Workspaces/agendas do Microsoft.MachineLearningServices 2024-04-01-preview
Definição de recurso do Bicep
O tipo de recurso workspaces/schedules pode ser implantado com operações direcionadas:
- Grupos de recursos - Consulte comandos de implantação do grupo 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/schedules, adicione o seguinte Bicep ao seu modelo.
resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2024-04-01-preview' = {
name: 'string'
parent: resourceSymbolicName
properties: {
action: {
actionType: 'string'
// For remaining properties, see ScheduleActionBase objects
}
description: 'string'
displayName: 'string'
isEnabled: bool
properties: {
{customized property}: 'string'
}
tags: {}
trigger: {
endTime: 'string'
startTime: 'string'
timeZone: 'string'
triggerType: 'string'
// For remaining properties, see TriggerBase objects
}
}
}
Objetos ScheduleActionBase
Defina a propriedade actionType para especificar o tipo de objeto.
Para CreateJob, use:
actionType: 'CreateJob'
jobDefinition: {
componentId: 'string'
computeId: 'string'
description: 'string'
displayName: 'string'
experimentName: 'string'
identity: {
identityType: 'string'
// For remaining properties, see IdentityConfiguration objects
}
isArchived: bool
notificationSetting: {
emailOn: [
'string'
]
emails: [
'string'
]
webhooks: {
{customized property}: {
eventType: 'string'
webhookType: 'string'
// For remaining properties, see Webhook objects
}
}
}
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
}
Para CreateMonitor, use:
actionType: 'CreateMonitor'
monitorDefinition: {
alertNotificationSettings: {
emailNotificationSettings: {
emails: [
'string'
]
}
}
computeConfiguration: {
computeType: 'string'
// For remaining properties, see MonitorComputeConfigurationBase objects
}
monitoringTarget: {
deploymentId: 'string'
modelId: 'string'
taskType: 'string'
}
signals: {
{customized property}: {
notificationTypes: [
'string'
]
properties: {
{customized property}: 'string'
}
signalType: 'string'
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Para ImportData, use:
actionType: 'ImportData'
dataImportDefinition: {
assetName: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
dataType: 'string'
dataUri: 'string'
description: 'string'
intellectualProperty: {
protectionLevel: 'string'
publisher: 'string'
}
isAnonymous: bool
isArchived: bool
properties: {
{customized property}: 'string'
}
source: {
connection: 'string'
sourceType: 'string'
// For remaining properties, see DataImportSource objects
}
stage: 'string'
tags: {}
}
Para InvokeBatchEndpoint, use:
actionType: 'InvokeBatchEndpoint'
endpointInvocationDefinition: any()
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'
pathOnCompute: 'string'
uri: 'string'
}
taskType: 'string'
// For remaining properties, see AutoMLVertical objects
}
Parade comando
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 do FineTuning, use:
jobType: 'FineTuning'
fineTuningDetails: {
model: {
description: 'string'
jobInputType: 'string'
mode: 'string'
pathOnCompute: 'string'
uri: 'string'
}
taskType: 'string'
trainingData: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
validationData: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
modelProvider: 'string'
// For remaining properties, see FineTuningVertical objects
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
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'
environmentVariables: {
{customized property}: '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'
componentConfiguration: {
pipelineSettings: any()
}
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
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
locations: [
'string'
]
maxInstanceCount: int
properties: {
{customized property}: any()
}
shmSize: 'string'
}
samplingAlgorithm: {
samplingAlgorithmType: 'string'
// For remaining properties, see SamplingAlgorithm objects
}
searchSpace: any()
trial: {
codeId: 'string'
command: 'string'
distribution: {
distributionType: 'string'
// For remaining properties, see DistributionConfiguration objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
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'
pathOnCompute: 'string'
uri: 'string'
Para mlflow_model, use:
jobOutputType: 'mlflow_model'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
pathOnCompute: 'string'
uri: 'string'
Para mltable, use:
jobOutputType: 'mltable'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
pathOnCompute: 'string'
uri: 'string'
Para triton_model, use:
jobOutputType: 'triton_model'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
pathOnCompute: 'string'
uri: 'string'
Para uri_file, use:
jobOutputType: 'uri_file'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
pathOnCompute: 'string'
uri: 'string'
Para uri_folder, use:
jobOutputType: 'uri_folder'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
pathOnCompute: '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'
pathOnCompute: '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'
pathOnCompute: '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'
pathOnCompute: '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'
pathOnCompute: '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'
pathOnCompute: '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'
pathOnCompute: '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'
pathOnCompute: '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'
pathOnCompute: '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'
pathOnCompute: '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'
pathOnCompute: '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'
pathOnCompute: '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'
pathOnCompute: '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'
pathOnCompute: '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'
pathOnCompute: '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'
pathOnCompute: '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'
pathOnCompute: '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'
pathOnCompute: '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'
pathOnCompute: 'string'
uri: 'string'
Para literal, use:
jobInputType: 'literal'
value: 'string'
Para mlflow_model, use:
jobInputType: 'mlflow_model'
mode: 'string'
pathOnCompute: 'string'
uri: 'string'
Para mltable, use:
jobInputType: 'mltable'
mode: 'string'
pathOnCompute: 'string'
uri: 'string'
Para triton_model, use:
jobInputType: 'triton_model'
mode: 'string'
pathOnCompute: 'string'
uri: 'string'
Para uri_file, use:
jobInputType: 'uri_file'
mode: 'string'
pathOnCompute: 'string'
uri: 'string'
Para uri_folder, use:
jobInputType: 'uri_folder'
mode: 'string'
pathOnCompute: 'string'
uri: 'string'
Objetos FineTuningVertical
Defina a propriedade modelProvider para especificar o tipo de objeto.
Para do AzureOpenAI, use:
modelProvider: 'AzureOpenAI'
hyperParameters: {
batchSize: int
learningRateMultiplier: int
nEpochs: int
}
Para Personalizado, use:
modelProvider: 'Custom'
hyperParameters: {
{customized property}: '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
Objetos MonitorComputeConfigurationBase
Defina a propriedade computeType para especificar o tipo de objeto.
Para ServerlessSpark, use:
computeType: 'ServerlessSpark'
computeIdentity: {
computeIdentityType: 'string'
// For remaining properties, see MonitorComputeIdentityBase objects
}
instanceType: 'string'
runtimeVersion: 'string'
Objetos MonitorComputeIdentityBase
Defina a propriedade computeIdentityType para especificar o tipo de objeto.
Para AmlToken, use:
computeIdentityType: 'AmlToken'
Para ManagedIdentity, use:
computeIdentityType: 'ManagedIdentity'
identity: {
type: 'string'
userAssignedIdentities: {
{customized property}: {}
}
}
Objetos MonitoringSignalBase
Defina a propriedade signalType para especificar o tipo de objeto.
Para Personalizado, use:
signalType: 'Custom'
componentId: 'string'
inputAssets: {
{customized property}: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
metricThresholds: [
{
metric: 'string'
threshold: {
value: int
}
}
]
workspaceConnection: {
environmentVariables: {
{customized property}: 'string'
}
secrets: {
{customized property}: 'string'
}
}
Para DataDrift, use:
signalType: 'DataDrift'
dataSegment: {
feature: 'string'
values: [
'string'
]
}
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: 'string'
}
features: {
filterType: 'string'
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see DataDriftMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Para dataquality, use:
signalType: 'DataQuality'
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: 'string'
}
features: {
filterType: 'string'
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see DataQualityMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Para FeatureAttributionDrift, use:
signalType: 'FeatureAttributionDrift'
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: 'string'
}
metricThreshold: {
metric: 'NormalizedDiscountedCumulativeGain'
threshold: {
value: int
}
}
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Para GenerationSafetyQuality, use:
signalType: 'GenerationSafetyQuality'
metricThresholds: [
{
metric: 'string'
threshold: {
value: int
}
}
]
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
samplingRate: int
workspaceConnectionId: 'string'
Para GenerationTokenStatistics, use:
signalType: 'GenerationTokenStatistics'
metricThresholds: [
{
metric: 'string'
threshold: {
value: int
}
}
]
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
samplingRate: int
Para ModelPerformance, use:
signalType: 'ModelPerformance'
dataSegment: {
feature: 'string'
values: [
'string'
]
}
metricThreshold: {
threshold: {
value: int
}
modelType: 'string'
// For remaining properties, see ModelPerformanceMetricThresholdBase objects
}
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Para PredictionDrift, use:
signalType: 'PredictionDrift'
featureDataTypeOverride: {
{customized property}: 'string'
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Objetos MonitoringInputDataBase
Defina a propriedade inputDataType para especificar o tipo de objeto.
Para Fixa, use:
inputDataType: 'Fixed'
Para Rolling, use:
inputDataType: 'Rolling'
preprocessingComponentId: 'string'
windowOffset: 'string'
windowSize: 'string'
Para estático, use:
inputDataType: 'Static'
preprocessingComponentId: 'string'
windowEnd: 'string'
windowStart: 'string'
Objetos MonitoringFeatureFilterBase
Defina a propriedade filterType para especificar o tipo de objeto.
Para AllFeatures, use:
filterType: 'AllFeatures'
Para FeatureSubset, use:
filterType: 'FeatureSubset'
features: [
'string'
]
Para TopNByAttribution, use:
filterType: 'TopNByAttribution'
top: int
Objetos DataDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
dataType: 'Categorical'
metric: 'string'
Para Numérico, use:
dataType: 'Numerical'
metric: 'string'
Objetos DataQualityMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
dataType: 'Categorical'
metric: 'string'
Para Numérico, use:
dataType: 'Numerical'
metric: 'string'
Objetos ModelPerformanceMetricThresholdBase
Defina a propriedade modelType para especificar o tipo de objeto.
Para classificação, use:
modelType: 'Classification'
metric: 'string'
Para regressão, use:
modelType: 'Regression'
metric: 'string'
Objetos PredictionDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
dataType: 'Categorical'
metric: 'string'
Para Numérico, use:
dataType: 'Numerical'
metric: 'string'
Objetos DataImportSource
Defina a propriedade sourceType para especificar o tipo de objeto.
Para de banco de dados, use:
sourceType: 'database'
query: 'string'
storedProcedure: 'string'
storedProcedureParams: [
{
{customized property}: 'string'
}
]
tableName: 'string'
Para file_system, use:
sourceType: 'file_system'
path: 'string'
Objetos TriggerBase
Defina a propriedade triggerType para especificar o tipo de objeto.
Para cron, use:
triggerType: 'Cron'
expression: 'string'
Para de Recorrência, use:
triggerType: 'Recurrence'
frequency: 'string'
interval: int
schedule: {
hours: [
int
]
minutes: [
int
]
monthDays: [
int
]
weekDays: [
'string'
]
}
Valores de propriedade
workspaces/agendas
| 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. | ScheduleProperties (obrigatório) |
ScheduleProperties
ScheduleActionBase
| Nome | Descrição | Valor |
|---|---|---|
| actionType | Definir o tipo de objeto |
CreateJob CreateMonitor ImportData InvokeBatchEndpoint (obrigatório) |
JobScheduleAction
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. | |
| 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 do FineTuning 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
| 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
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | 'Direct' 'ReadWriteMount' 'Carregar' |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | 'Direct' 'ReadWriteMount' 'Carregar' |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | 'Direct' 'ReadWriteMount' 'Carregar' |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | 'Direct' 'ReadWriteMount' 'Carregar' |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | 'Direct' 'ReadWriteMount' 'Carregar' |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | 'Direct' 'ReadWriteMount' 'Carregar' |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| URI | URI do ativo de saída. | corda |
QueueSettings
| Nome | Descrição | Valor |
|---|---|---|
| jobTier | Controla a camada de trabalho de computação | 'Básico' 'Null' 'Premium' 'Spot' 'Standard' |
| prioridade | Controla a prioridade do trabalho em uma computação. | int |
JobResourceConfiguration
ResourceConfigurationProperties
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | Para o Bicep, você pode usar a função |
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' |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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. | |
| 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 |
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 |
| 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. | |
| limitSettings | Restrições de execução para AutoMLJob. | |
| 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 serátrês 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. | |
| 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
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' |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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
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. | |
| 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' |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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' |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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' |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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' |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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} | |
FineTuningJob
FineTuningVertical
AzureOpenAiFineTuning
AzureOpenAiHyperParameters
| Nome | Descrição | Valor |
|---|---|---|
| batchSize | Número de exemplos em cada lote. Um tamanho de lote maior significa que os parâmetros de modelo são atualizados com menos frequência, mas com menor variação. | int |
| learningRateMultiplier | Fator de dimensionamento para a taxa de aprendizado. Uma taxa de aprendizagem menor pode ser útil para evitar o excesso de ajuste. | int |
| nEpochs | O número de épocas para as quais treinar o modelo. Uma época refere-se a um ciclo completo por meio do conjunto de dados de treinamento. | int |
CustomModelFineTuning
CustomModelFineTuningHyperParameters
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
FineTuningJobOutputs
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | |
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' 'FineTuning' '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. | |
| 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
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 |
| 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 |
PipelineJobOutputs
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | |
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 |
| environmentVariables | Variáveis de ambiente incluídas no trabalho. | SparkJobEnvironmentVariables |
| 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_] |
SparkJobEnvironmentVariables
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
SparkJobInputs
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
SparkJobOutputs
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | |
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) |
| componentConfiguration | Configuração do componente para o componente de varredura | |
| 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. | |
| 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. | |
| queueSettings | Configurações de fila para o trabalho | queueSettings |
| Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
| 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 |
| julgamento | [Obrigatório] Definição do componente de avaliação. | TrialComponent (obrigatório) |
ComponentConfiguration
| Nome | Descrição | Valor |
|---|---|---|
| pipelineSettings | Configurações de pipeline, para itens como ContinueRunOnStepFailure etc. | Para o Bicep, você pode usar a função |
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} | |
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
TrialComponentEnvironmentVariables
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
CreateMonitorAction
| Nome | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação do agendamento | 'CreateMonitor' (obrigatório) |
| monitorDefinition | [Obrigatório] Define o monitor. | MonitorDefinition (obrigatório) |
MonitorDefinition
MonitorNotificationSettings
| Nome | Descrição | Valor |
|---|---|---|
| emailNotificationSettings | As configurações de email de notificação AML. | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
| Nome | Descrição | Valor |
|---|---|---|
| emails | Essa é a lista de destinatários de email que tem uma limitação de 499 caracteres no total. | string[] |
MonitorComputeConfigurationBase
| Nome | Descrição | Valor |
|---|---|---|
| computeType | Definir o tipo de objeto | serverlessSpark (obrigatório) |
MonitorServerlessSparkCompute
MonitorComputeIdentityBase
| Nome | Descrição | Valor |
|---|---|---|
| computeIdentityType | Definir o tipo de objeto |
AmlToken ManagedIdentity (obrigatório) |
AmlTokenComputeIdentity
| Nome | Descrição | Valor |
|---|---|---|
| computeIdentityType | [Obrigatório] Monitore a enumeração de tipo de identidade de computação. | 'AmlToken' (obrigatório) |
ManagedComputeIdentity
ManagedServiceIdentity
| Nome | Descrição | Valor |
|---|---|---|
| tipo | Tipo de identidade de serviço gerenciado (em que os tipos SystemAssigned e UserAssigned são permitidos). | 'None' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (obrigatório) |
| userAssignedIdentities | O conjunto de identidades atribuídas pelo usuário associadas ao recurso. As chaves do dicionário userAssignedIdentities serão IDs de recurso do ARM no formulário: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Os valores do dicionário podem ser objetos vazios ({}) em solicitações. | UserAssignedIdentities |
UserAssignedIdentities
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | UserAssignedIdentity |
UserAssignedIdentity
Esse objeto não contém nenhuma propriedade a ser definida durante a implantação. Todas as propriedades são ReadOnly.
MonitoringTarget
| Nome | Descrição | Valor |
|---|---|---|
| deploymentId | A ID de recurso do ARM da implantação direcionada por este monitor. | corda |
| modelId | A ID de recurso do ARM do modelo direcionado por este monitor. | corda |
| taskType | [Obrigatório] O tipo de tarefa de machine learning do modelo. | 'Classificação' 'QuestionAnswering' 'Regressão' (obrigatório) |
MonitorDefinitionSignals
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | MonitoringSignalBase |
MonitoringSignalBase
| Nome | Descrição | Valor |
|---|---|---|
| notificationTypes | O modo de notificação atual para esse sinal. | Matriz de cadeia de caracteres que contém qualquer um dos: 'AmlNotification' 'AzureMonitor' |
| Propriedades | Dicionário de propriedades. As propriedades podem ser adicionadas, mas não removidas ou alteradas. | MonitoringSignalBaseProperties |
| signalType | Definir o tipo de objeto |
Personalizado datadrift FeatureAttributionDrift GenerationSafetyQuality PredictionDrift (obrigatório) |
MonitoringSignalBaseProperties
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
CustomMonitoringSignal
CustomMonitoringSignalInputAssets
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | MonitoringInputDataBase |
MonitoringInputDataBase
| Nome | Descrição | Valor |
|---|---|---|
| Colunas | Mapeamento de nomes de coluna para usos especiais. | MonitoringInputDataBaseColumns |
| dataContext | Os metadados de contexto da fonte de dados. | corda |
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório) |
| URI | [Obrigatório] URI do ativo de entrada. | cadeia de caracteres (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| inputDataType | Definir o tipo de objeto |
Fixa rolling estático (obrigatório) |
MonitoringInputDataBaseColumns
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
FixedInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'Corrigido' (obrigatório) |
RollingInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'Rolling' (obrigatório) |
| preprocessingComponentId | A ID do recurso arm do recurso de componente usado para pré-processar os dados. | corda |
| windowOffset | [Obrigatório] O deslocamento de tempo entre o final da janela de dados e o tempo de execução atual do monitor. | cadeia de caracteres (obrigatório) |
| windowSize | [Obrigatório] O tamanho da janela de dados à direita. | cadeia de caracteres (obrigatório) |
StaticInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'Estático' (obrigatório) |
| preprocessingComponentId | A ID do recurso arm do recurso de componente usado para pré-processar os dados. | corda |
| windowEnd | [Obrigatório] A data de término da janela de dados. | cadeia de caracteres (obrigatório) |
| windowStart | [Obrigatório] A data de início da janela de dados. | cadeia de caracteres (obrigatório) |
CustomMonitoringSignalInputs
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
CustomMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] A métrica definida pelo usuário a ser calculada. | cadeia de caracteres (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
MonitoringThreshold
| Nome | Descrição | Valor |
|---|---|---|
| valor | O valor do limite. Se nulo, o padrão definido dependerá do tipo de métrica. | int |
MonitoringWorkspaceConnection
| Nome | Descrição | Valor |
|---|---|---|
| environmentVariables | As propriedades de uma conexão de serviço de workspace para armazenar como variáveis de ambiente nos trabalhos enviados. A chave é o caminho da propriedade de conexão do workspace, o nome é chave variável de ambiente. |
MonitoringWorkspaceConnectionEnvironmentVariables |
| Segredos | As propriedades de uma conexão de serviço de workspace para armazenar como segredos nos trabalhos enviados. A chave é o caminho da propriedade de conexão do workspace, o nome é a chave secreta. |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
MonitoringWorkspaceConnectionSecrets
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
DataDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'DataDrift' (obrigatório) |
| dataSegment | O segmento de dados usado para escopo em um subconjunto da população de dados. | MonitoringDataSegment |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | DataDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | |
| Características | O filtro de recurso que identifica qual recurso calcular descompasso. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataDriftMetricThresholdBase[] (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
MonitoringDataSegment
| Nome | Descrição | Valor |
|---|---|---|
| característica | O recurso no qual segmentar os dados. | corda |
| Valores | Filtra apenas os valores especificados do recurso segmentado fornecido. | string[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | 'Categórico' 'Numérico' |
FeatureImportanceSettings
| Nome | Descrição | Valor |
|---|---|---|
| modo | O modo de operação para a importância do recurso de computação. | 'Desabilitado' 'Habilitado' |
| targetColumn | O nome da coluna de destino dentro do ativo de dados de entrada. | corda |
MonitoringFeatureFilterBase
| Nome | Descrição | Valor |
|---|---|---|
| filterType | Definir o tipo de objeto |
AllFeatures featureSubset TopNByAttribution (obrigatório) |
AllFeatures
| Nome | Descrição | Valor |
|---|---|---|
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | 'AllFeatures' (obrigatório) |
FeatureSubset
| Nome | Descrição | Valor |
|---|---|---|
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | 'FeatureSubset' (obrigatório) |
| Características | [Obrigatório] A lista de recursos a serem incluídos. | string[] (obrigatório) |
TopNFeaturesByAttribution
| Nome | Descrição | Valor |
|---|---|---|
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | 'TopNByAttribution' (obrigatório) |
| Início | O número de recursos principais a serem incluídos. | int |
DataDriftMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Datatype | Definir o tipo de objeto |
Categórica Numérico (obrigatório) |
CategoricalDataDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Categórico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de dados categórica a ser calculada. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (obrigatório) |
NumericalDataDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Numérico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de dados numéricos a ser calculada. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (obrigatório) |
DataQualityMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'DataQuality' (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | DataQualityMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | |
| Características | Os recursos a serem calculados descompasso. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataQualityMetricThresholdBase[] (obrigatório) |
| productionData | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | 'Categórico' 'Numérico' |
DataQualityMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Datatype | Definir o tipo de objeto |
Categórica Numérico (obrigatório) |
CategoricalDataQualityMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Categórico' (obrigatório) |
| métrica | [Obrigatório] A métrica de qualidade de dados categórica a ser calculada. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obrigatório) |
NumericalDataQualityMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Numérico' (obrigatório) |
| métrica | [Obrigatório] A métrica de qualidade de dados numéricos a ser calculada. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obrigatório) |
FeatureAttributionDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'FeatureAttributionDrift' (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
| featureImportanceSettings | [Obrigatório] As configurações para a importância do recurso de computação. | FeatureImportanceSettings (obrigatório) |
| metricThreshold | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | FeatureAttributionMetricThreshold (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase[] (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | 'Categórico' 'Numérico' |
FeatureAttributionMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] A métrica de atribuição de recurso a ser calculada. | 'NormalizedDiscountedCumulativeGain' (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
GenerationSafetyQualityMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'GenerationSafetyQuality' (obrigatório) |
| metricThresholds | [Obrigatório] Obtém ou define as métricas a serem calculadas e os limites correspondentes. | GenerationSafetyQualityMetricThreshold [] (obrigatório) |
| productionData | Obtém ou define os dados de produção para métricas de computação. | MonitoringInputDataBase[] |
| samplingRate | [Obrigatório] A taxa de exemplo dos dados de produção deve ser maior que 0 e no máximo 1. | int (obrigatório) |
| workspaceConnectionId | Obtém ou define a ID de conexão do workspace usada para se conectar ao ponto de extremidade de geração de conteúdo. | corda |
GenerationSafetyQualityMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] Obtém ou define a métrica de atribuição de recurso a ser calculada. | 'AcceptableCoherenceScorePerInstance' 'AcceptableFluencyScorePerInstance' 'AcceptableGroundednessScorePerInstance' 'AcceptableRelevanceScorePerInstance' 'AcceptableSimilarityScorePerInstance' 'AggregatedCoherencePassRate' 'AggregatedFluencyPassRate' 'AggregatedGroundednessPassRate' 'AggregatedRelevancePassRate' 'AggregatedSimilarityPassRate' (obrigatório) |
| limiar | Obtém ou define o valor limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. |
MonitoringThreshold |
GenerationTokenUsageSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'GenerationTokenStatistics' (obrigatório) |
| metricThresholds | [Obrigatório] Obtém ou define as métricas a serem calculadas e os limites correspondentes. | GenerationTokenUsageMetricThreshold [] (obrigatório) |
| productionData | Obtém ou define os dados de produção para métricas de computação. | MonitoringInputDataBase[] |
| samplingRate | [Obrigatório] A taxa de exemplo dos dados de produção deve ser maior que 0 e no máximo 1. | int (obrigatório) |
GenerationTokenUsageMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] Obtém ou define a métrica de atribuição de recurso a ser calculada. | 'TotalTokenCount' 'TotalTokenCountPerGroup' (obrigatório) |
| limiar | Obtém ou define o valor limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. |
MonitoringThreshold |
ModelPerformanceSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'ModelPerformance' (obrigatório) |
| dataSegment | O segmento de dados. | MonitoringDataSegment |
| metricThreshold | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | ModelPerformanceMetricThresholdBase (obrigatório) |
| productionData | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o desempenho será calculado. | MonitoringInputDataBase[] (obrigatório) |
| referenceData | [Obrigatório] Os dados de referência usados como base para calcular o desempenho do modelo. | MonitoringInputDataBase (obrigatório) |
ModelPerformanceMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| modelType | Definir o tipo de objeto | classificação de Regressão (obrigatório) |
ClassificationModelPerformanceMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| modelType | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Classificação' (obrigatório) |
| métrica | [Obrigatório] O desempenho do modelo de classificação a ser calculado. | 'Precisão' 'Precisão' 'Recall' (obrigatório) |
RegressionModelPerformanceMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| modelType | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Regressão' (obrigatório) |
| métrica | [Obrigatório] A métrica de desempenho do modelo de regressão a ser calculada. | 'MeanAbsoluteError' 'MeanSquaredError' 'RootMeanSquaredError' (obrigatório) |
PredictionDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'PredictionDrift' (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | PredictionDriftMetricThresholdBase [] (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | 'Categórico' 'Numérico' |
PredictionDriftMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Datatype | Definir o tipo de objeto |
Categórica Numérico (obrigatório) |
CategoricalPredictionDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Categórico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de previsão categórica a ser calculada. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (obrigatório) |
NumericalPredictionDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Numérico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de previsão numérica a ser calculada. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (obrigatório) |
ImportDataAction
DataImport
IntellectualProperty
| Nome | Descrição | Valor |
|---|---|---|
| protectionLevel | Nível de proteção da Propriedade Intelectual. | 'All' 'None' |
| editor | [Obrigatório] Publicador da Propriedade Intelectual. Deve ser o mesmo que o nome do publicador do Registro. | cadeia de caracteres (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
DataImportSource
| Nome | Descrição | Valor |
|---|---|---|
| conexão | Conexão de workspace para o armazenamento de origem de importação de dados | corda |
| sourceType | Definir o tipo de objeto |
banco de dados file_system (obrigatório) |
DatabaseSource
| Nome | Descrição | Valor |
|---|---|---|
| sourceType | [Obrigatório] Especifica o tipo de dados. | 'database' (obrigatório) |
| consulta | Instrução de consulta SQL para fonte de banco de dados de importação de dados | corda |
| storedProcedure | SQL StoredProcedure na fonte de banco de dados de importação de dados | corda |
| storedProcedureParams | Parâmetros do SQL StoredProcedure | DatabaseSourceStoredProcedureParamsItem[] |
| tableName | Nome da tabela na fonte de banco de dados de importação de dados | corda |
DatabaseSourceStoredProcedureParamsItem
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
FileSystemSource
| Nome | Descrição | Valor |
|---|---|---|
| sourceType | [Obrigatório] Especifica o tipo de dados. | 'file_system' (obrigatório) |
| caminho | Caminho na origem do FileSystem de importação de dados | corda |
EndpointScheduleAction
| Nome | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação do agendamento | 'InvokeBatchEndpoint' (obrigatório) |
| endpointInvocationDefinition | [Obrigatório] Define detalhes da definição da ação Agendar. {consulte href="TBD" /} |
Para o Bicep, você pode usar a função |
TriggerBase
| Nome | Descrição | Valor |
|---|---|---|
| endTime | Especifica a hora de término do agendamento no ISO 8601, mas sem um deslocamento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601.O formato recomissado seria "2022-06-01T00:00:01" Se não estiver presente, o agendamento será executado indefinidamente |
corda |
| startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC. | corda |
| Fuso horário | Especifica o fuso horário no qual o agendamento é executado. O TimeZone deve seguir o formato de fuso horário do Windows. Consulte: /windows-hardware/manufacture/desktop/default-time-zones /> |
corda |
| triggerType | Definir o tipo de objeto |
Cron de recorrência (obrigatório) |
CronTrigger
| Nome | Descrição | Valor |
|---|---|---|
| triggerType | [Obrigatório] | 'Cron' (obrigatório) |
| expressão | [Obrigatório] Especifica a expressão cron de agendamento. A expressão deve seguir o formato NCronTab. |
cadeia de caracteres (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
RecurrenceTrigger
RecurrenceSchedule
| Nome | Descrição | Valor |
|---|---|---|
| Horas | [Obrigatório] Lista de horas para o agendamento. | int[] (obrigatório) |
| ata | [Obrigatório] Lista de minutos para o agendamento. | int[] (obrigatório) |
| monthDays | Lista de dias do mês para o agendamento | int[] |
| Semana | Lista de dias para a agenda. | Matriz de cadeia de caracteres que contém qualquer um dos: 'Sexta-feira' 'Segunda-feira' 'Sábado' 'Domingo' 'Quinta-feira' 'Terça-feira' 'Quarta-feira' |
Definição de recurso de modelo do ARM
O tipo de recurso workspaces/schedules pode ser implantado com operações direcionadas:
- Grupos de recursos - Consulte comandos de implantação do grupo 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/schedules, adicione o JSON a seguir ao modelo.
{
"type": "Microsoft.MachineLearningServices/workspaces/schedules",
"apiVersion": "2024-04-01-preview",
"name": "string",
"properties": {
"action": {
"actionType": "string"
// For remaining properties, see ScheduleActionBase objects
},
"description": "string",
"displayName": "string",
"isEnabled": "bool",
"properties": {
"{customized property}": "string"
},
"tags": {},
"trigger": {
"endTime": "string",
"startTime": "string",
"timeZone": "string",
"triggerType": "string"
// For remaining properties, see TriggerBase objects
}
}
}
Objetos ScheduleActionBase
Defina a propriedade actionType para especificar o tipo de objeto.
Para CreateJob, use:
"actionType": "CreateJob",
"jobDefinition": {
"componentId": "string",
"computeId": "string",
"description": "string",
"displayName": "string",
"experimentName": "string",
"identity": {
"identityType": "string"
// For remaining properties, see IdentityConfiguration objects
},
"isArchived": "bool",
"notificationSetting": {
"emailOn": [ "string" ],
"emails": [ "string" ],
"webhooks": {
"{customized property}": {
"eventType": "string",
"webhookType": "string"
// For remaining properties, see Webhook objects
}
}
},
"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
}
Para CreateMonitor, use:
"actionType": "CreateMonitor",
"monitorDefinition": {
"alertNotificationSettings": {
"emailNotificationSettings": {
"emails": [ "string" ]
}
},
"computeConfiguration": {
"computeType": "string"
// For remaining properties, see MonitorComputeConfigurationBase objects
},
"monitoringTarget": {
"deploymentId": "string",
"modelId": "string",
"taskType": "string"
},
"signals": {
"{customized property}": {
"notificationTypes": [ "string" ],
"properties": {
"{customized property}": "string"
},
"signalType": "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Para ImportData, use:
"actionType": "ImportData",
"dataImportDefinition": {
"assetName": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"dataType": "string",
"dataUri": "string",
"description": "string",
"intellectualProperty": {
"protectionLevel": "string",
"publisher": "string"
},
"isAnonymous": "bool",
"isArchived": "bool",
"properties": {
"{customized property}": "string"
},
"source": {
"connection": "string",
"sourceType": "string"
// For remaining properties, see DataImportSource objects
},
"stage": "string",
"tags": {}
}
Para InvokeBatchEndpoint, use:
"actionType": "InvokeBatchEndpoint",
"endpointInvocationDefinition": {}
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",
"pathOnCompute": "string",
"uri": "string"
},
"taskType": "string"
// For remaining properties, see AutoMLVertical objects
}
Parade comando
"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 do FineTuning, use:
"jobType": "FineTuning",
"fineTuningDetails": {
"model": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"pathOnCompute": "string",
"uri": "string"
},
"taskType": "string",
"trainingData": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
},
"validationData": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
},
"modelProvider": "string"
// For remaining properties, see FineTuningVertical objects
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
}
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",
"environmentVariables": {
"{customized property}": "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",
"componentConfiguration": {
"pipelineSettings": {}
},
"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"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"locations": [ "string" ],
"maxInstanceCount": "int",
"properties": {
"{customized property}": {}
},
"shmSize": "string"
},
"samplingAlgorithm": {
"samplingAlgorithmType": "string"
// For remaining properties, see SamplingAlgorithm objects
},
"searchSpace": {},
"trial": {
"codeId": "string",
"command": "string",
"distribution": {
"distributionType": "string"
// For remaining properties, see DistributionConfiguration objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"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",
"pathOnCompute": "string",
"uri": "string"
Para mlflow_model, use:
"jobOutputType": "mlflow_model",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"pathOnCompute": "string",
"uri": "string"
Para mltable, use:
"jobOutputType": "mltable",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"pathOnCompute": "string",
"uri": "string"
Para triton_model, use:
"jobOutputType": "triton_model",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"pathOnCompute": "string",
"uri": "string"
Para uri_file, use:
"jobOutputType": "uri_file",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"pathOnCompute": "string",
"uri": "string"
Para uri_folder, use:
"jobOutputType": "uri_folder",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"pathOnCompute": "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",
"pathOnCompute": "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",
"pathOnCompute": "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",
"pathOnCompute": "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",
"pathOnCompute": "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",
"pathOnCompute": "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",
"pathOnCompute": "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",
"pathOnCompute": "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",
"pathOnCompute": "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",
"pathOnCompute": "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",
"pathOnCompute": "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",
"pathOnCompute": "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",
"pathOnCompute": "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",
"pathOnCompute": "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",
"pathOnCompute": "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",
"pathOnCompute": "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",
"pathOnCompute": "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",
"pathOnCompute": "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",
"pathOnCompute": "string",
"uri": "string"
Para literal, use:
"jobInputType": "literal",
"value": "string"
Para mlflow_model, use:
"jobInputType": "mlflow_model",
"mode": "string",
"pathOnCompute": "string",
"uri": "string"
Para mltable, use:
"jobInputType": "mltable",
"mode": "string",
"pathOnCompute": "string",
"uri": "string"
Para triton_model, use:
"jobInputType": "triton_model",
"mode": "string",
"pathOnCompute": "string",
"uri": "string"
Para uri_file, use:
"jobInputType": "uri_file",
"mode": "string",
"pathOnCompute": "string",
"uri": "string"
Para uri_folder, use:
"jobInputType": "uri_folder",
"mode": "string",
"pathOnCompute": "string",
"uri": "string"
Objetos FineTuningVertical
Defina a propriedade modelProvider para especificar o tipo de objeto.
Para do AzureOpenAI, use:
"modelProvider": "AzureOpenAI",
"hyperParameters": {
"batchSize": "int",
"learningRateMultiplier": "int",
"nEpochs": "int"
}
Para Personalizado, use:
"modelProvider": "Custom",
"hyperParameters": {
"{customized property}": "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"
Objetos MonitorComputeConfigurationBase
Defina a propriedade computeType para especificar o tipo de objeto.
Para ServerlessSpark, use:
"computeType": "ServerlessSpark",
"computeIdentity": {
"computeIdentityType": "string"
// For remaining properties, see MonitorComputeIdentityBase objects
},
"instanceType": "string",
"runtimeVersion": "string"
Objetos MonitorComputeIdentityBase
Defina a propriedade computeIdentityType para especificar o tipo de objeto.
Para AmlToken, use:
"computeIdentityType": "AmlToken"
Para ManagedIdentity, use:
"computeIdentityType": "ManagedIdentity",
"identity": {
"type": "string",
"userAssignedIdentities": {
"{customized property}": {}
}
}
Objetos MonitoringSignalBase
Defina a propriedade signalType para especificar o tipo de objeto.
Para Personalizado, use:
"signalType": "Custom",
"componentId": "string",
"inputAssets": {
"{customized property}": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"metricThresholds": [
{
"metric": "string",
"threshold": {
"value": "int"
}
}
],
"workspaceConnection": {
"environmentVariables": {
"{customized property}": "string"
},
"secrets": {
"{customized property}": "string"
}
}
Para DataDrift, use:
"signalType": "DataDrift",
"dataSegment": {
"feature": "string",
"values": [ "string" ]
},
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "string"
},
"features": {
"filterType": "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
},
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see DataDriftMetricThresholdBase objects
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Para dataquality, use:
"signalType": "DataQuality",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "string"
},
"features": {
"filterType": "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
},
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see DataQualityMetricThresholdBase objects
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Para FeatureAttributionDrift, use:
"signalType": "FeatureAttributionDrift",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "string"
},
"metricThreshold": {
"metric": "NormalizedDiscountedCumulativeGain",
"threshold": {
"value": "int"
}
},
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Para GenerationSafetyQuality, use:
"signalType": "GenerationSafetyQuality",
"metricThresholds": [
{
"metric": "string",
"threshold": {
"value": "int"
}
}
],
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"samplingRate": "int",
"workspaceConnectionId": "string"
Para GenerationTokenStatistics, use:
"signalType": "GenerationTokenStatistics",
"metricThresholds": [
{
"metric": "string",
"threshold": {
"value": "int"
}
}
],
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"samplingRate": "int"
Para ModelPerformance, use:
"signalType": "ModelPerformance",
"dataSegment": {
"feature": "string",
"values": [ "string" ]
},
"metricThreshold": {
"threshold": {
"value": "int"
},
"modelType": "string"
// For remaining properties, see ModelPerformanceMetricThresholdBase objects
},
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Para PredictionDrift, use:
"signalType": "PredictionDrift",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Objetos MonitoringInputDataBase
Defina a propriedade inputDataType para especificar o tipo de objeto.
Para Fixa, use:
"inputDataType": "Fixed"
Para Rolling, use:
"inputDataType": "Rolling",
"preprocessingComponentId": "string",
"windowOffset": "string",
"windowSize": "string"
Para estático, use:
"inputDataType": "Static",
"preprocessingComponentId": "string",
"windowEnd": "string",
"windowStart": "string"
Objetos MonitoringFeatureFilterBase
Defina a propriedade filterType para especificar o tipo de objeto.
Para AllFeatures, use:
"filterType": "AllFeatures"
Para FeatureSubset, use:
"filterType": "FeatureSubset",
"features": [ "string" ]
Para TopNByAttribution, use:
"filterType": "TopNByAttribution",
"top": "int"
Objetos DataDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
"dataType": "Categorical",
"metric": "string"
Para Numérico, use:
"dataType": "Numerical",
"metric": "string"
Objetos DataQualityMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
"dataType": "Categorical",
"metric": "string"
Para Numérico, use:
"dataType": "Numerical",
"metric": "string"
Objetos ModelPerformanceMetricThresholdBase
Defina a propriedade modelType para especificar o tipo de objeto.
Para classificação, use:
"modelType": "Classification",
"metric": "string"
Para regressão, use:
"modelType": "Regression",
"metric": "string"
Objetos PredictionDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
"dataType": "Categorical",
"metric": "string"
Para Numérico, use:
"dataType": "Numerical",
"metric": "string"
Objetos DataImportSource
Defina a propriedade sourceType para especificar o tipo de objeto.
Para de banco de dados, use:
"sourceType": "database",
"query": "string",
"storedProcedure": "string",
"storedProcedureParams": [
{
"{customized property}": "string"
}
],
"tableName": "string"
Para file_system, use:
"sourceType": "file_system",
"path": "string"
Objetos TriggerBase
Defina a propriedade triggerType para especificar o tipo de objeto.
Para cron, use:
"triggerType": "Cron",
"expression": "string"
Para de Recorrência, use:
"triggerType": "Recurrence",
"frequency": "string",
"interval": "int",
"schedule": {
"hours": [ "int" ],
"minutes": [ "int" ],
"monthDays": [ "int" ],
"weekDays": [ "string" ]
}
Valores de propriedade
workspaces/agendas
| Nome | Descrição | Valor |
|---|---|---|
| tipo | O tipo de recurso | 'Microsoft.MachineLearningServices/workspaces/schedules' |
| apiVersion | A versão da API do recurso | '2024-04-01-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. | ScheduleProperties (obrigatório) |
ScheduleProperties
ScheduleActionBase
| Nome | Descrição | Valor |
|---|---|---|
| actionType | Definir o tipo de objeto |
CreateJob CreateMonitor ImportData InvokeBatchEndpoint (obrigatório) |
JobScheduleAction
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. | |
| 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 do FineTuning 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
| 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
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | 'Direct' 'ReadWriteMount' 'Carregar' |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | 'Direct' 'ReadWriteMount' 'Carregar' |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | 'Direct' 'ReadWriteMount' 'Carregar' |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | 'Direct' 'ReadWriteMount' 'Carregar' |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | 'Direct' 'ReadWriteMount' 'Carregar' |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | 'Direct' 'ReadWriteMount' 'Carregar' |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| URI | URI do ativo de saída. | corda |
QueueSettings
| Nome | Descrição | Valor |
|---|---|---|
| jobTier | Controla a camada de trabalho de computação | 'Básico' 'Null' 'Premium' 'Spot' 'Standard' |
| prioridade | Controla a prioridade do trabalho em uma computação. | int |
JobResourceConfiguration
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' |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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. | |
| 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. | |
| limitSettings | Restrições de execução para AutoMLJob. | |
| 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 serátrês 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. | |
| 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
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' |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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
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. | |
| 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' |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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' |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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' |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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' |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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} | |
FineTuningJob
FineTuningVertical
AzureOpenAiFineTuning
AzureOpenAiHyperParameters
| Nome | Descrição | Valor |
|---|---|---|
| batchSize | Número de exemplos em cada lote. Um tamanho de lote maior significa que os parâmetros de modelo são atualizados com menos frequência, mas com menor variação. | int |
| learningRateMultiplier | Fator de dimensionamento para a taxa de aprendizado. Uma taxa de aprendizagem menor pode ser útil para evitar o excesso de ajuste. | int |
| nEpochs | O número de épocas para as quais treinar o modelo. Uma época refere-se a um ciclo completo por meio do conjunto de dados de treinamento. | int |
CustomModelFineTuning
CustomModelFineTuningHyperParameters
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
FineTuningJobOutputs
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | |
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' 'FineTuning' '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. | |
| 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
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} | |
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 |
| environmentVariables | Variáveis de ambiente incluídas no trabalho. | SparkJobEnvironmentVariables |
| 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_] |
SparkJobEnvironmentVariables
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
SparkJobInputs
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
SparkJobOutputs
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | |
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) |
| componentConfiguration | Configuração do componente para o componente de varredura | |
| 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. | |
| 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. | |
| queueSettings | Configurações de fila para o trabalho | queueSettings |
| Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
| 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) |
ComponentConfiguration
| Nome | Descrição | Valor |
|---|---|---|
| pipelineSettings | Configurações de pipeline, para itens como ContinueRunOnStepFailure etc. |
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} | |
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
TrialComponentEnvironmentVariables
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
CreateMonitorAction
| Nome | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação do agendamento | 'CreateMonitor' (obrigatório) |
| monitorDefinition | [Obrigatório] Define o monitor. | MonitorDefinition (obrigatório) |
MonitorDefinition
MonitorNotificationSettings
| Nome | Descrição | Valor |
|---|---|---|
| emailNotificationSettings | As configurações de email de notificação AML. | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
| Nome | Descrição | Valor |
|---|---|---|
| emails | Essa é a lista de destinatários de email que tem uma limitação de 499 caracteres no total. | string[] |
MonitorComputeConfigurationBase
| Nome | Descrição | Valor |
|---|---|---|
| computeType | Definir o tipo de objeto | serverlessSpark (obrigatório) |
MonitorServerlessSparkCompute
MonitorComputeIdentityBase
| Nome | Descrição | Valor |
|---|---|---|
| computeIdentityType | Definir o tipo de objeto |
AmlToken ManagedIdentity (obrigatório) |
AmlTokenComputeIdentity
| Nome | Descrição | Valor |
|---|---|---|
| computeIdentityType | [Obrigatório] Monitore a enumeração de tipo de identidade de computação. | 'AmlToken' (obrigatório) |
ManagedComputeIdentity
ManagedServiceIdentity
| Nome | Descrição | Valor |
|---|---|---|
| tipo | Tipo de identidade de serviço gerenciado (em que os tipos SystemAssigned e UserAssigned são permitidos). | 'None' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (obrigatório) |
| userAssignedIdentities | O conjunto de identidades atribuídas pelo usuário associadas ao recurso. As chaves do dicionário userAssignedIdentities serão IDs de recurso do ARM no formulário: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Os valores do dicionário podem ser objetos vazios ({}) em solicitações. | UserAssignedIdentities |
UserAssignedIdentities
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | UserAssignedIdentity |
UserAssignedIdentity
Esse objeto não contém nenhuma propriedade a ser definida durante a implantação. Todas as propriedades são ReadOnly.
MonitoringTarget
| Nome | Descrição | Valor |
|---|---|---|
| deploymentId | A ID de recurso do ARM da implantação direcionada por este monitor. | corda |
| modelId | A ID de recurso do ARM do modelo direcionado por este monitor. | corda |
| taskType | [Obrigatório] O tipo de tarefa de machine learning do modelo. | 'Classificação' 'QuestionAnswering' 'Regressão' (obrigatório) |
MonitorDefinitionSignals
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | MonitoringSignalBase |
MonitoringSignalBase
| Nome | Descrição | Valor |
|---|---|---|
| notificationTypes | O modo de notificação atual para esse sinal. | Matriz de cadeia de caracteres que contém qualquer um dos: 'AmlNotification' 'AzureMonitor' |
| Propriedades | Dicionário de propriedades. As propriedades podem ser adicionadas, mas não removidas ou alteradas. | MonitoringSignalBaseProperties |
| signalType | Definir o tipo de objeto |
Personalizado datadrift FeatureAttributionDrift GenerationSafetyQuality PredictionDrift (obrigatório) |
MonitoringSignalBaseProperties
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
CustomMonitoringSignal
CustomMonitoringSignalInputAssets
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | MonitoringInputDataBase |
MonitoringInputDataBase
| Nome | Descrição | Valor |
|---|---|---|
| Colunas | Mapeamento de nomes de coluna para usos especiais. | MonitoringInputDataBaseColumns |
| dataContext | Os metadados de contexto da fonte de dados. | corda |
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório) |
| URI | [Obrigatório] URI do ativo de entrada. | cadeia de caracteres (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| inputDataType | Definir o tipo de objeto |
Fixa rolling estático (obrigatório) |
MonitoringInputDataBaseColumns
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
FixedInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'Corrigido' (obrigatório) |
RollingInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'Rolling' (obrigatório) |
| preprocessingComponentId | A ID do recurso arm do recurso de componente usado para pré-processar os dados. | corda |
| windowOffset | [Obrigatório] O deslocamento de tempo entre o final da janela de dados e o tempo de execução atual do monitor. | cadeia de caracteres (obrigatório) |
| windowSize | [Obrigatório] O tamanho da janela de dados à direita. | cadeia de caracteres (obrigatório) |
StaticInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'Estático' (obrigatório) |
| preprocessingComponentId | A ID do recurso arm do recurso de componente usado para pré-processar os dados. | corda |
| windowEnd | [Obrigatório] A data de término da janela de dados. | cadeia de caracteres (obrigatório) |
| windowStart | [Obrigatório] A data de início da janela de dados. | cadeia de caracteres (obrigatório) |
CustomMonitoringSignalInputs
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
CustomMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] A métrica definida pelo usuário a ser calculada. | cadeia de caracteres (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
MonitoringThreshold
| Nome | Descrição | Valor |
|---|---|---|
| valor | O valor do limite. Se nulo, o padrão definido dependerá do tipo de métrica. | int |
MonitoringWorkspaceConnection
| Nome | Descrição | Valor |
|---|---|---|
| environmentVariables | As propriedades de uma conexão de serviço de workspace para armazenar como variáveis de ambiente nos trabalhos enviados. A chave é o caminho da propriedade de conexão do workspace, o nome é chave variável de ambiente. |
MonitoringWorkspaceConnectionEnvironmentVariables |
| Segredos | As propriedades de uma conexão de serviço de workspace para armazenar como segredos nos trabalhos enviados. A chave é o caminho da propriedade de conexão do workspace, o nome é a chave secreta. |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
MonitoringWorkspaceConnectionSecrets
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
DataDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'DataDrift' (obrigatório) |
| dataSegment | O segmento de dados usado para escopo em um subconjunto da população de dados. | MonitoringDataSegment |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | DataDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | |
| Características | O filtro de recurso que identifica qual recurso calcular descompasso. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataDriftMetricThresholdBase[] (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
MonitoringDataSegment
| Nome | Descrição | Valor |
|---|---|---|
| característica | O recurso no qual segmentar os dados. | corda |
| Valores | Filtra apenas os valores especificados do recurso segmentado fornecido. | string[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | 'Categórico' 'Numérico' |
FeatureImportanceSettings
| Nome | Descrição | Valor |
|---|---|---|
| modo | O modo de operação para a importância do recurso de computação. | 'Desabilitado' 'Habilitado' |
| targetColumn | O nome da coluna de destino dentro do ativo de dados de entrada. | corda |
MonitoringFeatureFilterBase
| Nome | Descrição | Valor |
|---|---|---|
| filterType | Definir o tipo de objeto |
AllFeatures featureSubset TopNByAttribution (obrigatório) |
AllFeatures
| Nome | Descrição | Valor |
|---|---|---|
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | 'AllFeatures' (obrigatório) |
FeatureSubset
| Nome | Descrição | Valor |
|---|---|---|
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | 'FeatureSubset' (obrigatório) |
| Características | [Obrigatório] A lista de recursos a serem incluídos. | string[] (obrigatório) |
TopNFeaturesByAttribution
| Nome | Descrição | Valor |
|---|---|---|
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | 'TopNByAttribution' (obrigatório) |
| Início | O número de recursos principais a serem incluídos. | int |
DataDriftMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Datatype | Definir o tipo de objeto |
Categórica Numérico (obrigatório) |
CategoricalDataDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Categórico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de dados categórica a ser calculada. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (obrigatório) |
NumericalDataDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Numérico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de dados numéricos a ser calculada. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (obrigatório) |
DataQualityMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'DataQuality' (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | DataQualityMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | |
| Características | Os recursos a serem calculados descompasso. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataQualityMetricThresholdBase[] (obrigatório) |
| productionData | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | 'Categórico' 'Numérico' |
DataQualityMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Datatype | Definir o tipo de objeto |
Categórica Numérico (obrigatório) |
CategoricalDataQualityMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Categórico' (obrigatório) |
| métrica | [Obrigatório] A métrica de qualidade de dados categórica a ser calculada. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obrigatório) |
NumericalDataQualityMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Numérico' (obrigatório) |
| métrica | [Obrigatório] A métrica de qualidade de dados numéricos a ser calculada. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obrigatório) |
FeatureAttributionDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'FeatureAttributionDrift' (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
| featureImportanceSettings | [Obrigatório] As configurações para a importância do recurso de computação. | FeatureImportanceSettings (obrigatório) |
| metricThreshold | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | FeatureAttributionMetricThreshold (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase[] (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | 'Categórico' 'Numérico' |
FeatureAttributionMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] A métrica de atribuição de recurso a ser calculada. | 'NormalizedDiscountedCumulativeGain' (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
GenerationSafetyQualityMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'GenerationSafetyQuality' (obrigatório) |
| metricThresholds | [Obrigatório] Obtém ou define as métricas a serem calculadas e os limites correspondentes. | GenerationSafetyQualityMetricThreshold [] (obrigatório) |
| productionData | Obtém ou define os dados de produção para métricas de computação. | MonitoringInputDataBase[] |
| samplingRate | [Obrigatório] A taxa de exemplo dos dados de produção deve ser maior que 0 e no máximo 1. | int (obrigatório) |
| workspaceConnectionId | Obtém ou define a ID de conexão do workspace usada para se conectar ao ponto de extremidade de geração de conteúdo. | corda |
GenerationSafetyQualityMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] Obtém ou define a métrica de atribuição de recurso a ser calculada. | 'AcceptableCoherenceScorePerInstance' 'AcceptableFluencyScorePerInstance' 'AcceptableGroundednessScorePerInstance' 'AcceptableRelevanceScorePerInstance' 'AcceptableSimilarityScorePerInstance' 'AggregatedCoherencePassRate' 'AggregatedFluencyPassRate' 'AggregatedGroundednessPassRate' 'AggregatedRelevancePassRate' 'AggregatedSimilarityPassRate' (obrigatório) |
| limiar | Obtém ou define o valor limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. |
MonitoringThreshold |
GenerationTokenUsageSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'GenerationTokenStatistics' (obrigatório) |
| metricThresholds | [Obrigatório] Obtém ou define as métricas a serem calculadas e os limites correspondentes. | GenerationTokenUsageMetricThreshold [] (obrigatório) |
| productionData | Obtém ou define os dados de produção para métricas de computação. | MonitoringInputDataBase[] |
| samplingRate | [Obrigatório] A taxa de exemplo dos dados de produção deve ser maior que 0 e no máximo 1. | int (obrigatório) |
GenerationTokenUsageMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] Obtém ou define a métrica de atribuição de recurso a ser calculada. | 'TotalTokenCount' 'TotalTokenCountPerGroup' (obrigatório) |
| limiar | Obtém ou define o valor limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. |
MonitoringThreshold |
ModelPerformanceSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'ModelPerformance' (obrigatório) |
| dataSegment | O segmento de dados. | MonitoringDataSegment |
| metricThreshold | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | ModelPerformanceMetricThresholdBase (obrigatório) |
| productionData | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o desempenho será calculado. | MonitoringInputDataBase[] (obrigatório) |
| referenceData | [Obrigatório] Os dados de referência usados como base para calcular o desempenho do modelo. | MonitoringInputDataBase (obrigatório) |
ModelPerformanceMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| modelType | Definir o tipo de objeto | classificação de Regressão (obrigatório) |
ClassificationModelPerformanceMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| modelType | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Classificação' (obrigatório) |
| métrica | [Obrigatório] O desempenho do modelo de classificação a ser calculado. | 'Precisão' 'Precisão' 'Recall' (obrigatório) |
RegressionModelPerformanceMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| modelType | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Regressão' (obrigatório) |
| métrica | [Obrigatório] A métrica de desempenho do modelo de regressão a ser calculada. | 'MeanAbsoluteError' 'MeanSquaredError' 'RootMeanSquaredError' (obrigatório) |
PredictionDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'PredictionDrift' (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | PredictionDriftMetricThresholdBase [] (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | 'Categórico' 'Numérico' |
PredictionDriftMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Datatype | Definir o tipo de objeto |
Categórica Numérico (obrigatório) |
CategoricalPredictionDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Categórico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de previsão categórica a ser calculada. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (obrigatório) |
NumericalPredictionDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Numérico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de previsão numérica a ser calculada. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (obrigatório) |
ImportDataAction
DataImport
IntellectualProperty
| Nome | Descrição | Valor |
|---|---|---|
| protectionLevel | Nível de proteção da Propriedade Intelectual. | 'All' 'None' |
| editor | [Obrigatório] Publicador da Propriedade Intelectual. Deve ser o mesmo que o nome do publicador do Registro. | cadeia de caracteres (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
DataImportSource
| Nome | Descrição | Valor |
|---|---|---|
| conexão | Conexão de workspace para o armazenamento de origem de importação de dados | corda |
| sourceType | Definir o tipo de objeto |
banco de dados file_system (obrigatório) |
DatabaseSource
| Nome | Descrição | Valor |
|---|---|---|
| sourceType | [Obrigatório] Especifica o tipo de dados. | 'database' (obrigatório) |
| consulta | Instrução de consulta SQL para fonte de banco de dados de importação de dados | corda |
| storedProcedure | SQL StoredProcedure na fonte de banco de dados de importação de dados | corda |
| storedProcedureParams | Parâmetros do SQL StoredProcedure | DatabaseSourceStoredProcedureParamsItem[] |
| tableName | Nome da tabela na fonte de banco de dados de importação de dados | corda |
DatabaseSourceStoredProcedureParamsItem
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
FileSystemSource
| Nome | Descrição | Valor |
|---|---|---|
| sourceType | [Obrigatório] Especifica o tipo de dados. | 'file_system' (obrigatório) |
| caminho | Caminho na origem do FileSystem de importação de dados | corda |
EndpointScheduleAction
| Nome | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação do agendamento | 'InvokeBatchEndpoint' (obrigatório) |
| endpointInvocationDefinition | [Obrigatório] Define detalhes da definição da ação Agendar. {consulte href="TBD" /} |
TriggerBase
| Nome | Descrição | Valor |
|---|---|---|
| endTime | Especifica a hora de término do agendamento no ISO 8601, mas sem um deslocamento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601.O formato recomissado seria "2022-06-01T00:00:01" Se não estiver presente, o agendamento será executado indefinidamente |
corda |
| startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC. | corda |
| Fuso horário | Especifica o fuso horário no qual o agendamento é executado. O TimeZone deve seguir o formato de fuso horário do Windows. Consulte: /windows-hardware/manufacture/desktop/default-time-zones /> |
corda |
| triggerType | Definir o tipo de objeto |
Cron de recorrência (obrigatório) |
CronTrigger
| Nome | Descrição | Valor |
|---|---|---|
| triggerType | [Obrigatório] | 'Cron' (obrigatório) |
| expressão | [Obrigatório] Especifica a expressão cron de agendamento. A expressão deve seguir o formato NCronTab. |
cadeia de caracteres (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
RecurrenceTrigger
RecurrenceSchedule
| Nome | Descrição | Valor |
|---|---|---|
| Horas | [Obrigatório] Lista de horas para o agendamento. | int[] (obrigatório) |
| ata | [Obrigatório] Lista de minutos para o agendamento. | int[] (obrigatório) |
| monthDays | Lista de dias do mês para o agendamento | int[] |
| Semana | Lista de dias para a agenda. | Matriz de cadeia de caracteres que contém qualquer um dos: 'Sexta-feira' 'Segunda-feira' 'Sábado' 'Domingo' 'Quinta-feira' 'Terça-feira' 'Quarta-feira' |
Definição de recurso do Terraform (provedor de AzAPI)
O tipo de recurso workspaces/schedules 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/schedules, adicione o Terraform a seguir ao seu modelo.
resource "azapi_resource" "symbolicname" {
type = "Microsoft.MachineLearningServices/workspaces/schedules@2024-04-01-preview"
name = "string"
parent_id = "string"
body = jsonencode({
properties = {
action = {
actionType = "string"
// For remaining properties, see ScheduleActionBase objects
}
description = "string"
displayName = "string"
isEnabled = bool
properties = {
{customized property} = "string"
}
tags = {}
trigger = {
endTime = "string"
startTime = "string"
timeZone = "string"
triggerType = "string"
// For remaining properties, see TriggerBase objects
}
}
})
}
Objetos ScheduleActionBase
Defina a propriedade actionType para especificar o tipo de objeto.
Para CreateJob, use:
actionType = "CreateJob"
jobDefinition = {
componentId = "string"
computeId = "string"
description = "string"
displayName = "string"
experimentName = "string"
identity {
identityType = "string"
// For remaining properties, see IdentityConfiguration objects
}
isArchived = bool
notificationSetting = {
emailOn = [
"string"
]
emails = [
"string"
]
webhooks = {
{customized property} = {
eventType = "string"
webhookType = "string"
// For remaining properties, see Webhook objects
}
}
}
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
}
Para CreateMonitor, use:
actionType = "CreateMonitor"
monitorDefinition = {
alertNotificationSettings = {
emailNotificationSettings = {
emails = [
"string"
]
}
}
computeConfiguration = {
computeType = "string"
// For remaining properties, see MonitorComputeConfigurationBase objects
}
monitoringTarget = {
deploymentId = "string"
modelId = "string"
taskType = "string"
}
signals = {
{customized property} = {
notificationTypes = [
"string"
]
properties = {
{customized property} = "string"
}
signalType = "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Para ImportData, use:
actionType = "ImportData"
dataImportDefinition = {
assetName = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
dataType = "string"
dataUri = "string"
description = "string"
intellectualProperty = {
protectionLevel = "string"
publisher = "string"
}
isAnonymous = bool
isArchived = bool
properties = {
{customized property} = "string"
}
source = {
connection = "string"
sourceType = "string"
// For remaining properties, see DataImportSource objects
}
stage = "string"
tags = {}
}
Para InvokeBatchEndpoint, use:
actionType = "InvokeBatchEndpoint"
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"
pathOnCompute = "string"
uri = "string"
}
taskType = "string"
// For remaining properties, see AutoMLVertical objects
}
Parade comando
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 do FineTuning, use:
jobType = "FineTuning"
fineTuningDetails = {
model = {
description = "string"
jobInputType = "string"
mode = "string"
pathOnCompute = "string"
uri = "string"
}
taskType = "string"
trainingData = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
validationData = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
modelProvider = "string"
// For remaining properties, see FineTuningVertical objects
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
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"
environmentVariables = {
{customized property} = "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"
componentConfiguration = {}
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
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
locations = [
"string"
]
maxInstanceCount = int
properties = {}
shmSize = "string"
}
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"
pathOnCompute = "string"
uri = "string"
Para mlflow_model, use:
jobOutputType = "mlflow_model"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
pathOnCompute = "string"
uri = "string"
Para mltable, use:
jobOutputType = "mltable"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
pathOnCompute = "string"
uri = "string"
Para triton_model, use:
jobOutputType = "triton_model"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
pathOnCompute = "string"
uri = "string"
Para uri_file, use:
jobOutputType = "uri_file"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
pathOnCompute = "string"
uri = "string"
Para uri_folder, use:
jobOutputType = "uri_folder"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
pathOnCompute = "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"
pathOnCompute = "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"
pathOnCompute = "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"
pathOnCompute = "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"
pathOnCompute = "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"
pathOnCompute = "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"
pathOnCompute = "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"
pathOnCompute = "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"
pathOnCompute = "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"
pathOnCompute = "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"
pathOnCompute = "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"
pathOnCompute = "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"
pathOnCompute = "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"
pathOnCompute = "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"
pathOnCompute = "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"
pathOnCompute = "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"
pathOnCompute = "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"
pathOnCompute = "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"
pathOnCompute = "string"
uri = "string"
Para literal, use:
jobInputType = "literal"
value = "string"
Para mlflow_model, use:
jobInputType = "mlflow_model"
mode = "string"
pathOnCompute = "string"
uri = "string"
Para mltable, use:
jobInputType = "mltable"
mode = "string"
pathOnCompute = "string"
uri = "string"
Para triton_model, use:
jobInputType = "triton_model"
mode = "string"
pathOnCompute = "string"
uri = "string"
Para uri_file, use:
jobInputType = "uri_file"
mode = "string"
pathOnCompute = "string"
uri = "string"
Para uri_folder, use:
jobInputType = "uri_folder"
mode = "string"
pathOnCompute = "string"
uri = "string"
Objetos FineTuningVertical
Defina a propriedade modelProvider para especificar o tipo de objeto.
Para do AzureOpenAI, use:
modelProvider = "AzureOpenAI"
hyperParameters = {
batchSize = int
learningRateMultiplier = int
nEpochs = int
}
Para Personalizado, use:
modelProvider = "Custom"
hyperParameters = {
{customized property} = "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
Objetos MonitorComputeConfigurationBase
Defina a propriedade computeType para especificar o tipo de objeto.
Para ServerlessSpark, use:
computeType = "ServerlessSpark"
computeIdentity = {
computeIdentityType = "string"
// For remaining properties, see MonitorComputeIdentityBase objects
}
instanceType = "string"
runtimeVersion = "string"
Objetos MonitorComputeIdentityBase
Defina a propriedade computeIdentityType para especificar o tipo de objeto.
Para AmlToken, use:
computeIdentityType = "AmlToken"
Para ManagedIdentity, use:
computeIdentityType = "ManagedIdentity"
identity {
type = "string"
identity_ids = []
}
Objetos MonitoringSignalBase
Defina a propriedade signalType para especificar o tipo de objeto.
Para Personalizado, use:
signalType = "Custom"
componentId = "string"
inputAssets = {
{customized property} = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
metricThresholds = [
{
metric = "string"
threshold = {
value = int
}
}
]
workspaceConnection = {
environmentVariables = {
{customized property} = "string"
}
secrets = {
{customized property} = "string"
}
}
Para DataDrift, use:
signalType = "DataDrift"
dataSegment = {
feature = "string"
values = [
"string"
]
}
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "string"
}
features = {
filterType = "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see DataDriftMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Para dataquality, use:
signalType = "DataQuality"
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "string"
}
features = {
filterType = "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see DataQualityMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Para FeatureAttributionDrift, use:
signalType = "FeatureAttributionDrift"
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "string"
}
metricThreshold = {
metric = "NormalizedDiscountedCumulativeGain"
threshold = {
value = int
}
}
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Para GenerationSafetyQuality, use:
signalType = "GenerationSafetyQuality"
metricThresholds = [
{
metric = "string"
threshold = {
value = int
}
}
]
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
samplingRate = int
workspaceConnectionId = "string"
Para GenerationTokenStatistics, use:
signalType = "GenerationTokenStatistics"
metricThresholds = [
{
metric = "string"
threshold = {
value = int
}
}
]
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
samplingRate = int
Para ModelPerformance, use:
signalType = "ModelPerformance"
dataSegment = {
feature = "string"
values = [
"string"
]
}
metricThreshold = {
threshold = {
value = int
}
modelType = "string"
// For remaining properties, see ModelPerformanceMetricThresholdBase objects
}
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Para PredictionDrift, use:
signalType = "PredictionDrift"
featureDataTypeOverride = {
{customized property} = "string"
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Objetos MonitoringInputDataBase
Defina a propriedade inputDataType para especificar o tipo de objeto.
Para Fixa, use:
inputDataType = "Fixed"
Para Rolling, use:
inputDataType = "Rolling"
preprocessingComponentId = "string"
windowOffset = "string"
windowSize = "string"
Para estático, use:
inputDataType = "Static"
preprocessingComponentId = "string"
windowEnd = "string"
windowStart = "string"
Objetos MonitoringFeatureFilterBase
Defina a propriedade filterType para especificar o tipo de objeto.
Para AllFeatures, use:
filterType = "AllFeatures"
Para FeatureSubset, use:
filterType = "FeatureSubset"
features = [
"string"
]
Para TopNByAttribution, use:
filterType = "TopNByAttribution"
top = int
Objetos DataDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
dataType = "Categorical"
metric = "string"
Para Numérico, use:
dataType = "Numerical"
metric = "string"
Objetos DataQualityMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
dataType = "Categorical"
metric = "string"
Para Numérico, use:
dataType = "Numerical"
metric = "string"
Objetos ModelPerformanceMetricThresholdBase
Defina a propriedade modelType para especificar o tipo de objeto.
Para classificação, use:
modelType = "Classification"
metric = "string"
Para regressão, use:
modelType = "Regression"
metric = "string"
Objetos PredictionDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
dataType = "Categorical"
metric = "string"
Para Numérico, use:
dataType = "Numerical"
metric = "string"
Objetos DataImportSource
Defina a propriedade sourceType para especificar o tipo de objeto.
Para de banco de dados, use:
sourceType = "database"
query = "string"
storedProcedure = "string"
storedProcedureParams = [
{
{customized property} = "string"
}
]
tableName = "string"
Para file_system, use:
sourceType = "file_system"
path = "string"
Objetos TriggerBase
Defina a propriedade triggerType para especificar o tipo de objeto.
Para cron, use:
triggerType = "Cron"
expression = "string"
Para de Recorrência, use:
triggerType = "Recurrence"
frequency = "string"
interval = int
schedule = {
hours = [
int
]
minutes = [
int
]
monthDays = [
int
]
weekDays = [
"string"
]
}
Valores de propriedade
workspaces/agendas
| Nome | Descrição | Valor |
|---|---|---|
| tipo | O tipo de recurso | "Microsoft.MachineLearningServices/workspaces/schedules@2024-04-01-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. | ScheduleProperties (obrigatório) |
ScheduleProperties
ScheduleActionBase
| Nome | Descrição | Valor |
|---|---|---|
| actionType | Definir o tipo de objeto |
CreateJob CreateMonitor ImportData InvokeBatchEndpoint (obrigatório) |
JobScheduleAction
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. | |
| 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 do FineTuning 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
| 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
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| 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. | |
| modo | Modo de Entrega de Ativos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
| pathOnCompute | Caminho de entrega do ativo de saída. | corda |
| URI | URI do ativo de saída. | corda |
QueueSettings
| Nome | Descrição | Valor |
|---|---|---|
| jobTier | Controla a camada de trabalho de computação | "Básico" "Nulo" "Premium" "Spot" "Standard" |
| prioridade | Controla a prioridade do trabalho em uma computação. | int |
JobResourceConfiguration
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" |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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. | |
| 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. | |
| limitSettings | Restrições de execução para AutoMLJob. | |
| 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 serátrês 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. | |
| 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
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" |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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
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. | |
| 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" |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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" |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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" |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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" |
| pathOnCompute | Caminho de entrega de ativo de entrada. | corda |
| 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} | |
FineTuningJob
FineTuningVertical
AzureOpenAiFineTuning
AzureOpenAiHyperParameters
| Nome | Descrição | Valor |
|---|---|---|
| batchSize | Número de exemplos em cada lote. Um tamanho de lote maior significa que os parâmetros de modelo são atualizados com menos frequência, mas com menor variação. | int |
| learningRateMultiplier | Fator de dimensionamento para a taxa de aprendizado. Uma taxa de aprendizagem menor pode ser útil para evitar o excesso de ajuste. | int |
| nEpochs | O número de épocas para as quais treinar o modelo. Uma época refere-se a um ciclo completo por meio do conjunto de dados de treinamento. | int |
CustomModelFineTuning
CustomModelFineTuningHyperParameters
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
FineTuningJobOutputs
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | |
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" "FineTuning" "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. | |
| 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
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} | |
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 |
| environmentVariables | Variáveis de ambiente incluídas no trabalho. | SparkJobEnvironmentVariables |
| 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_] |
SparkJobEnvironmentVariables
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
SparkJobInputs
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
SparkJobOutputs
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | |
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) |
| componentConfiguration | Configuração do componente para o componente de varredura | |
| 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. | |
| 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. | |
| queueSettings | Configurações de fila para o trabalho | queueSettings |
| Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
| 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) |
ComponentConfiguration
| Nome | Descrição | Valor |
|---|---|---|
| pipelineSettings | Configurações de pipeline, para itens como ContinueRunOnStepFailure etc. |
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} | |
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
TrialComponentEnvironmentVariables
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
CreateMonitorAction
| Nome | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação do agendamento | "CreateMonitor" (obrigatório) |
| monitorDefinition | [Obrigatório] Define o monitor. | MonitorDefinition (obrigatório) |
MonitorDefinition
MonitorNotificationSettings
| Nome | Descrição | Valor |
|---|---|---|
| emailNotificationSettings | As configurações de email de notificação AML. | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
| Nome | Descrição | Valor |
|---|---|---|
| emails | Essa é a lista de destinatários de email que tem uma limitação de 499 caracteres no total. | string[] |
MonitorComputeConfigurationBase
| Nome | Descrição | Valor |
|---|---|---|
| computeType | Definir o tipo de objeto | serverlessSpark (obrigatório) |
MonitorServerlessSparkCompute
MonitorComputeIdentityBase
| Nome | Descrição | Valor |
|---|---|---|
| computeIdentityType | Definir o tipo de objeto |
AmlToken ManagedIdentity (obrigatório) |
AmlTokenComputeIdentity
| Nome | Descrição | Valor |
|---|---|---|
| computeIdentityType | [Obrigatório] Monitore a enumeração de tipo de identidade de computação. | "AmlToken" (obrigatório) |
ManagedComputeIdentity
ManagedServiceIdentity
| Nome | Descrição | Valor |
|---|---|---|
| tipo | Tipo de identidade de serviço gerenciado (em que os tipos SystemAssigned e UserAssigned são permitidos). | "SystemAssigned" "SystemAssigned,UserAssigned" "UserAssigned" (obrigatório) |
| identity_ids | O conjunto de identidades atribuídas pelo usuário associadas ao recurso. As chaves do dicionário userAssignedIdentities serão IDs de recurso do ARM no formulário: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Os valores do dicionário podem ser objetos vazios ({}) em solicitações. | Matriz de IDs de identidade do usuário. |
UserAssignedIdentities
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | UserAssignedIdentity |
UserAssignedIdentity
Esse objeto não contém nenhuma propriedade a ser definida durante a implantação. Todas as propriedades são ReadOnly.
MonitoringTarget
| Nome | Descrição | Valor |
|---|---|---|
| deploymentId | A ID de recurso do ARM da implantação direcionada por este monitor. | corda |
| modelId | A ID de recurso do ARM do modelo direcionado por este monitor. | corda |
| taskType | [Obrigatório] O tipo de tarefa de machine learning do modelo. | "Classificação" "QuestionAnswering" "Regressão" (obrigatório) |
MonitorDefinitionSignals
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | MonitoringSignalBase |
MonitoringSignalBase
| Nome | Descrição | Valor |
|---|---|---|
| notificationTypes | O modo de notificação atual para esse sinal. | Matriz de cadeia de caracteres que contém qualquer um dos: "AmlNotification" "AzureMonitor" |
| Propriedades | Dicionário de propriedades. As propriedades podem ser adicionadas, mas não removidas ou alteradas. | MonitoringSignalBaseProperties |
| signalType | Definir o tipo de objeto |
Personalizado datadrift FeatureAttributionDrift GenerationSafetyQuality PredictionDrift (obrigatório) |
MonitoringSignalBaseProperties
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
CustomMonitoringSignal
CustomMonitoringSignalInputAssets
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | MonitoringInputDataBase |
MonitoringInputDataBase
| Nome | Descrição | Valor |
|---|---|---|
| Colunas | Mapeamento de nomes de coluna para usos especiais. | MonitoringInputDataBaseColumns |
| dataContext | Os metadados de contexto da fonte de dados. | corda |
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | "custom_model" "literal" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (obrigatório) |
| URI | [Obrigatório] URI do ativo de entrada. | cadeia de caracteres (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| inputDataType | Definir o tipo de objeto |
Fixa rolling estático (obrigatório) |
MonitoringInputDataBaseColumns
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
FixedInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | "Corrigido" (obrigatório) |
RollingInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | "Rolling" (obrigatório) |
| preprocessingComponentId | A ID do recurso arm do recurso de componente usado para pré-processar os dados. | corda |
| windowOffset | [Obrigatório] O deslocamento de tempo entre o final da janela de dados e o tempo de execução atual do monitor. | cadeia de caracteres (obrigatório) |
| windowSize | [Obrigatório] O tamanho da janela de dados à direita. | cadeia de caracteres (obrigatório) |
StaticInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | "Estático" (obrigatório) |
| preprocessingComponentId | A ID do recurso arm do recurso de componente usado para pré-processar os dados. | corda |
| windowEnd | [Obrigatório] A data de término da janela de dados. | cadeia de caracteres (obrigatório) |
| windowStart | [Obrigatório] A data de início da janela de dados. | cadeia de caracteres (obrigatório) |
CustomMonitoringSignalInputs
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
CustomMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] A métrica definida pelo usuário a ser calculada. | cadeia de caracteres (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
MonitoringThreshold
| Nome | Descrição | Valor |
|---|---|---|
| valor | O valor do limite. Se nulo, o padrão definido dependerá do tipo de métrica. | int |
MonitoringWorkspaceConnection
| Nome | Descrição | Valor |
|---|---|---|
| environmentVariables | As propriedades de uma conexão de serviço de workspace para armazenar como variáveis de ambiente nos trabalhos enviados. A chave é o caminho da propriedade de conexão do workspace, o nome é chave variável de ambiente. |
MonitoringWorkspaceConnectionEnvironmentVariables |
| Segredos | As propriedades de uma conexão de serviço de workspace para armazenar como segredos nos trabalhos enviados. A chave é o caminho da propriedade de conexão do workspace, o nome é a chave secreta. |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
MonitoringWorkspaceConnectionSecrets
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
DataDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | "DataDrift" (obrigatório) |
| dataSegment | O segmento de dados usado para escopo em um subconjunto da população de dados. | MonitoringDataSegment |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | DataDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | |
| Características | O filtro de recurso que identifica qual recurso calcular descompasso. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataDriftMetricThresholdBase[] (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
MonitoringDataSegment
| Nome | Descrição | Valor |
|---|---|---|
| característica | O recurso no qual segmentar os dados. | corda |
| Valores | Filtra apenas os valores especificados do recurso segmentado fornecido. | string[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | "Categórico" "Numérico" |
FeatureImportanceSettings
| Nome | Descrição | Valor |
|---|---|---|
| modo | O modo de operação para a importância do recurso de computação. | "Desabilitado" "Habilitado" |
| targetColumn | O nome da coluna de destino dentro do ativo de dados de entrada. | corda |
MonitoringFeatureFilterBase
| Nome | Descrição | Valor |
|---|---|---|
| filterType | Definir o tipo de objeto |
AllFeatures featureSubset TopNByAttribution (obrigatório) |
AllFeatures
| Nome | Descrição | Valor |
|---|---|---|
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | "AllFeatures" (obrigatório) |
FeatureSubset
| Nome | Descrição | Valor |
|---|---|---|
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | "FeatureSubset" (obrigatório) |
| Características | [Obrigatório] A lista de recursos a serem incluídos. | string[] (obrigatório) |
TopNFeaturesByAttribution
| Nome | Descrição | Valor |
|---|---|---|
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | "TopNByAttribution" (obrigatório) |
| Início | O número de recursos principais a serem incluídos. | int |
DataDriftMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Datatype | Definir o tipo de objeto |
Categórica Numérico (obrigatório) |
CategoricalDataDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | "Categórico" (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de dados categórica a ser calculada. | "JensenShannonDistance" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (obrigatório) |
NumericalDataDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | "Numérico" (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de dados numéricos a ser calculada. | "JensenShannonDistance" "NormalizedWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (obrigatório) |
DataQualityMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | "DataQuality" (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | DataQualityMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | |
| Características | Os recursos a serem calculados descompasso. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataQualityMetricThresholdBase[] (obrigatório) |
| productionData | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | "Categórico" "Numérico" |
DataQualityMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Datatype | Definir o tipo de objeto |
Categórica Numérico (obrigatório) |
CategoricalDataQualityMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | "Categórico" (obrigatório) |
| métrica | [Obrigatório] A métrica de qualidade de dados categórica a ser calculada. | "DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (obrigatório) |
NumericalDataQualityMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | "Numérico" (obrigatório) |
| métrica | [Obrigatório] A métrica de qualidade de dados numéricos a ser calculada. | "DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (obrigatório) |
FeatureAttributionDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | "FeatureAttributionDrift" (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
| featureImportanceSettings | [Obrigatório] As configurações para a importância do recurso de computação. | FeatureImportanceSettings (obrigatório) |
| metricThreshold | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | FeatureAttributionMetricThreshold (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase[] (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | "Categórico" "Numérico" |
FeatureAttributionMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] A métrica de atribuição de recurso a ser calculada. | "NormalizedDiscountedCumulativeGain" (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
GenerationSafetyQualityMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | "GenerationSafetyQuality" (obrigatório) |
| metricThresholds | [Obrigatório] Obtém ou define as métricas a serem calculadas e os limites correspondentes. | GenerationSafetyQualityMetricThreshold [] (obrigatório) |
| productionData | Obtém ou define os dados de produção para métricas de computação. | MonitoringInputDataBase[] |
| samplingRate | [Obrigatório] A taxa de exemplo dos dados de produção deve ser maior que 0 e no máximo 1. | int (obrigatório) |
| workspaceConnectionId | Obtém ou define a ID de conexão do workspace usada para se conectar ao ponto de extremidade de geração de conteúdo. | corda |
GenerationSafetyQualityMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] Obtém ou define a métrica de atribuição de recurso a ser calculada. | "AcceptableCoherenceScorePerInstance" "AcceptableFluencyScorePerInstance" "AcceptableGroundednessScorePerInstance" "AcceptableRelevanceScorePerInstance" "AcceptableSimilarityScorePerInstance" "AggregatedCoherencePassRate" "AggregatedFluencyPassRate" "AggregatedGroundednessPassRate" "AggregatedRelevancePassRate" "AggregatedSimilarityPassRate" (obrigatório) |
| limiar | Obtém ou define o valor limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. |
MonitoringThreshold |
GenerationTokenUsageSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | "GenerationTokenStatistics" (obrigatório) |
| metricThresholds | [Obrigatório] Obtém ou define as métricas a serem calculadas e os limites correspondentes. | GenerationTokenUsageMetricThreshold [] (obrigatório) |
| productionData | Obtém ou define os dados de produção para métricas de computação. | MonitoringInputDataBase[] |
| samplingRate | [Obrigatório] A taxa de exemplo dos dados de produção deve ser maior que 0 e no máximo 1. | int (obrigatório) |
GenerationTokenUsageMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] Obtém ou define a métrica de atribuição de recurso a ser calculada. | "TotalTokenCount" "TotalTokenCountPerGroup" (obrigatório) |
| limiar | Obtém ou define o valor limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. |
MonitoringThreshold |
ModelPerformanceSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | "ModelPerformance" (obrigatório) |
| dataSegment | O segmento de dados. | MonitoringDataSegment |
| metricThreshold | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | ModelPerformanceMetricThresholdBase (obrigatório) |
| productionData | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o desempenho será calculado. | MonitoringInputDataBase[] (obrigatório) |
| referenceData | [Obrigatório] Os dados de referência usados como base para calcular o desempenho do modelo. | MonitoringInputDataBase (obrigatório) |
ModelPerformanceMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| modelType | Definir o tipo de objeto | classificação de Regressão (obrigatório) |
ClassificationModelPerformanceMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| modelType | [Obrigatório] Especifica o tipo de dados do limite de métrica. | "Classificação" (obrigatório) |
| métrica | [Obrigatório] O desempenho do modelo de classificação a ser calculado. | "Precisão" "Precisão" "Recall" (obrigatório) |
RegressionModelPerformanceMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| modelType | [Obrigatório] Especifica o tipo de dados do limite de métrica. | "Regressão" (obrigatório) |
| métrica | [Obrigatório] A métrica de desempenho do modelo de regressão a ser calculada. | "MeanAbsoluteError" "MeanSquaredError" "RootMeanSquaredError" (obrigatório) |
PredictionDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | "PredictionDrift" (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | PredictionDriftMetricThresholdBase [] (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | "Categórico" "Numérico" |
PredictionDriftMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Datatype | Definir o tipo de objeto |
Categórica Numérico (obrigatório) |
CategoricalPredictionDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | "Categórico" (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de previsão categórica a ser calculada. | "JensenShannonDistance" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (obrigatório) |
NumericalPredictionDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | "Numérico" (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de previsão numérica a ser calculada. | "JensenShannonDistance" "NormalizedWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (obrigatório) |
ImportDataAction
DataImport
IntellectualProperty
| Nome | Descrição | Valor |
|---|---|---|
| protectionLevel | Nível de proteção da Propriedade Intelectual. | "Tudo" "Nenhum" |
| editor | [Obrigatório] Publicador da Propriedade Intelectual. Deve ser o mesmo que o nome do publicador do Registro. | cadeia de caracteres (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
DataImportSource
| Nome | Descrição | Valor |
|---|---|---|
| conexão | Conexão de workspace para o armazenamento de origem de importação de dados | corda |
| sourceType | Definir o tipo de objeto |
banco de dados file_system (obrigatório) |
DatabaseSource
| Nome | Descrição | Valor |
|---|---|---|
| sourceType | [Obrigatório] Especifica o tipo de dados. | "database" (obrigatório) |
| consulta | Instrução de consulta SQL para fonte de banco de dados de importação de dados | corda |
| storedProcedure | SQL StoredProcedure na fonte de banco de dados de importação de dados | corda |
| storedProcedureParams | Parâmetros do SQL StoredProcedure | DatabaseSourceStoredProcedureParamsItem[] |
| tableName | Nome da tabela na fonte de banco de dados de importação de dados | corda |
DatabaseSourceStoredProcedureParamsItem
| Nome | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | corda |
FileSystemSource
| Nome | Descrição | Valor |
|---|---|---|
| sourceType | [Obrigatório] Especifica o tipo de dados. | "file_system" (obrigatório) |
| caminho | Caminho na origem do FileSystem de importação de dados | corda |
EndpointScheduleAction
| Nome | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação do agendamento | "InvokeBatchEndpoint" (obrigatório) |
| endpointInvocationDefinition | [Obrigatório] Define detalhes da definição da ação Agendar. {consulte href="TBD" /} |
TriggerBase
| Nome | Descrição | Valor |
|---|---|---|
| endTime | Especifica a hora de término do agendamento no ISO 8601, mas sem um deslocamento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601.O formato recomissado seria "2022-06-01T00:00:01" Se não estiver presente, o agendamento será executado indefinidamente |
corda |
| startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC. | corda |
| Fuso horário | Especifica o fuso horário no qual o agendamento é executado. O TimeZone deve seguir o formato de fuso horário do Windows. Consulte: /windows-hardware/manufacture/desktop/default-time-zones /> |
corda |
| triggerType | Definir o tipo de objeto |
Cron de recorrência (obrigatório) |
CronTrigger
| Nome | Descrição | Valor |
|---|---|---|
| triggerType | [Obrigatório] | "Cron" (obrigatório) |
| expressão | [Obrigatório] Especifica a expressão cron de agendamento. A expressão deve seguir o formato NCronTab. |
cadeia de caracteres (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
RecurrenceTrigger
RecurrenceSchedule
| Nome | Descrição | Valor |
|---|---|---|
| Horas | [Obrigatório] Lista de horas para o agendamento. | int[] (obrigatório) |
| ata | [Obrigatório] Lista de minutos para o agendamento. | int[] (obrigatório) |
| monthDays | Lista de dias do mês para o agendamento | int[] |
| Semana | Lista de dias para a agenda. | Matriz de cadeia de caracteres que contém qualquer um dos: "Sexta-feira" "Segunda-feira" "Sábado" "Domingo" "Quinta-feira" "Terça-feira" "Quarta-feira" |