuído Se você deve usar o treinamento do distribuídor. corda
earlyStopping Habilite a lógica de parada antecipada durante o treinamento. corda
earlyStoppingDelay Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um inteiro positivo.		 corda
earlyStoppingPatience Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes
a execução é interrompida. Deve ser um inteiro positivo.		 corda
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. corda
evaluationFrequency Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo. corda
gradientAccumulationStep Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.		 corda
imageSize Tamanho da imagem para treinamento e validação. Deve ser um inteiro positivo.
Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 corda
layersToFreeze Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor
consulte: /azure/machine-learning/how-to-auto-train-image-models.		 corda
learningRate Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1]. corda
learningRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step". corda
maxSize Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
minSize Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
modelName Nome do modelo a ser usado para treinamento.
Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 corda
modelSize Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'.
Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho do modelo for muito grande.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 corda
ímpeto Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1]. corda
multiEscala Habilite a imagem de várias escalas variando o tamanho da imagem em +/- 50%.
Observação: a execução de treinamento poderá entrar no CUDA OOM se não houver memória de GPU suficiente.
Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.		 corda
aninhado Habilite aninhado quando o otimizador for 'sgd'. corda
nmsIouThreshold Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve estar flutuando no intervalo [0, 1]. corda
numberOfEpochs Número de épocas de treinamento. Deve ser um inteiro positivo. corda
numberOfWorkers Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo. corda
Otimizador Tipo de otimizador. Deve ser "sgd", "adam" ou "adamw". corda
randomSeed Semente aleatória a ser usada ao usar o treinamento determinístico. corda
stepLRGamma Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1]. corda
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo. corda
tileGridSize O tamanho da grade a ser usado para dimensionar cada imagem. Observação: TileGridSize não deve ser
Nenhum para habilitar a lógica de detecção de objeto pequena. Uma cadeia de caracteres que contém dois inteiros no formato mxn.
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
tileOverlapRatio Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1).
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.		 corda
tilePredictionsNmsThreshold O limite de IOU a ser usado para executar o NMS ao mesclar previsões de blocos e imagem.
Usado na validação/inferência. Deve estar flutuando no intervalo [0, 1].
Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
NMS: supressão não máxima		 corda
trainingBatchSize Tamanho do lote de treinamento. Deve ser um inteiro positivo. corda
validationBatchSize Tamanho do lote de validação. Deve ser um inteiro positivo. corda
validationIouThreshold Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1]. corda
validationMetricType Método de computação de métrica a ser usado para métricas de validação. Deve ser 'none', 'coco', 'voc' ou 'coco_voc'. corda
warmupCosineLRCycles Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1]. corda
warmupCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo. corda
weightDecay Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1]. corda

ImageObjectDetection

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. "ImageObjectDetection" (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho autoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica primária a ser otimizada para essa tarefa. "MeanAveragePrecision"
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsObjectDetection[]
sweepSettings Configurações relacionadas à varredura de modelo e hiperparâmetro. ImageSweepSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 int

Regressão

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. "Regressão" (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. TableFixedParameters
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nCrossValidations Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
primaryMetric Métrica primária para a tarefa de regressão. "NormalizedMeanAbsoluteError"
"NormalizedRootMeanSquaredError"
"R2Score"
"SpearmanCorrelation"
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. TableSweepSettings
testData Testar a entrada de dados. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
trainingSettings Entradas para a fase de treinamento para um Trabalho AutoML. RegressionTrainingSettings
validationData Entradas de dados de validação. MLTableJobInput
validationDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0, 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 int
weightColumnName O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. corda

RegressionTrainingSettings

Nome Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para tarefa de regressão. Matriz de cadeia de caracteres que contém qualquer um dos:
"DecisionTree"
"ElasticNet"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LassoLars"
"LightGBM"
"RandomForest"
"SGD"
"XGBoostRegressor"
blockedTrainingAlgorithms Modelos bloqueados para a tarefa de regressão. Matriz de cadeia de caracteres que contém qualquer um dos:
"DecisionTree"
"ElasticNet"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LassoLars"
"LightGBM"
"RandomForest"
"SGD"
"XGBoostRegressor"
enableDnnTraining Habilitar a recomendação de modelos DNN. Bool
enableModelExplainability Sinalizar para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para habilitar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilitar a execução do conjunto de pilhas. Bool
enableVoteEnsemble Habilitar a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados.
Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.		 corda
stackEnsembleSettings Configurações do conjunto de pilhas para a execução do conjunto de pilhas. StackEnsembleSettings
trainingMode Modo TrainingMode – a configuração como "auto" é a mesma que defini-lo como "não distribuído" por enquanto, no entanto, no futuro pode resultar em seleção de modo misto ou de modo baseado em heurística. O padrão é 'auto'.
Se 'Distributed' for usado apenas a recursos distribuídos e os algoritmos distribuídos forem escolhidos.
Se 'NonDistributed' for escolhido, somente algoritmos não distribuídos serão escolhidos.
 "Auto"
"Distribuído"
"Não distribuído"

TextClassification

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. "TextClassification" (obrigatório)
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. nlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
primaryMetric Métrica primária para Text-Classification tarefa. "AUCWeighted"
"Precisão"
"AveragePrecisionScoreWeighted"
"NormMacroRecall"
"PrecisionScoreWeighted"
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. nlpSweepSettings
validationData Entradas de dados de validação. MLTableJobInput

NlpVerticalFeaturizationSettings

Nome Descrição Valor
datasetLanguage Linguagem de conjunto de dados, útil para os dados de texto. corda

NlpFixedParameters

Nome Descrição Valor
gradientAccumulationSteps Número de etapas para acumular gradientes antes de executar um passe para trás. int
learningRate A taxa de aprendizado do procedimento de treinamento. int
learningRateScheduler O tipo de agendamento de taxa de aprendizagem a ser usado durante o procedimento de treinamento. "Constante"
"ConstantWithWarmup"
"Cosseno"
"CosineWithRestarts"
"Linear"
"Nenhum"
"Polinomial"
modelName O nome do modelo a ser treinado. corda
numberOfEpochs Número de épocas de treinamento. int
trainingBatchSize O tamanho do lote para o procedimento de treinamento. int
validationBatchSize O tamanho do lote a ser usado durante a avaliação. int
warmupRatio A taxa de aquecimento, usada ao lado de LrSchedulerType. int
weightDecay A decadência de peso para o procedimento de treinamento. int

NlpVerticalLimitSettings

Nome Descrição Valor
maxConcurrentTrials Iterações automáticas simultâneas máximas. int
maxNodes Máximo de nós a serem usados para o experimento. int
maxTrials Número de iterações AutoML. int
timeout Tempo limite do trabalho autoML. corda
trialTimeout Tempo limite para avaliações individuais de HD. corda

NlpParameterSubspace

Nome Descrição Valor
gradientAccumulationSteps Número de etapas para acumular gradientes antes de executar um passe para trás. corda
learningRate A taxa de aprendizado do procedimento de treinamento. corda
learningRateScheduler O tipo de agendamento de taxa de aprendizagem a ser usado durante o procedimento de treinamento. corda
modelName O nome do modelo a ser treinado. corda
numberOfEpochs Número de épocas de treinamento. corda
trainingBatchSize O tamanho do lote para o procedimento de treinamento. corda
validationBatchSize O tamanho do lote a ser usado durante a avaliação. corda
warmupRatio A taxa de aquecimento, usada ao lado de LrSchedulerType. corda
weightDecay A decadência de peso para o procedimento de treinamento. corda

NlpSweepSettings

Nome Descrição Valor
earlyTermination Tipo de política de término antecipado para o trabalho de varredura. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo de algoritmo de amostragem. "Bayesiano"
"Grade"
"Aleatório" (obrigatório)

TextClassificationMultilabel

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. "TextClassificationMultilabel" (obrigatório)
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. nlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. nlpSweepSettings
validationData Entradas de dados de validação. MLTableJobInput

TextNer

Nome Descrição Valor
taskType [Obrigatório] Tipo de tarefa para AutoMLJob. "TextNER" (obrigatório)
featurizationSettings Entradas de apresentação necessárias para o trabalho autoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treinamento que permanecerão constantes durante todo o treinamento. nlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
searchSpace Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace []
sweepSettings Configurações para limpeza de modelo e ajuste de hiperparâmetro. nlpSweepSettings
validationData Entradas de dados de validação. MLTableJobInput

CommandJob

Nome Descrição Valor
jobType [Obrigatório] Especifica o tipo de trabalho. "Command" (obrigatório)
autologgerSettings Configuração de distribuição do trabalho. Se definido, este deverá ser um de Mpi, Tensorflow, PyTorch ou nulo. AutologgerSettings
codeId ID do recurso ARM do ativo de código. corda
comando [Obrigatório] O comando a ser executado na inicialização do trabalho. Eg. "python train.py" cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
distribuição Configuração de distribuição do trabalho. Se definido, este deverá ser um de Mpi, Tensorflow, PyTorch, Ray ou nulo. DistributionConfiguration
environmentId [Obrigatório] A ID do recurso ARM da especificação de Ambiente para o trabalho. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
environmentVariables Variáveis de ambiente incluídas no trabalho. commandJobEnvironmentVariables
Entradas Mapeamento de associações de dados de entrada usadas no trabalho. commandJobInputs
Limites Limite de trabalho de comando. CommandJobLimits
Saídas Mapeamento de associações de dados de saída usadas no trabalho. commandJobOutputs
queueSettings Configurações de fila para o trabalho queueSettings
Recursos Configuração de recursos de computação para o trabalho. JobResourceConfiguration

AutologgerSettings

Nome Descrição Valor
mlflowAutologger [Obrigatório] Indica se o mlflow autologger está habilitado. "Desabilitado"
"Habilitado" (obrigatório)

DistributionConfiguration

Nome Descrição Valor
distributionType Definir o tipo de objeto de MPI
PyTorch
Ray
tensorFlow (obrigatório)

Mpi

Nome Descrição Valor
distributionType [Obrigatório] Especifica o tipo de estrutura de distribuição. "Mpi" (obrigatório)
processCountPerInstance Número de processos por nó de MPI. int

PyTorch

Nome Descrição Valor
distributionType [Obrigatório] Especifica o tipo de estrutura de distribuição. "PyTorch" (obrigatório)
processCountPerInstance Número de processos por nó. int

Raio

Nome Descrição Valor
distributionType [Obrigatório] Especifica o tipo de estrutura de distribuição. "Ray" (obrigatório)
endereço O endereço do nó principal do Ray. corda
dashboardPort A porta à qual associar o servidor de painel. int
headNodeAdditionalArgs Argumentos adicionais passados para o início do raio no nó principal. corda
includeDashboard Forneça esse argumento para iniciar a GUI do painel do Ray. Bool
porta A porta do processo de raio de cabeçalho. int
workerNodeAdditionalArgs Argumentos adicionais passados para o início do raio no nó de trabalho. corda

TensorFlow

Nome Descrição Valor
distributionType [Obrigatório] Especifica o tipo de estrutura de distribuição. "TensorFlow" (obrigatório)
parameterServerCount Número de tarefas do servidor de parâmetros. int
workerCount Número de trabalhadores. Se não for especificado, o padrão será a contagem de instâncias. int

CommandJobEnvironmentVariables

Nome Descrição Valor
{propriedade personalizada} corda

CommandJobInputs

Nome Descrição Valor
{propriedade personalizada} JobInput

JobInput

Nome Descrição Valor
descrição Descrição da entrada. corda
jobInputType Definir o tipo de objeto custom_model
literal
mlflow_model
mltable
triton_model
uri_file
uri_folder (obrigatório)

CustomModelJobInput

Nome Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. "custom_model" (obrigatório)
modo Modo de entrega de ativo de entrada. "Direto"
"Baixar"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

LiteralJobInput

Nome Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. "literal" (obrigatório)
valor [Obrigatório] Valor literal para a entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

TritonModelJobInput

Nome Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. "triton_model" (obrigatório)
modo Modo de entrega de ativo de entrada. "Direto"
"Baixar"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

UriFileJobInput

Nome Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. "uri_file" (obrigatório)
modo Modo de entrega de ativo de entrada. "Direto"
"Baixar"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

UriFolderJobInput

Nome Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. "uri_folder" (obrigatório)
modo Modo de entrega de ativo de entrada. "Direto"
"Baixar"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
URI [Obrigatório] URI do ativo de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

CommandJobLimits

Nome Descrição Valor
jobLimitsType [Obrigatório] Tipo JobLimit. "Comando"
"Varredura" (obrigatório)
timeout A duração máxima da execução no formato ISO 8601, após a qual o trabalho será cancelado. Só dá suporte à duração com precisão tão baixa quanto Segundos. corda

CommandJobOutputs

Nome Descrição Valor
{propriedade personalizada} JobOutput

LabelingJobProperties

Nome Descrição Valor
componentId ID do recurso arm do recurso de componente. corda
computeId ID do recurso arm do recurso de computação. corda
dataConfiguration Configuração dos dados usados no trabalho. LabelingDataConfiguration
descrição O texto de descrição do ativo. corda
displayName Nome de exibição do trabalho. corda
experimentName O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". corda
identidade Configuração de identidade. Se definido, este deverá ser um de AmlToken, ManagedIdentity, UserIdentity ou null.
O padrão será AmlToken se nulo.		 IdentityConfiguration
isArchived O ativo está arquivado? Bool
jobInstructions Instruções de rotulagem do trabalho. LabelingJobInstructions
jobType [Obrigatório] Especifica o tipo de trabalho. "AutoML"
"Comando"
"Rotulagem"
"Pipeline"
"Spark"
"Varredura" (obrigatório)
labelCategories Categorias de rótulo do trabalho. LabelingJobLabelCategories
labelingJobMediaProperties Propriedades específicas do tipo de mídia no trabalho. LabelingJobMediaProperties
mlAssistConfiguration Configuração do recurso MLAssist no trabalho. MLAssistConfiguration
notificationSetting Configuração de notificação para o trabalho notificationSetting
Propriedades O dicionário de propriedades do ativo. ResourceBaseProperties
secretsConfiguration Configuração de segredos a serem disponibilizados durante o runtime. JobBaseSecretsConfiguration
Serviços Lista de JobEndpoints.
Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.		 JobBaseServices
Tags Dicionário de marcas. As marcas podem ser adicionadas, removidas e atualizadas. objeto

LabelingDataConfiguration

Nome Descrição Valor
dataId ID de recurso do ativo de dados para executar a rotulagem. corda
incrementalDataRefresh Indica se a atualização de dados incremental deve ser habilitada. "Desabilitado"
"Habilitado"

LabelingJobInstructions

Nome Descrição Valor
URI O link para uma página com instruções de rotulagem detalhadas para rotuladores. corda

LabelingJobLabelCategories

Nome Descrição Valor
{propriedade personalizada} LabelCategory

LabelCategory

Nome Descrição Valor
Classes Dicionário de classes de rótulo nesta categoria. LabelCategoryClasses
displayName Nome de exibição da categoria de rótulo. corda
multiSelect Indica se ele tem permissão para selecionar várias classes nessa categoria. "Desabilitado"
"Habilitado"

LabelCategoryClasses

Nome Descrição Valor
{propriedade personalizada} LabelClass

LabelClass

Nome Descrição Valor
displayName Nome de exibição da classe de rótulo. corda
Subclasses Dicionário de subclasses da classe de rótulo. LabelClassSubclasses

LabelClassSubclasses

Nome Descrição Valor
{propriedade personalizada} LabelClass

LabelingJobMediaProperties

Nome Descrição Valor
mediaType Definir o tipo de objeto de imagem
de Texto (obrigatório)

LabelingJobImageProperties

Nome Descrição Valor
mediaType [Obrigatório] Tipo de mídia do trabalho. "Imagem" (obrigatório)
annotationType Tipo de anotação do trabalho de rotulagem de imagem. "BoundingBox"
"Classificação"
"InstanceSegmentation"

LabelingJobTextProperties

Nome Descrição Valor
mediaType [Obrigatório] Tipo de mídia do trabalho. "Texto" (obrigatório)
annotationType Tipo de anotação do trabalho de rotulagem de texto. "Classificação"
"NamedEntityRecognition"

MLAssistConfiguration

Nome Descrição Valor
mlAssist Definir o tipo de objeto desabilitado
Habilitado (obrigatório)

MLAssistConfigurationDisabled

Nome Descrição Valor
mlAssist [Obrigatório] Indica se o recurso MLAssist está habilitado. "Desabilitado" (obrigatório)

MLAssistConfigurationEnabled

Nome Descrição Valor
mlAssist [Obrigatório] Indica se o recurso MLAssist está habilitado. "Habilitado" (obrigatório)
inferencingComputeBinding [Obrigatório] Associação de computação AML usada na inferência. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
trainingComputeBinding [Obrigatório] Associação de computação AML usada no treinamento. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

PipelineJob

Nome Descrição Valor
jobType [Obrigatório] Especifica o tipo de trabalho. "Pipeline" (obrigatório)
Entradas Entradas para o trabalho de pipeline. pipelineJobInputs
Empregos Trabalhos constrói o Trabalho de Pipeline. PipelineJobJobs
Saídas Saídas para o trabalho de pipeline pipelineJobOutputs
Configurações Configurações de pipeline, para itens como ContinueRunOnStepFailure etc.
sourceJobId ID de recurso do ARM do trabalho de origem. corda

PipelineJobInputs

Nome Descrição Valor
{propriedade personalizada} JobInput

PipelineJobJobs

Nome Descrição Valor
{propriedade personalizada}

PipelineJobOutputs

Nome Descrição Valor
{propriedade personalizada} JobOutput

SparkJob

Nome Descrição Valor
jobType [Obrigatório] Especifica o tipo de trabalho. "Spark" (obrigatório)
arquivo Arquivar arquivos usados no trabalho. string[]
args Argumentos para o trabalho. corda
codeId [Obrigatório] ID do recurso ARM do ativo de código. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
Conf Propriedades configuradas pelo Spark. SparkJobConf
entrada [Obrigatório] A entrada a ser executada na inicialização do trabalho. SparkJobEntry (obrigatório)
environmentId A ID do recurso ARM da especificação de Ambiente para o trabalho. corda
limas Arquivos usados no trabalho. string[]
Entradas Mapeamento de associações de dados de entrada usadas no trabalho. SparkJobInputs
Frascos Arquivos jar usados no trabalho. string[]
Saídas Mapeamento de associações de dados de saída usadas no trabalho. SparkJobOutputs
pyFiles Arquivos python usados no trabalho. string[]
queueSettings Configurações de fila para o trabalho queueSettings
Recursos Configuração de recursos de computação para o trabalho. SparkResourceConfiguration

SparkJobConf

Nome Descrição Valor
{propriedade personalizada} corda

SparkJobEntry

Nome Descrição Valor
sparkJobEntryType Definir o tipo de objeto SparkJobPythonEntry
SparkJobScalaEntry (obrigatório)

SparkJobPythonEntry

Nome Descrição Valor
sparkJobEntryType [Obrigatório] Tipo do ponto de entrada do trabalho. "SparkJobPythonEntry" (obrigatório)
arquivo [Obrigatório] Caminho de arquivo python relativo para o ponto de entrada do trabalho. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

SparkJobScalaEntry

Nome Descrição Valor
sparkJobEntryType [Obrigatório] Tipo do ponto de entrada do trabalho. "SparkJobScalaEntry" (obrigatório)
className [Obrigatório] Nome da classe Scala usado como ponto de entrada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

SparkJobInputs

Nome Descrição Valor
{propriedade personalizada} JobInput

SparkJobOutputs

Nome Descrição Valor
{propriedade personalizada} JobOutput

SparkResourceConfiguration

Nome Descrição Valor
instanceType Tipo opcional de VM usado como suporte pelo destino de computação. corda
runtimeVersion Versão do runtime do Spark usada para o trabalho. corda

SweepJob

Nome Descrição Valor
jobType [Obrigatório] Especifica o tipo de trabalho. "Varredura" (obrigatório)
earlyTermination As políticas de término antecipado permitem o cancelamento de execuções de baixo desempenho antes de serem concluídas EarlyTerminationPolicy
Entradas Mapeamento de associações de dados de entrada usadas no trabalho. SweepJobInputs
Limites Limite de trabalho de varredura. SweepJobLimits
objetivo [Obrigatório] Objetivo de otimização. objective (obrigatório)
Saídas Mapeamento de associações de dados de saída usadas no trabalho. SweepJobOutputs
queueSettings Configurações de fila para o trabalho queueSettings
samplingAlgorithm [Obrigatório] O algoritmo de amostragem de hiperparâmetro SamplingAlgorithm (obrigatório)
searchSpace [Obrigatório] Um dicionário que contém cada parâmetro e sua distribuição. A chave do dicionário é o nome do parâmetro
julgamento [Obrigatório] Definição do componente de avaliação. TrialComponent (obrigatório)

SweepJobInputs

Nome Descrição Valor
{propriedade personalizada} JobInput

SweepJobLimits

Nome Descrição Valor
jobLimitsType [Obrigatório] Tipo JobLimit. "Comando"
"Varredura" (obrigatório)
maxConcurrentTrials Avaliações simultâneas máximas do Trabalho de Varredura. int
maxTotalTrials Limpar o total de avaliações totais do trabalho de varredura. int
timeout A duração máxima da execução no formato ISO 8601, após a qual o trabalho será cancelado. Só dá suporte à duração com precisão tão baixa quanto Segundos. corda
trialTimeout Valor de tempo limite da Avaliação do Trabalho de Varredura. corda

Objetivo

Nome Descrição Valor
objetivo [Obrigatório] Define as metas de métrica com suporte para ajuste de hiperparâmetro "Maximizar"
"Minimizar" (obrigatório)
primaryMetric [Obrigatório] Nome da métrica a ser otimizada. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]

SweepJobOutputs

Nome Descrição Valor
{propriedade personalizada} JobOutput

SamplingAlgorithm

Nome Descrição Valor
samplingAlgorithmType Definir o tipo de objeto bayesiana
da Grade
aleatória (obrigatório)

BayesianSamplingAlgorithm

Nome Descrição Valor
samplingAlgorithmType [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração "Bayesian" (obrigatório)

GridSamplingAlgorithm

Nome Descrição Valor
samplingAlgorithmType [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração "Grade" (obrigatório)

RandomSamplingAlgorithm

Nome Descrição Valor
samplingAlgorithmType [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração "Aleatório" (obrigatório)
logbase Um número positivo opcional ou e no formato de cadeia de caracteres a ser usado como base para amostragem aleatória baseada em log corda
regra O tipo específico de algoritmo aleatório "Aleatório"
"Sobol"
semente Um inteiro opcional a ser usado como a semente para geração de número aleatório int

TrialComponent

Nome Descrição Valor
codeId ID do recurso ARM do ativo de código. corda
comando [Obrigatório] O comando a ser executado na inicialização do trabalho. Eg. "python train.py" cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
distribuição Configuração de distribuição do trabalho. Se definido, este deverá ser um de Mpi, Tensorflow, PyTorch ou nulo. DistributionConfiguration
environmentId [Obrigatório] A ID do recurso ARM da especificação de Ambiente para o trabalho. cadeia de caracteres (obrigatório)

Restrições:
Comprimento mínimo = 1
Padrão = [a-zA-Z0-9_]
environmentVariables Variáveis de ambiente incluídas no trabalho. TrialComponentEnvironmentVariables
Recursos Configuração de recursos de computação para o trabalho. JobResourceConfiguration

TrialComponentEnvironmentVariables

Nome Descrição Valor
{propriedade personalizada} corda