Microsoft.MachineLearningServices workspaces/schedules 2022-10-01

• Mais recente
• 2023-10-01
• 2023-08-01-preview
• 2023-06-01-preview
• 2023-04-01
• 2023-04-01-preview
• 2023-02-01-preview
• 2022-12-01-preview
• 2022-10-01
• 2022-10-01-preview
• 2022-06-01-preview

Definição de recurso do Bicep

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

• Grupos de recursos – veja os comandos de implementação do grupo de recursos

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

Formato do recurso

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

resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2022-10-01' = {
  name: 'string'
  parent: resourceSymbolicName
  properties: {
    action: {
      actionType: 'string'
      // For remaining properties, see ScheduleActionBase objects
    }
    description: 'string'
    displayName: 'string'
    isEnabled: bool
    properties: {
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
    }
    tags: {
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
    }
    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, utilize:

  actionType: 'CreateJob'
  jobDefinition: {
    componentId: 'string'
    computeId: 'string'
    description: 'string'
    displayName: 'string'
    experimentName: 'string'
    identity: {
      identityType: 'string'
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived: bool
    properties: {
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
    }
    services: {
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
    }
    tags: {
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
    }
    jobType: 'string'
    // For remaining properties, see JobBaseProperties objects
  }

Para InvokeBatchEndpoint, utilize:

  actionType: 'InvokeBatchEndpoint'
  endpointInvocationDefinition: any()

Objetos JobBaseProperties

Defina a propriedade jobType para especificar o tipo de objeto.

Para AutoML, utilize:

  jobType: 'AutoML'
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    properties: {
      {customized property}: any()
      {customized property}: any()
    }
    shmSize: 'string'
  }
  taskDetails: {
    logVerbosity: 'string'
    targetColumnName: 'string'
    trainingData: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    taskType: 'string'
    // For remaining properties, see AutoMLVertical objects
  }

Para Comando, utilize:

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

Para Pipeline, utilize:

  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 Varrer, utilize:

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

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 JobOutput

Defina a propriedade jobOutputType para especificar o tipo de objeto.

Para custom_model, utilize:

  jobOutputType: 'custom_model'
  mode: 'string'
  uri: 'string'

Para mlflow_model, utilize:

  jobOutputType: 'mlflow_model'
  mode: 'string'
  uri: 'string'

Para mltable, utilize:

  jobOutputType: 'mltable'
  mode: 'string'
  uri: 'string'

Para triton_model, utilize:

  jobOutputType: 'triton_model'
  mode: 'string'
  uri: 'string'

Para uri_file, utilize:

  jobOutputType: 'uri_file'
  mode: 'string'
  uri: 'string'

Para uri_folder, utilize:

  jobOutputType: 'uri_folder'
  mode: 'string'
  uri: 'string'

Objetos AutoMLVertical

Defina a propriedade taskType para especificar o tipo de objeto.

Para Classificação, utilize:

  taskType: 'Classification'
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel: 'string'
  primaryMetric: 'string'
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

Para Previsão, utilize:

  taskType: 'Forecasting'
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  forecastingSettings: {
    countryOrRegionForHolidays: 'string'
    cvStepSize: int
    featureLags: 'string'
    forecastHorizon: {
      mode: 'string'
      // For remaining properties, see ForecastHorizon objects
    }
    frequency: 'string'
    seasonality: {
      mode: 'string'
      // For remaining properties, see Seasonality objects
    }
    shortSeriesHandlingConfig: 'string'
    targetAggregateFunction: 'string'
    targetLags: {
      mode: 'string'
      // For remaining properties, see TargetLags objects
    }
    targetRollingWindowSize: {
      mode: 'string'
      // For remaining properties, see TargetRollingWindowSize objects
    }
    timeColumnName: 'string'
    timeSeriesIdColumnNames: [
      'string'
    ]
    useStl: 'string'
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

Para ImageClassification, utilize:

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

Para ImageClassificationMultilabel, utilize:

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

Para ImageInstanceSegmentation, utilize:

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

Para ImageObjectDetection, utilize:

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

Para Regressão, utilize:

  taskType: 'Regression'
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

Para TextClassification, utilize:

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

Para TextClassificationMultilabel, utilize:

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

Para TextNER, utilize:

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

Objetos NCrossValidations

Defina a propriedade mode para especificar o tipo de objeto.

Para Automático, utilize:

  mode: 'Auto'

Para Personalizar, utilize:

  mode: 'Custom'
  value: int

Objetos do ForecastHorizon

Defina a propriedade mode para especificar o tipo de objeto.

Para Automático, utilize:

  mode: 'Auto'

Para Personalizar, utilize:

  mode: 'Custom'
  value: int

Objetos de sazonalidade

Defina a propriedade mode para especificar o tipo de objeto.

Para Automático, utilize:

  mode: 'Auto'

Para Personalizar, utilize:

  mode: 'Custom'
  value: int

Objetos TargetLags

Defina a propriedade mode para especificar o tipo de objeto.

Para Automático, utilize:

  mode: 'Auto'

Para Personalizar, utilize:

  mode: 'Custom'
  values: [
    int
  ]

TargetRollingWindowSize objects (Objetos TargetRollingWindowSize)

Defina a propriedade mode para especificar o tipo de objeto.

Para Automático, utilize:

  mode: 'Auto'

Para Personalizar, utilize:

  mode: 'Custom'
  value: 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

Objetos DistributionConfiguration

Defina a propriedade distributionType para especificar o tipo de objeto.

Para MPI, utilize:

  distributionType: 'Mpi'
  processCountPerInstance: int

Para PyTorch, utilize:

  distributionType: 'PyTorch'
  processCountPerInstance: int

Para TensorFlow, utilize:

  distributionType: 'TensorFlow'
  parameterServerCount: int
  workerCount: int

Objetos JobInput

Defina a propriedade jobInputType para especificar o tipo de objeto.

Para custom_model, utilize:

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

Para o literal, utilize:

  jobInputType: 'literal'
  value: 'string'

Para mlflow_model, utilize:

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

Para mltable, utilize:

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

Para triton_model, utilize:

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

Para uri_file, utilize:

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

Para uri_folder, utilize:

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

Objetos SamplingAlgorithm

Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.

Para Bayesian, utilize:

  samplingAlgorithmType: 'Bayesian'

Para Grid, utilize:

  samplingAlgorithmType: 'Grid'

Para Aleatório, utilize:

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

Objetos TriggerBase

Defina a propriedade triggerType para especificar o tipo de objeto.

Para Cron, utilize:

  triggerType: 'Cron'
  expression: 'string'

Para Periodicidade, utilize:

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

Valores de propriedade

áreas de trabalho/agendas

Nome	Descrição	Valor
name	O nome do recurso Veja como definir nomes e tipos para recursos subordinados no Bicep.	cadeia (obrigatório)
principal	No Bicep, pode especificar o recurso principal de um recurso subordinado. Só tem de adicionar esta propriedade quando o recurso subordinado for declarado fora do recurso principal. Para obter mais informações, veja Recurso subordinado fora do recurso principal.	Nome simbólico para recurso do tipo: áreas de trabalho
propriedades	[Obrigatório] Atributos adicionais da entidade.	ScheduleProperties (obrigatório)

ScheduleProperties

Nome	Descrição	Valor
action	[Obrigatório] Especifica a ação da agenda	ScheduleActionBase (obrigatório)
descrição	O texto de descrição do recurso.	string
displayName	Nome a apresentar da agenda.	string
isEnabled	A agenda está ativada?	bool
propriedades	O dicionário da propriedade do recurso.	Propriedades do ResourceBase
etiquetas	Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas.	objeto
acionador	[Obrigatório] Especifica os detalhes do acionador	TriggerBase (obrigatório)

ScheduleActionBase

Nome	Descrição	Valor
actionType	Definir o tipo de objeto	CriarJob InvokeBatchEndpoint (obrigatório)

JobScheduleAction

Nome	Descrição	Valor
actionType	[Obrigatório] Especifica o tipo de ação da agenda	"CreateJob" (obrigatório)
jobDefinition	[Obrigatório] Define os detalhes da definição da ação Agendar.	JobBaseProperties (obrigatório)

JobBaseProperties

Nome	Descrição	Valor
componentId	ID do recurso arm do recurso do componente.	string
computeId	ID do recurso arm do recurso de computação.	string
descrição	O texto de descrição do recurso.	string
displayName	Nome a apresentar da tarefa.	string
experimentName	O nome da experimentação a que pertence a tarefa. Se não estiver definido, a tarefa é colocada na experimentação "Predefinição".	string
identidade	Configuração de identidade. Se estiver definido, este deve ser um de AmlToken, ManagedIdentity, UserIdentity ou nulo. A predefinição é AmlToken se for nulo.	IdentityConfiguration
isArchived	O elemento está arquivado?	bool
propriedades	O dicionário da propriedade do recurso.	Propriedades do ResourceBase
services	Lista de JobEndpoints. Para tarefas locais, um ponto final de tarefa terá um valor de ponto final de FileStreamObject.	JobBaseServices
etiquetas	Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas.	objeto
jobType	Definir o tipo de objeto	AutoML Comando Pipeline Varrer (obrigatório)

IdentityConfiguration

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

AmlToken

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

ManagedIdentity

Nome	Descrição	Valor
identityType	[Obrigatório] Especifica o tipo de arquitetura de identidade.	"Gerido" (obrigatório)
clientId	Especifica uma identidade atribuída pelo utilizador pelo ID de cliente. Para a atribuição do sistema, não defina este campo.	string 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 utilizador pelo ID do objeto. Para a atribuição do sistema, não defina este campo.	string 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 utilizador pelo ID de recurso do ARM. Para a atribuição do sistema, não defina este campo.	string

UserIdentity

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

ResourceBaseProperties

Nome	Descrição	Valor
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string

JobBaseServices

Nome	Descrição	Valor
{customized property}		JobService

JobService

Nome	Descrição	Valor
endpoint	Url para ponto final.	string
jobServiceType	Tipo de ponto final.	string
porta	Porta para ponto final.	int
propriedades	Propriedades adicionais a definir no ponto final.	JobServiceProperties

JobServiceProperties

Nome	Descrição	Valor
{customized property}		string

AutoMLJob

Nome	Descrição	Valor
jobType	[Obrigatório] Especifica o tipo de tarefa.	"AutoML" (obrigatório)
environmentId	O ID de recurso do ARM da especificação ambiente da tarefa. Este é um valor opcional para fornecer, se não for fornecido, que o AutoML irá predefinir esta opção para a versão de ambiente de produção organizada por AutoML ao executar a tarefa.	string
environmentVariables	Variáveis de ambiente incluídas na tarefa.	AutoMLJobEnvironmentVariables
saídas	Mapeamento de enlaces de dados de saída utilizados na tarefa.	AutoMLJobOutputs
resources	Configuração do Recurso de Computação para a tarefa.	JobResourceConfiguration
taskDetails	[Obrigatório] Isto representa um cenário que pode ser uma das Tabelas/NLP/Imagem	AutoMLVertical (obrigatório)

AutoMLJobEnvironmentVariables

Nome	Descrição	Valor
{customized property}		string

AutoMLJobOutputs

Nome	Descrição	Valor
{customized property}		JobOutput

JobOutput

Nome	Descrição	Valor
descrição	Descrição do resultado.	string
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 tarefa.	"custom_model" (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" 'Carregar'
uri	URI do Recurso de Saída.	string

MLFlowModelJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de tarefa.	"mlflow_model" (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" 'Carregar'
uri	URI do Recurso de Saída.	string

MLTableJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de tarefa.	"mltable" (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" 'Carregar'
URI	URI do Recurso de Saída.	string

TritonModelJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de tarefa.	'triton_model' (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" 'Carregar'
URI	URI do Recurso de Saída.	string

UriFileJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de tarefa.	'uri_file' (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" 'Carregar'
URI	URI do Recurso de Saída.	string

UriFolderJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de tarefa.	'uri_folder' (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" 'Carregar'
URI	URI do Recurso de Saída.	string

JobResourceConfiguration

Nome	Descrição	Valor
dockerArgs	Argumentos adicionais para passar para o comando de execução do Docker. Isto substituiria quaisquer parâmetros que já tenham sido definidos pelo sistema ou nesta secção. Este parâmetro só é suportado para tipos de computação do Azure ML.	string
instanceCount	Número opcional de instâncias ou nós utilizados pelo destino de computação.	int
instanceType	Tipo opcional de VM utilizado como suportado pelo destino de computação.	string
propriedades	Saco de propriedades adicionais.	ResourceConfigurationProperties
shmSize	Tamanho do bloco de memória partilhada do contentor do Docker. Deve estar no formato de (número)(unidade) em que o número deve ser superior a 0 e a unidade pode ser de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes).	string Restrições: Padrão = \d+[bBkKmMgG]

ResourceConfigurationProperties

Nome	Descrição	Valor
{customized property}		Para Bicep, pode utilizar a função any( ).
{customized property}		Para Bicep, pode utilizar a função any( ).

AutoMLVertical

Nome	Descrição	Valor
logVerbosity	Registar verbosidade da tarefa.	"Crítico" "Depurar" "Erro" 'Informações' "NotSet" 'Aviso'
targetColumnName	Nome da coluna de destino: esta é a coluna de valores de predição. Também conhecido como nome da coluna de etiqueta no contexto de tarefas de classificação.	string
trainingData	[Obrigatório] Entrada de dados de preparação.	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.	string
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	'Direto' "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
URI	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

Classificação

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"Classificação" (obrigatório)
cvSplitColumnNames	Colunas a utilizar para dados CVSplit.	string[]
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução do AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido.	NCrossValidations
positiveLabel	Etiqueta positiva para cálculo de métricas binárias.	string
primaryMetric	Métrica primária da tarefa.	"AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
testData	Testar a entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que tem de 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 preparação de uma Tarefa de AutoML.	ClassificationTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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 suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	string

TableVerticalFeaturizationSettings

Nome	Descrição	Valor
blockedTransformers	Estes transformadores não devem ser utilizados na caracterização.	Matriz de cadeia que contém qualquer um dos seguintes: "CatTargetEncoder" "CountVectorizer" "HashOneHotEncoder" "LabelEncoder" 'NaiveBayes' "OneHotEncoder" "TextTargetEncoder" "TfIdf" "WoETargetEncoder" "WordEmbedding"
columnNameAndTypes	Dicionário do nome da coluna e do respetivo tipo (int, float, string, datetime, etc.).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Idioma do conjunto de dados, útil para os dados de texto.	string
enableDnnFeaturization	Determina se deve utilizar os caracterizadores baseados em Dnn para a caracterização de dados.	bool
mode	Modo de caracterização – o utilizador pode manter o modo "Automático" predefinido e o AutoML tratará da transformação necessária dos dados na fase de caracterização. Se "Desativado" estiver selecionado, não será efetuada qualquer caracterização. Se "Personalizado" estiver selecionado, o utilizador pode especificar entradas adicionais para personalizar a forma como a caracterização é feita.	'Auto' "Personalizado" 'Desativado'
transformerParams	O utilizador pode especificar transformadores adicionais a serem utilizados juntamente com as colunas às quais seriam aplicados e parâmetros para o construtor do transformador.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Nome	Descrição	Valor
{customized property}		string

TableVerticalFeaturizationSettingsTransformerParams

Nome	Descrição	Valor
{customized property}		ColumnTransformer[]

ColumnTransformer

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

TableVerticalLimitSettings

Nome	Descrição	Valor
enableEarlyTermination	Ative a terminação antecipada, determina se o AutoMLJob terminará mais cedo se não houver melhoria de pontuação nas últimas 20 iterações.	bool
exitScore	Classificação de saída para a tarefa de AutoML.	int
maxConcurrentTrials	Máximo de iterações simultâneas.	int
maxCoresPerTrial	Máx. de núcleos por iteração.	int
maxTrials	Número de iterações.	int
tempo limite	Tempo limite da tarefa de AutoML.	string
trialTimeout	Tempo limite da iteração.	string

NCrossValidations

Nome	Descrição	Valor
mode	Definir o tipo de objeto	Automático Personalizado (obrigatório)

AutoNCrossValidations

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

CustomNCrossValidations

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

ClassificationTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para tarefas de classificação.	Matriz de cadeias que contém qualquer um dos seguintes: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' "GradientBoosting" 'KNN' "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" 'SVM' "XGBoostClassifier"
blockedTrainingAlgorithms	Modelos bloqueados para tarefas de classificação.	Matriz de cadeias que contém qualquer um dos seguintes: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' "GradientBoosting" 'KNN' "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" 'SVM' "XGBoostClassifier"
enableDnnTraining	Ative a recomendação de modelos DNN.	bool
enableModelExplainability	Sinalizar para ativar a explicação no melhor modelo.	bool
enableOnnxCompatibleModels	Sinalizar para ativar modelos compatíveis com onnx.	bool
enableStackEnsemble	Ativar a execução do conjunto de pilhas.	bool
enableVoteEnsemble	Ative a execução do conjunto de votação.	bool
ensembleModelDownloadTimeout	Durante a geração de modelos VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.	string
stackEnsembleSettings	Definições do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

StackEnsembleSettings

Nome	Descrição	Valor
stackMetaLearnerKWargs	Parâmetros opcionais para passar para o inicializador do meta-aluno.	Para o Bicep, pode utilizar a função any( ).
stackMetaLearnerTrainPercentage	Especifica a proporção do conjunto de preparação (ao escolher o tipo de preparação e de validação) a reservar para a preparação do meta-aluno. O valor predefinido é 0,2.	int
stackMetaLearnerType	O meta-aprendiz é um modelo preparado para a saída dos modelos heterogéneos individuais.	"ElasticNet" "ElasticNetCV" "LightGBMClassifier" "LightGBMRegressor" "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "Nenhum"

Previsão

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"Previsão" (obrigatório)
cvSplitColumnAmes	Colunas a utilizar para dados CVSplit.	cadeia[]
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	TableVerticalFeaturizationSettings
forecastingSettings	Previsão de entradas específicas da tarefa.	PrevisãoDefinições
limitSettings	Restrições de execução do AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido.	NCrossValidations
primaryMetric	Métrica primária para a tarefa de previsão.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation'
testData	Testar entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que tem de 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 preparação de uma Tarefa autoML.	ForecastingTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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 suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	string

PrevisãoDefinições

Nome	Descrição	Valor
countryOrRegionForHolidays	País ou região para feriados para previsão de tarefas. Estes devem ser códigos iso 3166 país/região de duas letras, por exemplo "E.U.A" ou "GB".	string
cvStepSize	Número de períodos entre a hora de origem de uma dobra de CV e a dobra seguinte. Para o por exemplo, se CVStepSize = 3 para dados diários, a hora de origem de cada dobra será três dias de diferença.	int
featureLags	Sinalizar para gerar atrasos para as funcionalidades numéricas com "automático" ou nulo.	"Automático" "Nenhum"
forecastHorizon	O horizonte de previsão máximo pretendido em unidades de frequência de série temporal.	PrevisãoHorizon
frequência	Ao prever, este parâmetro representa o período com o qual a previsão é pretendida, por exemplo, diariamente, semanalmente, anualmente, etc. Por predefinição, a frequência de previsão é a frequência do conjunto de dados.	string
sazonalidade	Defina a sazonalidade da série temporal como um número inteiro múltiplo da frequência da série. Se a sazonalidade estiver definida como "automática", será inferida.	Sazonalidade
shortSeriesHandlingConfig	O parâmetro que define como se o AutoML deve processar séries de tempo curtos.	"Automático" 'Drop' "Nenhum" 'Pad'
targetAggregateFunction	A função a ser utilizada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada por um utilizador. Se TargetAggregateFunction estiver definido, ou seja, não "Nenhum", 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' "Média" 'Min' "Nenhum" "Soma"
targetLags	O número de períodos passados a desfasar da coluna de destino.	TargetLags
targetRollingWindowSize	O número de períodos anteriores utilizados para criar uma média de janela rolante da coluna de destino.	TargetRollingWindowSize
timeColumnName	O nome da coluna time. Este parâmetro é necessário ao prever para especificar a coluna datetime nos dados de entrada utilizados para criar a série temporal e inferir a respetiva frequência.	string
timeSeriesIdColumnames	Os nomes das colunas utilizadas para agrupar uma série de horas. Pode ser utilizado para criar várias séries. Se o grão não estiver definido, assume-se que o conjunto de dados é uma série temporal. Este parâmetro é utilizado com a previsão do tipo de tarefa.	cadeia[]
useStl	Configure a Decomposição de STL da coluna de destino da série temporal.	"Nenhum" 'Temporada' 'SeasonTrend'

PrevisãoHorizon

Nome	Descrição	Valor
mode	Definir o tipo de objeto	Automático Personalizado (obrigatório)

AutoForecastHorizon

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

CustomForecastHorizon

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

Sazonalidade

Nome	Descrição	Valor
mode	Definir o tipo de objeto	Automático Personalizado (obrigatório)

AutoSeasonality

Nome	Descrição	Valor
mode	[Obrigatório] Modo de sazonalidade.	"Automático" (obrigatório)

CustomSeasonality

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

TargetLags

Nome	Descrição	Valor
mode	Definir o tipo de objeto	Automático Personalizado (obrigatório)

AutoTargetLags

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

CustomTargetLags

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

TargetRollingWindowSize

Nome	Descrição	Valor
mode	Definir o tipo de objeto	Automático Personalizado (obrigatório)

AutoTargetRollingWindowSize

Nome	Descrição	Valor
mode	[Obrigatório] Modo de deteção TargetRollingWindowSiz.	"Automático" (obrigatório)

CustomTargetRollingWindowSize

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

ForecastingTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para a tarefa de previsão.	Matriz de cadeias que contém qualquer um dos seguintes: 'Arimax' 'AutoArima' "Média" 'DecisionTree' "ElasticNet" "ExponentialSmoothing" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' "LightGBM" 'Naive' 'Profeta' "RandomForest" "SGD" "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor"
blockedTrainingAlgorithms	Modelos bloqueados para a tarefa de previsão.	Matriz de cadeias que contém qualquer um dos seguintes: 'Arimax' 'AutoArima' "Média" 'DecisionTree' "ElasticNet" "ExponentialSmoothing" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' "LightGBM" 'Naive' 'Profeta' "RandomForest" "SGD" "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor"
enableDnnTraining	Ative a recomendação de modelos DNN.	bool
enableModelExplainability	Sinalizar para ativar a explicação no melhor modelo.	bool
enableOnnxCompatibleModels	Sinalizar para ativar modelos compatíveis com onnx.	bool
enableStackEnsemble	Ativar a execução do conjunto de pilhas.	bool
enableVoteEnsemble	Ative a execução do conjunto de votação.	bool
ensembleModelDownloadTimeout	Durante a geração de modelos VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.	string
stackEnsembleSettings	Definições do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

ImageClassification

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"ImageClassification" (obrigatório)
limitSettings	[Obrigatório] Limitar as definições da tarefa autoML.	ImageLimitSettings (obrigatório)
modelSettings	Definições utilizadas para preparar o modelo.	ImageModelSettingsClassification
primaryMetric	Métrica primária para otimizar para esta tarefa.	"AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" 'NormMacroRecall' "PrecisionScoreWeighted"
searchSpace	Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Definições relacionadas com a limpeza de modelos e hiperparâmetros.	ImageSweepSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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 automáticas simultâneas.	int
maxTrials	Número máximo de iterações de AutoML.	int
tempo limite	Tempo limite da tarefa de AutoML.	string

ImageModelSettingsClassification

Nome	Descrição	Valor
advancedSettings	Definições para cenários avançados.	string
amsGradient	Ative o AMSGrad quando o otimizador for "adam" ou "adamw".	bool
aumentos	Definições para utilizar Aumentos.	string
beta1	Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	int
beta2	Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	int
checkpointFrequency	Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo.	int
checkpointModel	O modelo de ponto de verificação pré-preparado para preparação incremental.	MLFlowModelJobInput
checkpointRunId	O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental.	string
distribuído	Se pretende utilizar a preparação distribuída.	bool
earlyStopping	Ative a lógica de paragem antecipada durante a preparação.	bool
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo.	int
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo.	int
enableOnnxNormalization	Ativar a normalização ao exportar o modelo ONNX.	bool
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo.	int
gradientAccumulationStep	Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo.	int
layersToFreeze	Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1].	int
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo".	"Nenhum" "Passo" 'WarmupCosine'
modelName	Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
momentum	Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1].	int
nesterov	Ative o aninhado quando o otimizador é "sgd".	bool
numberOfEpochs	Número de épocas de preparação. Tem de ser um número inteiro positivo.	int
numberOfWorkers	Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo.	int
otimizador	Tipo de otimizador.	'Adão' 'Adamw' "Nenhum" 'Sgd'
randomSeed	Semente aleatória a utilizar ao utilizar a preparação determinista.	int
stepLRGamma	Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1].	int
stepLRStepSize	Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo.	int
trainingBatchSize	Tamanho do lote de preparação. Tem de ser um número inteiro positivo.	int
trainingCropSize	Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo.	int
validationBatchSize	Tamanho do lote de validação. Tem de ser um número inteiro positivo.	int
validationCropSize	Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo.	int
validationResizeSizeSize	Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo.	int
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1].	int
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo.	int
weightDecay	Valor da decadência do peso quando o otimizador é "sgd", "adam" ou "adamw". Tem de ser um flutuante no intervalo[0, 1].	int
weightedLoss	Perda ponderada. Os valores aceites são 0 sem perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0 ou 1 ou 2.	int

MLFlowModelJobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	string
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' "uri_folder" (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

Nome	Descrição	Valor
amsGradient	Ative o AMSGrad quando o otimizador for "adam" ou "adamw".	string
aumentos	Definições para utilizar Aumentos.	string
beta1	Valor de "beta1" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	string
beta2	Valor de "beta2" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	string
distribuído	Se pretende utilizar a preparação do distribuidor.	string
earlyStopping	Ative a lógica de paragem precoce durante a preparação.	string
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria das métricas primárias é monitorizado para paragem antecipada. Tem de ser um número inteiro positivo.	string
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem melhorias nas métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo.	string
enableOnnxNormalization	Ativar a normalização ao exportar o modelo ONNX.	string
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métricas. Tem de ser um número inteiro positivo.	string
gradientAccumulationStep	Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo.	string
layersToFreeze	Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
learningRate	Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1].	string
learningRateScheduler	Tipo de programador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo".	string
modelName	Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
momentum	Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1].	string
nesterov	Ative o aninhado quando o otimizador é "sgd".	string
numberOfEpochs	Número de épocas de preparação. Tem de ser um número inteiro positivo.	string
numberOfWorkers	Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo.	string
otimizador	Tipo de otimizador. Tem de ser "sgd", "adão" ou "adamw".	string
randomSeed	Semente aleatória a utilizar ao utilizar a preparação determinista.	string
stepLRGamma	Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1].	string
stepLRStepSize	Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo.	string
trainingBatchSize	Tamanho do lote de preparação. Tem de ser um número inteiro positivo.	string
trainingCropSize	Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo.	string
validationBatchSize	Tamanho do lote de validação. Tem de ser um número inteiro positivo.	string
validationCropSize	Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo.	string
validationResizeSizeSize	Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo.	string
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1].	string
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo.	string
weightDecay	Valor da decadência do peso quando o otimizador é "sgd", "adam" ou "adamw". Tem de ser um flutuante no intervalo[0, 1].	string
weightedLoss	Perda ponderada. Os valores aceites são 0 sem perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0 ou 1 ou 2.	string

ImageSweepSettings

Nome	Descrição	Valor
earlyTermination	Tipo de política de cessação antecipada.	EarlyTerminationPolicy
samplingAlgorithm	[Obrigatório] Tipo de algoritmos de amostragem de hiperparâmetros.	'Bayesian' "Grelha" "Aleatório" (obrigatório)

EarlyTerminationPolicy

Nome	Descrição	Valor
delayEvaluation	Número de intervalos para atrasar a primeira avaliação.	int
evaluationInterval	Intervalo (número de execuções) entre avaliações de políticas.	int
policyType	Definir o tipo de objeto	Bandido MedianStopping TruncationSelection (necessário)

BanditPolicy

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

MedianStoppingPolicy

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

TruncationSelectionPolicy

Nome	Descrição	Valor
policyType	[Obrigatório] Nome da configuração da política	"TruncationSelection" (obrigatório)
truncationPercentage	A percentagem de execuções a cancelar em cada intervalo de avaliação.	int

ImageClassificationMultilabel

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"ImageClassificationMultilabel" (obrigatório)
limitSettings	[Obrigatório] Limitar as definições da tarefa autoML.	ImageLimitSettings (obrigatório)
modelSettings	Definições utilizadas para preparar o modelo.	ImageModelSettingsClassification
primaryMetric	Métrica primária para otimizar para esta tarefa.	"AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "IOU" 'NormMacroRecall' "PrecisionScoreWeighted"
searchSpace	Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Definições relacionadas com a limpeza de modelos e hiperparâmetros.	ImageSweepSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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] Limitar as definições da tarefa autoML.	ImageLimitSettings (obrigatório)
modelSettings	Definições utilizadas para preparar o modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica primária para otimizar para esta tarefa.	"MeanAveragePrecision"
searchSpace	Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Definições relacionadas com a limpeza de modelos e hiperparâmetros.	ImageSweepSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido.	int

ImageModelSettingsObjectDetection

Nome	Descrição	Valor
advancedSettings	Definições para cenários avançados.	string
amsGradient	Ative o AMSGrad quando o otimizador for "adam" ou "adamw".	bool
aumentos	Definições para utilizar Aumentos.	string
beta1	Valor de "beta1" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	int
beta2	Valor de "beta2" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	int
boxDetectionsPerImage	Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5".	int
boxScoreThreshold	Durante a inferência, só devolve propostas com uma classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1].	int
checkpointFrequency	Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo.	int
checkpointModel	O modelo de ponto de verificação pré-preparado para preparação incremental.	MLFlowModelJobInput
checkpointRunId	O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental.	string
distribuído	Se pretende utilizar a preparação distribuída.	bool
earlyStopping	Ative a lógica de paragem antecipada durante a preparação.	bool
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo.	int
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo.	int
enableOnnxNormalization	Ativar a normalização ao exportar o modelo ONNX.	bool
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo.	int
gradientAccumulationStep	Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo.	int
imageSize	Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM da CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5".	int
layersToFreeze	Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1].	int
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo".	"Nenhum" "Passo" 'WarmupCosine'
maxSize	Tamanho máximo da imagem a ser redimensionada antes de a alimentar na estrutura principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM cuda se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5".	int
minSize	Tamanho mínimo da imagem a ser redimensionada antes de a alimentar na estrutura principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM cuda se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5".	int
modelName	Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
modelSize	Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação poderá entrar no OOM cuda se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5".	'ExtraLarge' "Grande" "Médio" "Nenhum" "Pequeno"
impulso	Valor de impulso quando o otimizador é 'sgd'. Tem de ser um flutuante no intervalo [0, 1].	int
multiescala	Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5".	bool
nesterov	Ative o aninhado quando o otimizador é "sgd".	bool
nmsIouThreshold	Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de ser um flutuante no intervalo [0, 1].	int
numberOfEpochs	Número de épocas de preparação. Tem de ser um número inteiro positivo.	int
numberOfWorkers	Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo.	int
otimizador	Tipo de otimizador.	'Adão' 'Adamw' "Nenhum" 'Sgd'
randomSeed	Semente aleatória a ser utilizada ao utilizar preparação determinista.	int
stepLRGamma	Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1].	int
stepLRStepSize	Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo.	int
tileGridSize	O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhuma para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
tileOverlapRatio	Relação de sobreposição entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5".	int
tilePredictionsNmsThreshold	O limiar de IOU a utilizar para executar o NMS enquanto intercala predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5".	int
trainingBatchSize	Tamanho do lote de preparação. Tem de ser um número inteiro positivo.	int
validationBatchSize	Tamanho do lote de validação. Tem de ser um número inteiro positivo.	int
validationIouThreshold	Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1].	int
validationMetricType	Método de computação de métricas a utilizar para métricas de validação.	'Coco' 'CocoVoc' "Nenhum" 'Voc'
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1].	int
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo.	int
espessuraDecay	Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1].	int

ImageModelDistributionSettingsObjectDetection

Nome	Descrição	Valor
amsGradient	Ative o AMSGrad quando o otimizador for "adam" ou "adamw".	string
aumentos	Definições para utilizar Aumentos.	string
beta1	Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	string
beta2	Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	string
boxDetectionsPerImage	Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
boxScoreThreshold	Durante a inferência, devolver apenas propostas com uma classificação de classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1].	string
distribuído	Se pretende utilizar a preparação de distribuição.	string
earlyStopping	Ative a lógica de paragem antecipada durante a preparação.	string
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria das métricas primárias é monitorizado para paragem antecipada. Tem de ser um número inteiro positivo.	string
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem melhorias nas métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo.	string
enableOnnxNormalization	Ativar a normalização ao exportar o modelo ONNX.	string
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métricas. Tem de ser um número inteiro positivo.	string
gradientAccumulationStep	Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo.	string
imageSize	Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5".	string
layersToFreeze	Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
learningRate	Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1].	string
learningRateScheduler	Tipo de programador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo".	string
maxSize	Tamanho máximo da imagem a dimensionar antes de a alimentar com a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
minSize	Tamanho mínimo da imagem a dimensionar antes de a alimentar para a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
modelName	Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
modelSize	Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5".	string
momentum	Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1].	string
multiScale	Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5".	string
nesterov	Ative o aninhado quando o otimizador é "sgd".	string
nmsIouThreshold	Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de estar a flutuar no intervalo [0, 1].	string
numberOfEpochs	Número de épocas de preparação. Tem de ser um número inteiro positivo.	string
numberOfWorkers	Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo.	string
otimizador	Tipo de otimizador. Tem de ser "sgd", "adão" ou "adamw".	string
randomSeed	Semente aleatória a utilizar ao utilizar a preparação determinista.	string
stepLRGamma	Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1].	string
stepLRStepSize	Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo.	string
tileGridSize	O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhuma para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
tileOverlapRatio	Relação de sobreposição entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
tilePredictionsNmsThreshold	O limiar de IOU a utilizar para executar o NMS enquanto intercala predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5". NMS: Supressão não máxima	string
trainingBatchSize	Tamanho do lote de preparação. Tem de ser um número inteiro positivo.	string
validationBatchSize	Tamanho do lote de validação. Tem de ser um número inteiro positivo.	string
validationIouThreshold	Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1].	string
validationMetricType	Método de computação de métricas a utilizar para métricas de validação. Tem de ser "nenhum", "coco", "voc" ou "coco_voc".	string
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1].	string
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo.	string
espessuraDecay	Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1].	string

ImageObjectDetection

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"ImageObjectDetection" (obrigatório)
limitSettings	[Obrigatório] Limitar as definições da tarefa de AutoML.	ImageLimitSettings (obrigatório)
modelDefinições	Definições utilizadas para preparar o modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica primária a otimizar para esta tarefa.	"MeanAveragePrecision"
searchSpace	Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros.	ImageSweepSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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 utilizar para dados CVSplit.	string[]
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução do AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido.	NCrossValidations
primaryMetric	Métrica primária da tarefa de regressão.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation'
testData	Testar entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que tem de 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 preparação de uma Tarefa autoML.	RegressionTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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 suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	string

RegressionTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para tarefas de regressão.	Matriz de cadeias que contém qualquer um dos seguintes: 'DecisionTree' "ElasticNet" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' "LightGBM" "RandomForest" "SGD" "XGBoostRegressor"
blockedTrainingAlgorithms	Modelos bloqueados para tarefas de regressão.	Matriz de cadeias que contém qualquer um dos seguintes: 'DecisionTree' "ElasticNet" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' "LightGBM" "RandomForest" "SGD" "XGBoostRegressor"
enableDnnTraining	Ative a recomendação de modelos DNN.	bool
enableModelExplainability	Sinalizar para ativar a explicação no melhor modelo.	bool
enableOnnxCompatibleModels	Sinalizar para ativar modelos compatíveis com onnx.	bool
enableStackEnsemble	Ativar a execução do conjunto de pilhas.	bool
enableVoteEnsemble	Ative a execução do conjunto de votação.	bool
ensembleModelDownloadTimeout	Durante a geração de modelos VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.	string
stackEnsembleSettings	Definições do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

TextClassification

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"TextClassification" (obrigatório)
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução do AutoMLJob.	NlpVerticalLimitSettings
primaryMetric	Métrica primária para Text-Classification tarefa.	"AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
validationData	Entradas de dados de validação.	MLTableJobInput

NlpVerticalFeaturizationSettings

Nome	Descrição	Valor
datasetLanguage	Idioma do conjunto de dados, útil para os dados de texto.	string

NlpVerticalLimitSettings

Nome	Descrição	Valor
maxConcurrentTrials	Máximo de iterações de AutoML Simultâneas.	int
maxTrials	Número de iterações de AutoML.	int
tempo limite	Tempo limite da tarefa de AutoML.	string

TextClassificationMultilabel

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"TextClassificationMultilabel" (obrigatório)
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução do AutoMLJob.	NlpVerticalLimitSettings
validationData	Entradas de dados de validação.	MLTableJobInput

TextNer

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"TextNER" (obrigatório)
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução do AutoMLJob.	NlpVerticalLimitSettings
validationData	Entradas de dados de validação.	MLTableJobInput

CommandJob

Nome	Descrição	Valor
jobType	[Obrigatório] Especifica o tipo de tarefa.	"Comando" (obrigatório)
codeId	ID do recurso arm do recurso de código.	string
command	[Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py"	cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_]
distribuição	Configuração de distribuição da tarefa. Se estiver definido, este deve ser um Mpi, Tensorflow, PyTorch ou nulo.	DistributionConfiguration
environmentId	[Obrigatório] O ID de recurso do ARM da especificação do Ambiente para a tarefa.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]
environmentVariables	Variáveis de ambiente incluídas na tarefa.	CommandJobEnvironmentVariables
entradas	Mapeamento de enlaces de dados de entrada utilizados na tarefa.	CommandJobInputs
limites	Limite de Tarefas de Comando.	CommandJobLimits
saídas	Mapeamento de enlaces de dados de saída utilizados na tarefa.	CommandJobOutputs
resources	Configuração do Recurso de Computação para a tarefa.	JobResourceConfiguration

DistributionConfiguration

Nome	Descrição	Valor
distributionType	Definir o tipo de objeto	Mpi PyTorch TensorFlow (obrigatório)

Mpi

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

PyTorch

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

TensorFlow

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

CommandJobEnvironmentVariables

Nome	Descrição	Valor
{customized property}		string

CommandJobInputs

Nome	Descrição	Valor
{customized property}		JobInput

JobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	string
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 tarefa.	'custom_model' (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	'Direto' "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
URI	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

LiteralJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	"literal" (obrigatório)
valor	[Obrigatório] Valor literal da entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

TritonModelJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	'triton_model' (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	'Direto' "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
URI	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

UriFileJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	'uri_file' (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	'Direto' "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
URI	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

UriFolderJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	'uri_folder' (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	'Direto' "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
URI	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

CommandJobLimits

Nome	Descrição	Valor
jobLimitsType	[Obrigatório] Tipo jobLimit.	'Comando' "Varrer" (obrigatório)
tempo limite	A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Só suporta a duração com precisão tão baixa como Segundos.	string

CommandJobOutputs

Nome	Descrição	Valor
{customized property}		JobOutput

PipelineJob

Nome	Descrição	Valor
jobType	[Obrigatório] Especifica o tipo de tarefa.	"Pipeline" (obrigatório)
entradas	Entradas para a tarefa de pipeline.	PipelineJobInputs
tarefas	As tarefas constroem a Tarefa de Pipeline.	PipelineJobJobs
saídas	Saídas para a tarefa de pipeline	PipelineJobOutputs
definições	Definições do pipeline, para aspetos como ContinueRunOnStepFailure, etc.	Para o Bicep, pode utilizar a função any( ).
sourceJobId	ID de recurso arm da tarefa de origem.	string

PipelineJobInputs

Nome	Descrição	Valor
{customized property}		JobInput

PipelineJobJobs

Nome	Descrição	Valor
{customized property}		Para o Bicep, pode utilizar a função any( ).

PipelineJobOutputs

Nome	Descrição	Valor
{customized property}		JobOutput

SweepJob

Nome	Descrição	Valor
jobType	[Obrigatório] Especifica o tipo de tarefa.	"Varrer" (obrigatório)
earlyTermination	As políticas de cessação antecipada permitem cancelar execuções de mau desempenho antes de serem concluídas	EarlyTerminationPolicy
entradas	Mapeamento de enlaces de dados de entrada utilizados na tarefa.	SweepJobInputs
limites	Limite de tarefas de varrimento.	SweepJobLimits
objetivo	[Obrigatório] Objetivo de otimização.	Objetivo (obrigatório)
saídas	Mapeamento de enlaces de dados de saída utilizados na tarefa.	SweepJobOutputs
samplingAlgorithm	[Obrigatório] O algoritmo de amostragem de hiperparâmetros	SamplingAlgorithm (obrigatório)
searchSpace	[Obrigatório] Um dicionário que contém cada parâmetro e a respetiva distribuição. A chave do dicionário é o nome do parâmetro	Para o Bicep, pode utilizar a função any( ). (obrigatório)
trial	[Obrigatório] Definição do componente de avaliação.	TrialComponent (obrigatório)

SweepJobInputs

Nome	Descrição	Valor
{customized property}		JobInput

SweepJobLimits

Nome	Descrição	Valor
jobLimitsType	[Obrigatório] Tipo jobLimit.	"Comando" "Varrer" (obrigatório)
maxConcurrentTrials	Varra Tarefa máxima de avaliações simultâneas.	int
maxTotalTrials	Varra o número máximo de avaliações de tarefas.	int
tempo limite	A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Suporta apenas a duração com precisão tão baixa como Segundos.	string
trialTimeout	Valor de tempo limite da Avaliação de Tarefas de Varrimento.	string

Objetivo

Nome	Descrição	Valor
goal	[Obrigatório] Define os objetivos de métricas suportados para otimização de hiperparâmetros	"Maximizar" "Minimizar" (necessário)
primaryMetric	[Obrigatório] Nome da métrica a otimizar.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

SweepJobOutputs

Nome	Descrição	Valor
{customized property}		JobOutput

SamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	Definir o tipo de objeto	Bayesian Grelha Aleatório (obrigatório)

BayesianSamplingAlgorithm

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

GridSamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	[Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração	"Grelha" (obrigatório)

RandomSamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	[Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração	"Aleatório" (obrigatório)
regra	O tipo específico de algoritmo aleatório	"Aleatório" 'Sobol'
seed	Um número inteiro opcional a utilizar como seed para geração de números aleatórios	int

TrialComponent

Nome	Descrição	Valor
codeId	ID do recurso arm do recurso de código.	string
command	[Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py"	cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_]
distribuição	Configuração de distribuição da tarefa. Se estiver definido, este deve ser um de Mpi, Tensorflow, PyTorch ou nulo.	DistributionConfiguration
environmentId	[Obrigatório] O ID de recurso do ARM da especificação ambiente da tarefa.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]
environmentVariables	Variáveis de ambiente incluídas na tarefa.	TrialComponentEnvironmentVariables
resources	Configuração do Recurso de Computação para a tarefa.	JobResourceConfiguration

TrialComponentEnvironmentVariables

Nome	Descrição	Valor
{customized property}		string

EndpointScheduleAction

Nome	Descrição	Valor
actionType	[Obrigatório] Especifica o tipo de ação da agenda	"InvokeBatchEndpoint" (obrigatório)
endpointInvocationDefinition	[Obrigatório] Define detalhes da definição de ação Agendar. {see href="TBD" /}	Para o Bicep, pode utilizar a função any( ). (obrigatório)

TriggerBase

Nome	Descrição	Valor
endTime	Especifica a hora de fim do agendamento na ISO 8601, mas sem um desvio UTC. Veja https://en.wikipedia.org/wiki/ISO_8601. O formato recommente seria "2022-06-01T00:00:01" Se não estiver presente, a agenda será executada indefinidamente	string
startTime	Especifica a hora de início do agendamento no formato ISO 8601, mas sem um desvio UTC.	string
timeZone	Especifica o fuso horário no qual a agenda é executada. O Fuso Horário deve seguir o formato de fuso horário do Windows. Veja: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones />	string
triggerType	Definir o tipo de objeto	Cron Periodicidade (obrigatório)

CronTrigger

Nome	Descrição	Valor
triggerType	[Obrigatório]	'Cron' (obrigatório)
expression	[Obrigatório] Especifica a expressão cron da agenda. A expressão deve seguir o formato NCronTab.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

RecurrenceTrigger

Nome	Descrição	Valor
triggerType	[Obrigatório]	"Periodicidade" (obrigatório)
frequência	[Obrigatório] A frequência para acionar o agendamento.	'Dia' "Hora" 'Minuto' "Mês" "Semana" (obrigatório)
interval	[Obrigatório] Especifica o intervalo de agendamento em conjunto com a frequência	int (obrigatório)
agenda	A agenda de periodicidade.	PeriodicidadeSchedule

PeriodicidadeSchedule

Nome	Descrição	Valor
horas	[Obrigatório] Lista de horas para a agenda.	int[] (obrigatório)
minutes	[Obrigatório] Lista de minutos para a agenda.	int[] (obrigatório)
monthDays	Lista de dias do mês para a agenda	int[]
weekDays	Lista de dias para a agenda.	Matriz de cadeia que contém qualquer um dos seguintes: 'Sexta-feira' 'Segunda-feira' 'Sábado' 'Domingo' 'Quinta-feira' 'Terça-feira' 'Quarta-feira'

Definição de recurso do modelo arm

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

• Grupos de recursos – veja os comandos de implementação do grupo de recursos

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

Formato do recurso

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

{
  "type": "Microsoft.MachineLearningServices/workspaces/schedules",
  "apiVersion": "2022-10-01",
  "name": "string",
  "properties": {
    "action": {
      "actionType": "string"
      // For remaining properties, see ScheduleActionBase objects
    },
    "description": "string",
    "displayName": "string",
    "isEnabled": "bool",
    "properties": {
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string"
    },
    "tags": {
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string"
    },
    "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, utilize:

  "actionType": "CreateJob",
  "jobDefinition": {
    "componentId": "string",
    "computeId": "string",
    "description": "string",
    "displayName": "string",
    "experimentName": "string",
    "identity": {
      "identityType": "string"
      // For remaining properties, see IdentityConfiguration objects
    },
    "isArchived": "bool",
    "properties": {
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string"
    },
    "services": {
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "port": "int",
        "properties": {
          "{customized property}": "string"
        }
      }
    },
    "tags": {
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string"
    },
    "jobType": "string"
    // For remaining properties, see JobBaseProperties objects
  }

Para InvokeBatchEndpoint, utilize:

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

Objetos JobBaseProperties

Defina a propriedade jobType para especificar o tipo de objeto.

Para AutoML, utilize:

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

Para Comando, utilize:

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

Para Pipeline, utilize:

  "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 Varrer, utilize:

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

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 JobOutput

Defina a propriedade jobOutputType para especificar o tipo de objeto.

Para custom_model, utilize:

  "jobOutputType": "custom_model",
  "mode": "string",
  "uri": "string"

Para mlflow_model, utilize:

  "jobOutputType": "mlflow_model",
  "mode": "string",
  "uri": "string"

Para mltable, utilize:

  "jobOutputType": "mltable",
  "mode": "string",
  "uri": "string"

Para triton_model, utilize:

  "jobOutputType": "triton_model",
  "mode": "string",
  "uri": "string"

Para uri_file, utilize:

  "jobOutputType": "uri_file",
  "mode": "string",
  "uri": "string"

Para uri_folder, utilize:

  "jobOutputType": "uri_folder",
  "mode": "string",
  "uri": "string"

Objetos AutoMLVertical

Defina a propriedade taskType para especificar o tipo de objeto.

Para Classificação, utilize:

  "taskType": "Classification",
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "positiveLabel": "string",
  "primaryMetric": "string",
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

Para Previsão, utilize:

  "taskType": "Forecasting",
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "forecastingSettings": {
    "countryOrRegionForHolidays": "string",
    "cvStepSize": "int",
    "featureLags": "string",
    "forecastHorizon": {
      "mode": "string"
      // For remaining properties, see ForecastHorizon objects
    },
    "frequency": "string",
    "seasonality": {
      "mode": "string"
      // For remaining properties, see Seasonality objects
    },
    "shortSeriesHandlingConfig": "string",
    "targetAggregateFunction": "string",
    "targetLags": {
      "mode": "string"
      // For remaining properties, see TargetLags objects
    },
    "targetRollingWindowSize": {
      "mode": "string"
      // For remaining properties, see TargetRollingWindowSize objects
    },
    "timeColumnName": "string",
    "timeSeriesIdColumnNames": [ "string" ],
    "useStl": "string"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

Para ImageClassification, utilize:

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

Para ImageClassificationMultilabel, utilize:

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

Para ImageInstanceSegmentation, utilize:

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

Para ImageObjectDetection, utilize:

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

Para Regressão, utilize:

  "taskType": "Regression",
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

Para TextClassification, utilize:

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

Para TextClassificationMultilabel, utilize:

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

Para TextNER, utilize:

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

Objetos NCrossValidations

Defina a propriedade mode para especificar o tipo de objeto.

Para Automático, utilize:

  "mode": "Auto"

Para Personalizar, utilize:

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

Objetos do ForecastHorizon

Defina a propriedade mode para especificar o tipo de objeto.

Para Automático, utilize:

  "mode": "Auto"

Para Personalizar, utilize:

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

Objetos de sazonalidade

Defina a propriedade mode para especificar o tipo de objeto.

Para Automático, utilize:

  "mode": "Auto"

Para Personalizar, utilize:

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

Objetos TargetLags

Defina a propriedade mode para especificar o tipo de objeto.

Para Automático, utilize:

  "mode": "Auto"

Para Personalizar, utilize:

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

TargetRollingWindowSize objects (Objetos TargetRollingWindowSize)

Defina a propriedade mode para especificar o tipo de objeto.

Para Automático, utilize:

  "mode": "Auto"

Para Personalizar, utilize:

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

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 JobInput

Defina a propriedade jobInputType para especificar o tipo de objeto.

Para custom_model, utilize:

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

Para literal, utilize:

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

Para mlflow_model, utilize:

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

Para mltable, utilize:

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

Para triton_model, utilize:

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

Para uri_file, utilize:

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

Para uri_folder, utilize:

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

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"

Objetos TriggerBase

Defina a propriedade triggerType para especificar o tipo de objeto.

Para Cron, utilize:

  "triggerType": "Cron",
  "expression": "string"

Para Periodicidade, utilize:

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

Valores de propriedade

áreas de trabalho/agendas

Nome	Descrição	Valor
tipo	O tipo de recurso	"Microsoft.MachineLearningServices/workspaces/schedules"
apiVersion	A versão da API de recursos	'2022-10-01'
name	O nome do recurso Veja como definir nomes e tipos para recursos subordinados em modelos do ARM JSON.	cadeia (obrigatório)
propriedades	[Obrigatório] Atributos adicionais da entidade.	ScheduleProperties (obrigatório)

ScheduleProperties

Nome	Descrição	Valor
action	[Obrigatório] Especifica a ação da agenda	ScheduleActionBase (obrigatório)
descrição	O texto de descrição do recurso.	string
displayName	Nome a apresentar da agenda.	string
isEnabled	A agenda está ativada?	bool
propriedades	O dicionário da propriedade do recurso.	ResourceBaseProperties
etiquetas	Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas.	objeto
acionador	[Obrigatório] Especifica os detalhes do acionador	TriggerBase (obrigatório)

ScheduleActionBase

Nome	Descrição	Valor
actionType	Definir o tipo de objeto	CriarJob InvokeBatchEndpoint (obrigatório)

JobScheduleAction

Nome	Descrição	Valor
actionType	[Obrigatório] Especifica o tipo de ação da agenda	"CreateJob" (obrigatório)
jobDefinition	[Obrigatório] Define detalhes da definição de ação Agendar.	JobBaseProperties (obrigatório)

JobBaseProperties

Nome	Descrição	Valor
componentId	ID do recurso arm do recurso do componente.	string
computeId	ID do recurso arm do recurso de computação.	string
descrição	O texto de descrição do recurso.	string
displayName	Nome a apresentar da tarefa.	string
experimentName	O nome da experimentação a que pertence a tarefa. Se não estiver definido, a tarefa é colocada na experimentação "Predefinição".	string
identidade	Configuração de identidade. Se estiver definido, este deve ser um de AmlToken, ManagedIdentity, UserIdentity ou null. A predefinição é AmlToken se for nula.	IdentityConfiguration
isArchived	O recurso está arquivado?	bool
propriedades	O dicionário da propriedade do recurso.	ResourceBaseProperties
services	Lista de JobEndpoints. Para tarefas locais, um ponto final de tarefa terá um valor de ponto final de FileStreamObject.	JobBaseServices
etiquetas	Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas.	objeto
jobType	Definir o tipo de objeto	AutoML Comando Pipeline Varrer (obrigatório)

IdentityConfiguration

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

AmlToken

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

ManagedIdentity

Nome	Descrição	Valor
identityType	[Obrigatório] Especifica o tipo de arquitetura de identidade.	"Gerido" (obrigatório)
clientId	Especifica uma identidade atribuída pelo utilizador pelo ID de cliente. Para a atribuição do sistema, não defina este campo.	string 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 utilizador pelo ID do objeto. Para a atribuição do sistema, não defina este campo.	string 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 utilizador pelo ID de recurso do ARM. Para a atribuição do sistema, não defina este campo.	string

UserIdentity

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

ResourceBaseProperties

Nome	Descrição	Valor
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string

JobBaseServices

Nome	Descrição	Valor
{customized property}		JobService

JobService

Nome	Descrição	Valor
endpoint	Url para ponto final.	string
jobServiceType	Tipo de ponto final.	string
porta	Porta para ponto final.	int
propriedades	Propriedades adicionais a definir no ponto final.	JobServiceProperties

JobServiceProperties

Nome	Descrição	Valor
{customized property}		string

AutoMLJob

Nome	Descrição	Valor
jobType	[Obrigatório] Especifica o tipo de tarefa.	"AutoML" (obrigatório)
environmentId	O ID de recurso do ARM da especificação ambiente da tarefa. Este é um valor opcional para fornecer, se não for fornecido, que o AutoML irá predefinir esta opção para a versão de ambiente de produção organizada por AutoML ao executar a tarefa.	string
environmentVariables	Variáveis de ambiente incluídas na tarefa.	AutoMLJobEnvironmentVariables
saídas	Mapeamento de enlaces de dados de saída utilizados na tarefa.	AutoMLJobOutputs
resources	Configuração do Recurso de Computação para a tarefa.	JobResourceConfiguration
taskDetails	[Obrigatório] Isto representa um cenário que pode ser uma das Tabelas/NLP/Imagem	AutoMLVertical (obrigatório)

AutoMLJobEnvironmentVariables

Nome	Descrição	Valor
{customized property}		string

AutoMLJobOutputs

Nome	Descrição	Valor
{customized property}		JobOutput

JobOutput

Nome	Descrição	Valor
descrição	Descrição do resultado.	string
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 tarefa.	"custom_model" (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" 'Carregar'
uri	URI do Recurso de Saída.	string

MLFlowModelJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de tarefa.	"mlflow_model" (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" 'Carregar'
uri	URI do Recurso de Saída.	string

MLTableJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de tarefa.	"mltable" (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" 'Carregar'
uri	URI do Recurso de Saída.	string

TritonModelJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de tarefa.	"triton_model" (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" 'Carregar'
uri	URI do Recurso de Saída.	string

UriFileJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de tarefa.	"uri_file" (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" 'Carregar'
uri	URI do Recurso de Saída.	string

UriFolderJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de tarefa.	"uri_folder" (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" 'Carregar'
uri	URI do Recurso de Saída.	string

JobResourceConfiguration

Nome	Descrição	Valor
dockerArgs	Argumentos adicionais para passar para o comando de execução do Docker. Isto substituiria quaisquer parâmetros que já tenham sido definidos pelo sistema ou nesta secção. Este parâmetro só é suportado para tipos de computação do Azure ML.	string
instanceCount	Número opcional de instâncias ou nós utilizados pelo destino de computação.	int
instanceType	Tipo opcional de VM utilizado como suportado pelo destino de computação.	string
propriedades	Saco de propriedades adicionais.	ResourceConfigurationProperties
shmSize	Tamanho do bloco de memória partilhado do contentor docker. Deve estar no formato de (número)(unidade) em que o número deve ser superior a 0 e a unidade pode ser um de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes).	string Restrições: Padrão = \d+[bBkKmMgG]

ResourceConfigurationProperties

Nome	Descrição	Valor
{customized property}
{customized property}

AutoMLVertical

Nome	Descrição	Valor
logVerbosity	Registar verbosidade para a tarefa.	"Crítico" "Depurar" "Erro" "Informações" "NotSet" "Aviso"
targetColumnName	Nome da coluna de destino: esta é a coluna de valores de predição. Também conhecido como nome da coluna de etiqueta no contexto de tarefas de classificação.	string
trainingData	[Obrigatório] Entrada de dados de preparação.	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.	string
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' "uri_folder" (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

Classificação

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"Classificação" (obrigatório)
cvSplitColumnAmes	Colunas a utilizar para dados CVSplit.	string[]
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução do AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido.	NCrossValidations
positiveLabel	Etiqueta positiva para cálculo de métricas binárias.	string
primaryMetric	Métrica primária da tarefa.	"AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
testData	Testar a entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que tem de 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 preparação de uma Tarefa de AutoML.	ClassificationTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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 suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	string

TableVerticalFeaturizationSettings

Nome	Descrição	Valor
blockedTransformers	Estes transformadores não devem ser utilizados na caracterização.	Matriz de cadeia que contém qualquer um dos seguintes: "CatTargetEncoder" "CountVectorizer" "HashOneHotEncoder" "LabelEncoder" 'NaiveBayes' "OneHotEncoder" "TextTargetEncoder" "TfIdf" "WoETargetEncoder" "WordEmbedding"
columnNameAndTypes	Dicionário do nome da coluna e do respetivo tipo (int, float, string, datetime, etc.).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Idioma do conjunto de dados, útil para os dados de texto.	string
enableDnnFeaturization	Determina se deve utilizar os caracterizadores baseados em Dnn para a caracterização de dados.	bool
mode	Modo de caracterização – o utilizador pode manter o modo "Automático" predefinido e o AutoML tratará da transformação necessária dos dados na fase de caracterização. Se "Desativado" estiver selecionado, não será efetuada qualquer caracterização. Se "Personalizado" estiver selecionado, o utilizador pode especificar entradas adicionais para personalizar a forma como a caracterização é feita.	'Auto' "Personalizado" 'Desativado'
transformerParams	O utilizador pode especificar transformadores adicionais a serem utilizados juntamente com as colunas às quais seriam aplicados e parâmetros para o construtor do transformador.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Nome	Descrição	Valor
{customized property}		string

TableVerticalFeaturizationSettingsTransformerParams

Nome	Descrição	Valor
{customized property}		ColumnTransformer[]

ColumnTransformer

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

TableVerticalLimitSettings

Nome	Descrição	Valor
enableEarlyTermination	Ative a terminação antecipada, determina se o AutoMLJob terminará mais cedo se não houver melhoria de pontuação nas últimas 20 iterações.	bool
exitScore	Sair da classificação para a tarefa de AutoML.	int
maxConcurrentTrials	Máximo de iterações simultâneas.	int
maxCoresPerTrial	Núcleos máximos por iteração.	int
maxTrials	Número de iterações.	int
tempo limite	Tempo limite da tarefa de AutoML.	string
trialTimeout	Tempo limite da iteração.	string

NCrossValidations

Nome	Descrição	Valor
mode	Definir o tipo de objeto	Automático Personalizado (obrigatório)

AutoNCrossValidations

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

CustomNCrossValidations

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

ClassificationTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para tarefas de classificação.	Matriz de cadeias que contém qualquer um dos seguintes: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' "GradientBoosting" 'KNN' "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" 'SVM' "XGBoostClassifier"
blockedTrainingAlgorithms	Modelos bloqueados para tarefas de classificação.	Matriz de cadeias que contém qualquer um dos seguintes: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' "GradientBoosting" 'KNN' "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" 'SVM' "XGBoostClassifier"
enableDnnTraining	Ative a recomendação de modelos DNN.	bool
enableModelExplainability	Sinalizar para ativar a explicação no melhor modelo.	bool
enableOnnxCompatibleModels	Sinalizar para ativar modelos compatíveis com onnx.	bool
enableStackEnsemble	Ativar a execução do conjunto de pilhas.	bool
enableVoteEnsemble	Ative a execução do conjunto de votação.	bool
ensembleModelDownloadTimeout	Durante a geração de modelos VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.	string
stackEnsembleSettings	Definições do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

StackEnsembleSettings

Nome	Descrição	Valor
stackMetaLearnerKWargs	Parâmetros opcionais para passar para o inicializador do meta-aluno.
stackMetaLearnerTrainPercentage	Especifica a proporção do conjunto de preparação (ao escolher o tipo de preparação e de validação) a reservar para a preparação do meta-aluno. O valor predefinido é 0,2.	int
stackMetaLearnerType	O meta-aprendiz é um modelo preparado para a saída dos modelos heterogéneos individuais.	"ElasticNet" "ElasticNetCV" "LightGBMClassifier" "LightGBMRegressor" "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "Nenhum"

Previsão

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"Previsão" (obrigatório)
cvSplitColumnAmes	Colunas a utilizar para dados CVSplit.	cadeia[]
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	TableVerticalFeaturizationSettings
forecastingSettings	Previsão de entradas específicas da tarefa.	PrevisãoDefinições
limitSettings	Restrições de execução do AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido.	NCrossValidations
primaryMetric	Métrica primária para a tarefa de previsão.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation'
testData	Testar entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que tem de 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 preparação de uma Tarefa autoML.	ForecastingTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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 suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	string

PrevisãoDefinições

Nome	Descrição	Valor
countryOrRegionForHolidays	País ou região para feriados para previsão de tarefas. Estes devem ser códigos iso 3166 país/região de duas letras, por exemplo "E.U.A" ou "GB".	string
cvStepSize	Número de períodos entre a hora de origem de uma dobra de CV e a dobra seguinte. Para o por exemplo, se CVStepSize = 3 para dados diários, a hora de origem de cada dobra será três dias de diferença.	int
featureLags	Sinalizar para gerar atrasos para as funcionalidades numéricas com "automático" ou nulo.	"Automático" "Nenhum"
forecastHorizon	O horizonte de previsão máximo pretendido em unidades de frequência de série temporal.	PrevisãoHorizon
frequência	Ao prever, este parâmetro representa o período com o qual a previsão é desejada, por exemplo, diariamente, semanalmente, anualmente, etc. A frequência de previsão é a frequência do conjunto de dados por predefinição.	string
sazonalidade	Defina a sazonalidade de série temporal como um múltiplo inteiro da frequência da série. Se a sazonalidade estiver definida como "automática", será inferida.	Sazonalidade
shortSeriesHandlingConfig	O parâmetro que define como se o AutoML deve processar séries de tempo curtos.	'Auto' 'Largar' "Nenhum" 'Pad'
targetAggregateFunction	A função a ser utilizada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada por um utilizador. Se TargetAggregateFunction estiver definido, ou seja, não "Nenhum", mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "sum", "max", "min" e "mean".	'Máx.' "Média" 'Min' "Nenhum" "Soma"
targetLags	O número de períodos anteriores a desfasar da coluna de destino.	TargetLags
targetRollingWindowSize	O número de períodos anteriores utilizados para criar uma média de janela temporal da coluna de destino.	TargetRollingWindowSize
timeColumnName	O nome da coluna de hora. Este parâmetro é necessário quando se prevê especificar a coluna datetime nos dados de entrada utilizados para criar a série temporal e inferir a respetiva frequência.	string
timeSeriesIdColumnNames	Os nomes das colunas utilizadas para agrupar uma série de tempo. Pode ser utilizado para criar várias séries. Se a agregação não estiver definida, assume-se que o conjunto de dados é uma série temporal. Este parâmetro é utilizado com a previsão do tipo de tarefa.	string[]
useStl	Configure a Decomposição de STL da coluna de destino da série temporal.	"Nenhum" 'Estação' 'SeasonTrend'

PrevisãoHorizon

Nome	Descrição	Valor
mode	Definir o tipo de objeto	Automático Personalizado (obrigatório)

AutoForecastHorizon

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

CustomForecastHorizon

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

Sazonalidade

Nome	Descrição	Valor
mode	Definir o tipo de objeto	Automático Personalizado (obrigatório)

AutoSeasonality

Nome	Descrição	Valor
mode	[Obrigatório] Modo de sazonalidade.	"Automático" (obrigatório)

CustomSeasonality

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

TargetLags

Nome	Descrição	Valor
mode	Definir o tipo de objeto	Automático Personalizado (obrigatório)

AutoTargetLags

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

CustomTargetLags

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

TargetRollingWindowSize

Nome	Descrição	Valor
mode	Definir o tipo de objeto	Automático Personalizado (obrigatório)

AutoTargetRollingWindowSize

Nome	Descrição	Valor
mode	[Obrigatório] Modo de deteção TargetRollingWindowSiz.	"Automático" (obrigatório)

CustomTargetRollingWindowSize

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

ForecastingTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para a tarefa de previsão.	Matriz de cadeias que contém qualquer um dos seguintes: 'Arimax' 'AutoArima' "Média" 'DecisionTree' "ElasticNet" "ExponentialSmoothing" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' "LightGBM" 'Naive' 'Profeta' "RandomForest" "SGD" "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor"
blockedTrainingAlgorithms	Modelos bloqueados para a tarefa de previsão.	Matriz de cadeias que contém qualquer um dos seguintes: 'Arimax' 'AutoArima' "Média" 'DecisionTree' "ElasticNet" "ExponentialSmoothing" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' "LightGBM" 'Naive' 'Profeta' "RandomForest" "SGD" "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor"
enableDnnTraining	Ative a recomendação de modelos DNN.	bool
enableModelExplainability	Sinalizar para ativar a explicação no melhor modelo.	bool
enableOnnxCompatibleModels	Sinalizador para ativar modelos compatíveis com onnx.	bool
enableStackEnsemble	Ativar a execução do conjunto de pilhas.	bool
enableVoteEnsemble	Ative a execução do conjunto de votação.	bool
ensembleModelDownloadTimeout	Durante a geração do modelo VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.	string
stackEnsembleSettings	Definições do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

ImageClassification

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"ImageClassification" (obrigatório)
limitSettings	[Obrigatório] Limitar as definições da tarefa de AutoML.	ImageLimitSettings (obrigatório)
modelDefinições	Definições utilizadas para preparar o modelo.	ImageModelSettingsClassification
primaryMetric	Métrica primária a otimizar para esta tarefa.	"AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros.	ImageSweepSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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 automáticas simultâneas.	int
maxTrials	Número máximo de iterações de AutoML.	int
tempo limite	Tempo limite da tarefa de AutoML.	string

ImageModelSettingsClassification

Nome	Descrição	Valor
advancedSettings	Definições para cenários avançados.	string
amsGradient	Ative o AMSGrad quando o otimizador for "adam" ou "adamw".	bool
aumentos	Definições para utilizar Aumentos.	string
beta1	Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	int
beta2	Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	int
checkpointFrequency	Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo.	int
checkpointModel	O modelo de ponto de verificação pré-preparado para preparação incremental.	MLFlowModelJobInput
checkpointRunId	O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental.	string
distribuído	Se pretende utilizar a preparação distribuída.	bool
earlyStopping	Ative a lógica de paragem antecipada durante a preparação.	bool
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria das métricas primárias é monitorizado para paragem antecipada. Tem de ser um número inteiro positivo.	int
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem melhorias nas métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo.	int
enableOnnxNormalization	Ativar a normalização ao exportar o modelo ONNX.	bool
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métricas. Tem de ser um número inteiro positivo.	int
gradientAccumulationStep	Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo.	int
layersToFreeze	Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1].	int
learningRateScheduler	Tipo de programador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo".	"Nenhum" "Passo" 'WarmupCosine'
modelName	Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
momentum	Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1].	int
nesterov	Ative o aninhado quando o otimizador é "sgd".	bool
numberOfEpochs	Número de épocas de preparação. Tem de ser um número inteiro positivo.	int
numberOfWorkers	Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo.	int
otimizador	Tipo de otimizador.	'Adão' 'Adamw' "Nenhum" 'Sgd'
randomSeed	Semente aleatória a utilizar ao utilizar a preparação determinista.	int
stepLRGamma	Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1].	int
stepLRStepSize	Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo.	int
trainingBatchSize	Tamanho do lote de preparação. Tem de ser um número inteiro positivo.	int
trainingCropSize	Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo.	int
validationBatchSize	Tamanho do lote de validação. Tem de ser um número inteiro positivo.	int
validationCropSize	Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo.	int
validationResizeSizeSize	Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo.	int
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1].	int
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo.	int
weightDecay	Valor da decadência do peso quando o otimizador é "sgd", "adam" ou "adamw". Tem de ser um flutuante no intervalo[0, 1].	int
weightedLoss	Perda ponderada. Os valores aceites são 0 sem perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0 ou 1 ou 2.	int

MLFlowModelJobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	string
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' "uri_folder" (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

Nome	Descrição	Valor
amsGradient	Ative o AMSGrad quando o otimizador for "adam" ou "adamw".	string
aumentos	Definições para utilizar Aumentos.	string
beta1	Valor de "beta1" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	string
beta2	Valor de "beta2" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	string
distribuído	Se pretende utilizar a preparação do distribuidor.	string
earlyStopping	Ative a lógica de paragem precoce durante a preparação.	string
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria das métricas primárias é monitorizado para paragem antecipada. Tem de ser um número inteiro positivo.	string
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem melhorias nas métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo.	string
enableOnnxNormalization	Ativar a normalização ao exportar o modelo ONNX.	string
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métricas. Tem de ser um número inteiro positivo.	string
gradientAccumulationStep	Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo.	string
layersToFreeze	Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
learningRate	Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1].	string
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo".	string
modelName	Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
impulso	Valor de impulso quando o otimizador é 'sgd'. Tem de ser um flutuante no intervalo [0, 1].	string
nesterov	Ative o aninhado quando o otimizador é "sgd".	string
numberOfEpochs	Número de épocas de preparação. Tem de ser um número inteiro positivo.	string
numberOfWorkers	Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo.	string
otimizador	Tipo de otimizador. Deve ser "sgd", "adão" ou "adão".	string
randomSeed	Semente aleatória a ser utilizada ao utilizar preparação determinista.	string
stepLRGamma	Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1].	string
stepLRStepSize	Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo.	string
trainingBatchSize	Tamanho do lote de preparação. Tem de ser um número inteiro positivo.	string
trainingCropSize	Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo.	string
validationBatchSize	Tamanho do lote de validação. Tem de ser um número inteiro positivo.	string
validationCropSize	Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo.	string
validationResizeSize	Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo.	string
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1].	string
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo.	string
espessuraDecay	Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1].	string
weightedLoss	Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0, 1 ou 2.	string

ImageSweepSettings

Nome	Descrição	Valor
earlyTermination	Tipo de política de cessação antecipada.	EarlyTerminationPolicy
samplingAlgorithm	[Obrigatório] Tipo de algoritmos de amostragem de hiperparâmetros.	'Bayesian' "Grelha" "Aleatório" (obrigatório)

EarlyTerminationPolicy

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

BanditPolicy

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

MedianStoppingPolicy

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

TruncationSelectionPolicy

Nome	Descrição	Valor
policyType	[Obrigatório] Nome da configuração da política	"TruncationSelection" (obrigatório)
truncationPercentage	A percentagem de execuções a cancelar em cada intervalo de avaliação.	int

ImageClassificationMultilabel

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"ImageClassificationMultilabel" (obrigatório)
limitSettings	[Obrigatório] Limitar as definições da tarefa de AutoML.	ImageLimitSettings (obrigatório)
modelDefinições	Definições utilizadas para preparar o modelo.	ImageModelSettingsClassification
primaryMetric	Métrica primária a otimizar para esta tarefa.	"AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" 'IOU' "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros.	ImageSweepSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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] Limitar as definições da tarefa de AutoML.	ImageLimitSettings (obrigatório)
modelDefinições	Definições utilizadas para preparar o modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica primária a otimizar para esta tarefa.	"MeanAveragePrecision"
searchSpace	Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros.	ImageSweepSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int

ImageModelSettingsObjectDetection

Nome	Descrição	Valor
advancedSettings	Definições para cenários avançados.	string
amsGradient	Ative o AMSGrad quando o otimizador for "adam" ou "adamw".	bool
aumentos	Definições para utilizar Aumentos.	string
beta1	Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	int
beta2	Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	int
boxDetectionsPerImage	Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5".	int
boxScoreThreshold	Durante a inferência, devolver apenas propostas com uma classificação de classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1].	int
checkpointFrequency	Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo.	int
checkpointModel	O modelo de ponto de verificação pré-preparado para preparação incremental.	MLFlowModelJobInput
checkpointRunId	O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental.	string
distribuído	Se pretende utilizar a preparação distribuída.	bool
earlyStopping	Ative a lógica de paragem antecipada durante a preparação.	bool
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo.	int
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo.	int
enableOnnxNormalization	Ativar a normalização ao exportar o modelo ONNX.	bool
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo.	int
gradientAccumulationStep	Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo.	int
imageSize	Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM da CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5".	int
layersToFreeze	Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1].	int
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo".	"Nenhum" "Passo" 'WarmupCosine'
maxSize	Tamanho máximo da imagem a ser redimensionada antes de a alimentar na estrutura principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5".	int
minSize	Tamanho mínimo da imagem a dimensionar antes de a alimentar para a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5".	int
modelName	Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
modelSize	Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5".	'ExtraLarge' "Grande" "Médio" "Nenhum" 'Pequeno'
momentum	Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1].	int
multiScale	Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5".	bool
nesterov	Ative o aninhado quando o otimizador é "sgd".	bool
nmsIouThreshold	Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de ser um flutuante no intervalo [0, 1].	int
numberOfEpochs	Número de épocas de preparação. Tem de ser um número inteiro positivo.	int
numberOfWorkers	Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo.	int
otimizador	Tipo de otimizador.	'Adão' 'Adamw' "Nenhum" 'Sgd'
randomSeed	Semente aleatória a utilizar ao utilizar a preparação determinista.	int
stepLRGamma	Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1].	int
stepLRStepSize	Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo.	int
tileGridSize	O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhum para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
tileOverlapRatio	Proporção entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5".	int
tilePredictionsNmsThreshold	O limiar IOU a utilizar para executar o NMS ao intercalar predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5".	int
trainingBatchSize	Tamanho do lote de preparação. Tem de ser um número inteiro positivo.	int
validationBatchSize	Tamanho do lote de validação. Tem de ser um número inteiro positivo.	int
validationIouThreshold	Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1].	int
validationMetricType	Método de computação de métricas a utilizar para métricas de validação.	'Coco' 'CocoVoc' "Nenhum" 'Voc'
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1].	int
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo.	int
espessuraDecay	Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1].	int

ImageModelDistributionSettingsObjectDetection

Nome	Descrição	Valor
amsGradient	Ative o AMSGrad quando o otimizador for "adam" ou "adamw".	string
aumentos	Definições para utilizar Aumentos.	string
beta1	Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	string
beta2	Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	string
boxDetectionsPerImage	Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
boxScoreThreshold	Durante a inferência, devolver apenas propostas com uma classificação de classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1].	string
distribuído	Se pretende utilizar a preparação de distribuição.	string
earlyStopping	Ative a lógica de paragem antecipada durante a preparação.	string
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo.	string
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo.	string
enableOnnxNormalization	Ativar a normalização ao exportar o modelo ONNX.	string
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo.	string
gradientAccumulationStep	Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo.	string
imageSize	Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM da CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5".	string
layersToFreeze	Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
learningRate	Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1].	string
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo".	string
maxSize	Tamanho máximo da imagem a ser redimensionada antes de a alimentar na estrutura principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM cuda se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
minSize	Tamanho mínimo da imagem a ser redimensionada antes de a alimentar na estrutura principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
modelName	Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
modelSize	Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5".	string
momentum	Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1].	string
multiScale	Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5".	string
nesterov	Ative o aninhado quando o otimizador é "sgd".	string
nmsIouThreshold	Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de estar a flutuar no intervalo [0, 1].	string
numberOfEpochs	Número de épocas de preparação. Tem de ser um número inteiro positivo.	string
numberOfWorkers	Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo.	string
otimizador	Tipo de otimizador. Tem de ser "sgd", "adão" ou "adamw".	string
randomSeed	Semente aleatória a utilizar ao utilizar a preparação determinista.	string
stepLRGamma	Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1].	string
stepLRStepSize	Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo.	string
tileGridSize	O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhum para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
tileOverlapRatio	Proporção entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
tilePredictionsNmsThreshold	O limiar IOU a utilizar para executar o NMS ao intercalar predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5". NMS: Supressão não máxima	string
trainingBatchSize	Tamanho do lote de preparação. Tem de ser um número inteiro positivo.	string
validationBatchSize	Tamanho do lote de validação. Tem de ser um número inteiro positivo.	string
validationIouThreshold	Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1].	string
validationMetricType	Método de computação de métricas a utilizar para métricas de validação. Deve ser "nenhum", "coco", "voc" ou "coco_voc".	string
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1].	string
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo.	string
weightDecay	Valor da decadência do peso quando o otimizador é "sgd", "adam" ou "adamw". Tem de ser um flutuante no intervalo[0, 1].	string

ImageObjectDetection

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"ImageObjectDetection" (obrigatório)
limitSettings	[Obrigatório] Limitar as definições da tarefa autoML.	ImageLimitSettings (obrigatório)
modelSettings	Definições utilizadas para preparar o modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica primária para otimizar para esta tarefa.	"MeanAveragePrecision"
searchSpace	Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Definições relacionadas com a limpeza de modelos e hiperparâmetros.	ImageSweepSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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)
cvSplitColumnAmes	Colunas a utilizar para dados CVSplit.	cadeia[]
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução do AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido.	NCrossValidations
primaryMetric	Métrica primária da tarefa de regressão.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation'
testData	Testar entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que tem de 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 preparação de uma Tarefa autoML.	RegressionTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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 suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	string

RegressionTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para tarefas de regressão.	Matriz de cadeias que contém qualquer um dos seguintes: 'DecisionTree' "ElasticNet" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' "LightGBM" "RandomForest" "SGD" "XGBoostRegressor"
blockedTrainingAlgorithms	Modelos bloqueados para tarefas de regressão.	Matriz de cadeias que contém qualquer um dos seguintes: 'DecisionTree' "ElasticNet" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' "LightGBM" "RandomForest" "SGD" "XGBoostRegressor"
enableDnnTraining	Ative a recomendação de modelos DNN.	bool
enableModelExplainability	Sinalizar para ativar a explicação no melhor modelo.	bool
enableOnnxCompatibleModels	Sinalizar para ativar modelos compatíveis com onnx.	bool
enableStackEnsemble	Ativar a execução do conjunto de pilhas.	bool
enableVoteEnsemble	Ative a execução do conjunto de votação.	bool
ensembleModelDownloadTimeout	Durante a geração de modelos VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.	string
stackEnsembleSettings	Definições do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

TextClassification

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"TextClassification" (obrigatório)
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução do AutoMLJob.	NlpVerticalLimitSettings
primaryMetric	Métrica primária para Text-Classification tarefa.	"AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" 'NormMacroRecall' "PrecisionScoreWeighted"
validationData	Entradas de dados de validação.	MLTableJobInput

NlpVerticalFeaturizationSettings

Nome	Descrição	Valor
datasetLanguage	Idioma do conjunto de dados, útil para os dados de texto.	string

NlpVerticalLimitSettings

Nome	Descrição	Valor
maxConcurrentTrials	Máximo de iterações Automáticas Simultâneas.	int
maxTrials	Número de iterações autoML.	int
tempo limite	Tempo limite da tarefa de AutoML.	string

TextClassificationMultilabel

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"TextClassificationMultilabel" (obrigatório)
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução do AutoMLJob.	NlpVerticalLimitSettings
validationData	Entradas de dados de validação.	MLTableJobInput

TextNer

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"TextNER" (obrigatório)
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução do AutoMLJob.	NlpVerticalLimitSettings
validationData	Entradas de dados de validação.	MLTableJobInput

CommandJob

Nome	Descrição	Valor
jobType	[Obrigatório] Especifica o tipo de tarefa.	"Comando" (obrigatório)
codeId	ID do recurso arm do recurso de código.	string
command	[Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py"	cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_]
distribuição	Configuração de distribuição da tarefa. Se estiver definido, este deve ser um de Mpi, Tensorflow, PyTorch ou nulo.	DistributionConfiguration
environmentId	[Obrigatório] O ID de recurso do ARM da especificação ambiente da tarefa.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]
environmentVariables	Variáveis de ambiente incluídas na tarefa.	CommandJobEnvironmentVariables
entradas	Mapeamento de enlaces de dados de entrada utilizados na tarefa.	CommandJobInputs
limites	Limite da Tarefa de Comando.	CommandJobLimits
saídas	Mapeamento de enlaces de dados de saída utilizados na tarefa.	CommandJobOutputs
resources	Configuração do Recurso de Computação para a tarefa.	JobResourceConfiguration

DistributionConfiguration

Nome	Descrição	Valor
distributionType	Definir o tipo de objeto	Mpi PyTorch TensorFlow (obrigatório)

Mpi

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

PyTorch

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

TensorFlow

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

CommandJobEnvironmentVariables

Nome	Descrição	Valor
{customized property}		string

CommandJobInputs

Nome	Descrição	Valor
{customized property}		JobInput

JobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	string
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 tarefa.	'custom_model' (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	'Direto' "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
URI	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

LiteralJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	"literal" (obrigatório)
valor	[Obrigatório] Valor literal da entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

TritonModelJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	'triton_model' (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	'Direto' "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
URI	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

UriFileJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	'uri_file' (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	'Direto' "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
URI	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

UriFolderJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	'uri_folder' (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

CommandJobLimits

Nome	Descrição	Valor
jobLimitsType	[Obrigatório] Tipo jobLimit.	"Comando" "Varrer" (obrigatório)
tempo limite	A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Suporta apenas a duração com precisão tão baixa como Segundos.	string

CommandJobOutputs

Nome	Descrição	Valor
{customized property}		JobOutput

PipelineJob

Nome	Descrição	Valor
jobType	[Obrigatório] Especifica o tipo de tarefa.	"Pipeline" (obrigatório)
entradas	Entradas para a tarefa de pipeline.	PipelineJobInputs
tarefas	As tarefas constroem a Tarefa de Pipeline.	PipelineJobJobs
saídas	Saídas para a tarefa de pipeline	PipelineJobOutputs
definições	Definições do pipeline, para aspetos como ContinueRunOnStepFailure, etc.
sourceJobId	ID de recurso arm da tarefa de origem.	string

PipelineJobInputs

Nome	Descrição	Valor
{customized property}		JobInput

PipelineJobJobs

Nome	Descrição	Valor
{customized property}

PipelineJobOutputs

Nome	Descrição	Valor
{customized property}		JobOutput

SweepJob

Nome	Descrição	Valor
jobType	[Obrigatório] Especifica o tipo de tarefa.	"Varrer" (obrigatório)
earlyTermination	As políticas de cessação antecipada permitem cancelar execuções de mau desempenho antes de serem concluídas	EarlyTerminationPolicy
entradas	Mapeamento de enlaces de dados de entrada utilizados na tarefa.	SweepJobInputs
limites	Limite de tarefas de varrimento.	SweepJobLimits
objetivo	[Obrigatório] Objetivo de otimização.	Objetivo (obrigatório)
saídas	Mapeamento de enlaces de dados de saída utilizados na tarefa.	SweepJobOutputs
samplingAlgorithm	[Obrigatório] O algoritmo de amostragem de hiperparâmetros	SamplingAlgorithm (obrigatório)
searchSpace	[Obrigatório] Um dicionário que contém cada parâmetro e a respetiva distribuição. A chave do dicionário é o nome do parâmetro
trial	[Obrigatório] Definição do componente de avaliação.	TrialComponent (obrigatório)

SweepJobInputs

Nome	Descrição	Valor
{customized property}		JobInput

SweepJobLimits

Nome	Descrição	Valor
jobLimitsType	[Obrigatório] Tipo jobLimit.	'Comando' "Varrer" (obrigatório)
maxConcurrentTrials	Varra o número máximo de tentativas simultâneas da Tarefa.	int
maxTotalTrials	Varra o número máximo de tentativas de Tarefas.	int
tempo limite	A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Só suporta a duração com precisão tão baixa como Segundos.	string
trialTimeout	Valor de tempo limite da Avaliação de Tarefas de Varrimento.	string

Objetivo

Nome	Descrição	Valor
goal	[Obrigatório] Define os objetivos de métricas suportados para otimização de hiperparâmetros	"Maximizar" "Minimizar" (obrigatório)
primaryMetric	[Obrigatório] Nome da métrica a otimizar.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

SweepJobOutputs

Nome	Descrição	Valor
{customized property}		JobOutput

SamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	Definir o tipo de objeto	Bayesian Grelha Aleatório (obrigatório)

BayesianSamplingAlgorithm

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

GridSamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	[Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração	"Grelha" (obrigatório)

RandomSamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	[Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração	"Aleatório" (obrigatório)
regra	O tipo específico de algoritmo aleatório	"Aleatório" 'Sobol'
seed	Um número inteiro opcional para utilizar como seed para geração de números aleatórios	int

TrialComponent

Nome	Descrição	Valor
codeId	ID do recurso arm do recurso de código.	string
command	[Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py"	cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_]
distribuição	Configuração de distribuição da tarefa. Se estiver definido, este deve ser um Mpi, Tensorflow, PyTorch ou nulo.	DistributionConfiguration
environmentId	[Obrigatório] O ID de recurso do ARM da especificação ambiente da tarefa.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]
environmentVariables	Variáveis de ambiente incluídas na tarefa.	TrialComponentEnvironmentVariables
resources	Configuração do Recurso de Computação para a tarefa.	JobResourceConfiguration

TrialComponentEnvironmentVariables

Nome	Descrição	Valor
{customized property}		string

EndpointScheduleAction

Nome	Descrição	Valor
actionType	[Obrigatório] Especifica o tipo de ação da agenda	"InvokeBatchEndpoint" (obrigatório)
endpointInvocationDefinition	[Obrigatório] Define detalhes da definição de ação Agendar. {see href="TBD" /}

TriggerBase

Nome	Descrição	Valor
endTime	Especifica a hora de fim do agendamento na ISO 8601, mas sem um desvio UTC. Veja https://en.wikipedia.org/wiki/ISO_8601. O formato recommente seria "2022-06-01T00:00:01" Se não estiver presente, a agenda será executada indefinidamente	string
startTime	Especifica a hora de início do agendamento no formato ISO 8601, mas sem um desvio UTC.	string
timeZone	Especifica o fuso horário no qual a agenda é executada. O Fuso Horário deve seguir o formato de fuso horário do Windows. Veja: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones />	string
triggerType	Definir o tipo de objeto	Cron Periodicidade (necessária)

CronTrigger

Nome	Descrição	Valor
triggerType	[Obrigatório]	"Cron" (obrigatório)
expression	[Obrigatório] Especifica a expressão cron da agenda. A expressão deve seguir o formato NCronTab.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

RecurrenceTrigger

Nome	Descrição	Valor
triggerType	[Obrigatório]	"Periodicidade" (obrigatório)
frequência	[Obrigatório] A frequência para acionar a agenda.	'Dia' "Hora" 'Minuto' "Mês" "Semana" (obrigatório)
interval	[Obrigatório] Especifica o intervalo de agenda em conjunto com a frequência	int (obrigatório)
agenda	A agenda de periodicidade.	RecurrenceSchedule

RecurrenceSchedule

Nome	Descrição	Valor
horas	[Obrigatório] Lista de horas para a agenda.	int[] (obrigatório)
minutes	[Obrigatório] Lista de minutos para a agenda.	int[] (obrigatório)
monthDays	Lista de dias do mês para a agenda	int[]
weekDays	Lista de dias para a agenda.	Matriz de cadeias que contém qualquer um dos seguintes: 'Sexta-feira' 'Segunda-feira' 'Sábado' 'Domingo' 'Quinta-feira' 'Terça-feira' 'Quarta-feira'

Definição de recurso do Terraform (fornecedor AzAPI)

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

• 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/schedules, adicione o seguinte Terraform ao seu modelo.

resource "azapi_resource" "symbolicname" {
  type = "Microsoft.MachineLearningServices/workspaces/schedules@2022-10-01"
  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"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
      }
      tags = {
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
      }
      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, utilize:

  actionType = "CreateJob"
  jobDefinition = {
    componentId = "string"
    computeId = "string"
    description = "string"
    displayName = "string"
    experimentName = "string"
    identity {
      identityType = "string"
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived = bool
    properties = {
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
    }
    services = {
      {customized property} = {
        endpoint = "string"
        jobServiceType = "string"
        port = int
        properties = {
          {customized property} = "string"
        }
      }
    }
    tags = {
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
      {customized property} = "string"
    }
    jobType = "string"
    // For remaining properties, see JobBaseProperties objects
  }

Para InvokeBatchEndpoint, utilize:

  actionType = "InvokeBatchEndpoint"

Objetos JobBaseProperties

Defina a propriedade jobType para especificar o tipo de objeto.

Para AutoML, utilize:

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

Para Comando, utilize:

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

Para Pipeline, utilize:

  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 Varrer, utilize:

  jobType = "Sweep"
  earlyTermination = {
    delayEvaluation = int
    evaluationInterval = int
    policyType = "string"
    // For remaining properties, see EarlyTerminationPolicy objects
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  limits = {
    jobLimitsType = "string"
    maxConcurrentTrials = int
    maxTotalTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  objective = {
    goal = "string"
    primaryMetric = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  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"
      properties = {}
      shmSize = "string"
    }
  }

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 JobOutput

Defina a propriedade jobOutputType para especificar o tipo de objeto.

Para custom_model, utilize:

  jobOutputType = "custom_model"
  mode = "string"
  uri = "string"

Para mlflow_model, utilize:

  jobOutputType = "mlflow_model"
  mode = "string"
  uri = "string"

Para mltable, utilize:

  jobOutputType = "mltable"
  mode = "string"
  uri = "string"

Para triton_model, utilize:

  jobOutputType = "triton_model"
  mode = "string"
  uri = "string"

Para uri_file, utilize:

  jobOutputType = "uri_file"
  mode = "string"
  uri = "string"

Para uri_folder, utilize:

  jobOutputType = "uri_folder"
  mode = "string"
  uri = "string"

Objetos AutoMLVertical

Defina a propriedade taskType para especificar o tipo de objeto.

Para Classificação, utilize:

  taskType = "Classification"
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel = "string"
  primaryMetric = "string"
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

Para Previsão, utilize:

  taskType = "Forecasting"
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  forecastingSettings = {
    countryOrRegionForHolidays = "string"
    cvStepSize = int
    featureLags = "string"
    forecastHorizon = {
      mode = "string"
      // For remaining properties, see ForecastHorizon objects
    }
    frequency = "string"
    seasonality = {
      mode = "string"
      // For remaining properties, see Seasonality objects
    }
    shortSeriesHandlingConfig = "string"
    targetAggregateFunction = "string"
    targetLags = {
      mode = "string"
      // For remaining properties, see TargetLags objects
    }
    targetRollingWindowSize = {
      mode = "string"
      // For remaining properties, see TargetRollingWindowSize objects
    }
    timeColumnName = "string"
    timeSeriesIdColumnNames = [
      "string"
    ]
    useStl = "string"
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

Para ImageClassification, utilize:

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

Para ImageClassificationMultilabel, utilize:

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

Para ImageInstanceSegmentation, utilize:

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

Para ImageObjectDetection, utilize:

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

Para Regressão, utilize:

  taskType = "Regression"
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

Para TextClassification, utilize:

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

Para TextClassificationMultilabel, utilize:

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

Para TextNER, utilize:

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

Objetos NCrossValidations

Defina a propriedade mode para especificar o tipo de objeto.

Para Automático, utilize:

  mode = "Auto"

Para Personalizar, utilize:

  mode = "Custom"
  value = int

Objetos do ForecastHorizon

Defina a propriedade mode para especificar o tipo de objeto.

Para Automático, utilize:

  mode = "Auto"

Para Personalizar, utilize:

  mode = "Custom"
  value = int

Objetos de sazonalidade

Defina a propriedade mode para especificar o tipo de objeto.

Para Automático, utilize:

  mode = "Auto"

Para Personalizar, utilize:

  mode = "Custom"
  value = int

Objetos TargetLags

Defina a propriedade mode para especificar o tipo de objeto.

Para Automático, utilize:

  mode = "Auto"

Para Personalizar, utilize:

  mode = "Custom"
  values = [
    int
  ]

TargetRollingWindowSize objects (Objetos TargetRollingWindowSize)

Defina a propriedade mode para especificar o tipo de objeto.

Para Automático, utilize:

  mode = "Auto"

Para Personalizar, utilize:

  mode = "Custom"
  value = 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

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 JobInput

Defina a propriedade jobInputType para especificar o tipo de objeto.

Para custom_model, utilize:

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

Para literal, utilize:

  jobInputType = "literal"
  value = "string"

Para mlflow_model, utilize:

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

Para mltable, utilize:

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

Para triton_model, utilize:

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

Para uri_file, utilize:

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

Para uri_folder, utilize:

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

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

Objetos TriggerBase

Defina a propriedade triggerType para especificar o tipo de objeto.

Para Cron, utilize:

  triggerType = "Cron"
  expression = "string"

Para Periodicidade, utilize:

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

Valores de propriedade

áreas de trabalho/agendas

Nome	Descrição	Valor
tipo	O tipo de recurso	"Microsoft.MachineLearningServices/workspaces/schedules@2022-10-01"
name	O nome do recurso	cadeia (obrigatório)
parent_id	O ID do recurso que é o principal para este recurso.	ID do recurso do tipo: áreas de trabalho
propriedades	[Obrigatório] Atributos adicionais da entidade.	ScheduleProperties (obrigatório)

ScheduleProperties

Nome	Descrição	Valor
action	[Obrigatório] Especifica a ação da agenda	ScheduleActionBase (obrigatório)
descrição	O texto de descrição do recurso.	string
displayName	Nome a apresentar da agenda.	string
isEnabled	A agenda está ativada?	bool
propriedades	O dicionário da propriedade do recurso.	Propriedades do ResourceBase
etiquetas	Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas.	objeto
acionador	[Obrigatório] Especifica os detalhes do acionador	TriggerBase (obrigatório)

ScheduleActionBase

Nome	Descrição	Valor
actionType	Definir o tipo de objeto	CriarJob InvokeBatchEndpoint (obrigatório)

JobScheduleAction

Nome	Descrição	Valor
actionType	[Obrigatório] Especifica o tipo de ação da agenda	"CreateJob" (obrigatório)
jobDefinition	[Obrigatório] Define os detalhes da definição da ação Agendar.	JobBaseProperties (obrigatório)

JobBaseProperties

Nome	Descrição	Valor
componentId	ID do recurso arm do recurso do componente.	string
computeId	ID do recurso arm do recurso de computação.	string
descrição	O texto de descrição do recurso.	string
displayName	Nome a apresentar da tarefa.	string
experimentName	O nome da experimentação a que pertence a tarefa. Se não estiver definido, a tarefa é colocada na experimentação "Predefinição".	string
identidade	Configuração de identidade. Se estiver definido, este deve ser um de AmlToken, ManagedIdentity, UserIdentity ou nulo. A predefinição é AmlToken se for nulo.	IdentityConfiguration
isArchived	O elemento está arquivado?	bool
propriedades	O dicionário da propriedade do recurso.	Propriedades do ResourceBase
services	Lista de JobEndpoints. Para tarefas locais, um ponto final de tarefa terá um valor de ponto final de FileStreamObject.	JobBaseServices
etiquetas	Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas.	objeto
jobType	Definir o tipo de objeto	AutoML Comando Pipeline Varrer (obrigatório)

IdentityConfiguration

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

AmlToken

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

ManagedIdentity

Nome	Descrição	Valor
identityType	[Obrigatório] Especifica o tipo de arquitetura de identidade.	"Gerido" (obrigatório)
clientId	Especifica uma identidade atribuída pelo utilizador pelo ID de cliente. Para a atribuição do sistema, não defina este campo.	string 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 utilizador pelo ID do objeto. Para a atribuição do sistema, não defina este campo.	string 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 utilizador pelo ID de recurso do ARM. Para a atribuição do sistema, não defina este campo.	string

UserIdentity

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

ResourceBaseProperties

Nome	Descrição	Valor
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string
{customized property}		string

JobBaseServices

Nome	Descrição	Valor
{customized property}		JobService

JobService

Nome	Descrição	Valor
endpoint	Url para ponto final.	string
jobServiceType	Tipo de ponto final.	string
porta	Porta para ponto final.	int
propriedades	Propriedades adicionais a definir no ponto final.	JobServiceProperties

JobServiceProperties

Nome	Descrição	Valor
{customized property}		string

AutoMLJob

Nome	Descrição	Valor
jobType	[Obrigatório] Especifica o tipo de tarefa.	"AutoML" (obrigatório)
environmentId	O ID de recurso do ARM da especificação ambiente da tarefa. Este é um valor opcional para fornecer, se não for fornecido, que o AutoML irá predefinir esta opção para a versão de ambiente de produção organizada por AutoML ao executar a tarefa.	string
environmentVariables	Variáveis de ambiente incluídas na tarefa.	AutoMLJobEnvironmentVariables
saídas	Mapeamento de enlaces de dados de saída utilizados na tarefa.	AutoMLJobOutputs
resources	Configuração do Recurso de Computação para a tarefa.	JobResourceConfiguration
taskDetails	[Obrigatório] Isto representa um cenário que pode ser uma das Tabelas/NLP/Imagem	AutoMLVertical (obrigatório)

AutoMLJobEnvironmentVariables

Nome	Descrição	Valor
{customized property}		string

AutoMLJobOutputs

Nome	Descrição	Valor
{customized property}		JobOutput

JobOutput

Nome	Descrição	Valor
descrição	Descrição do resultado.	string
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 tarefa.	"custom_model" (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" "Carregar"
uri	URI do Recurso de Saída.	string

MLFlowModelJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de tarefa.	"mlflow_model" (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" "Carregar"
uri	URI do Recurso de Saída.	string

MLTableJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de tarefa.	"mltable" (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" "Carregar"
uri	URI do Recurso de Saída.	string

TritonModelJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de tarefa.	"triton_model" (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" "Carregar"
URI	URI do Recurso de Saída.	string

UriFileJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de tarefa.	"uri_file" (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" "Carregar"
URI	URI do Recurso de Saída.	string

UriFolderJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de tarefa.	"uri_folder" (obrigatório)
mode	Modo de Entrega de Recursos de Saída.	"ReadWriteMount" "Carregar"
URI	URI do Recurso de Saída.	string

JobResourceConfiguration

Nome	Descrição	Valor
dockerArgs	Argumentos adicionais para passar para o comando de execução do Docker. Isto substituiria quaisquer parâmetros que já tenham sido definidos pelo sistema ou nesta secção. Este parâmetro só é suportado para tipos de computação do Azure ML.	string
instanceCount	Número opcional de instâncias ou nós utilizados pelo destino de computação.	int
instanceType	Tipo opcional de VM utilizado como suportado pelo destino de computação.	string
propriedades	Saco de propriedades adicionais.	ResourceConfigurationProperties
shmSize	Tamanho do bloco de memória partilhada do contentor do Docker. Deve estar no formato de (número)(unidade) em que o número deve ser superior a 0 e a unidade pode ser de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes).	string Restrições: Padrão = \d+[bBkKmMgG]

ResourceConfigurationProperties

Nome	Descrição	Valor
{customized property}
{customized property}

AutoMLVertical

Nome	Descrição	Valor
logVerbosity	Registar verbosidade da tarefa.	"Crítico" "Depurar" "Erro" "Informações" "NotSet" "Aviso"
targetColumnName	Nome da coluna de destino: esta é a coluna de valores de predição. Também conhecido como nome da coluna de etiqueta no contexto de tarefas de classificação.	string
trainingData	[Obrigatório] Entrada de dados de preparação.	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.	string
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	"custom_model" "literal" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	"Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
URI	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

Classificação

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"Classificação" (obrigatório)
cvSplitColumnNames	Colunas a utilizar para dados CVSplit.	string[]
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução do AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido.	NCrossValidations
positiveLabel	Etiqueta positiva para cálculo de métricas binárias.	string
primaryMetric	Métrica primária da tarefa.	"AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
testData	Testar a entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que tem de 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 preparação de uma Tarefa de AutoML.	ClassificationTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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 suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	string

TableVerticalFeaturizationSettings

Nome	Descrição	Valor
blockedTransformers	Estes transformadores não devem ser utilizados na caracterização.	Matriz de cadeia que contém qualquer um dos seguintes: "CatTargetEncoder" "CountVectorizer" "HashOneHotEncoder" "LabelEncoder" "NaiveBayes" "OneHotEncoder" "TextTargetEncoder" "TfIdf" "WoETargetEncoder" "WordEmbedding"
columnNameAndTypes	Dicionário do nome da coluna e do respetivo tipo (int, float, string, datetime, etc.).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Idioma do conjunto de dados, útil para os dados de texto.	string
enableDnnFeaturization	Determina se deve utilizar os caracterizadores baseados em Dnn para a caracterização de dados.	bool
mode	Modo de caracterização – o utilizador pode manter o modo "Automático" predefinido e o AutoML tratará da transformação necessária dos dados na fase de caracterização. Se "Desativado" estiver selecionado, não será efetuada qualquer caracterização. Se "Personalizado" estiver selecionado, o utilizador pode especificar entradas adicionais para personalizar a forma como a caracterização é feita.	"Automático" "Personalizado" "Desativado"
transformerParams	O utilizador pode especificar transformadores adicionais a serem utilizados juntamente com as colunas às quais seriam aplicados e parâmetros para o construtor do transformador.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Nome	Descrição	Valor
{customized property}		string

TableVerticalFeaturizationSettingsTransformerParams

Nome	Descrição	Valor
{customized property}		ColumnTransformer[]

ColumnTransformer

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

TableVerticalLimitSettings

Nome	Descrição	Valor
enableEarlyTermination	Ative a terminação antecipada, determina se o AutoMLJob terminará mais cedo se não houver melhoria de pontuação nas últimas 20 iterações.	bool
exitScore	Classificação de saída para a tarefa de AutoML.	int
maxConcurrentTrials	Máximo de iterações simultâneas.	int
maxCoresPerTrial	Máx. de núcleos por iteração.	int
maxTrials	Número de iterações.	int
tempo limite	Tempo limite da tarefa de AutoML.	string
trialTimeout	Tempo limite da iteração.	string

NCrossValidations

Nome	Descrição	Valor
mode	Definir o tipo de objeto	Automático Personalizado (obrigatório)

AutoNCrossValidations

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

CustomNCrossValidations

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

ClassificationTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para tarefas de classificação.	Matriz de cadeia que contém qualquer um dos seguintes: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier"
blockedTrainingAlgorithms	Modelos bloqueados para tarefa de classificação.	Matriz de cadeia que contém qualquer um dos seguintes: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier"
enableDnnTraining	Ative a recomendação de modelos DNN.	bool
enableModelExplainability	Sinalizar para ativar a explicação no melhor modelo.	bool
enableOnnxCompatibleModels	Sinalizador para ativar modelos compatíveis com onnx.	bool
enableStackEnsemble	Ativar a execução do conjunto de pilhas.	bool
enableVoteEnsemble	Ative a execução do conjunto de votação.	bool
ensembleModelDownloadTimeout	Durante a geração do modelo VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.	string
stackEnsembleSettings	Definições do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

StackEnsembleSettings

Nome	Descrição	Valor
stackMetaLearnerKWargs	Parâmetros opcionais para transmitir para o inicializador do meta-aluno.
stackMetaLearnerTrainPercentage	Especifica a proporção do conjunto de preparação (ao escolher o tipo de preparação e validação de preparação) a reservar para a preparação do meta-aluno. O valor predefinido é 0,2.	int
stackMetaLearnerType	O metadutor é um modelo preparado na saída dos modelos heterogéneos 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 utilizar para dados CVSplit.	string[]
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	TableVerticalFeaturizationSettings
forecastingSettings	Previsão de entradas específicas de tarefas.	PrevisõesDefinições
limitSettings	Restrições de execução do AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido.	NCrossValidations
primaryMetric	Métrica primária para a tarefa de previsão.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "SpearmanCorrelation"
testData	Testar entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que tem de 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 preparação de uma Tarefa autoML.	ForecastingTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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 suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	string

PrevisãoDefinições

Nome	Descrição	Valor
countryOrRegionForHolidays	País ou região para feriados para previsão de tarefas. Estes devem ser códigos iso 3166 país/região de duas letras, por exemplo "E.U.A" ou "GB".	string
cvStepSize	Número de períodos entre a hora de origem de uma dobra de CV e a dobra seguinte. Para o por exemplo, se CVStepSize = 3 para dados diários, a hora de origem de cada dobra será três dias de diferença.	int
featureLags	Sinalizar para gerar atrasos para as funcionalidades numéricas com "automático" ou nulo.	"Automático" "Nenhum"
forecastHorizon	O horizonte de previsão máximo pretendido em unidades de frequência de série temporal.	PrevisãoHorizon
frequência	Ao prever, este parâmetro representa o período com o qual a previsão é pretendida, por exemplo, diariamente, semanalmente, anualmente, etc. Por predefinição, a frequência de previsão é a frequência do conjunto de dados.	string
sazonalidade	Defina a sazonalidade da série temporal como um número inteiro múltiplo da frequência da série. Se a sazonalidade estiver definida como "automática", será inferida.	Sazonalidade
shortSeriesHandlingConfig	O parâmetro que define como se o AutoML deve processar séries de tempo curtos.	"Automático" "Largar" "Nenhum" "Pad"
targetAggregateFunction	A função a ser utilizada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada por um utilizador. Se TargetAggregateFunction estiver definido, ou seja, não "Nenhum", 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 desfasar da coluna de destino.	TargetLags
targetRollingWindowSize	O número de períodos anteriores utilizados para criar uma média de janela rolante da coluna de destino.	TargetRollingWindowSize
timeColumnName	O nome da coluna time. Este parâmetro é necessário ao prever para especificar a coluna datetime nos dados de entrada utilizados para criar a série temporal e inferir a respetiva frequência.	string
timeSeriesIdColumnames	Os nomes das colunas utilizadas para agrupar uma série de horas. Pode ser utilizado para criar várias séries. Se o grão não estiver definido, assume-se que o conjunto de dados é uma série temporal. Este parâmetro é utilizado com a previsão do tipo de tarefa.	cadeia[]
useStl	Configure a Decomposição de STL da coluna de destino da série temporal.	"Nenhum" "Temporada" "SeasonTrend"

PrevisãoHorizon

Nome	Descrição	Valor
mode	Definir o tipo de objeto	Automático Personalizado (obrigatório)

AutoForecastHorizon

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

CustomForecastHorizon

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

Sazonalidade

Nome	Descrição	Valor
mode	Definir o tipo de objeto	Automático Personalizado (obrigatório)

AutoSeasonality

Nome	Descrição	Valor
mode	[Obrigatório] Modo de sazonalidade.	"Automático" (obrigatório)

CustomSeasonality

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

TargetLags

Nome	Descrição	Valor
mode	Definir o tipo de objeto	Automático Personalizado (obrigatório)

AutoTargetLags

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

CustomTargetLags

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

TargetRollingWindowSize

Nome	Descrição	Valor
mode	Definir o tipo de objeto	Automático Personalizado (obrigatório)

AutoTargetRollingWindowSize

Nome	Descrição	Valor
mode	[Obrigatório] Modo de deteção TargetRollingWindowSiz.	"Automático" (obrigatório)

CustomTargetRollingWindowSize

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

ForecastingTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para a tarefa de previsão.	Matriz de cadeia que contém qualquer um dos seguintes: "Arimax" "Arquivo Automático" "Média" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "Ingenuidade" "Profeta" "RandomForest" "SGD" "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor"
blockedTrainingAlgorithms	Modelos bloqueados para a tarefa de previsão.	Matriz de cadeias que contém qualquer um dos seguintes: "Arimax" "Arquivo Automático" "Média" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "Ingenuidade" "Profeta" "RandomForest" "SGD" "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor"
enableDnnTraining	Ative a recomendação de modelos DNN.	bool
enableModelExplainability	Sinalizar para ativar a explicação no melhor modelo.	bool
enableOnnxCompatibleModels	Sinalizar para ativar modelos compatíveis com onnx.	bool
enableStackEnsemble	Ativar a execução do conjunto de pilhas.	bool
enableVoteEnsemble	Ative a execução do conjunto de votação.	bool
ensembleModelDownloadTimeout	Durante a geração de modelos VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.	string
stackEnsembleSettings	Definições do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

ImageClassification

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"ImageClassification" (obrigatório)
limitSettings	[Obrigatório] Limitar as definições da tarefa autoML.	ImageLimitSettings (obrigatório)
modelSettings	Definições utilizadas para preparar o modelo.	ImageModelSettingsClassification
primaryMetric	Métrica primária para otimizar para esta tarefa.	"AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Definições relacionadas com a limpeza de modelos e hiperparâmetros.	ImageSweepSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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 Automáticas simultâneas.	int
maxTrials	Número máximo de iterações autoML.	int
tempo limite	Tempo limite da tarefa de AutoML.	string

ImageModelSettingsClassification

Nome	Descrição	Valor
advancedSettings	Definições para cenários avançados.	string
amsGradient	Ative o AMSGrad quando o otimizador for "adam" ou "adamw".	bool
aumentos	Definições para utilizar Aumentos.	string
beta1	Valor de "beta1" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	int
beta2	Valor de "beta2" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	int
checkpointFrequency	Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo.	int
checkpointModel	O modelo de ponto de verificação pré-preparado para preparação incremental.	MLFlowModelJobInput
checkpointRunId	O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental.	string
distribuído	Se pretende utilizar a preparação distribuída.	bool
earlyStopping	Ative a lógica de paragem precoce durante a preparação.	bool
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria das métricas primárias é monitorizado para paragem antecipada. Tem de ser um número inteiro positivo.	int
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem melhorias nas métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo.	int
enableOnnxNormalization	Ativar a normalização ao exportar o modelo ONNX.	bool
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métricas. Tem de ser um número inteiro positivo.	int
gradientAccumulationStep	Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo.	int
layersToFreeze	Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1].	int
learningRateScheduler	Tipo de programador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo".	"Nenhum" "Passo" "WarmupCosine"
modelName	Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
momentum	Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1].	int
nesterov	Ative o aninhado quando o otimizador é "sgd".	bool
numberOfEpochs	Número de épocas de preparação. Tem de ser um número inteiro positivo.	int
numberOfWorkers	Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo.	int
otimizador	Tipo de otimizador.	"Adão" "Adamw" "Nenhum" "Sgd"
randomSeed	Semente aleatória a utilizar ao utilizar a preparação determinista.	int
stepLRGamma	Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1].	int
stepLRStepSize	Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo.	int
trainingBatchSize	Tamanho do lote de preparação. Tem de ser um número inteiro positivo.	int
trainingCropSize	Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo.	int
validationBatchSize	Tamanho do lote de validação. Tem de ser um número inteiro positivo.	int
validationCropSize	Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo.	int
validationResizeSizeSize	Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo.	int
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1].	int
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo.	int
weightDecay	Valor da decadência do peso quando o otimizador é "sgd", "adam" ou "adamw". Tem de ser um flutuante no intervalo[0, 1].	int
weightedLoss	Perda ponderada. Os valores aceites são 0 sem perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0 ou 1 ou 2.	int

MLFlowModelJobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	string
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	"custom_model" "literal" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	"Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

Nome	Descrição	Valor
amsGradient	Ative o AMSGrad quando o otimizador for "adam" ou "adamw".	string
aumentos	Definições para utilizar Aumentos.	string
beta1	Valor de "beta1" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	string
beta2	Valor de "beta2" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	string
distribuído	Se pretende utilizar a preparação do distribuidor.	string
earlyStopping	Ative a lógica de paragem precoce durante a preparação.	string
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria das métricas primárias é monitorizado para paragem antecipada. Tem de ser um número inteiro positivo.	string
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem melhorias nas métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo.	string
enableOnnxNormalization	Ativar a normalização ao exportar o modelo ONNX.	string
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métricas. Tem de ser um número inteiro positivo.	string
gradientAccumulationStep	Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo.	string
layersToFreeze	Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
learningRate	Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1].	string
learningRateScheduler	Tipo de programador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo".	string
modelName	Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
momentum	Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1].	string
nesterov	Ative o aninhado quando o otimizador é "sgd".	string
numberOfEpochs	Número de épocas de preparação. Tem de ser um número inteiro positivo.	string
numberOfWorkers	Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo.	string
otimizador	Tipo de otimizador. Tem de ser "sgd", "adão" ou "adamw".	string
randomSeed	Semente aleatória a utilizar ao utilizar a preparação determinista.	string
stepLRGamma	Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1].	string
stepLRStepSize	Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo.	string
trainingBatchSize	Tamanho do lote de preparação. Tem de ser um número inteiro positivo.	string
trainingCropSize	Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo.	string
validationBatchSize	Tamanho do lote de validação. Tem de ser um número inteiro positivo.	string
validationCropSize	Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo.	string
validationResizeSizeSize	Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo.	string
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1].	string
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo.	string
espessuraDecay	Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1].	string
weightedLoss	Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0, 1 ou 2.	string

ImageSweepSettings

Nome	Descrição	Valor
earlyTermination	Tipo de política de cessação antecipada.	EarlyTerminationPolicy
samplingAlgorithm	[Obrigatório] Tipo de algoritmos de amostragem de hiperparâmetros.	"Bayesian" "Grelha" "Aleatório" (obrigatório)

EarlyTerminationPolicy

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

BanditPolicy

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

MedianStoppingPolicy

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

TruncationSelectionPolicy

Nome	Descrição	Valor
policyType	[Obrigatório] Nome da configuração da política	"TruncationSelection" (obrigatório)
truncationPercentage	A percentagem de execuções a cancelar em cada intervalo de avaliação.	int

ImageClassificationMultilabel

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"ImageClassificationMultilabel" (obrigatório)
limitSettings	[Obrigatório] Limitar as definições da tarefa de AutoML.	ImageLimitSettings (obrigatório)
modelDefinições	Definições utilizadas para preparar o modelo.	ImageModelSettingsClassification
primaryMetric	Métrica primária a otimizar para esta tarefa.	"AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros.	ImageSweepSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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] Limitar as definições da tarefa de AutoML.	ImageLimitSettings (obrigatório)
modelDefinições	Definições utilizadas para preparar o modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica primária a otimizar para esta tarefa.	"MeanAveragePrecision"
searchSpace	Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros.	ImageSweepSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int

ImageModelSettingsObjectDetection

Nome	Descrição	Valor
advancedSettings	Definições para cenários avançados.	string
amsGradient	Ative o AMSGrad quando o otimizador for "adam" ou "adamw".	bool
aumentos	Definições para utilizar Aumentos.	string
beta1	Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	int
beta2	Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	int
boxDetectionsPerImage	Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5".	int
boxScoreThreshold	Durante a inferência, devolver apenas propostas com uma classificação de classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1].	int
checkpointFrequency	Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo.	int
checkpointModel	O modelo de ponto de verificação pré-preparado para preparação incremental.	MLFlowModelJobInput
checkpointRunId	O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental.	string
distribuído	Se pretende utilizar a preparação distribuída.	bool
earlyStopping	Ative a lógica de paragem antecipada durante a preparação.	bool
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo.	int
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo.	int
enableOnnxNormalization	Ativar a normalização ao exportar o modelo ONNX.	bool
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo.	int
gradientAccumulationStep	Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo.	int
imageSize	Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM da CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5".	int
layersToFreeze	Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1].	int
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo".	"Nenhum" "Passo" "WarmupCosine"
maxSize	Tamanho máximo da imagem a ser redimensionada antes de a alimentar na estrutura principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM cuda se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5".	int
minSize	Tamanho mínimo da imagem a ser redimensionada antes de a alimentar na estrutura principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM cuda se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5".	int
modelName	Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
modelSize	Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação poderá entrar no OOM cuda se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5".	"ExtraLarge" "Grande" "Médio" "Nenhum" "Pequeno"
impulso	Valor de impulso quando o otimizador é 'sgd'. Tem de ser um flutuante no intervalo [0, 1].	int
multiescala	Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5".	bool
nesterov	Ative o aninhado quando o otimizador é "sgd".	bool
nmsIouThreshold	Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de ser um flutuante no intervalo [0, 1].	int
numberOfEpochs	Número de épocas de preparação. Tem de ser um número inteiro positivo.	int
numberOfWorkers	Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo.	int
otimizador	Tipo de otimizador.	"Adão" "Adamw" "Nenhum" "Sgd"
randomSeed	Semente aleatória a ser utilizada ao utilizar preparação determinista.	int
stepLRGamma	Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1].	int
stepLRStepSize	Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo.	int
tileGridSize	O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhuma para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
tileOverlapRatio	Relação de sobreposição entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5".	int
tilePredictionsNmsThreshold	O limiar de IOU a utilizar para executar o NMS enquanto intercala predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5".	int
trainingBatchSize	Tamanho do lote de preparação. Tem de ser um número inteiro positivo.	int
validationBatchSize	Tamanho do lote de validação. Tem de ser um número inteiro positivo.	int
validationIouThreshold	Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1].	int
validationMetricType	Método de computação de métricas a utilizar para métricas de validação.	"Coco" "CocoVoc" "Nenhum" "Voc"
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1].	int
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo.	int
espessuraDecay	Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1].	int

ImageModelDistributionSettingsObjectDetection

Nome	Descrição	Valor
amsGradient	Ative o AMSGrad quando o otimizador for "adam" ou "adamw".	string
aumentos	Definições para utilizar Aumentos.	string
beta1	Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	string
beta2	Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1].	string
boxDetectionsPerImage	Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
boxScoreThreshold	Durante a inferência, devolver apenas propostas com uma classificação de classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1].	string
distribuído	Se pretende utilizar a preparação de distribuição.	string
earlyStopping	Ative a lógica de paragem antecipada durante a preparação.	string
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo.	string
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo.	string
enableOnnxNormalization	Ativar a normalização ao exportar o modelo ONNX.	string
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métricas. Tem de ser um número inteiro positivo.	string
gradientAccumulationStep	Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo.	string
imageSize	Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5".	string
layersToFreeze	Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
learningRate	Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1].	string
learningRateScheduler	Tipo de programador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo".	string
maxSize	Tamanho máximo da imagem a dimensionar antes de a alimentar com a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
minSize	Tamanho mínimo da imagem a dimensionar antes de a alimentar para a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
modelName	Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
modelSize	Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5".	string
momentum	Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1].	string
multiScale	Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5".	string
nesterov	Ative o aninhado quando o otimizador é "sgd".	string
nmsIouThreshold	Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de estar a flutuar no intervalo [0, 1].	string
numberOfEpochs	Número de épocas de preparação. Tem de ser um número inteiro positivo.	string
numberOfWorkers	Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo.	string
otimizador	Tipo de otimizador. Tem de ser "sgd", "adão" ou "adamw".	string
randomSeed	Semente aleatória a utilizar ao utilizar a preparação determinista.	string
stepLRGamma	Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1].	string
stepLRStepSize	Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo.	string
tileGridSize	O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhum para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
tileOverlapRatio	Relação de sobreposição entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5".	string
tilePredictionsNmsThreshold	O limiar de IOU a utilizar para executar o NMS enquanto intercala predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5". NMS: Supressão não máxima	string
trainingBatchSize	Tamanho do lote de preparação. Tem de ser um número inteiro positivo.	string
validationBatchSize	Tamanho do lote de validação. Tem de ser um número inteiro positivo.	string
validationIouThreshold	Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1].	string
validationMetricType	Método de computação de métricas a utilizar para métricas de validação. Tem de ser "nenhum", "coco", "voc" ou "coco_voc".	string
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1].	string
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo.	string
espessuraDecay	Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1].	string

ImageObjectDetection

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"ImageObjectDetection" (obrigatório)
limitSettings	[Obrigatório] Limitar as definições da tarefa de AutoML.	ImageLimitSettings (obrigatório)
modelDefinições	Definições utilizadas para preparar o modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica primária a otimizar para esta tarefa.	"MeanAveragePrecision"
searchSpace	Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros.	ImageSweepSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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 utilizar para dados CVSplit.	string[]
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução do AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido.	NCrossValidations
primaryMetric	Métrica primária para tarefa de regressão.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "SpearmanCorrelation"
testData	Testar a entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que tem de 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 preparação de uma Tarefa de AutoML.	RegressionTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de preparação que tem de 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 suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	string

RegressionTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para a tarefa de regressão.	Matriz de cadeia que contém qualquer um dos seguintes: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor"
blockedTrainingAlgorithms	Modelos bloqueados para tarefa de regressão.	Matriz de cadeia que contém qualquer um dos seguintes: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor"
enableDnnTraining	Ative a recomendação de modelos DNN.	bool
enableModelExplainability	Sinalizar para ativar a explicação no melhor modelo.	bool
enableOnnxCompatibleModels	Sinalizador para ativar modelos compatíveis com onnx.	bool
enableStackEnsemble	Ativar a execução do conjunto de pilhas.	bool
enableVoteEnsemble	Ative a execução do conjunto de votação.	bool
ensembleModelDownloadTimeout	Durante a geração do modelo VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.	string
stackEnsembleSettings	Definições do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

TextClassification

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"TextClassification" (obrigatório)
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução do AutoMLJob.	NlpVerticalLimitSettings
primaryMetric	Métrica primária para Text-Classification tarefa.	"AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
validationData	Entradas de dados de validação.	MLTableJobInput

NlpVerticalFeaturizationSettings

Nome	Descrição	Valor
datasetLanguage	Idioma do conjunto de dados, útil para os dados de texto.	string

NlpVerticalLimitSettings

Nome	Descrição	Valor
maxConcurrentTrials	Máximo de iterações Automáticas Simultâneas.	int
maxTrials	Número de iterações autoML.	int
tempo limite	Tempo limite da tarefa de AutoML.	string

TextClassificationMultilabel

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"TextClassificationMultilabel" (obrigatório)
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução do AutoMLJob.	NlpVerticalLimitSettings
validationData	Entradas de dados de validação.	MLTableJobInput

TextNer

Nome	Descrição	Valor
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	"TextNER" (obrigatório)
featurizationSettings	Entradas de caracterização necessárias para a tarefa de AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução do AutoMLJob.	NlpVerticalLimitSettings
validationData	Entradas de dados de validação.	MLTableJobInput

CommandJob

Nome	Descrição	Valor
jobType	[Obrigatório] Especifica o tipo de tarefa.	"Comando" (obrigatório)
codeId	ID do recurso arm do recurso de código.	string
command	[Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py"	cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_]
distribuição	Configuração de distribuição da tarefa. Se estiver definido, este deve ser um de Mpi, Tensorflow, PyTorch ou nulo.	DistributionConfiguration
environmentId	[Obrigatório] O ID de recurso do ARM da especificação ambiente da tarefa.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]
environmentVariables	Variáveis de ambiente incluídas na tarefa.	CommandJobEnvironmentVariables
entradas	Mapeamento de enlaces de dados de entrada utilizados na tarefa.	CommandJobInputs
limites	Limite da Tarefa de Comando.	CommandJobLimits
saídas	Mapeamento de enlaces de dados de saída utilizados na tarefa.	CommandJobOutputs
resources	Configuração do Recurso de Computação para a tarefa.	JobResourceConfiguration

DistributionConfiguration

Nome	Descrição	Valor
distributionType	Definir o tipo de objeto	Mpi PyTorch TensorFlow (obrigatório)

Mpi

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

PyTorch

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

TensorFlow

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

CommandJobEnvironmentVariables

Nome	Descrição	Valor
{customized property}		string

CommandJobInputs

Nome	Descrição	Valor
{customized property}		JobInput

JobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	string
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 tarefa.	"custom_model" (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	"Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

LiteralJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	"literal" (obrigatório)
valor	[Obrigatório] Valor literal para a entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

TritonModelJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	"triton_model" (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	"Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
URI	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

UriFileJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	"uri_file" (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	"Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
URI	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

UriFolderJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de tarefa.	"uri_folder" (obrigatório)
mode	Modo de Entrega de Recursos de Entrada.	"Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
URI	[Obrigatório] URI do Recurso de Entrada.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

CommandJobLimits

Nome	Descrição	Valor
jobLimitsType	[Obrigatório] Tipo jobLimit.	"Comando" "Varrer" (obrigatório)
tempo limite	A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Só suporta a duração com precisão tão baixa como Segundos.	string

CommandJobOutputs

Nome	Descrição	Valor
{customized property}		JobOutput

PipelineJob

Nome	Descrição	Valor
jobType	[Obrigatório] Especifica o tipo de tarefa.	"Pipeline" (obrigatório)
entradas	Entradas para a tarefa de pipeline.	PipelineJobInputs
tarefas	As tarefas constroem a Tarefa de Pipeline.	PipelineJobJobs
saídas	Saídas para a tarefa de pipeline	PipelineJobOutputs
definições	Definições do pipeline, para aspetos como ContinueRunOnStepFailure, etc.
sourceJobId	ID do recurso arm da tarefa de origem.	string

PipelineJobInputs

Nome	Descrição	Valor
{customized property}		JobInput

PipelineJobJobs

Nome	Descrição	Valor
{customized property}

PipelineJobOutputs

Nome	Descrição	Valor
{customized property}		JobOutput

SweepJob

Nome	Descrição	Valor
jobType	[Obrigatório] Especifica o tipo de tarefa.	"Varrer" (obrigatório)
earlyTermination	As políticas de cessação antecipada permitem cancelar execuções com mau desempenho antes de serem concluídas	EarlyTerminationPolicy
entradas	Mapeamento de enlaces de dados de entrada utilizados na tarefa.	SweepJobInputs
limites	Limite de Tarefas de Varrimento.	SweepJobLimits
objetivo	[Obrigatório] Objetivo de otimização.	Objetivo (obrigatório)
saídas	Mapeamento de enlaces de dados de saída utilizados na tarefa.	SweepJobOutputs
samplingAlgorithm	[Obrigatório] O algoritmo de amostragem de hiperparâmetros	SamplingAlgorithm (obrigatório)
searchSpace	[Obrigatório] Um dicionário que contém cada parâmetro e a respetiva distribuição. A chave do dicionário é o nome do parâmetro
trial	[Obrigatório] Definição do componente de avaliação.	TrialComponent (obrigatório)

SweepJobInputs

Nome	Descrição	Valor
{customized property}		JobInput

SweepJobLimits

Nome	Descrição	Valor
jobLimitsType	[Obrigatório] Tipo jobLimit.	"Comando" "Varrer" (obrigatório)
maxConcurrentTrials	Varra o número máximo de tentativas simultâneas da Tarefa.	int
maxTotalTrials	Varra o número máximo de tentativas de Tarefas.	int
tempo limite	A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Só suporta a duração com precisão tão baixa como Segundos.	string
trialTimeout	Valor de tempo limite da Avaliação de Tarefas de Varrimento.	string

Objetivo

Nome	Descrição	Valor
goal	[Obrigatório] Define os objetivos de métricas suportados para otimização de hiperparâmetros	"Maximizar" "Minimizar" (obrigatório)
primaryMetric	[Obrigatório] Nome da métrica a otimizar.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

SweepJobOutputs

Nome	Descrição	Valor
{customized property}		JobOutput

SamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	Definir o tipo de objeto	Bayesian Grelha Aleatório (obrigatório)

BayesianSamplingAlgorithm

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

GridSamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	[Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração	"Grelha" (obrigatório)

RandomSamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	[Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração	"Aleatório" (obrigatório)
regra	O tipo específico de algoritmo aleatório	"Aleatório" "Sobol"
seed	Um número inteiro opcional a utilizar como seed para geração de números aleatórios	int

TrialComponent

Nome	Descrição	Valor
codeId	ID do recurso arm do recurso de código.	string
command	[Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py"	cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_]
distribuição	Configuração de distribuição da tarefa. Se estiver definido, este deve ser um de Mpi, Tensorflow, PyTorch ou nulo.	DistributionConfiguration
environmentId	[Obrigatório] O ID de recurso do ARM da especificação ambiente da tarefa.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]
environmentVariables	Variáveis de ambiente incluídas na tarefa.	TrialComponentEnvironmentVariables
resources	Configuração do Recurso de Computação para a tarefa.	JobResourceConfiguration

TrialComponentEnvironmentVariables

Nome	Descrição	Valor
{customized property}		string

EndpointScheduleAction

Nome	Descrição	Valor
actionType	[Obrigatório] Especifica o tipo de ação da agenda	"InvokeBatchEndpoint" (obrigatório)
endpointInvocationDefinition	[Obrigatório] Define detalhes da definição de ação Agendar. {see href="TBD" /}

TriggerBase

Nome	Descrição	Valor
endTime	Especifica a hora de fim do agendamento na ISO 8601, mas sem um desvio UTC. Veja https://en.wikipedia.org/wiki/ISO_8601. O formato recommente seria "2022-06-01T00:00:01" Se não estiver presente, a agenda será executada indefinidamente	string
startTime	Especifica a hora de início do agendamento no formato ISO 8601, mas sem um desvio UTC.	string
timeZone	Especifica o fuso horário no qual a agenda é executada. O Fuso Horário deve seguir o formato de fuso horário do Windows. Veja: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones />	string
triggerType	Definir o tipo de objeto	Cron Periodicidade (necessária)

CronTrigger

Nome	Descrição	Valor
triggerType	[Obrigatório]	"Cron" (obrigatório)
expression	[Obrigatório] Especifica a expressão cron da agenda. A expressão deve seguir o formato NCronTab.	cadeia (obrigatório) Restrições: Padrão = [a-zA-Z0-9_]

RecurrenceTrigger

Nome	Descrição	Valor
triggerType	[Obrigatório]	"Periodicidade" (obrigatório)
frequência	[Obrigatório] A frequência para acionar a agenda.	"Dia" "Hora" "Minuto" "Mês" "Semana" (obrigatório)
interval	[Obrigatório] Especifica o intervalo de agenda em conjunto com a frequência	int (obrigatório)
agenda	A agenda de periodicidade.	RecurrenceSchedule

RecurrenceSchedule

Nome	Descrição	Valor
horas	[Obrigatório] Lista de horas para a agenda.	int[] (obrigatório)
minutes	[Obrigatório] Lista de minutos para a agenda.	int[] (obrigatório)
monthDays	Lista de dias do mês para a agenda	int[]
weekDays	Lista de dias para a agenda.	Matriz de cadeias que contém qualquer um dos seguintes: "Sexta-feira" "Segunda-feira" "Sábado" "Domingo" "Quinta-feira" "Terça-feira" "Quarta-feira"