Áreas de trabalho/tarefas Microsoft.MachineLearningServices 2022-05-01

Artigo
09/21/2023

Definição de recurso do Bicep

O tipo de recurso áreas de trabalho/tarefas pode ser implementado com operações que visam:

Grupos de recursos – veja comandos de implementação de grupos de recursos

Para obter uma lista de propriedades alteradas em cada versão da API, veja registo de alterações.

Formato do recurso

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

resource symbolicname 'Microsoft.MachineLearningServices/workspaces/jobs@2022-05-01' = {
  name: 'string'
  parent: resourceSymbolicName
  properties: {
    computeId: 'string'
    description: 'string'
    displayName: 'string'
    experimentName: 'string'
    identity: {
      identityType: 'string'
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived: bool
    properties: {}
    services: {}
    tags: {}
    jobType: 'string'
    // For remaining properties, see JobBaseProperties objects
  }
}

Objetos JobBaseProperties

Defina a propriedade jobType para especificar o tipo de objeto.

Para Comando, utilize:

  jobType: 'Command'
  codeId: 'string'
  command: 'string'
  distribution: {
    distributionType: 'string'
    // For remaining properties, see DistributionConfiguration objects
  }
  environmentId: 'string'
  environmentVariables: {}
  inputs: {}
  limits: {
    jobLimitsType: 'string'
    timeout: 'string'
  }
  outputs: {}
  resources: {
    instanceCount: int
    instanceType: 'string'
    properties: {}
  }

Para Pipeline, utilize:

  jobType: 'Pipeline'
  inputs: {}
  jobs: {}
  outputs: {}
  settings: any()

Para Varrer, utilize:

  jobType: 'Sweep'
  earlyTermination: {
    delayEvaluation: int
    evaluationInterval: int
    policyType: 'string'
    // For remaining properties, see EarlyTerminationPolicy objects
  }
  inputs: {}
  limits: {
    jobLimitsType: 'string'
    maxConcurrentTrials: int
    maxTotalTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  objective: {
    goal: 'string'
    primaryMetric: 'string'
  }
  outputs: {}
  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: {}
    resources: {
      instanceCount: int
      instanceType: 'string'
      properties: {}
    }
  }

Objetos IdentityConfiguration

Defina a propriedade identityType para especificar o tipo de objeto.

Para AMLToken, utilize:

  identityType: 'AMLToken'

Para Gerido, utilize:

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

Para UserIdentity, utilize:

  identityType: 'UserIdentity'

Objetos DistributionConfiguration

Defina a propriedade distributionType para especificar o tipo de objeto.

Para MPI, utilize:

  distributionType: 'Mpi'
  processCountPerInstance: int

Para o PyTorch, utilize:

  distributionType: 'PyTorch'
  processCountPerInstance: int

Para o TensorFlow, utilize:

  distributionType: 'TensorFlow'
  parameterServerCount: int
  workerCount: int

Objetos EarlyTerminationPolicy

Defina a propriedade policyType para especificar o tipo de objeto.

Para Bandido, utilize:

  policyType: 'Bandit'
  slackAmount: int
  slackFactor: int

Para MedianStopping, utilize:

  policyType: 'MedianStopping'

Para TruncationSelection, utilize:

  policyType: 'TruncationSelection'
  truncationPercentage: int

SamplingAlgorithm objects (Objetos SamplingAlgorithm)

Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.

Para Bayesian, utilize:

  samplingAlgorithmType: 'Bayesian'

Para Grelha, utilize:

  samplingAlgorithmType: 'Grid'

Para Aleatório, utilize:

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

Valores de propriedade