Partilhar via

Espaços de trabalho/trabalhos Microsoft.MachineLearningServices 2023-02-01-preview

  • Artigo

Definição de recursos do bíceps

O tipo de recurso espaços de trabalho/trabalhos pode ser implantado com operações que visam:

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

Formato do recurso

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

resource symbolicname 'Microsoft.MachineLearningServices/workspaces/jobs@2023-02-01-preview' = {
  name: 'string'
  parent: resourceSymbolicName
  properties: {
    componentId: 'string'
    computeId: 'string'
    description: 'string'
    displayName: 'string'
    experimentName: 'string'
    identity: {
      identityType: 'string'
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived: bool
    notificationSetting: {
      emailOn: [
        'string'
      ]
      emails: [
        'string'
      ]
    }
    properties: {
      {customized property}: 'string'
    }
    services: {
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        nodes: {
          nodesValueType: 'string'
          // For remaining properties, see Nodes objects
        }
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
    }
    tags: {}
    jobType: 'string'
    // For remaining properties, see JobBaseProperties objects
  }
}

Objetos JobBaseProperties

Defina a propriedade jobType para especificar o tipo de objeto.

Para AutoML, use:

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

Para Command, use:

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

Para de rotulagem, use:

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

Para Pipeline, use:

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

Para Spark, use:

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

Para Varredura, use:

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

Objetos IdentityConfiguration

Defina a propriedade identityType para especificar o tipo de objeto.

Para AMLToken, use:

  identityType: 'AMLToken'

Para Managed, use:

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

Para UserIdentity , use:

  identityType: 'UserIdentity'

Objetos de nós

Defina a propriedade nodesValueType para especificar o tipo de objeto.

Para todos os, use:

  nodesValueType: 'All'

Objetos JobOutput

Defina a propriedade jobOutputType para especificar o tipo de objeto.

Para custom_model, utilize:

  jobOutputType: 'custom_model'
  assetName: 'string'
  assetVersion: 'string'
  mode: 'string'
  uri: 'string'

Para mlflow_model, utilize:

  jobOutputType: 'mlflow_model'
  assetName: 'string'
  assetVersion: 'string'
  mode: 'string'
  uri: 'string'

Para mltable, use:

  jobOutputType: 'mltable'
  assetName: 'string'
  assetVersion: 'string'
  mode: 'string'
  uri: 'string'

Para triton_model, utilize:

  jobOutputType: 'triton_model'
  assetName: 'string'
  assetVersion: 'string'
  mode: 'string'
  uri: 'string'

Para uri_file, utilize:

  jobOutputType: 'uri_file'
  assetName: 'string'
  assetVersion: 'string'
  mode: 'string'
  uri: 'string'

Para uri_folder, utilize:

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

Para de 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()
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  forecastingSettings: {
    countryOrRegionForHolidays: 'string'
    cvStepSize: int
    featureLags: 'string'
    forecastHorizon: {
      mode: 'string'
      // For remaining properties, see ForecastHorizon objects
    }
    frequency: 'string'
    seasonality: {
      mode: 'string'
      // For remaining properties, see Seasonality objects
    }
    shortSeriesHandlingConfig: 'string'
    targetAggregateFunction: 'string'
    targetLags: {
      mode: 'string'
      // For remaining properties, see TargetLags objects
    }
    targetRollingWindowSize: {
      mode: 'string'
      // For remaining properties, see TargetRollingWindowSize objects
    }
    timeColumnName: 'string'
    timeSeriesIdColumnNames: [
      'string'
    ]
    useStl: 'string'
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxNodes: int
    maxTrials: int
    sweepConcurrentTrials: int
    sweepTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      booster: 'string'
      boostingType: 'string'
      growPolicy: 'string'
      learningRate: 'string'
      maxBin: 'string'
      maxDepth: 'string'
      maxLeaves: 'string'
      minDataInLeaf: 'string'
      minSplitGain: 'string'
      modelName: 'string'
      nEstimators: 'string'
      numLeaves: 'string'
      preprocessorName: 'string'
      regAlpha: 'string'
      regLambda: 'string'
      subsample: 'string'
      subsampleFreq: 'string'
      treeMethod: 'string'
      withMean: 'string'
      withStd: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
    trainingMode: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

Para ImageClassification , use:

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

Para ImageClassificationMultilabel , use:

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

Para ImageInstanceSegmentation , use:

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

Para ImageObjectDetection , use:

  taskType: 'ImageObjectDetection'
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    boxDetectionsPerImage: int
    boxScoreThreshold: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    imageSize: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    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

Parade regressão , use:

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

Para TextClassification , use:

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

Para TextClassificationMultilabel , use:

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

Para TextNER, use:

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

Objetos NCrossValidations

Defina o modo propriedade para especificar o tipo de objeto.

Para automático, use:

  mode: 'Auto'

Para Custom, use:

  mode: 'Custom'
  value: int

Objetos EarlyTerminationPolicy

Defina a propriedade policyType para especificar o tipo de objeto.

Para Bandit, use:

  policyType: 'Bandit'
  slackAmount: int
  slackFactor: int

Para MedianStopping , use:

  policyType: 'MedianStopping'

Para TruncationSelection , use:

  policyType: 'TruncationSelection'
  truncationPercentage: int

Objetos ForecastHorizon

Defina o modo propriedade para especificar o tipo de objeto.

Para automático, use:

  mode: 'Auto'

Para Custom, use:

  mode: 'Custom'
  value: int

Objetos de sazonalidade

Defina o modo propriedade para especificar o tipo de objeto.

Para automático, use:

  mode: 'Auto'

Para Custom, use:

  mode: 'Custom'
  value: int

Objetos TargetLags

Defina o modo propriedade para especificar o tipo de objeto.

Para automático, use:

  mode: 'Auto'

Para Custom, use:

  mode: 'Custom'
  values: [
    int
  ]

Objetos TargetRollingWindowSize

Defina o modo propriedade para especificar o tipo de objeto.

Para automático, use:

  mode: 'Auto'

Para Custom, use:

  mode: 'Custom'
  value: int

Objetos DistributionConfiguration

Defina a propriedade distributionType para especificar o tipo de objeto.

Para Mpi, use:

  distributionType: 'Mpi'
  processCountPerInstance: int

Para PyTorch, use:

  distributionType: 'PyTorch'
  processCountPerInstance: int

Para TensorFlow , use:

  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 , use:

  jobInputType: 'literal'
  value: 'string'

Para mlflow_model, utilize:

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

Para mltable, use:

  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 LabelingJobMediaProperties

Defina a propriedade mediaType para especificar o tipo de objeto.

Para de imagem, use:

  mediaType: 'Image'
  annotationType: 'string'

Para de texto , use:

  mediaType: 'Text'
  annotationType: 'string'

Objetos MLAssistConfiguration

Defina a propriedade mlAssist para especificar o tipo de objeto.

Para com deficiência, use:

  mlAssist: 'Disabled'

Para Enabled, use:

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

Objetos SparkJobEntry

Defina a propriedade sparkJobEntryType para especificar o tipo de objeto.

Para SparkJobPythonEntry , use:

  sparkJobEntryType: 'SparkJobPythonEntry'
  file: 'string'

Para SparkJobScalaEntry , use:

  sparkJobEntryType: 'SparkJobScalaEntry'
  className: 'string'

Objetos SamplingAlgorithm

Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.

Para Bayesian, use:

  samplingAlgorithmType: 'Bayesian'

Para Grid, use:

  samplingAlgorithmType: 'Grid'

Para Random, use:

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

Valores de propriedade

espaços de trabalho/trabalhos

Designação Descrição Valor
Designação O nome do recurso

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

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

JobBaseProperties

Designação Descrição Valor
componentId ID do recurso ARM do recurso componente. string
computeId ID do recurso ARM do recurso de computação. string
Descrição O texto da descrição do ativo. string
displayName Exibir nome do trabalho. string
nome da experiência O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". string
identidade Configuração de identidade. Se definido, este deve ser um dos AmlToken, ManagedIdentity, UserIdentity ou null.
O padrão é AmlToken se null.		 IdentityConfiguration
isArquivado O ativo está arquivado? Bool
notificationSetting Configuração de notificação para o trabalho NotificationSetting
propriedades O dicionário de propriedades de ativos. ResourceBaseProperties
serviços Lista de JobEndpoints.
Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.		 JobBaseServices
Etiquetas Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas. objeto
Tipo de trabalho Definir o tipo de objeto AutoML
de comando
Rotulagem
Pipeline
Spark
Varredura (obrigatório)

IdentityConfiguration

Designação Descrição Valor
identityType Definir o tipo de objeto AMLToken
Gestão
UserIdentity (obrigatório)

AmlToken

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

Identidade gerenciada

Designação Descrição Valor
identityType [Obrigatório] Especifica o tipo de estrutura de identidade. 'Gerenciado' (obrigatório)
ID do cliente Especifica uma identidade atribuída pelo usuário por ID do cliente. Para sistema atribuído, 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 usuário por ID de objeto. Para sistema atribuído, 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 usuário por ID de recurso ARM. Para sistema atribuído, não defina este campo. string

Identidade do usuário

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

NotificationSetting

Designação Descrição Valor
e-mailOn Enviar notificação por e-mail para o usuário no tipo de notificação especificado Matriz de cadeia de caracteres contendo qualquer uma das:
'TrabalhoCancelado'
'TrabalhoConcluído'
'JobFailed'
E-mails Esta é a lista de destinatários de e-mail que tem uma limitação de 499 caracteres no total concat com separador de vírgula string[]

ResourceBaseProperties

Designação Descrição Valor
{propriedade personalizada} string

JobBaseServices

Designação Descrição Valor
{propriedade personalizada} JobService

Serviço de Emprego

Designação Descrição Valor
Ponto final Url para o ponto de extremidade. string
jobServiceType Tipo de ponto final. string
nós Nós nos quais o usuário gostaria de iniciar o serviço.
Se Nós não estiver definido ou definido como nulo, o serviço só será iniciado no nó líder.		 de nós
porto Porta para ponto de extremidade definida pelo usuário. Int
propriedades Propriedades adicionais a serem definidas no ponto de extremidade. JobServiceProperties

Nós

Designação Descrição Valor
nósValueType Definir o tipo de objeto Todos os (obrigatório)

AllNodes

Designação Descrição Valor
nósValueType [Obrigatório] Tipo do valor de Nós 'Todos' (obrigatório)

JobServiceProperties

Designação Descrição Valor
{propriedade personalizada} string

AutoMLJob

Designação Descrição Valor
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. 'AutoML' (obrigatório)
environmentId O ID do recurso ARM da especificação Ambiente para o trabalho.
Este é um valor opcional para fornecer, se não for fornecido, o AutoML assumirá como padrão a versão do ambiente com curadoria do AutoML de Produção ao executar o trabalho.		 string
environmentVariables Variáveis de ambiente incluídas no trabalho. AutoMLJobEnvironmentVariables
saídas Mapeamento das ligações de dados de saída usadas no trabalho. AutoMLJobOutputs
queueSettings Configurações de fila para o trabalho QueueSettings
Recursos Configuração de recursos de computação para o trabalho. JobResourceConfiguration
taskDetalhes [Obrigatório] Isso representa um cenário que pode ser um dos Tabelas/NLP/Imagem AutoMLVertical (obrigatório)

AutoMLJobEnvironmentVariables

Designação Descrição Valor
{propriedade personalizada} string

AutoMLJobOutputs

Designação Descrição Valor
{propriedade personalizada} JobOutput

JobOutput

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

CustomModelJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'custom_model' (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. 'Direto'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. string

MLFlowModelJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'mlflow_model' (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. 'Direto'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. string

MLTableJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'mltable' (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. 'Direto'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. string

TritonModelJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'triton_model' (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. 'Direto'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. string

UriFileJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'uri_file' (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. 'Direto'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. string

UriFolderJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'uri_folder' (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. 'Direto'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. string

Configurações da fila

Designação Descrição Valor
nível de trabalho Enum para determinar a camada de trabalho. 'Básico'
'Premium'
'Mancha'
'Padrão'
prioridade Controla a prioridade do trabalho em uma computação. Int

JobResourceConfiguration

Designação Descrição Valor
dockerArgs Argumentos extras para passar para o comando de execução do Docker. Isso substituiria quaisquer parâmetros que já tenham sido definidos pelo sistema ou nesta seção. Este parâmetro só tem suporte para tipos de computação do Azure ML. string
instanceCount Número opcional de instâncias ou nós usados pelo destino de computação. Int
tipo de instância Tipo opcional de VM usado conforme suportado pelo destino de computação. string
Locais Locais onde o trabalho pode ser executado. string[]
propriedades Saco de propriedades adicionais. ResourceConfigurationProperties
shmTamanho Tamanho do bloco de memória compartilhada do contêiner docker. Este deve ser no formato de (número)(unidade), onde o número é maior que 0 e a unidade pode ser um de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes). string

Restrições:
Padrão = \d+[bBkKmMgG]

ResourceConfigurationProperties

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

AutoMLVertical

Designação Descrição Valor
logVerbosidade Registre a verbosidade para o trabalho. 'Crítica'
'Depuração'
'Erro'
'Informações'
'NotSet'
'Atenção'
targetColumnName Nome da coluna de destino: Esta é a coluna de valores de previsão.
Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.		 string
formaçãoDados de formação [Obrigatório] Introdução de dados de formação. MLTableJobInput (obrigatório)
Tipo de tarefa Definir o tipo de objeto Classificação
Previsão
ImageClassification
ImageClassificationMultilabel
ImageInstanceSegmentation
ImageObjectDetection
Regressão
TextClassification
TextClassificationMultilabel
TextNER (obrigatório)

MLTableJobInput

Designação Descrição Valor
Descrição Descrição da entrada. string
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'custom_model'
'literal'
'mlflow_model'
'Mltable'
'triton_model'
'uri_file'
'uri_folder' (obrigatório)
modo Modo de entrega de ativos de entrada. 'Direto'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

Classificação

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. «Classificação» (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. TableFixedParameters
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nValidações cruzadas Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
rótulo positivo Rótulo positivo para cálculo de métricas binárias. string
primaryMetric Métrica primária para a tarefa. 'AUCWeighted'
'Precisão'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. TableSweepSettings
testData Entrada de dados de teste. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
formaçãoConfigurações Entradas para a fase de treinamento para um trabalho AutoML. ClassificaçãoFormaçãoConfigurações
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
weightColumnName O nome da coluna de peso da amostra. 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

Designação Descrição Valor
blockedTransformers Estes transformadores não devem ser utilizados na featurização. Matriz de cadeia de caracteres contendo qualquer uma das:
'CatTargetEncoder'
'CountVectorizer'
'HashOneHotEncoder'
'LabelEncoder'
'NaiveBayes'
'OneHotEncoder'
'TextTargetEncoder'
'TfIdf'
'WoETargetEncoder'
'Incorporação de palavras'
columnNameAndTypes Dicionário do nome da coluna e seu tipo (int, float, string, datetime etc). TableVerticalFeaturizationSettingsColumnNameAndTypes
conjunto de dadosLinguagem Linguagem do conjunto de dados, útil para os dados de texto. string
enableDnnFeaturization Determina se os featurizers baseados em Dnn devem ser usados para a featurização de dados. Bool
modo Modo de featurização - O usuário pode manter o modo 'Auto' padrão e o AutoML cuidará da transformação necessária dos dados na fase de featurização.
Se 'Off' for selecionado, nenhuma featurização será feita.
Se 'Personalizado' estiver selecionado, o usuário pode especificar entradas adicionais para personalizar como a featurização é feita.		 'Auto'
'Personalizado'
'Desligado'
transformadoresParams O usuário pode especificar transformadores adicionais a serem usados juntamente com as colunas às quais seria aplicado e parâmetros para o construtor do transformador. TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Designação Descrição Valor
{propriedade personalizada} string

TableVerticalFeaturizationSettingsTransformerParams

Designação Descrição Valor
{propriedade personalizada} ColumnTransformer[]

ColumnTransformer

Designação Descrição Valor
campos Campos para aplicar a lógica do transformador. string[]
Parâmetros Diferentes propriedades a serem passadas para o transformador.
A entrada esperada é o dicionário de pares chave, valor no formato JSON.
 Para o Bicep, você pode usar a função any().

TableFixedParameters

Designação Descrição Valor
reforço Especifique o tipo de impulsionamento, por exemplo, gbdt para XGBoost. string
boostingType Especifique o tipo de impulsionamento, por exemplo, gbdt para LightGBM. string
growPolicy Especifique a política de crescimento, que controla a maneira como novos nós são adicionados à árvore. string
learningRate A taxa de aprendizagem para o procedimento de formação. Int
maxBin [en] Especifique o número máximo de compartimentos discretos para bucket de recursos contínuos. Int
maxProfundidade Especifique a profundidade máxima para limitar a profundidade da árvore explicitamente. Int
maxFolhas Especifique o máximo de folhas para limitar as folhas da árvore explicitamente. Int
minDataInLeaf O número mínimo de dados por folha. Int
minSplitGain Redução mínima de perda necessária para fazer uma nova partição em um nó de folha da árvore. Int
nome_modelo O nome do modelo a treinar. string
nEstimadores Especifique o número de árvores (ou rodadas) em um modelo. Int
numFolhas Especifique o número de folhas. Int
pré-processadorNome O nome do pré-processador a ser usado. string
regAlpha Termo de regularização L1 em pesos. Int
regLambda Termo de regularização L2 em pesos. Int
subamostra Rácio de subamostras da instância de formação. Int
subsampleFreq Frequência da subamostra. Int
treeMethod Especifique o método tree. string
comMédia Se verdadeiro, centralize antes de dimensionar os dados com StandardScalar. Bool
comStd Se verdadeiro, dimensione os dados com Variação de Unidade com StandardScalar. Bool

TableVerticalLimitSettings

Designação Descrição Valor
habilitarRescisão antecipada Habilite o encerramento antecipado, determine se o AutoMLJob será encerrado antecipadamente se não houver melhoria de pontuação nas últimas 20 iterações. Bool
exitScore Pontuação de saída para o trabalho AutoML. Int
maxConcurrentTrials Máximo de iterações simultâneas. Int
maxCoresPerTrial Máximo de núcleos por iteração. Int
maxNós Máximo de nós a serem usados para o experimento. Int
maxEnsaios Número de iterações. Int
varreduraConcurrentTrials Número de execuções de varredura simultâneas que o usuário deseja acionar. Int
varredurasEnsaios Número de execuções de varredura que o usuário deseja acionar. Int
tempo limite Tempo limite do trabalho AutoML. string
trialTimeout Tempo limite de iteração. string

NCrossValidações

Designação Descrição Valor
modo Definir o tipo de objeto Auto
Custom (obrigatório)

AutoNCrossValidações

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

CustomNCrossValidations

Designação Descrição Valor
modo [Obrigatório] Modo para determinar validações N-Cross. 'Personalizado' (obrigatório)
valor [Obrigatório] Valor de validações N-Cross. int (obrigatório)

TableParameterSubspace

Designação Descrição Valor
reforço Especifique o tipo de impulsionamento, por exemplo, gbdt para XGBoost. string
boostingType Especifique o tipo de impulsionamento, por exemplo, gbdt para LightGBM. string
growPolicy Especifique a política de crescimento, que controla a maneira como novos nós são adicionados à árvore. string
learningRate A taxa de aprendizagem para o procedimento de formação. string
maxBin [en] Especifique o número máximo de compartimentos discretos para bucket de recursos contínuos. string
maxProfundidade Especifique a profundidade máxima para limitar a profundidade da árvore explicitamente. string
maxFolhas Especifique o máximo de folhas para limitar as folhas da árvore explicitamente. string
minDataInLeaf O número mínimo de dados por folha. string
minSplitGain Redução mínima de perda necessária para fazer uma nova partição em um nó de folha da árvore. string
nome_modelo O nome do modelo a treinar. string
nEstimadores Especifique o número de árvores (ou rodadas) em um modelo. string
numFolhas Especifique o número de folhas. string
pré-processadorNome O nome do pré-processador a ser usado. string
regAlpha Termo de regularização L1 em pesos. string
regLambda Termo de regularização L2 em pesos. string
subamostra Rácio de subamostras da instância de formação. string
subsampleFreq Frequência da subamostra string
treeMethod Especifique o método tree. string
comMédia Se verdadeiro, centralize antes de dimensionar os dados com StandardScalar. string
comStd Se verdadeiro, dimensione os dados com Variação de Unidade com StandardScalar. string

TableSweepSettings

Designação Descrição Valor
Rescisão antecipada Tipo de política de rescisão antecipada para o trabalho de varredura. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo de algoritmo de amostragem. 'Bayesiano'
'Grade'
'Aleatório' (obrigatório)

Política de Rescisão Antecipada

Designação Descrição Valor
delayAvaliação Número de intervalos para adiar a primeira avaliação. Int
avaliaçãoIntervalo Intervalo (número de execuções) entre avaliações de políticas. Int
policyType Definir o tipo de objeto Bandido
MedianStop
TruncationSelection (obrigatório)

BanditPolicy

Designação Descrição Valor
policyType [Obrigatório] Nome da configuração da política 'Bandido' (obrigatório)
slackAmount Distância absoluta permitida da corrida com melhor desempenho. Int
slackFactor Relação entre a distância permitida e a corrida com melhor desempenho. Int

MedianStoppingPolicy

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

TruncationSelectionPolicy

Designação Descrição Valor
policyType [Obrigatório] Nome da configuração da política 'TruncationSelection' (obrigatório)
truncamentoPercentagem A percentagem de corridas a cancelar em cada intervalo de avaliação. Int

ClassificaçãoFormaçãoConfigurações

Designação Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para a tarefa de classificação. Matriz de cadeia de caracteres contendo qualquer uma das:
'BernoulliNaiveBayes'
'Árvore de decisão'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'Regressão Logística'
'MultinomialNaiveBayes'
'RandomForest'
«SGD»
'SVM'
'XGBoostClassifier'
blockedTrainingAlgorithms Modelos bloqueados para tarefa de classificação. Matriz de cadeia de caracteres contendo qualquer uma das:
'BernoulliNaiveBayes'
'Árvore de decisão'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'Regressão Logística'
'MultinomialNaiveBayes'
'RandomForest'
«SGD»
'SVM'
'XGBoostClassifier'
enableDnnTraining Habilite a recomendação de modelos DNN. Bool
enableModelExplainability Sinalize para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para ativar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilite a execução do conjunto de pilha. Bool
enableVoteEnsemble Habilite a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados.
Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.		 string
stackEnsembleSettings Configurações de conjunto de pilha para execução de conjunto de pilha. StackEnsembleSettings
formaçãoModo de formação Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'.
Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos.
Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos.
 'Auto'
'Distribuído'
'Não distribuído'

StackEnsembleSettings

Designação Descrição Valor
stackMetaLearnerKWargs Parâmetros opcionais para passar para o inicializador do meta-aluno. Para o Bicep, você pode usar a função any().
stackMetaLearnerTrainPercentage Especifica a proporção do conjunto de treinamento (ao escolher o tipo de treinamento de treinamento e validação) a ser reservada para o treinamento do meta-aluno. O valor padrão é 0,2. Int
stackMetaLearnerType O meta-aprendiz é um modelo treinado na saída dos modelos heterogêneos individuais. 'ElasticNet'
'ElasticNetCV'
'LightGBMClassifier'
'LightGBMRegressor'
'Regressão Linear'
'Regressão Logística'
'LogisticRegressionCV'
'Nenhuma'

Previsão

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. «Previsão» (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. TableFixedParameters
previsãoConfigurações Previsão de entradas específicas da tarefa. ForecastingSettings
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nValidações cruzadas Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
primaryMetric Métrica primária para a tarefa de previsão. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'Correlação de Spearman'
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. TableSweepSettings
testData Entrada de dados de teste. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
formaçãoConfigurações Entradas para a fase de treinamento para um trabalho AutoML. ForecastingTrainingSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
weightColumnName O nome da coluna de peso da amostra. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. string

PrevisãoConfigurações

Designação Descrição Valor
paísOrRegiãoParaFeriados País ou região para feriados para tarefas de previsão.
Estes devem ser códigos de país/região ISO 3166 de duas letras, por exemplo "EUA" ou "GB".		 string
cvStepTamanho Número de períodos entre a hora de origem de uma dobra CV e a dobra seguinte. Para a
Por exemplo, se CVStepSize = 3 para dados diários, o tempo de origem para cada dobra será
com três dias de intervalo.		 Int
featureLags Sinalizador para gerar atrasos para os recursos numéricos com 'auto' ou null. 'Auto'
'Nenhuma'
forecastHorizon O horizonte máximo de previsão desejado em unidades de frequência de séries cronológicas. ForecastHorizon
FREQUÊNCIA Ao fazer a previsão, 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 padrão. string
sazonalidade Defina a sazonalidade das séries temporais como um múltiplo inteiro da frequência da série.
Se a sazonalidade for definida como 'auto', ela será inferida.		 Sazonalidade
shortSeriesHandlingConfig O parâmetro que define como se AutoML deve lidar com séries temporais curtas. 'Auto'
'Gota'
'Nenhuma'
'Pad'
targetAggregateFunction A função a ser usada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada pelo usuário.
Se o 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: "soma", "máx", "min" e "média".		 'Máx'
'Média'
'Min'
'Nenhuma'
'Soma'
targetLags O número de períodos anteriores com atraso em relação à coluna de destino. TargetLags
targetRollingWindowSize O número de períodos passados usados para criar uma média de janela móvel da coluna de destino. TargetRollingWindowSize
timeColumnName O nome da coluna de tempo. Este parâmetro é necessário durante a previsão para especificar a coluna datetime nos dados de entrada usados para construir a série temporal e inferir sua frequência. string
timeSeriesIdColumnNames Os nomes das colunas usadas para agrupar uma série temporal. Ele pode ser usado para criar várias séries.
Se o grão não estiver definido, o conjunto de dados é assumido como uma série temporal. Este parâmetro é usado com a previsão de tipo de tarefa.		 string[]
useStl Configure a decomposição STL da coluna de destino da série temporal. 'Nenhuma'
'Temporada'
'Tendência sazonal'

ForecastHorizon

Designação Descrição Valor
modo Definir o tipo de objeto Auto
Custom (obrigatório)

AutoForecastHorizon

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

CustomForecastHorizon

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

Sazonalidade

Designação Descrição Valor
modo Definir o tipo de objeto Auto
Custom (obrigatório)

AutoSazonalidade

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

CustomSeasonality

Designação Descrição Valor
modo [Obrigatório] Modo de sazonalidade. 'Personalizado' (obrigatório)
valor [Obrigatório] Valor da sazonalidade. int (obrigatório)

TargetLags

Designação Descrição Valor
modo Definir o tipo de objeto Auto
Custom (obrigatório)

AutoTargetLags

Designação Descrição Valor
modo [Obrigatório] Definir o modo de atraso de destino - Auto/Custom 'Auto' (obrigatório)

CustomTargetLags

Designação Descrição Valor
modo [Obrigatório] Definir o modo de atraso de destino - Auto/Custom 'Personalizado' (obrigatório)
valores [Obrigatório] Defina valores de atraso de destino. int[] (obrigatório)

TargetRollingWindowSize

Designação Descrição Valor
modo Definir o tipo de objeto Auto
Custom (obrigatório)

AutoTargetRollingWindowSize

Designação Descrição Valor
modo [Obrigatório] Modo de deteção TargetRollingWindowSiz. 'Auto' (obrigatório)

CustomTargetRollingWindowSize

Designação Descrição Valor
modo [Obrigatório] Modo de deteção TargetRollingWindowSiz. 'Personalizado' (obrigatório)
valor [Obrigatório] Valor TargetRollingWindowSize. int (obrigatório)

PrevisãoFormaçãoConfigurações

Designação Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para tarefa de previsão. Matriz de cadeia de caracteres contendo qualquer uma das:
'Arimax'
'AutoArima'
'Média'
'Árvore de decisão'
'ElasticNet'
'Suavização Exponencial'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Ingênuo'
'Profeta'
'RandomForest'
«SGD»
'Média sazonal'
'SazonalNaive'
«TCNForecaster»
'XGBoostRegressor'
blockedTrainingAlgorithms Modelos bloqueados para tarefa de previsão. Matriz de cadeia de caracteres contendo qualquer uma das:
'Arimax'
'AutoArima'
'Média'
'Árvore de decisão'
'ElasticNet'
'Suavização Exponencial'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Ingênuo'
'Profeta'
'RandomForest'
«SGD»
'Média sazonal'
'SazonalNaive'
«TCNForecaster»
'XGBoostRegressor'
enableDnnTraining Habilite a recomendação de modelos DNN. Bool
enableModelExplainability Sinalize para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para ativar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilite a execução do conjunto de pilha. Bool
enableVoteEnsemble Habilite a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados.
Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.		 string
stackEnsembleSettings Configurações de conjunto de pilha para execução de conjunto de pilha. StackEnsembleSettings
formaçãoModo de formação Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'.
Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos.
Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos.
 'Auto'
'Distribuído'
'Não distribuído'

ImageClassification

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. 'ImageClassification' (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho AutoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsClassification
primaryMetric Métrica primária para otimizar esta tarefa. 'AUCWeighted'
'Precisão'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. ImageSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 Int

ImageLimitSettings

Designação Descrição Valor
maxConcurrentTrials Número máximo de iterações simultâneas do AutoML. Int
maxEnsaios Número máximo de iterações AutoML. Int
tempo limite Tempo limite do trabalho AutoML. string

ImageModelSettingsClassification

Designação Descrição Valor
avançadoConfigurações Configurações para cenários avançados. string
amsGradiente Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. Bool
aumentos Configurações para usar Aumentos. string
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. Int
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. Int
ponto de verificaçãoFrequência Frequência para armazenar pontos de verificação do modelo. Deve ser um número inteiro positivo. Int
checkpointModel O modelo de ponto de verificação pré-treinado para treinamento incremental. MLFlowModelJobInput
ponto de verificaçãoRunId A id de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. string
distribuído Se deve ou não usar o treinamento distribuído. Bool
Parar cedoParar Habilite a lógica de parada precoce durante o treinamento. Bool
cedoParandoAtrasar Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um número inteiro positivo.		 Int
cedoParandoPaciência Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes
a corrida é interrompida. Deve ser um número inteiro positivo.		 Int
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. Bool
avaliaçãoFrequência Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. Int
gradientAcumulaçãoEtapa Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.		 Int
camadasToFreeze Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor
Consulte: /azure/machine-learning/how-to-auto-train-image-models.		 Int
learningRate Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. Int
aprendizagemRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. 'Nenhuma'
'Passo'
'AquecimentoCosine'
nome_modelo Nome do modelo a utilizar na formação.
Para mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 string
Dinâmica Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. Int
Nesterov Ative o nesterov quando o otimizador for 'sgd'. Bool
númeroDasÉpocas Número de épocas de formação. Deve ser um número inteiro positivo. Int
númeroDeTrabalhadores Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. Int
otimizador Tipo de otimizador. 'Adão'
'Adamw'
'Nenhuma'
'Sgd'
randomSemente Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. Int
stepLRGamma Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. Int
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. Int
formaçãoBatchSize Tamanho do lote de treinamento. Deve ser um número inteiro positivo. Int
formaçãoCropSize Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de treinamento. Deve ser um número inteiro positivo. Int
validaçãoBatchSize Tamanho do lote de validação. Deve ser um número inteiro positivo. Int
validaçãoCropSize Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de validação. Deve ser um número inteiro positivo. Int
validationResizeSize Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um número inteiro positivo. Int
aquecimentoCosineLRCycles Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. Int
aquecimentoCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. Int
pesoDecaimento Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. Int
perda ponderada Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada.
1 para perda de peso com sqrt. (class_weights). 2 para perda de peso com class_weights. Deve ser 0 ou 1 ou 2.
 Int

MLFlowModelJobInput

Designação Descrição Valor
Descrição Descrição da entrada. string
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'custom_model'
'literal'
'mlflow_model'
'Mltable'
'triton_model'
'uri_file'
'uri_folder' (obrigatório)
modo Modo de entrega de ativos de entrada. 'Direto'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

Designação Descrição Valor
amsGradiente Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. string
aumentos Configurações para usar Aumentos. string
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. string
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. string
distribuído Se deve ou não usar o treinamento de distribuidor. string
Parar cedoParar Habilite a lógica de parada precoce durante o treinamento. string
cedoParandoAtrasar Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um número inteiro positivo.		 string
cedoParandoPaciência Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes
a corrida é interrompida. Deve ser um número inteiro positivo.		 string
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. string
avaliaçãoFrequência Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. string
gradientAcumulaçãoEtapa Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.		 string
camadasToFreeze Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor
Consulte: /azure/machine-learning/how-to-auto-train-image-models.		 string
learningRate Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. string
aprendizagemRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. string
nome_modelo Nome do modelo a utilizar na formação.
Para mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 string
Dinâmica Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. string
Nesterov Ative o nesterov quando o otimizador for 'sgd'. string
númeroDasÉpocas Número de épocas de formação. Deve ser um número inteiro positivo. string
númeroDeTrabalhadores Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. string
otimizador Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'. string
randomSemente Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. string
stepLRGamma Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. string
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. string
formaçãoBatchSize Tamanho do lote de treinamento. Deve ser um número inteiro positivo. string
formaçãoCropSize Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de treinamento. Deve ser um número inteiro positivo. string
validaçãoBatchSize Tamanho do lote de validação. Deve ser um número inteiro positivo. string
validaçãoCropSize Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de validação. Deve ser um número inteiro positivo. string
validationResizeSize Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um número inteiro positivo. string
aquecimentoCosineLRCycles Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. string
aquecimentoCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. string
pesoDecaimento Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. string
perda ponderada Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada.
1 para perda de peso com sqrt. (class_weights). 2 para perda de peso com class_weights. Deve ser 0 ou 1 ou 2.
 string

ImageSweepSettings

Designação Descrição Valor
Rescisão antecipada Tipo de política de rescisão antecipada. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo de algoritmos de amostragem de hiperparâmetros. 'Bayesiano'
'Grade'
'Aleatório' (obrigatório)

ImageClassificationMultilabel

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. 'ImageClassificationMultilabel' (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho AutoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsClassification
primaryMetric Métrica primária para otimizar esta tarefa. 'AUCWeighted'
'Precisão'
'AveragePrecisionScoreWeighted'
'IOU'
'NormMacroRecall'
'PrecisionScoreWeighted'
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. ImageSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 Int

ImageInstanceSegmentation

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. 'ImageInstanceSegmentation' (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho AutoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica primária para otimizar esta tarefa. 'MédiaPrecisão'
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsObjectDetection []
sweepSettings Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. ImageSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 Int

ImageModelSettingsObjectDetection

Designação Descrição Valor
avançadoConfigurações Configurações para cenários avançados. string
amsGradiente Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. Bool
aumentos Configurações para usar Aumentos. string
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. Int
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. Int
boxDetecçõesPerImage Número máximo de deteções por imagem, para todas as classes. Deve ser um número inteiro positivo.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 Int
boxScoreThreshold Durante a inferência, apenas retornam propostas com uma pontuação de classificação maior que
BoxScoreThreshold. Deve ser um flutuador na faixa[0, 1].		 Int
ponto de verificaçãoFrequência Frequência para armazenar pontos de verificação do modelo. Deve ser um número inteiro positivo. Int
checkpointModel O modelo de ponto de verificação pré-treinado para treinamento incremental. MLFlowModelJobInput
ponto de verificaçãoRunId A id de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. string
distribuído Se deve ou não usar o treinamento distribuído. Bool
Parar cedoParar Habilite a lógica de parada precoce durante o treinamento. Bool
cedoParandoAtrasar Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um número inteiro positivo.		 Int
cedoParandoPaciência Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes
a corrida é interrompida. Deve ser um número inteiro positivo.		 Int
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. Bool
avaliaçãoFrequência Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. Int
gradientAcumulaçãoEtapa Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.		 Int
imageSize Tamanho da imagem para trem e validação. Deve ser um número inteiro positivo.
Nota: A corrida de treinamento pode entrar em CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 Int
camadasToFreeze Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor
Consulte: /azure/machine-learning/how-to-auto-train-image-models.		 Int
learningRate Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. Int
aprendizagemRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. 'Nenhuma'
'Passo'
'AquecimentoCosine'
maxTamanho Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 Int
minTamanho Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 Int
nome_modelo Nome do modelo a utilizar na formação.
Para mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 string
modelSize Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'.
Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho do modelo for muito grande.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 'ExtraGrande'
'Grande'
'Médio'
'Nenhuma'
'Pequeno'
Dinâmica Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. Int
multiescala Habilite a imagem em várias escalas variando o tamanho da imagem em +/- 50%.
Nota: a execução de treinamento pode entrar no CUDA OOM se não houver memória GPU suficiente.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 Bool
Nesterov Ative o nesterov quando o otimizador for 'sgd'. Bool
nmsIouThreshold Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser um flutuador na faixa [0, 1]. Int
númeroDasÉpocas Número de épocas de formação. Deve ser um número inteiro positivo. Int
númeroDeTrabalhadores Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. Int
otimizador Tipo de otimizador. 'Adão'
'Adamw'
'Nenhuma'
'Sgd'
randomSemente Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. Int
stepLRGamma Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. Int
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. Int
tileGridSize O tamanho da grade a ser usado para colocar lado a lado cada imagem. Nota: TileGridSize não deve ser
Nenhum para habilitar a lógica de deteção de pequenos objetos. Uma cadeia de caracteres que contém dois inteiros no formato mxn.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
tileOverlapRatio Razão de sobreposição entre blocos adjacentes em cada dimensão. Deve ser flutuante no intervalo [0, 1].
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 Int
tilePredictionsNmsThreshold O limite de UO a ser usado para executar o NMS ao mesclar previsões de blocos e imagem.
Utilizado na validação/inferência. Deve ser flutuante no intervalo [0, 1].
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 Int
formaçãoBatchSize Tamanho do lote de treinamento. Deve ser um número inteiro positivo. Int
validaçãoBatchSize Tamanho do lote de validação. Deve ser um número inteiro positivo. Int
validaçãoIouThreshold Limite de UO a ser usado ao calcular a métrica de validação. Deve ser flutuante no intervalo [0, 1]. Int
validaçãoMetricType Método de cálculo métrico a utilizar para métricas de validação. 'Coco'
'CocoVoc'
'Nenhuma'
'Voc'
aquecimentoCosineLRCycles Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. Int
aquecimentoCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. Int
pesoDecaimento Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. Int

ImageModelDistributionSettingsObjectDetection

Designação Descrição Valor
amsGradiente Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. string
aumentos Configurações para usar Aumentos. string
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. string
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. string
boxDetecçõesPerImage Número máximo de deteções por imagem, para todas as classes. Deve ser um número inteiro positivo.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
boxScoreThreshold Durante a inferência, apenas retornam propostas com uma pontuação de classificação maior que
BoxScoreThreshold. Deve ser um flutuador na faixa[0, 1].		 string
distribuído Se deve ou não usar o treinamento de distribuidor. string
Parar cedoParar Habilite a lógica de parada precoce durante o treinamento. string
cedoParandoAtrasar Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um número inteiro positivo.		 string
cedoParandoPaciência Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes
a corrida é interrompida. Deve ser um número inteiro positivo.		 string
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. string
avaliaçãoFrequência Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. string
gradientAcumulaçãoEtapa Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.		 string
imageSize Tamanho da imagem para trem e validação. Deve ser um número inteiro positivo.
Nota: A corrida de treinamento pode entrar em CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 string
camadasToFreeze Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor
Consulte: /azure/machine-learning/how-to-auto-train-image-models.		 string
learningRate Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. string
aprendizagemRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. string
maxTamanho Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
minTamanho Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
nome_modelo Nome do modelo a utilizar na formação.
Para mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 string
modelSize Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'.
Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho do modelo for muito grande.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 string
Dinâmica Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. string
multiescala Habilite a imagem em várias escalas variando o tamanho da imagem em +/- 50%.
Nota: a execução de treinamento pode entrar no CUDA OOM se não houver memória GPU suficiente.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 string
Nesterov Ative o nesterov quando o otimizador for 'sgd'. string
nmsIouThreshold Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser flutuante no intervalo [0, 1]. string
númeroDasÉpocas Número de épocas de formação. Deve ser um número inteiro positivo. string
númeroDeTrabalhadores Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. string
otimizador Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'. string
randomSemente Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. string
stepLRGamma Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. string
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. string
tileGridSize O tamanho da grade a ser usado para colocar lado a lado cada imagem. Nota: TileGridSize não deve ser
Nenhum para habilitar a lógica de deteção de pequenos objetos. Uma cadeia de caracteres que contém dois inteiros no formato mxn.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
tileOverlapRatio Razão de sobreposição entre blocos adjacentes em cada dimensão. Deve ser flutuante no intervalo [0, 1].
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
tilePredictionsNmsThreshold O limite de UO a ser usado para executar o NMS ao mesclar previsões de blocos e imagem.
Utilizado na validação/inferência. Deve ser flutuante no intervalo [0, 1].
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.
SMN: Supressão não máxima		 string
formaçãoBatchSize Tamanho do lote de treinamento. Deve ser um número inteiro positivo. string
validaçãoBatchSize Tamanho do lote de validação. Deve ser um número inteiro positivo. string
validaçãoIouThreshold Limite de UO a ser usado ao calcular a métrica de validação. Deve ser flutuante no intervalo [0, 1]. string
validaçãoMetricType Método de cálculo métrico a utilizar para métricas de validação. Deve ser 'nenhum', 'coco', 'voc' ou 'coco_voc'. string
aquecimentoCosineLRCycles Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. string
aquecimentoCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. string
pesoDecaimento Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. string

ImageObjectDetection

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. 'ImageObjectDetection' (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho AutoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica primária para otimizar esta tarefa. 'MédiaPrecisão'
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsObjectDetection []
sweepSettings Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. ImageSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 Int

Regressão

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. 'Regressão' (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. TableFixedParameters
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nValidações cruzadas Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
primaryMetric Métrica primária para tarefa de regressão. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'Correlação de Spearman'
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. TableSweepSettings
testData Entrada de dados de teste. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
formaçãoConfigurações Entradas para a fase de treinamento para um trabalho AutoML. RegressionTrainingSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
weightColumnName O nome da coluna de peso da amostra. 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

Designação Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para tarefa de regressão. Matriz de cadeia de caracteres contendo qualquer uma das:
'Árvore de decisão'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
«SGD»
'XGBoostRegressor'
blockedTrainingAlgorithms Modelos bloqueados para tarefa de regressão. Matriz de cadeia de caracteres contendo qualquer uma das:
'Árvore de decisão'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
«SGD»
'XGBoostRegressor'
enableDnnTraining Habilite a recomendação de modelos DNN. Bool
enableModelExplainability Sinalize para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para ativar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilite a execução do conjunto de pilha. Bool
enableVoteEnsemble Habilite a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados.
Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.		 string
stackEnsembleSettings Configurações de conjunto de pilha para execução de conjunto de pilha. StackEnsembleSettings
formaçãoModo de formação Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'.
Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos.
Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos.
 'Auto'
'Distribuído'
'Não distribuído'

Classificação de Texto

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. 'TextClassification' (obrigatório)
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. NlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
primaryMetric Métrica primária para Text-Classification tarefa. 'AUCWeighted'
'Precisão'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. NlpSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput

NlpVerticalFeaturizationSettings

Designação Descrição Valor
conjunto de dadosLinguagem Linguagem do conjunto de dados, útil para os dados de texto. string

NlpFixedParameters

Designação Descrição Valor
gradientAcumulaçãoEtapas Número de etapas para acumular gradientes antes de executar uma passagem para trás. Int
learningRate A taxa de aprendizagem para o procedimento de formação. Int
aprendizagemRateScheduler O tipo de cronograma de taxa de aprendizagem a ser usado durante o procedimento de treinamento. 'Constante'
'ConstantWithWarmup'
'Cosseno'
'CosineWithRestarts'
'Linear'
'Nenhuma'
'Polinômio'
nome_modelo O nome do modelo a treinar. string
númeroDasÉpocas Número de épocas de formação. Int
formaçãoBatchSize O tamanho do lote para o procedimento de treinamento. Int
validaçãoBatchSize O tamanho do lote a ser usado durante a avaliação. Int
warmupRatio A relação de aquecimento, usada ao lado de LrSchedulerType. Int
pesoDecaimento O decaimento de peso para o procedimento de treinamento. Int

NlpVerticalLimitSettings

Designação Descrição Valor
maxConcurrentTrials Máximo de iterações simultâneas do AutoML. Int
maxNós Máximo de nós a serem usados para o experimento. Int
maxEnsaios Número de iterações AutoML. Int
tempo limite Tempo limite do trabalho AutoML. string
trialTimeout Tempo limite para ensaios individuais de DH. string

NlpParameterSubspace

Designação Descrição Valor
gradientAcumulaçãoEtapas Número de etapas para acumular gradientes antes de executar uma passagem para trás. string
learningRate A taxa de aprendizagem para o procedimento de formação. string
aprendizagemRateScheduler O tipo de cronograma de taxa de aprendizagem a ser usado durante o procedimento de treinamento. string
nome_modelo O nome do modelo a treinar. string
númeroDasÉpocas Número de épocas de formação. string
formaçãoBatchSize O tamanho do lote para o procedimento de treinamento. string
validaçãoBatchSize O tamanho do lote a ser usado durante a avaliação. string
warmupRatio A relação de aquecimento, usada ao lado de LrSchedulerType. string
pesoDecaimento O decaimento de peso para o procedimento de treinamento. string

NlpSweepSettings

Designação Descrição Valor
Rescisão antecipada Tipo de política de rescisão antecipada para o trabalho de varredura. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo de algoritmo de amostragem. 'Bayesiano'
'Grade'
'Aleatório' (obrigatório)

TextClassificationMultilabel

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. 'TextClassificationMultilabel' (obrigatório)
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. NlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. NlpSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput

TextNer

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. 'TextNER' (obrigatório)
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. NlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. NlpSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput

CommandJob

Designação Descrição Valor
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. 'Comando' (obrigatório)
autologgerConfigurações Configuração de distribuição do trabalho. Se definido, este deve ser um de Mpi, Tensorflow, PyTorch, ou null. AutologgerSettings
codeId ID do recurso ARM do ativo de código. string
comando [Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py" string (obrigatório)

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

Restrições:
Padrão = [a-zA-Z0-9_]
environmentVariables Variáveis de ambiente incluídas no trabalho. CommandJobEnvironmentVariables
Insumos Mapeamento de ligações de dados de entrada usadas no trabalho. CommandJobInputs
Limites Limite de trabalho de comando. CommandJobLimits
saídas Mapeamento das ligações de dados de saída usadas no trabalho. CommandJobOutputs
queueSettings Configurações de fila para o trabalho QueueSettings
Recursos Configuração de recursos de computação para o trabalho. JobResourceConfiguration

AutologgerSettings

Designação Descrição Valor
mlflowAutologger [Obrigatório] Indica se o mlflow autologger está habilitado. 'Desativado'
'Ativado' (obrigatório)

DistributionConfiguration

Designação Descrição Valor
tipo de distribuição Definir o tipo de objeto Mpi
PyTorch
TensorFlow (obrigatório)

Mpi

Designação Descrição Valor
tipo de distribuição [Obrigatório] Especifica o tipo de estrutura de distribuição. «Mpi» (obrigatório)
processCountPerInstance Número de processos por nó MPI. Int

PyTorch

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

TensorFlow

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

CommandJobEnvironmentVariables

Designação Descrição Valor
{propriedade personalizada} string

CommandJobInputs

Designação Descrição Valor
{propriedade personalizada} JobInput

JobInput

Designação 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

Designação Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'custom_model' (obrigatório)
modo Modo de entrega de ativos de entrada. 'Direto'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

LiteralJobInput

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

Restrições:
Padrão = [a-zA-Z0-9_]

TritonModelJobInput

Designação Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'triton_model' (obrigatório)
modo Modo de entrega de ativos de entrada. 'Direto'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

UriFileJobInput

Designação Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'uri_file' (obrigatório)
modo Modo de entrega de ativos de entrada. 'Direto'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

UriFolderJobInput

Designação Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'uri_folder' (obrigatório)
modo Modo de entrega de ativos de entrada. 'Direto'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

CommandJobLimits

Designação Descrição Valor
jobLimitsType [Obrigatório] Tipo JobLimit. 'Comando'
'Varredura' (obrigatório)
tempo limite A duração máxima de execução no formato ISO 8601, após a qual o trabalho será cancelado. Suporta apenas a duração com uma precisão tão baixa como segundos. string

CommandJobSaídas

Designação Descrição Valor
{propriedade personalizada} JobOutput

LabelingJobProperties

Designação Descrição Valor
componentId ID do recurso ARM do recurso componente. string
computeId ID do recurso ARM do recurso de computação. string
dataConfiguration Configuração dos dados utilizados no trabalho. LabelingDataConfiguration
Descrição O texto da descrição do ativo. string
displayName Exibir nome do trabalho. string
nome da experiência O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". string
identidade Configuração de identidade. Se definido, este deve ser um dos AmlToken, ManagedIdentity, UserIdentity ou null.
O padrão é AmlToken se null.		 IdentityConfiguration
isArquivado O ativo está arquivado? Bool
jobInstruções Instruções de etiquetagem do trabalho. LabelingJobInstructions
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. 'AutoML'
'Comando'
'Rotulagem'
'Gasoduto'
'Faísca'
'Varredura' (obrigatório)
labelCategorias Rotule as categorias do trabalho. LabelingJobLabelCategories
labelingJobMediaProperties Propriedades específicas do tipo de mídia no trabalho. LabelingJobMediaProperties
mlAssistConfiguration Configuração do recurso MLAssist no trabalho. MLAssistConfiguration
notificationSetting Configuração de notificação para o trabalho NotificationSetting
propriedades O dicionário de propriedades de ativos. ResourceBaseProperties
serviços Lista de JobEndpoints.
Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.		 JobBaseServices
Etiquetas Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas. objeto

LabelingDataConfiguration

Designação Descrição Valor
DataId ID do recurso do ativo de dados para executar a rotulagem. string
incrementalDataRefresh Indica se a atualização incremental de dados deve ser habilitada. 'Desativado'
'Habilitado'

RotulagemInstruções de trabalho

Designação Descrição Valor
URI O link para uma página com instruções detalhadas de rotulagem para rotuladoras. string

RotulagemJobLabelCategorias

Designação Descrição Valor
{propriedade personalizada} LabelCategory

LabelCategory

Designação Descrição Valor
Aulas Dicionário de classes de rótulos nesta categoria. LabelCategoryClasses
displayName Nome para exibição da categoria de rótulo. string
multiSelecionar Indica se é permitido selecionar várias classes nesta categoria. 'Desativado'
'Habilitado'

LabelCategoryClasses

Designação Descrição Valor
{propriedade personalizada} LabelClass

LabelClass

Designação Descrição Valor
displayName Nome para exibição da classe de rótulo. string
Subclasses Dicionário de subclasses da classe label. LabelClassSubclasses

LabelClassSubclasses

Designação Descrição Valor
{propriedade personalizada} LabelClass

LabelingJobMediaProperties

Designação Descrição Valor
MediaType Definir o tipo de objeto Imagem
de texto (obrigatório)

LabelingJobImageProperties

Designação Descrição Valor
MediaType [Obrigatório] Tipo de mídia do trabalho. 'Imagem' (obrigatório)
annotationType Tipo de anotação do trabalho de etiquetagem de imagem. 'BoundingBox'
'Classificação'
'SegmentaçãoInstância'

LabelingJobTextProperties

Designação Descrição Valor
MediaType [Obrigatório] Tipo de mídia do trabalho. 'Texto' (obrigatório)
annotationType Tipo de anotação do trabalho de etiquetagem de texto. 'Classificação'
'NamedEntityRecognition'

MLAssistConfiguration

Designação Descrição Valor
mlAssist [en] Definir o tipo de objeto Deficientes
ativado (obrigatório)

MLAssistConfigurationDisabled

Designação Descrição Valor
mlAssist [en] [Obrigatório] Indica se o recurso MLAssist está habilitado. 'Desativado' (obrigatório)

MLAssistConfigurationEnabled

Designação Descrição Valor
mlAssist [en] [Obrigatório] Indica se o recurso MLAssist está habilitado. 'Ativado' (obrigatório)
inferencingComputeBinding [Obrigatório] Ligação de computação AML usada na inferência. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]
formaçãoComputeBinding [Obrigatório] Ligação de computação AML usada em treinamento. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

PipelineJob

Designação Descrição Valor
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. «Gasoduto» (obrigatório)
Insumos Insumos para o trabalho de pipeline. PipelineJobInputs
empregos Os trabalhos constroem o trabalho de pipeline. PipelineJobJobs
saídas Saídas para o trabalho de pipeline PipelineJobOutputs
Configurações Configurações de pipeline, para coisas como ContinueRunOnStepFailure etc. Para o Bicep, você pode usar a função any().
fonteJobId ID do recurso ARM do trabalho de origem. string

PipelineJobInputs

Designação Descrição Valor
{propriedade personalizada} JobInput

PipelineJobJobs

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

PipelineJobSaídas

Designação Descrição Valor
{propriedade personalizada} JobOutput

Faísca

Designação Descrição Valor
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. 'Faísca' (obrigatório)
Arquivos Arquivar arquivos usados no trabalho. string[]
Args Argumentos a favor do trabalho. string
codeId [Obrigatório] ID do recurso ARM do ativo de código. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]
conf Propriedades configuradas do Spark. SparkJobConf
entrada [Obrigatório] A entrada para executar na inicialização do trabalho. SparkJobEntry (obrigatório)
environmentId O ID do recurso ARM da especificação Ambiente para o trabalho. string
ficheiros Arquivos usados no trabalho. string[]
Insumos Mapeamento de ligações de dados de entrada usadas no trabalho. SparkJobInputs
frascos Jar arquivos usados no trabalho. string[]
saídas Mapeamento das ligações de dados de saída usadas no trabalho. SparkJobOutputs
Arquivos py Arquivos Python usados no trabalho. string[]
queueSettings Configurações de fila para o trabalho QueueSettings
Recursos Configuração de recursos de computação para o trabalho. SparkResourceConfiguration

SparkJobConf

Designação Descrição Valor
{propriedade personalizada} string

SparkJobEntry

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

SparkJobPythonEntry

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

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

SparkJobScalaEntry

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

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

SparkJobInputs

Designação Descrição Valor
{propriedade personalizada} JobInput

SparkJobOutputs

Designação Descrição Valor
{propriedade personalizada} JobOutput

SparkResourceConfiguration

Designação Descrição Valor
tipo de instância Tipo opcional de VM usado conforme suportado pelo destino de computação. string
runtimeVersion Versão do tempo de execução do spark usado para o trabalho. string

Varredura

Designação Descrição Valor
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. 'Varredura' (obrigatório)
Rescisão antecipada As políticas de rescisão antecipada permitem cancelar execuções com baixo desempenho antes que elas sejam concluídas EarlyTerminationPolicy
Insumos Mapeamento de ligações de dados de entrada usadas no trabalho. SweepJobInputs
Limites Limite de trabalho de varredura. SweepJobLimits
objetivo [Obrigatório] Objetivo de otimização. Objetivo (obrigatório)
saídas Mapeamento das ligações de dados de saída usadas no trabalho. SweepJobOutputs
queueSettings Configurações de fila para o trabalho QueueSettings
samplingAlgorithm [Obrigatório] O algoritmo de amostragem de hiperparâmetros SamplingAlgorithm (obrigatório)
espaço de pesquisa [Obrigatório] Um dicionário contendo cada parâmetro e sua distribuição. A chave do dicionário é o nome do parâmetro Para o Bicep, você pode usar a função any(). (obrigatório)
julgamento [Obrigatório] Definição do componente experimental. TrialComponent (obrigatório)

SweepJobInputs

Designação Descrição Valor
{propriedade personalizada} JobInput

SweepJobLimits

Designação Descrição Valor
jobLimitsType [Obrigatório] Tipo JobLimit. 'Comando'
'Varredura' (obrigatório)
maxConcurrentTrials Varrer o Job max testes simultâneos. Int
maxTotalTrials Varrer o total de testes do Sweep Job. Int
tempo limite A duração máxima de execução no formato ISO 8601, após a qual o trabalho será cancelado. Suporta apenas a duração com uma precisão tão baixa como segundos. string
trialTimeout Valor do tempo limite da Avaliação do Trabalho de Varredura. string

Objetivo

Designação Descrição Valor
Objetivo [Obrigatório] Define metas métricas suportadas para ajuste de hiperparâmetros 'Maximizar'
'Minimizar' (obrigatório)
primaryMetric [Obrigatório] Nome da métrica a ser otimizada. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

SweepJobOutputs

Designação Descrição Valor
{propriedade personalizada} JobOutput

SamplingAlgorithm

Designação Descrição Valor
samplingAlgorithmType Definir o tipo de objeto Bayesian
Grid
aleatório (obrigatório)

BayesianSamplingAlgorithm

Designação Descrição Valor
samplingAlgorithmType [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração 'Bayesiano' (obrigatório)

GridSamplingAlgorithm

Designação Descrição Valor
samplingAlgorithmType [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração 'Grade' (obrigatório)

RandomSamplingAlgorithm

Designação Descrição Valor
samplingAlgorithmType [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração 'Aleatório' (obrigatório)
Base de registo Um número positivo opcional ou e em formato string a utilizar como base para amostragem aleatória logarítmica string
regra O tipo específico de algoritmo aleatório 'Aleatório'
'Sobol'
sementes Um inteiro opcional para usar como semente para geração de números aleatórios Int

TrialComponent

Designação Descrição Valor
codeId ID do recurso ARM do ativo de código. string
comando [Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py" string (obrigatório)

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

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

TrialComponentEnvironmentVariables

Designação Descrição Valor
{propriedade personalizada} string

Modelos de início rápido

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

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

Implantar no Azure 		Este modelo cria um trabalho de classificação AutoML do Azure Machine Learning para descobrir o melhor modelo para prever se um cliente subscreverá um depósito a prazo fixo numa instituição financeira.
Criar um trabalho de Comando do Azure Machine Learning

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

Implantar no Azure 		Este modelo cria um trabalho de varredura do Azure Machine Learning para ajuste de hiperparâmetros.

Definição de recurso de modelo ARM

O tipo de recurso espaços de trabalho/trabalhos pode ser implantado com operações que visam:

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

Formato do recurso

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

{
  "type": "Microsoft.MachineLearningServices/workspaces/jobs",
  "apiVersion": "2023-02-01-preview",
  "name": "string",
  "properties": {
    "componentId": "string",
    "computeId": "string",
    "description": "string",
    "displayName": "string",
    "experimentName": "string",
    "identity": {
      "identityType": "string"
      // For remaining properties, see IdentityConfiguration objects
    },
    "isArchived": "bool",
    "notificationSetting": {
      "emailOn": [ "string" ],
      "emails": [ "string" ]
    },
    "properties": {
      "{customized property}": "string"
    },
    "services": {
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "nodes": {
          "nodesValueType": "string"
          // For remaining properties, see Nodes objects
        },
        "port": "int",
        "properties": {
          "{customized property}": "string"
        }
      }
    },
    "tags": {},
    "jobType": "string"
    // For remaining properties, see JobBaseProperties objects
  }
}

Objetos JobBaseProperties

Defina a propriedade jobType para especificar o tipo de objeto.

Para AutoML, use:

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

Para Command, use:

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

Para de rotulagem, use:

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

Para Pipeline, use:

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

Para Spark, use:

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

Para Varredura, use:

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

Objetos IdentityConfiguration

Defina a propriedade identityType para especificar o tipo de objeto.

Para AMLToken, use:

  "identityType": "AMLToken"

Para Managed, use:

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

Para UserIdentity , use:

  "identityType": "UserIdentity"

Objetos de nós

Defina a propriedade nodesValueType para especificar o tipo de objeto.

Para todos os, use:

  "nodesValueType": "All"

Objetos JobOutput

Defina a propriedade jobOutputType para especificar o tipo de objeto.

Para custom_model, utilize:

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

Para mlflow_model, utilize:

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

Para mltable, use:

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

Para triton_model, utilize:

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

Para uri_file, utilize:

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

Para uri_folder, utilize:

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

Para de 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": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "forecastingSettings": {
    "countryOrRegionForHolidays": "string",
    "cvStepSize": "int",
    "featureLags": "string",
    "forecastHorizon": {
      "mode": "string"
      // For remaining properties, see ForecastHorizon objects
    },
    "frequency": "string",
    "seasonality": {
      "mode": "string"
      // For remaining properties, see Seasonality objects
    },
    "shortSeriesHandlingConfig": "string",
    "targetAggregateFunction": "string",
    "targetLags": {
      "mode": "string"
      // For remaining properties, see TargetLags objects
    },
    "targetRollingWindowSize": {
      "mode": "string"
      // For remaining properties, see TargetRollingWindowSize objects
    },
    "timeColumnName": "string",
    "timeSeriesIdColumnNames": [ "string" ],
    "useStl": "string"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "sweepConcurrentTrials": "int",
    "sweepTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "booster": "string",
      "boostingType": "string",
      "growPolicy": "string",
      "learningRate": "string",
      "maxBin": "string",
      "maxDepth": "string",
      "maxLeaves": "string",
      "minDataInLeaf": "string",
      "minSplitGain": "string",
      "modelName": "string",
      "nEstimators": "string",
      "numLeaves": "string",
      "preprocessorName": "string",
      "regAlpha": "string",
      "regLambda": "string",
      "subsample": "string",
      "subsampleFreq": "string",
      "treeMethod": "string",
      "withMean": "string",
      "withStd": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    },
    "trainingMode": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

Para ImageClassification , use:

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

Para ImageClassificationMultilabel , use:

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

Para ImageInstanceSegmentation , use:

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

Para ImageObjectDetection , use:

  "taskType": "ImageObjectDetection",
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "boxDetectionsPerImage": "int",
    "boxScoreThreshold": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "imageSize": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "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"

Parade regressão , use:

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

Para TextClassification , use:

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

Para TextClassificationMultilabel , use:

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

Para TextNER, use:

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

Objetos NCrossValidations

Defina o modo propriedade para especificar o tipo de objeto.

Para automático, use:

  "mode": "Auto"

Para Custom, use:

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

Objetos EarlyTerminationPolicy

Defina a propriedade policyType para especificar o tipo de objeto.

Para Bandit, use:

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

Para MedianStopping , use:

  "policyType": "MedianStopping"

Para TruncationSelection , use:

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

Objetos ForecastHorizon

Defina o modo propriedade para especificar o tipo de objeto.

Para automático, use:

  "mode": "Auto"

Para Custom, use:

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

Objetos de sazonalidade

Defina o modo propriedade para especificar o tipo de objeto.

Para automático, use:

  "mode": "Auto"

Para Custom, use:

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

Objetos TargetLags

Defina o modo propriedade para especificar o tipo de objeto.

Para automático, use:

  "mode": "Auto"

Para Custom, use:

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

Objetos TargetRollingWindowSize

Defina o modo propriedade para especificar o tipo de objeto.

Para automático, use:

  "mode": "Auto"

Para Custom, use:

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

Objetos DistributionConfiguration

Defina a propriedade distributionType para especificar o tipo de objeto.

Para Mpi, use:

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

Para PyTorch, use:

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

Para TensorFlow , use:

  "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 , use:

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

Para mlflow_model, utilize:

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

Para mltable, use:

  "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 LabelingJobMediaProperties

Defina a propriedade mediaType para especificar o tipo de objeto.

Para de imagem, use:

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

Para de texto , use:

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

Objetos MLAssistConfiguration

Defina a propriedade mlAssist para especificar o tipo de objeto.

Para com deficiência, use:

  "mlAssist": "Disabled"

Para Enabled, use:

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

Objetos SparkJobEntry

Defina a propriedade sparkJobEntryType para especificar o tipo de objeto.

Para SparkJobPythonEntry , use:

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

Para SparkJobScalaEntry , use:

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

Objetos SamplingAlgorithm

Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.

Para Bayesian, use:

  "samplingAlgorithmType": "Bayesian"

Para Grid, use:

  "samplingAlgorithmType": "Grid"

Para Random, use:

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

Valores de propriedade

espaços de trabalho/trabalhos

Designação Descrição Valor
tipo O tipo de recurso 'Microsoft.MachineLearningServices/workspaces/jobs'
apiVersion A versão da api de recursos '2023-02-01-pré-visualização'
Designação O nome do recurso

Veja como definir nomes e tipos para recursos filho em modelos JSON ARM.		 string (obrigatório)
propriedades [Obrigatório] Atributos adicionais da entidade. JobBaseProperties (obrigatório)

JobBaseProperties

Designação Descrição Valor
componentId ID do recurso ARM do recurso componente. string
computeId ID do recurso ARM do recurso de computação. string
Descrição O texto da descrição do ativo. string
displayName Exibir nome do trabalho. string
nome da experiência O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". string
identidade Configuração de identidade. Se definido, este deve ser um dos AmlToken, ManagedIdentity, UserIdentity ou null.
O padrão é AmlToken se null.		 IdentityConfiguration
isArquivado O ativo está arquivado? Bool
notificationSetting Configuração de notificação para o trabalho NotificationSetting
propriedades O dicionário de propriedades de ativos. ResourceBaseProperties
serviços Lista de JobEndpoints.
Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.		 JobBaseServices
Etiquetas Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas. objeto
Tipo de trabalho Definir o tipo de objeto AutoML
de comando
Rotulagem
Pipeline
Spark
Varredura (obrigatório)

IdentityConfiguration

Designação Descrição Valor
identityType Definir o tipo de objeto AMLToken
Gestão
UserIdentity (obrigatório)

AmlToken

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

Identidade gerenciada

Designação Descrição Valor
identityType [Obrigatório] Especifica o tipo de estrutura de identidade. 'Gerenciado' (obrigatório)
ID do cliente Especifica uma identidade atribuída pelo usuário por ID do cliente. Para sistema atribuído, 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 usuário por ID de objeto. Para sistema atribuído, 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 usuário por ID de recurso ARM. Para sistema atribuído, não defina este campo. string

Identidade do usuário

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

NotificationSetting

Designação Descrição Valor
e-mailOn Enviar notificação por e-mail para o usuário no tipo de notificação especificado Matriz de cadeia de caracteres contendo qualquer uma das:
'TrabalhoCancelado'
'TrabalhoConcluído'
'JobFailed'
E-mails Esta é a lista de destinatários de e-mail que tem uma limitação de 499 caracteres no total concat com separador de vírgula string[]

ResourceBaseProperties

Designação Descrição Valor
{propriedade personalizada} string

JobBaseServices

Designação Descrição Valor
{propriedade personalizada} JobService

Serviço de Emprego

Designação Descrição Valor
Ponto final Url para o ponto de extremidade. string
jobServiceType Tipo de ponto final. string
nós Nós nos quais o usuário gostaria de iniciar o serviço.
Se Nós não estiver definido ou definido como nulo, o serviço só será iniciado no nó líder.		 de nós
porto Porta para ponto de extremidade definida pelo usuário. Int
propriedades Propriedades adicionais a serem definidas no ponto de extremidade. JobServiceProperties

Nós

Designação Descrição Valor
nósValueType Definir o tipo de objeto Todos os (obrigatório)

AllNodes

Designação Descrição Valor
nósValueType [Obrigatório] Tipo do valor de Nós 'Todos' (obrigatório)

JobServiceProperties

Designação Descrição Valor
{propriedade personalizada} string

AutoMLJob

Designação Descrição Valor
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. 'AutoML' (obrigatório)
environmentId O ID do recurso ARM da especificação Ambiente para o trabalho.
Este é um valor opcional para fornecer, se não for fornecido, o AutoML assumirá como padrão a versão do ambiente com curadoria do AutoML de Produção ao executar o trabalho.		 string
environmentVariables Variáveis de ambiente incluídas no trabalho. AutoMLJobEnvironmentVariables
saídas Mapeamento das ligações de dados de saída usadas no trabalho. AutoMLJobOutputs
queueSettings Configurações de fila para o trabalho QueueSettings
Recursos Configuração de recursos de computação para o trabalho. JobResourceConfiguration
taskDetalhes [Obrigatório] Isso representa um cenário que pode ser um dos Tabelas/NLP/Imagem AutoMLVertical (obrigatório)

AutoMLJobEnvironmentVariables

Designação Descrição Valor
{propriedade personalizada} string

AutoMLJobOutputs

Designação Descrição Valor
{propriedade personalizada} JobOutput

JobOutput

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

CustomModelJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'custom_model' (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. 'Direto'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. string

MLFlowModelJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'mlflow_model' (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. 'Direto'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. string

MLTableJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'mltable' (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. 'Direto'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. string

TritonModelJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'triton_model' (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. 'Direto'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. string

UriFileJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'uri_file' (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. 'Direto'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. string

UriFolderJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. 'uri_folder' (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. 'Direto'
'ReadWriteMount'
'Carregar'
URI URI do ativo de saída. string

Configurações da fila

Designação Descrição Valor
nível de trabalho Enum para determinar a camada de trabalho. 'Básico'
'Premium'
'Mancha'
'Padrão'
prioridade Controla a prioridade do trabalho em uma computação. Int

JobResourceConfiguration

Designação Descrição Valor
dockerArgs Argumentos extras para passar para o comando de execução do Docker. Isso substituiria quaisquer parâmetros que já tenham sido definidos pelo sistema ou nesta seção. Este parâmetro só tem suporte para tipos de computação do Azure ML. string
instanceCount Número opcional de instâncias ou nós usados pelo destino de computação. Int
tipo de instância Tipo opcional de VM usado conforme suportado pelo destino de computação. string
Locais Locais onde o trabalho pode ser executado. string[]
propriedades Saco de propriedades adicionais. ResourceConfigurationProperties
shmTamanho Tamanho do bloco de memória compartilhada do contêiner docker. Este deve ser no formato de (número)(unidade), onde o número é maior que 0 e a unidade pode ser um de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes). string

Restrições:
Padrão = \d+[bBkKmMgG]

ResourceConfigurationProperties

Designação Descrição Valor
{propriedade personalizada}

AutoMLVertical

Designação Descrição Valor
logVerbosidade Registre a verbosidade para o trabalho. 'Crítica'
'Depuração'
'Erro'
'Informações'
'NotSet'
'Atenção'
targetColumnName Nome da coluna de destino: Esta é a coluna de valores de previsão.
Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.		 string
formaçãoDados de formação [Obrigatório] Introdução de dados de formação. MLTableJobInput (obrigatório)
Tipo de tarefa Definir o tipo de objeto Classificação
Previsão
ImageClassification
ImageClassificationMultilabel
ImageInstanceSegmentation
ImageObjectDetection
Regressão
TextClassification
TextClassificationMultilabel
TextNER (obrigatório)

MLTableJobInput

Designação Descrição Valor
Descrição Descrição da entrada. string
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'custom_model'
'literal'
'mlflow_model'
'Mltable'
'triton_model'
'uri_file'
'uri_folder' (obrigatório)
modo Modo de entrega de ativos de entrada. 'Direto'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

Classificação

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. «Classificação» (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. TableFixedParameters
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nValidações cruzadas Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
rótulo positivo Rótulo positivo para cálculo de métricas binárias. string
primaryMetric Métrica primária para a tarefa. 'AUCWeighted'
'Precisão'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. TableSweepSettings
testData Entrada de dados de teste. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
formaçãoConfigurações Entradas para a fase de treinamento para um trabalho AutoML. ClassificaçãoFormaçãoConfigurações
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
weightColumnName O nome da coluna de peso da amostra. 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

Designação Descrição Valor
blockedTransformers Estes transformadores não devem ser utilizados na featurização. Matriz de cadeia de caracteres contendo qualquer uma das:
'CatTargetEncoder'
'CountVectorizer'
'HashOneHotEncoder'
'LabelEncoder'
'NaiveBayes'
'OneHotEncoder'
'TextTargetEncoder'
'TfIdf'
'WoETargetEncoder'
'Incorporação de palavras'
columnNameAndTypes Dicionário do nome da coluna e seu tipo (int, float, string, datetime etc). TableVerticalFeaturizationSettingsColumnNameAndTypes
conjunto de dadosLinguagem Linguagem do conjunto de dados, útil para os dados de texto. string
enableDnnFeaturization Determina se os featurizers baseados em Dnn devem ser usados para a featurização de dados. Bool
modo Modo de featurização - O usuário pode manter o modo 'Auto' padrão e o AutoML cuidará da transformação necessária dos dados na fase de featurização.
Se 'Off' for selecionado, nenhuma featurização será feita.
Se 'Personalizado' estiver selecionado, o usuário pode especificar entradas adicionais para personalizar como a featurização é feita.		 'Auto'
'Personalizado'
'Desligado'
transformadoresParams O usuário pode especificar transformadores adicionais a serem usados juntamente com as colunas às quais seria aplicado e parâmetros para o construtor do transformador. TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Designação Descrição Valor
{propriedade personalizada} string

TableVerticalFeaturizationSettingsTransformerParams

Designação Descrição Valor
{propriedade personalizada} ColumnTransformer[]

ColumnTransformer

Designação Descrição Valor
campos Campos para aplicar a lógica do transformador. string[]
Parâmetros Diferentes propriedades a serem passadas para o transformador.
A entrada esperada é o dicionário de pares chave, valor no formato JSON.

TableFixedParameters

Designação Descrição Valor
reforço Especifique o tipo de impulsionamento, por exemplo, gbdt para XGBoost. string
boostingType Especifique o tipo de impulsionamento, por exemplo, gbdt para LightGBM. string
growPolicy Especifique a política de crescimento, que controla a maneira como novos nós são adicionados à árvore. string
learningRate A taxa de aprendizagem para o procedimento de formação. Int
maxBin [en] Especifique o número máximo de compartimentos discretos para bucket de recursos contínuos. Int
maxProfundidade Especifique a profundidade máxima para limitar a profundidade da árvore explicitamente. Int
maxFolhas Especifique o máximo de folhas para limitar as folhas da árvore explicitamente. Int
minDataInLeaf O número mínimo de dados por folha. Int
minSplitGain Redução mínima de perda necessária para fazer uma nova partição em um nó de folha da árvore. Int
nome_modelo O nome do modelo a treinar. string
nEstimadores Especifique o número de árvores (ou rodadas) em um modelo. Int
numFolhas Especifique o número de folhas. Int
pré-processadorNome O nome do pré-processador a ser usado. string
regAlpha Termo de regularização L1 em pesos. Int
regLambda Termo de regularização L2 em pesos. Int
subamostra Rácio de subamostras da instância de formação. Int
subsampleFreq Frequência da subamostra. Int
treeMethod Especifique o método tree. string
comMédia Se verdadeiro, centralize antes de dimensionar os dados com StandardScalar. Bool
comStd Se verdadeiro, dimensione os dados com Variação de Unidade com StandardScalar. Bool

TableVerticalLimitSettings

Designação Descrição Valor
habilitarRescisão antecipada Habilite o encerramento antecipado, determine se o AutoMLJob será encerrado antecipadamente se não houver melhoria de pontuação nas últimas 20 iterações. Bool
exitScore Pontuação de saída para o trabalho AutoML. Int
maxConcurrentTrials Máximo de iterações simultâneas. Int
maxCoresPerTrial Máximo de núcleos por iteração. Int
maxNós Máximo de nós a serem usados para o experimento. Int
maxEnsaios Número de iterações. Int
varreduraConcurrentTrials Número de execuções de varredura simultâneas que o usuário deseja acionar. Int
varredurasEnsaios Número de execuções de varredura que o usuário deseja acionar. Int
tempo limite Tempo limite do trabalho AutoML. string
trialTimeout Tempo limite de iteração. string

NCrossValidações

Designação Descrição Valor
modo Definir o tipo de objeto Auto
Custom (obrigatório)

AutoNCrossValidações

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

CustomNCrossValidations

Designação Descrição Valor
modo [Obrigatório] Modo para determinar validações N-Cross. 'Personalizado' (obrigatório)
valor [Obrigatório] Valor de validações N-Cross. int (obrigatório)

TableParameterSubspace

Designação Descrição Valor
reforço Especifique o tipo de impulsionamento, por exemplo, gbdt para XGBoost. string
boostingType Especifique o tipo de impulsionamento, por exemplo, gbdt para LightGBM. string
growPolicy Especifique a política de crescimento, que controla a maneira como novos nós são adicionados à árvore. string
learningRate A taxa de aprendizagem para o procedimento de formação. string
maxBin [en] Especifique o número máximo de compartimentos discretos para bucket de recursos contínuos. string
maxProfundidade Especifique a profundidade máxima para limitar a profundidade da árvore explicitamente. string
maxFolhas Especifique o máximo de folhas para limitar as folhas da árvore explicitamente. string
minDataInLeaf O número mínimo de dados por folha. string
minSplitGain Redução mínima de perda necessária para fazer uma nova partição em um nó de folha da árvore. string
nome_modelo O nome do modelo a treinar. string
nEstimadores Especifique o número de árvores (ou rodadas) em um modelo. string
numFolhas Especifique o número de folhas. string
pré-processadorNome O nome do pré-processador a ser usado. string
regAlpha Termo de regularização L1 em pesos. string
regLambda Termo de regularização L2 em pesos. string
subamostra Rácio de subamostras da instância de formação. string
subsampleFreq Frequência da subamostra string
treeMethod Especifique o método tree. string
comMédia Se verdadeiro, centralize antes de dimensionar os dados com StandardScalar. string
comStd Se verdadeiro, dimensione os dados com Variação de Unidade com StandardScalar. string

TableSweepSettings

Designação Descrição Valor
Rescisão antecipada Tipo de política de rescisão antecipada para o trabalho de varredura. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo de algoritmo de amostragem. 'Bayesiano'
'Grade'
'Aleatório' (obrigatório)

Política de Rescisão Antecipada

Designação Descrição Valor
delayAvaliação Número de intervalos para adiar a primeira avaliação. Int
avaliaçãoIntervalo Intervalo (número de execuções) entre avaliações de políticas. Int
policyType Definir o tipo de objeto Bandido
MedianStop
TruncationSelection (obrigatório)

BanditPolicy

Designação Descrição Valor
policyType [Obrigatório] Nome da configuração da política 'Bandido' (obrigatório)
slackAmount Distância absoluta permitida da corrida com melhor desempenho. Int
slackFactor Relação entre a distância permitida e a corrida com melhor desempenho. Int

MedianStoppingPolicy

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

TruncationSelectionPolicy

Designação Descrição Valor
policyType [Obrigatório] Nome da configuração da política 'TruncationSelection' (obrigatório)
truncamentoPercentagem A percentagem de corridas a cancelar em cada intervalo de avaliação. Int

ClassificaçãoFormaçãoConfigurações

Designação Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para a tarefa de classificação. Matriz de cadeia de caracteres contendo qualquer uma das:
'BernoulliNaiveBayes'
'Árvore de decisão'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'Regressão Logística'
'MultinomialNaiveBayes'
'RandomForest'
«SGD»
'SVM'
'XGBoostClassifier'
blockedTrainingAlgorithms Modelos bloqueados para tarefa de classificação. Matriz de cadeia de caracteres contendo qualquer uma das:
'BernoulliNaiveBayes'
'Árvore de decisão'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'Regressão Logística'
'MultinomialNaiveBayes'
'RandomForest'
«SGD»
'SVM'
'XGBoostClassifier'
enableDnnTraining Habilite a recomendação de modelos DNN. Bool
enableModelExplainability Sinalize para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para ativar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilite a execução do conjunto de pilha. Bool
enableVoteEnsemble Habilite a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados.
Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.		 string
stackEnsembleSettings Configurações de conjunto de pilha para execução de conjunto de pilha. StackEnsembleSettings
formaçãoModo de formação Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'.
Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos.
Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos.
 'Auto'
'Distribuído'
'Não distribuído'

StackEnsembleSettings

Designação Descrição Valor
stackMetaLearnerKWargs Parâmetros opcionais para passar para o inicializador do meta-aluno.
stackMetaLearnerTrainPercentage Especifica a proporção do conjunto de treinamento (ao escolher o tipo de treinamento de treinamento e validação) a ser reservada para o treinamento do meta-aluno. O valor padrão é 0,2. Int
stackMetaLearnerType O meta-aprendiz é um modelo treinado na saída dos modelos heterogêneos individuais. 'ElasticNet'
'ElasticNetCV'
'LightGBMClassifier'
'LightGBMRegressor'
'Regressão Linear'
'Regressão Logística'
'LogisticRegressionCV'
'Nenhuma'

Previsão

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. «Previsão» (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. TableFixedParameters
previsãoConfigurações Previsão de entradas específicas da tarefa. ForecastingSettings
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nValidações cruzadas Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
primaryMetric Métrica primária para a tarefa de previsão. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'Correlação de Spearman'
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. TableSweepSettings
testData Entrada de dados de teste. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
formaçãoConfigurações Entradas para a fase de treinamento para um trabalho AutoML. ForecastingTrainingSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
weightColumnName O nome da coluna de peso da amostra. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. string

PrevisãoConfigurações

Designação Descrição Valor
paísOrRegiãoParaFeriados País ou região para feriados para tarefas de previsão.
Estes devem ser códigos de país/região ISO 3166 de duas letras, por exemplo "EUA" ou "GB".		 string
cvStepTamanho Número de períodos entre a hora de origem de uma dobra CV e a dobra seguinte. Para a
Por exemplo, se CVStepSize = 3 para dados diários, o tempo de origem para cada dobra será
com três dias de intervalo.		 Int
featureLags Sinalizador para gerar atrasos para os recursos numéricos com 'auto' ou null. 'Auto'
'Nenhuma'
forecastHorizon O horizonte máximo de previsão desejado em unidades de frequência de séries cronológicas. ForecastHorizon
FREQUÊNCIA Ao fazer a previsão, 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 padrão. string
sazonalidade Defina a sazonalidade das séries temporais como um múltiplo inteiro da frequência da série.
Se a sazonalidade for definida como 'auto', ela será inferida.		 Sazonalidade
shortSeriesHandlingConfig O parâmetro que define como se AutoML deve lidar com séries temporais curtas. 'Auto'
'Gota'
'Nenhuma'
'Pad'
targetAggregateFunction A função a ser usada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada pelo usuário.
Se o 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: "soma", "máx", "min" e "média".		 'Máx'
'Média'
'Min'
'Nenhuma'
'Soma'
targetLags O número de períodos anteriores com atraso em relação à coluna de destino. TargetLags
targetRollingWindowSize O número de períodos passados usados para criar uma média de janela móvel da coluna de destino. TargetRollingWindowSize
timeColumnName O nome da coluna de tempo. Este parâmetro é necessário durante a previsão para especificar a coluna datetime nos dados de entrada usados para construir a série temporal e inferir sua frequência. string
timeSeriesIdColumnNames Os nomes das colunas usadas para agrupar uma série temporal. Ele pode ser usado para criar várias séries.
Se o grão não estiver definido, o conjunto de dados é assumido como uma série temporal. Este parâmetro é usado com a previsão de tipo de tarefa.		 string[]
useStl Configure a decomposição STL da coluna de destino da série temporal. 'Nenhuma'
'Temporada'
'Tendência sazonal'

ForecastHorizon

Designação Descrição Valor
modo Definir o tipo de objeto Auto
Custom (obrigatório)

AutoForecastHorizon

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

CustomForecastHorizon

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

Sazonalidade

Designação Descrição Valor
modo Definir o tipo de objeto Auto
Custom (obrigatório)

AutoSazonalidade

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

CustomSeasonality

Designação Descrição Valor
modo [Obrigatório] Modo de sazonalidade. 'Personalizado' (obrigatório)
valor [Obrigatório] Valor da sazonalidade. int (obrigatório)

TargetLags

Designação Descrição Valor
modo Definir o tipo de objeto Auto
Custom (obrigatório)

AutoTargetLags

Designação Descrição Valor
modo [Obrigatório] Definir o modo de atraso de destino - Auto/Custom 'Auto' (obrigatório)

CustomTargetLags

Designação Descrição Valor
modo [Obrigatório] Definir o modo de atraso de destino - Auto/Custom 'Personalizado' (obrigatório)
valores [Obrigatório] Defina valores de atraso de destino. int[] (obrigatório)

TargetRollingWindowSize

Designação Descrição Valor
modo Definir o tipo de objeto Auto
Custom (obrigatório)

AutoTargetRollingWindowSize

Designação Descrição Valor
modo [Obrigatório] Modo de deteção TargetRollingWindowSiz. 'Auto' (obrigatório)

CustomTargetRollingWindowSize

Designação Descrição Valor
modo [Obrigatório] Modo de deteção TargetRollingWindowSiz. 'Personalizado' (obrigatório)
valor [Obrigatório] Valor TargetRollingWindowSize. int (obrigatório)

PrevisãoFormaçãoConfigurações

Designação Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para tarefa de previsão. Matriz de cadeia de caracteres contendo qualquer uma das:
'Arimax'
'AutoArima'
'Média'
'Árvore de decisão'
'ElasticNet'
'Suavização Exponencial'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Ingênuo'
'Profeta'
'RandomForest'
«SGD»
'Média sazonal'
'SazonalNaive'
«TCNForecaster»
'XGBoostRegressor'
blockedTrainingAlgorithms Modelos bloqueados para tarefa de previsão. Matriz de cadeia de caracteres contendo qualquer uma das:
'Arimax'
'AutoArima'
'Média'
'Árvore de decisão'
'ElasticNet'
'Suavização Exponencial'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Ingênuo'
'Profeta'
'RandomForest'
«SGD»
'Média sazonal'
'SazonalNaive'
«TCNForecaster»
'XGBoostRegressor'
enableDnnTraining Habilite a recomendação de modelos DNN. Bool
enableModelExplainability Sinalize para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para ativar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilite a execução do conjunto de pilha. Bool
enableVoteEnsemble Habilite a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados.
Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.		 string
stackEnsembleSettings Configurações de conjunto de pilha para execução de conjunto de pilha. StackEnsembleSettings
formaçãoModo de formação Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'.
Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos.
Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos.
 'Auto'
'Distribuído'
'Não distribuído'

ImageClassification

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. 'ImageClassification' (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho AutoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsClassification
primaryMetric Métrica primária para otimizar esta tarefa. 'AUCWeighted'
'Precisão'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. ImageSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 Int

ImageLimitSettings

Designação Descrição Valor
maxConcurrentTrials Número máximo de iterações simultâneas do AutoML. Int
maxEnsaios Número máximo de iterações AutoML. Int
tempo limite Tempo limite do trabalho AutoML. string

ImageModelSettingsClassification

Designação Descrição Valor
avançadoConfigurações Configurações para cenários avançados. string
amsGradiente Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. Bool
aumentos Configurações para usar Aumentos. string
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. Int
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. Int
ponto de verificaçãoFrequência Frequência para armazenar pontos de verificação do modelo. Deve ser um número inteiro positivo. Int
checkpointModel O modelo de ponto de verificação pré-treinado para treinamento incremental. MLFlowModelJobInput
ponto de verificaçãoRunId A id de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. string
distribuído Se deve ou não usar o treinamento distribuído. Bool
Parar cedoParar Habilite a lógica de parada precoce durante o treinamento. Bool
cedoParandoAtrasar Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um número inteiro positivo.		 Int
cedoParandoPaciência Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes
a corrida é interrompida. Deve ser um número inteiro positivo.		 Int
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. Bool
avaliaçãoFrequência Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. Int
gradientAcumulaçãoEtapa Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.		 Int
camadasToFreeze Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor
Consulte: /azure/machine-learning/how-to-auto-train-image-models.		 Int
learningRate Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. Int
aprendizagemRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. 'Nenhuma'
'Passo'
'AquecimentoCosine'
nome_modelo Nome do modelo a utilizar na formação.
Para mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 string
Dinâmica Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. Int
Nesterov Ative o nesterov quando o otimizador for 'sgd'. Bool
númeroDasÉpocas Número de épocas de formação. Deve ser um número inteiro positivo. Int
númeroDeTrabalhadores Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. Int
otimizador Tipo de otimizador. 'Adão'
'Adamw'
'Nenhuma'
'Sgd'
randomSemente Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. Int
stepLRGamma Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. Int
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. Int
formaçãoBatchSize Tamanho do lote de treinamento. Deve ser um número inteiro positivo. Int
formaçãoCropSize Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de treinamento. Deve ser um número inteiro positivo. Int
validaçãoBatchSize Tamanho do lote de validação. Deve ser um número inteiro positivo. Int
validaçãoCropSize Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de validação. Deve ser um número inteiro positivo. Int
validationResizeSize Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um número inteiro positivo. Int
aquecimentoCosineLRCycles Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. Int
aquecimentoCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. Int
pesoDecaimento Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. Int
perda ponderada Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada.
1 para perda de peso com sqrt. (class_weights). 2 para perda de peso com class_weights. Deve ser 0 ou 1 ou 2.
 Int

MLFlowModelJobInput

Designação Descrição Valor
Descrição Descrição da entrada. string
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'custom_model'
'literal'
'mlflow_model'
'Mltable'
'triton_model'
'uri_file'
'uri_folder' (obrigatório)
modo Modo de entrega de ativos de entrada. 'Direto'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

Designação Descrição Valor
amsGradiente Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. string
aumentos Configurações para usar Aumentos. string
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. string
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. string
distribuído Se deve ou não usar o treinamento de distribuidor. string
Parar cedoParar Habilite a lógica de parada precoce durante o treinamento. string
cedoParandoAtrasar Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um número inteiro positivo.		 string
cedoParandoPaciência Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes
a corrida é interrompida. Deve ser um número inteiro positivo.		 string
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. string
avaliaçãoFrequência Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. string
gradientAcumulaçãoEtapa Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.		 string
camadasToFreeze Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor
Consulte: /azure/machine-learning/how-to-auto-train-image-models.		 string
learningRate Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. string
aprendizagemRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. string
nome_modelo Nome do modelo a utilizar na formação.
Para mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 string
Dinâmica Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. string
Nesterov Ative o nesterov quando o otimizador for 'sgd'. string
númeroDasÉpocas Número de épocas de formação. Deve ser um número inteiro positivo. string
númeroDeTrabalhadores Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. string
otimizador Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'. string
randomSemente Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. string
stepLRGamma Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. string
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. string
formaçãoBatchSize Tamanho do lote de treinamento. Deve ser um número inteiro positivo. string
formaçãoCropSize Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de treinamento. Deve ser um número inteiro positivo. string
validaçãoBatchSize Tamanho do lote de validação. Deve ser um número inteiro positivo. string
validaçãoCropSize Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de validação. Deve ser um número inteiro positivo. string
validationResizeSize Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um número inteiro positivo. string
aquecimentoCosineLRCycles Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. string
aquecimentoCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. string
pesoDecaimento Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. string
perda ponderada Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada.
1 para perda de peso com sqrt. (class_weights). 2 para perda de peso com class_weights. Deve ser 0 ou 1 ou 2.
 string

ImageSweepSettings

Designação Descrição Valor
Rescisão antecipada Tipo de política de rescisão antecipada. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo de algoritmos de amostragem de hiperparâmetros. 'Bayesiano'
'Grade'
'Aleatório' (obrigatório)

ImageClassificationMultilabel

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. 'ImageClassificationMultilabel' (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho AutoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsClassification
primaryMetric Métrica primária para otimizar esta tarefa. 'AUCWeighted'
'Precisão'
'AveragePrecisionScoreWeighted'
'IOU'
'NormMacroRecall'
'PrecisionScoreWeighted'
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. ImageSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 Int

ImageInstanceSegmentation

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. 'ImageInstanceSegmentation' (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho AutoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica primária para otimizar esta tarefa. 'MédiaPrecisão'
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsObjectDetection []
sweepSettings Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. ImageSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 Int

ImageModelSettingsObjectDetection

Designação Descrição Valor
avançadoConfigurações Configurações para cenários avançados. string
amsGradiente Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. Bool
aumentos Configurações para usar Aumentos. string
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. Int
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. Int
boxDetecçõesPerImage Número máximo de deteções por imagem, para todas as classes. Deve ser um número inteiro positivo.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 Int
boxScoreThreshold Durante a inferência, apenas retornam propostas com uma pontuação de classificação maior que
BoxScoreThreshold. Deve ser um flutuador na faixa[0, 1].		 Int
ponto de verificaçãoFrequência Frequência para armazenar pontos de verificação do modelo. Deve ser um número inteiro positivo. Int
checkpointModel O modelo de ponto de verificação pré-treinado para treinamento incremental. MLFlowModelJobInput
ponto de verificaçãoRunId A id de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. string
distribuído Se deve ou não usar o treinamento distribuído. Bool
Parar cedoParar Habilite a lógica de parada precoce durante o treinamento. Bool
cedoParandoAtrasar Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um número inteiro positivo.		 Int
cedoParandoPaciência Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes
a corrida é interrompida. Deve ser um número inteiro positivo.		 Int
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. Bool
avaliaçãoFrequência Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. Int
gradientAcumulaçãoEtapa Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.		 Int
imageSize Tamanho da imagem para trem e validação. Deve ser um número inteiro positivo.
Nota: A corrida de treinamento pode entrar em CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 Int
camadasToFreeze Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor
Consulte: /azure/machine-learning/how-to-auto-train-image-models.		 Int
learningRate Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. Int
aprendizagemRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. 'Nenhuma'
'Passo'
'AquecimentoCosine'
maxTamanho Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 Int
minTamanho Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 Int
nome_modelo Nome do modelo a utilizar na formação.
Para mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 string
modelSize Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'.
Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho do modelo for muito grande.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 'ExtraGrande'
'Grande'
'Médio'
'Nenhuma'
'Pequeno'
Dinâmica Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. Int
multiescala Habilite a imagem em várias escalas variando o tamanho da imagem em +/- 50%.
Nota: a execução de treinamento pode entrar no CUDA OOM se não houver memória GPU suficiente.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 Bool
Nesterov Ative o nesterov quando o otimizador for 'sgd'. Bool
nmsIouThreshold Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser um flutuador na faixa [0, 1]. Int
númeroDasÉpocas Número de épocas de formação. Deve ser um número inteiro positivo. Int
númeroDeTrabalhadores Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. Int
otimizador Tipo de otimizador. 'Adão'
'Adamw'
'Nenhuma'
'Sgd'
randomSemente Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. Int
stepLRGamma Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. Int
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. Int
tileGridSize O tamanho da grade a ser usado para colocar lado a lado cada imagem. Nota: TileGridSize não deve ser
Nenhum para habilitar a lógica de deteção de pequenos objetos. Uma cadeia de caracteres que contém dois inteiros no formato mxn.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
tileOverlapRatio Razão de sobreposição entre blocos adjacentes em cada dimensão. Deve ser flutuante no intervalo [0, 1].
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 Int
tilePredictionsNmsThreshold O limite de UO a ser usado para executar o NMS ao mesclar previsões de blocos e imagem.
Utilizado na validação/inferência. Deve ser flutuante no intervalo [0, 1].
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 Int
formaçãoBatchSize Tamanho do lote de treinamento. Deve ser um número inteiro positivo. Int
validaçãoBatchSize Tamanho do lote de validação. Deve ser um número inteiro positivo. Int
validaçãoIouThreshold Limite de UO a ser usado ao calcular a métrica de validação. Deve ser flutuante no intervalo [0, 1]. Int
validaçãoMetricType Método de cálculo métrico a utilizar para métricas de validação. 'Coco'
'CocoVoc'
'Nenhuma'
'Voc'
aquecimentoCosineLRCycles Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. Int
aquecimentoCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. Int
pesoDecaimento Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. Int

ImageModelDistributionSettingsObjectDetection

Designação Descrição Valor
amsGradiente Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. string
aumentos Configurações para usar Aumentos. string
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. string
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. string
boxDetecçõesPerImage Número máximo de deteções por imagem, para todas as classes. Deve ser um número inteiro positivo.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
boxScoreThreshold Durante a inferência, apenas retornam propostas com uma pontuação de classificação maior que
BoxScoreThreshold. Deve ser um flutuador na faixa[0, 1].		 string
distribuído Se deve ou não usar o treinamento de distribuidor. string
Parar cedoParar Habilite a lógica de parada precoce durante o treinamento. string
cedoParandoAtrasar Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um número inteiro positivo.		 string
cedoParandoPaciência Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes
a corrida é interrompida. Deve ser um número inteiro positivo.		 string
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. string
avaliaçãoFrequência Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. string
gradientAcumulaçãoEtapa Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.		 string
imageSize Tamanho da imagem para trem e validação. Deve ser um número inteiro positivo.
Nota: A corrida de treinamento pode entrar em CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 string
camadasToFreeze Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor
Consulte: /azure/machine-learning/how-to-auto-train-image-models.		 string
learningRate Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. string
aprendizagemRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. string
maxTamanho Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
minTamanho Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
nome_modelo Nome do modelo a utilizar na formação.
Para mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 string
modelSize Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'.
Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho do modelo for muito grande.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 string
Dinâmica Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. string
multiescala Habilite a imagem em várias escalas variando o tamanho da imagem em +/- 50%.
Nota: a execução de treinamento pode entrar no CUDA OOM se não houver memória GPU suficiente.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 string
Nesterov Ative o nesterov quando o otimizador for 'sgd'. string
nmsIouThreshold Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser flutuante no intervalo [0, 1]. string
númeroDasÉpocas Número de épocas de formação. Deve ser um número inteiro positivo. string
númeroDeTrabalhadores Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. string
otimizador Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'. string
randomSemente Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. string
stepLRGamma Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. string
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. string
tileGridSize O tamanho da grade a ser usado para colocar lado a lado cada imagem. Nota: TileGridSize não deve ser
Nenhum para habilitar a lógica de deteção de pequenos objetos. Uma cadeia de caracteres que contém dois inteiros no formato mxn.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
tileOverlapRatio Razão de sobreposição entre blocos adjacentes em cada dimensão. Deve ser flutuante no intervalo [0, 1].
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
tilePredictionsNmsThreshold O limite de UO a ser usado para executar o NMS ao mesclar previsões de blocos e imagem.
Utilizado na validação/inferência. Deve ser flutuante no intervalo [0, 1].
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.
SMN: Supressão não máxima		 string
formaçãoBatchSize Tamanho do lote de treinamento. Deve ser um número inteiro positivo. string
validaçãoBatchSize Tamanho do lote de validação. Deve ser um número inteiro positivo. string
validaçãoIouThreshold Limite de UO a ser usado ao calcular a métrica de validação. Deve ser flutuante no intervalo [0, 1]. string
validaçãoMetricType Método de cálculo métrico a utilizar para métricas de validação. Deve ser 'nenhum', 'coco', 'voc' ou 'coco_voc'. string
aquecimentoCosineLRCycles Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. string
aquecimentoCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. string
pesoDecaimento Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. string

ImageObjectDetection

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. 'ImageObjectDetection' (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho AutoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica primária para otimizar esta tarefa. 'MédiaPrecisão'
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsObjectDetection []
sweepSettings Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. ImageSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 Int

Regressão

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. 'Regressão' (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. TableFixedParameters
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nValidações cruzadas Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
primaryMetric Métrica primária para tarefa de regressão. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'Correlação de Spearman'
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. TableSweepSettings
testData Entrada de dados de teste. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
formaçãoConfigurações Entradas para a fase de treinamento para um trabalho AutoML. RegressionTrainingSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
weightColumnName O nome da coluna de peso da amostra. 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

Designação Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para tarefa de regressão. Matriz de cadeia de caracteres contendo qualquer uma das:
'Árvore de decisão'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
«SGD»
'XGBoostRegressor'
blockedTrainingAlgorithms Modelos bloqueados para tarefa de regressão. Matriz de cadeia de caracteres contendo qualquer uma das:
'Árvore de decisão'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
«SGD»
'XGBoostRegressor'
enableDnnTraining Habilite a recomendação de modelos DNN. Bool
enableModelExplainability Sinalize para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para ativar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilite a execução do conjunto de pilha. Bool
enableVoteEnsemble Habilite a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados.
Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.		 string
stackEnsembleSettings Configurações de conjunto de pilha para execução de conjunto de pilha. StackEnsembleSettings
formaçãoModo de formação Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'.
Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos.
Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos.
 'Auto'
'Distribuído'
'Não distribuído'

Classificação de Texto

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. 'TextClassification' (obrigatório)
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. NlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
primaryMetric Métrica primária para Text-Classification tarefa. 'AUCWeighted'
'Precisão'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. NlpSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput

NlpVerticalFeaturizationSettings

Designação Descrição Valor
conjunto de dadosLinguagem Linguagem do conjunto de dados, útil para os dados de texto. string

NlpFixedParameters

Designação Descrição Valor
gradientAcumulaçãoEtapas Número de etapas para acumular gradientes antes de executar uma passagem para trás. Int
learningRate A taxa de aprendizagem para o procedimento de formação. Int
aprendizagemRateScheduler O tipo de cronograma de taxa de aprendizagem a ser usado durante o procedimento de treinamento. 'Constante'
'ConstantWithWarmup'
'Cosseno'
'CosineWithRestarts'
'Linear'
'Nenhuma'
'Polinômio'
nome_modelo O nome do modelo a treinar. string
númeroDasÉpocas Número de épocas de formação. Int
formaçãoBatchSize O tamanho do lote para o procedimento de treinamento. Int
validaçãoBatchSize O tamanho do lote a ser usado durante a avaliação. Int
warmupRatio A relação de aquecimento, usada ao lado de LrSchedulerType. Int
pesoDecaimento O decaimento de peso para o procedimento de treinamento. Int

NlpVerticalLimitSettings

Designação Descrição Valor
maxConcurrentTrials Máximo de iterações simultâneas do AutoML. Int
maxNós Máximo de nós a serem usados para o experimento. Int
maxEnsaios Número de iterações AutoML. Int
tempo limite Tempo limite do trabalho AutoML. string
trialTimeout Tempo limite para ensaios individuais de DH. string

NlpParameterSubspace

Designação Descrição Valor
gradientAcumulaçãoEtapas Número de etapas para acumular gradientes antes de executar uma passagem para trás. string
learningRate A taxa de aprendizagem para o procedimento de formação. string
aprendizagemRateScheduler O tipo de cronograma de taxa de aprendizagem a ser usado durante o procedimento de treinamento. string
nome_modelo O nome do modelo a treinar. string
númeroDasÉpocas Número de épocas de formação. string
formaçãoBatchSize O tamanho do lote para o procedimento de treinamento. string
validaçãoBatchSize O tamanho do lote a ser usado durante a avaliação. string
warmupRatio A relação de aquecimento, usada ao lado de LrSchedulerType. string
pesoDecaimento O decaimento de peso para o procedimento de treinamento. string

NlpSweepSettings

Designação Descrição Valor
Rescisão antecipada Tipo de política de rescisão antecipada para o trabalho de varredura. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo de algoritmo de amostragem. 'Bayesiano'
'Grade'
'Aleatório' (obrigatório)

TextClassificationMultilabel

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. 'TextClassificationMultilabel' (obrigatório)
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. NlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. NlpSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput

TextNer

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. 'TextNER' (obrigatório)
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. NlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. NlpSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput

CommandJob

Designação Descrição Valor
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. 'Comando' (obrigatório)
autologgerConfigurações Configuração de distribuição do trabalho. Se definido, este deve ser um de Mpi, Tensorflow, PyTorch, ou null. AutologgerSettings
codeId ID do recurso ARM do ativo de código. string
comando [Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py" string (obrigatório)

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

Restrições:
Padrão = [a-zA-Z0-9_]
environmentVariables Variáveis de ambiente incluídas no trabalho. CommandJobEnvironmentVariables
Insumos Mapeamento de ligações de dados de entrada usadas no trabalho. CommandJobInputs
Limites Limite de trabalho de comando. CommandJobLimits
saídas Mapeamento das ligações de dados de saída usadas no trabalho. CommandJobOutputs
queueSettings Configurações de fila para o trabalho QueueSettings
Recursos Configuração de recursos de computação para o trabalho. JobResourceConfiguration

AutologgerSettings

Designação Descrição Valor
mlflowAutologger [Obrigatório] Indica se o mlflow autologger está habilitado. 'Desativado'
'Ativado' (obrigatório)

DistributionConfiguration

Designação Descrição Valor
tipo de distribuição Definir o tipo de objeto Mpi
PyTorch
TensorFlow (obrigatório)

Mpi

Designação Descrição Valor
tipo de distribuição [Obrigatório] Especifica o tipo de estrutura de distribuição. «Mpi» (obrigatório)
processCountPerInstance Número de processos por nó MPI. Int

PyTorch

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

TensorFlow

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

CommandJobEnvironmentVariables

Designação Descrição Valor
{propriedade personalizada} string

CommandJobInputs

Designação Descrição Valor
{propriedade personalizada} JobInput

JobInput

Designação 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

Designação Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'custom_model' (obrigatório)
modo Modo de entrega de ativos de entrada. 'Direto'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

LiteralJobInput

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

Restrições:
Padrão = [a-zA-Z0-9_]

TritonModelJobInput

Designação Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'triton_model' (obrigatório)
modo Modo de entrega de ativos de entrada. 'Direto'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

UriFileJobInput

Designação Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'uri_file' (obrigatório)
modo Modo de entrega de ativos de entrada. 'Direto'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

UriFolderJobInput

Designação Descrição Valor
jobInputType [Obrigatório] Especifica o tipo de trabalho. 'uri_folder' (obrigatório)
modo Modo de entrega de ativos de entrada. 'Direto'
'Baixar'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
URI [Obrigatório] URI do ativo de entrada. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

CommandJobLimits

Designação Descrição Valor
jobLimitsType [Obrigatório] Tipo JobLimit. 'Comando'
'Varredura' (obrigatório)
tempo limite A duração máxima de execução no formato ISO 8601, após a qual o trabalho será cancelado. Suporta apenas a duração com uma precisão tão baixa como segundos. string

CommandJobSaídas

Designação Descrição Valor
{propriedade personalizada} JobOutput

LabelingJobProperties

Designação Descrição Valor
componentId ID do recurso ARM do recurso componente. string
computeId ID do recurso ARM do recurso de computação. string
dataConfiguration Configuração dos dados utilizados no trabalho. LabelingDataConfiguration
Descrição O texto da descrição do ativo. string
displayName Exibir nome do trabalho. string
nome da experiência O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". string
identidade Configuração de identidade. Se definido, este deve ser um dos AmlToken, ManagedIdentity, UserIdentity ou null.
O padrão é AmlToken se null.		 IdentityConfiguration
isArquivado O ativo está arquivado? Bool
jobInstruções Instruções de etiquetagem do trabalho. LabelingJobInstructions
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. 'AutoML'
'Comando'
'Rotulagem'
'Gasoduto'
'Faísca'
'Varredura' (obrigatório)
labelCategorias Rotule as categorias do trabalho. LabelingJobLabelCategories
labelingJobMediaProperties Propriedades específicas do tipo de mídia no trabalho. LabelingJobMediaProperties
mlAssistConfiguration Configuração do recurso MLAssist no trabalho. MLAssistConfiguration
notificationSetting Configuração de notificação para o trabalho NotificationSetting
propriedades O dicionário de propriedades de ativos. ResourceBaseProperties
serviços Lista de JobEndpoints.
Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.		 JobBaseServices
Etiquetas Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas. objeto

LabelingDataConfiguration

Designação Descrição Valor
DataId ID do recurso do ativo de dados para executar a rotulagem. string
incrementalDataRefresh Indica se a atualização incremental de dados deve ser habilitada. 'Desativado'
'Habilitado'

RotulagemInstruções de trabalho

Designação Descrição Valor
URI O link para uma página com instruções detalhadas de rotulagem para rotuladoras. string

RotulagemJobLabelCategorias

Designação Descrição Valor
{propriedade personalizada} LabelCategory

LabelCategory

Designação Descrição Valor
Aulas Dicionário de classes de rótulos nesta categoria. LabelCategoryClasses
displayName Nome para exibição da categoria de rótulo. string
multiSelecionar Indica se é permitido selecionar várias classes nesta categoria. 'Desativado'
'Habilitado'

LabelCategoryClasses

Designação Descrição Valor
{propriedade personalizada} LabelClass

LabelClass

Designação Descrição Valor
displayName Nome para exibição da classe de rótulo. string
Subclasses Dicionário de subclasses da classe label. LabelClassSubclasses

LabelClassSubclasses

Designação Descrição Valor
{propriedade personalizada} LabelClass

LabelingJobMediaProperties

Designação Descrição Valor
MediaType Definir o tipo de objeto Imagem
de texto (obrigatório)

LabelingJobImageProperties

Designação Descrição Valor
MediaType [Obrigatório] Tipo de mídia do trabalho. 'Imagem' (obrigatório)
annotationType Tipo de anotação do trabalho de etiquetagem de imagem. 'BoundingBox'
'Classificação'
'SegmentaçãoInstância'

LabelingJobTextProperties

Designação Descrição Valor
MediaType [Obrigatório] Tipo de mídia do trabalho. 'Texto' (obrigatório)
annotationType Tipo de anotação do trabalho de etiquetagem de texto. 'Classificação'
'NamedEntityRecognition'

MLAssistConfiguration

Designação Descrição Valor
mlAssist [en] Definir o tipo de objeto Deficientes
ativado (obrigatório)

MLAssistConfigurationDisabled

Designação Descrição Valor
mlAssist [en] [Obrigatório] Indica se o recurso MLAssist está habilitado. 'Desativado' (obrigatório)

MLAssistConfigurationEnabled

Designação Descrição Valor
mlAssist [en] [Obrigatório] Indica se o recurso MLAssist está habilitado. 'Ativado' (obrigatório)
inferencingComputeBinding [Obrigatório] Ligação de computação AML usada na inferência. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]
formaçãoComputeBinding [Obrigatório] Ligação de computação AML usada em treinamento. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

PipelineJob

Designação Descrição Valor
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. «Gasoduto» (obrigatório)
Insumos Insumos para o trabalho de pipeline. PipelineJobInputs
empregos Os trabalhos constroem o trabalho de pipeline. PipelineJobJobs
saídas Saídas para o trabalho de pipeline PipelineJobOutputs
Configurações Configurações de pipeline, para coisas como ContinueRunOnStepFailure etc.
fonteJobId ID do recurso ARM do trabalho de origem. string

PipelineJobInputs

Designação Descrição Valor
{propriedade personalizada} JobInput

PipelineJobJobs

Designação Descrição Valor
{propriedade personalizada}

PipelineJobSaídas

Designação Descrição Valor
{propriedade personalizada} JobOutput

Faísca

Designação Descrição Valor
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. 'Faísca' (obrigatório)
Arquivos Arquivar arquivos usados no trabalho. string[]
Args Argumentos a favor do trabalho. string
codeId [Obrigatório] ID do recurso ARM do ativo de código. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]
conf Propriedades configuradas do Spark. SparkJobConf
entrada [Obrigatório] A entrada para executar na inicialização do trabalho. SparkJobEntry (obrigatório)
environmentId O ID do recurso ARM da especificação Ambiente para o trabalho. string
ficheiros Arquivos usados no trabalho. string[]
Insumos Mapeamento de ligações de dados de entrada usadas no trabalho. SparkJobInputs
frascos Jar arquivos usados no trabalho. string[]
saídas Mapeamento das ligações de dados de saída usadas no trabalho. SparkJobOutputs
Arquivos py Arquivos Python usados no trabalho. string[]
queueSettings Configurações de fila para o trabalho QueueSettings
Recursos Configuração de recursos de computação para o trabalho. SparkResourceConfiguration

SparkJobConf

Designação Descrição Valor
{propriedade personalizada} string

SparkJobEntry

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

SparkJobPythonEntry

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

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

SparkJobScalaEntry

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

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

SparkJobInputs

Designação Descrição Valor
{propriedade personalizada} JobInput

SparkJobOutputs

Designação Descrição Valor
{propriedade personalizada} JobOutput

SparkResourceConfiguration

Designação Descrição Valor
tipo de instância Tipo opcional de VM usado conforme suportado pelo destino de computação. string
runtimeVersion Versão do tempo de execução do spark usado para o trabalho. string

Varredura

Designação Descrição Valor
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. 'Varredura' (obrigatório)
Rescisão antecipada As políticas de rescisão antecipada permitem cancelar execuções com baixo desempenho antes que elas sejam concluídas EarlyTerminationPolicy
Insumos Mapeamento de ligações de dados de entrada usadas no trabalho. SweepJobInputs
Limites Limite de trabalho de varredura. SweepJobLimits
objetivo [Obrigatório] Objetivo de otimização. Objetivo (obrigatório)
saídas Mapeamento das ligações de dados de saída usadas no trabalho. SweepJobOutputs
queueSettings Configurações de fila para o trabalho QueueSettings
samplingAlgorithm [Obrigatório] O algoritmo de amostragem de hiperparâmetros SamplingAlgorithm (obrigatório)
espaço de pesquisa [Obrigatório] Um dicionário contendo cada parâmetro e sua distribuição. A chave do dicionário é o nome do parâmetro
julgamento [Obrigatório] Definição do componente experimental. TrialComponent (obrigatório)

SweepJobInputs

Designação Descrição Valor
{propriedade personalizada} JobInput

SweepJobLimits

Designação Descrição Valor
jobLimitsType [Obrigatório] Tipo JobLimit. 'Comando'
'Varredura' (obrigatório)
maxConcurrentTrials Varrer o Job max testes simultâneos. Int
maxTotalTrials Varrer o total de testes do Sweep Job. Int
tempo limite A duração máxima de execução no formato ISO 8601, após a qual o trabalho será cancelado. Suporta apenas a duração com uma precisão tão baixa como segundos. string
trialTimeout Valor do tempo limite da Avaliação do Trabalho de Varredura. string

Objetivo

Designação Descrição Valor
Objetivo [Obrigatório] Define metas métricas suportadas para ajuste de hiperparâmetros 'Maximizar'
'Minimizar' (obrigatório)
primaryMetric [Obrigatório] Nome da métrica a ser otimizada. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

SweepJobOutputs

Designação Descrição Valor
{propriedade personalizada} JobOutput

SamplingAlgorithm

Designação Descrição Valor
samplingAlgorithmType Definir o tipo de objeto Bayesian
Grid
aleatório (obrigatório)

BayesianSamplingAlgorithm

Designação Descrição Valor
samplingAlgorithmType [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração 'Bayesiano' (obrigatório)

GridSamplingAlgorithm

Designação Descrição Valor
samplingAlgorithmType [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração 'Grade' (obrigatório)

RandomSamplingAlgorithm

Designação Descrição Valor
samplingAlgorithmType [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração 'Aleatório' (obrigatório)
Base de registo Um número positivo opcional ou e em formato string a utilizar como base para amostragem aleatória logarítmica string
regra O tipo específico de algoritmo aleatório 'Aleatório'
'Sobol'
sementes Um inteiro opcional para usar como semente para geração de números aleatórios Int

TrialComponent

Designação Descrição Valor
codeId ID do recurso ARM do ativo de código. string
comando [Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py" string (obrigatório)

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

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

TrialComponentEnvironmentVariables

Designação Descrição Valor
{propriedade personalizada} string

Modelos de início rápido

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

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

Implantar no Azure 		Este modelo cria um trabalho de classificação AutoML do Azure Machine Learning para descobrir o melhor modelo para prever se um cliente subscreverá um depósito a prazo fixo numa instituição financeira.
Criar um trabalho de Comando do Azure Machine Learning

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

Implantar no Azure 		Este modelo cria um trabalho de varredura do Azure Machine Learning para ajuste de hiperparâmetros.

Definição de recursos Terraform (provedor AzAPI)

O tipo de recurso espaços de trabalho/trabalhos pode ser implantado com operações que visam:

  • Grupos de recursos

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

Formato do recurso

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

resource "azapi_resource" "symbolicname" {
  type = "Microsoft.MachineLearningServices/workspaces/jobs@2023-02-01-preview"
  name = "string"
  parent_id = "string"
  body = jsonencode({
    properties = {
      componentId = "string"
      computeId = "string"
      description = "string"
      displayName = "string"
      experimentName = "string"
      identity = {
        identityType = "string"
        // For remaining properties, see IdentityConfiguration objects
      }
      isArchived = bool
      notificationSetting = {
        emailOn = [
          "string"
        ]
        emails = [
          "string"
        ]
      }
      properties = {
        {customized property} = "string"
      }
      services = {
        {customized property} = {
          endpoint = "string"
          jobServiceType = "string"
          nodes = {
            nodesValueType = "string"
            // For remaining properties, see Nodes objects
          }
          port = int
          properties = {
            {customized property} = "string"
          }
        }
      }
      tags = {}
      jobType = "string"
      // For remaining properties, see JobBaseProperties objects
    }
  })
}

Objetos JobBaseProperties

Defina a propriedade jobType para especificar o tipo de objeto.

Para AutoML, use:

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

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

Para de rotulagem, use:

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

Para Pipeline, use:

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

Para Spark, use:

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

Para Varredura, use:

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

Objetos IdentityConfiguration

Defina a propriedade identityType para especificar o tipo de objeto.

Para AMLToken, use:

  identityType = "AMLToken"

Para Managed, use:

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

Para UserIdentity , use:

  identityType = "UserIdentity"

Objetos de nós

Defina a propriedade nodesValueType para especificar o tipo de objeto.

Para todos os, use:

  nodesValueType = "All"

Objetos JobOutput

Defina a propriedade jobOutputType para especificar o tipo de objeto.

Para custom_model, utilize:

  jobOutputType = "custom_model"
  assetName = "string"
  assetVersion = "string"
  mode = "string"
  uri = "string"

Para mlflow_model, utilize:

  jobOutputType = "mlflow_model"
  assetName = "string"
  assetVersion = "string"
  mode = "string"
  uri = "string"

Para mltable, use:

  jobOutputType = "mltable"
  assetName = "string"
  assetVersion = "string"
  mode = "string"
  uri = "string"

Para triton_model, utilize:

  jobOutputType = "triton_model"
  assetName = "string"
  assetVersion = "string"
  mode = "string"
  uri = "string"

Para uri_file, utilize:

  jobOutputType = "uri_file"
  assetName = "string"
  assetVersion = "string"
  mode = "string"
  uri = "string"

Para uri_folder, utilize:

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

Para de previsão, utilize:

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

Para ImageClassification , use:

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

Para ImageClassificationMultilabel , use:

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

Para ImageInstanceSegmentation , use:

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

Para ImageObjectDetection , use:

  taskType = "ImageObjectDetection"
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    boxDetectionsPerImage = int
    boxScoreThreshold = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    imageSize = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    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

Parade regressão , use:

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

Para TextClassification , use:

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

Para TextClassificationMultilabel , use:

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

Para TextNER, use:

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

Objetos NCrossValidations

Defina o modo propriedade para especificar o tipo de objeto.

Para automático, use:

  mode = "Auto"

Para Custom, use:

  mode = "Custom"
  value = int

Objetos EarlyTerminationPolicy

Defina a propriedade policyType para especificar o tipo de objeto.

Para Bandit, use:

  policyType = "Bandit"
  slackAmount = int
  slackFactor = int

Para MedianStopping , use:

  policyType = "MedianStopping"

Para TruncationSelection , use:

  policyType = "TruncationSelection"
  truncationPercentage = int

Objetos ForecastHorizon

Defina o modo propriedade para especificar o tipo de objeto.

Para automático, use:

  mode = "Auto"

Para Custom, use:

  mode = "Custom"
  value = int

Objetos de sazonalidade

Defina o modo propriedade para especificar o tipo de objeto.

Para automático, use:

  mode = "Auto"

Para Custom, use:

  mode = "Custom"
  value = int

Objetos TargetLags

Defina o modo propriedade para especificar o tipo de objeto.

Para automático, use:

  mode = "Auto"

Para Custom, use:

  mode = "Custom"
  values = [
    int
  ]

Objetos TargetRollingWindowSize

Defina o modo propriedade para especificar o tipo de objeto.

Para automático, use:

  mode = "Auto"

Para Custom, use:

  mode = "Custom"
  value = int

Objetos DistributionConfiguration

Defina a propriedade distributionType para especificar o tipo de objeto.

Para Mpi, use:

  distributionType = "Mpi"
  processCountPerInstance = int

Para PyTorch, use:

  distributionType = "PyTorch"
  processCountPerInstance = int

Para TensorFlow , use:

  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 , use:

  jobInputType = "literal"
  value = "string"

Para mlflow_model, utilize:

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

Para mltable, use:

  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 LabelingJobMediaProperties

Defina a propriedade mediaType para especificar o tipo de objeto.

Para de imagem, use:

  mediaType = "Image"
  annotationType = "string"

Para de texto , use:

  mediaType = "Text"
  annotationType = "string"

Objetos MLAssistConfiguration

Defina a propriedade mlAssist para especificar o tipo de objeto.

Para com deficiência, use:

  mlAssist = "Disabled"

Para Enabled, use:

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

Objetos SparkJobEntry

Defina a propriedade sparkJobEntryType para especificar o tipo de objeto.

Para SparkJobPythonEntry , use:

  sparkJobEntryType = "SparkJobPythonEntry"
  file = "string"

Para SparkJobScalaEntry , use:

  sparkJobEntryType = "SparkJobScalaEntry"
  className = "string"

Objetos SamplingAlgorithm

Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.

Para Bayesian, use:

  samplingAlgorithmType = "Bayesian"

Para Grid, use:

  samplingAlgorithmType = "Grid"

Para Random, use:

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

Valores de propriedade

espaços de trabalho/trabalhos

Designação Descrição Valor
tipo O tipo de recurso "Microsoft.MachineLearningServices/workspaces/jobs@2023-02-01-preview"
Designação O nome do recurso string (obrigatório)
parent_id A ID do recurso que é o pai para este recurso. ID do recurso do tipo: espaços de trabalho
propriedades [Obrigatório] Atributos adicionais da entidade. JobBaseProperties (obrigatório)

JobBaseProperties

Designação Descrição Valor
componentId ID do recurso ARM do recurso componente. string
computeId ID do recurso ARM do recurso de computação. string
Descrição O texto da descrição do ativo. string
displayName Exibir nome do trabalho. string
nome da experiência O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". string
identidade Configuração de identidade. Se definido, este deve ser um dos AmlToken, ManagedIdentity, UserIdentity ou null.
O padrão é AmlToken se null.		 IdentityConfiguration
isArquivado O ativo está arquivado? Bool
notificationSetting Configuração de notificação para o trabalho NotificationSetting
propriedades O dicionário de propriedades de ativos. ResourceBaseProperties
serviços Lista de JobEndpoints.
Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.		 JobBaseServices
Etiquetas Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas. objeto
Tipo de trabalho Definir o tipo de objeto AutoML
de comando
Rotulagem
Pipeline
Spark
Varredura (obrigatório)

IdentityConfiguration

Designação Descrição Valor
identityType Definir o tipo de objeto AMLToken
Gestão
UserIdentity (obrigatório)

AmlToken

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

Identidade gerenciada

Designação Descrição Valor
identityType [Obrigatório] Especifica o tipo de estrutura de identidade. "Gerenciado" (obrigatório)
ID do cliente Especifica uma identidade atribuída pelo usuário por ID do cliente. Para sistema atribuído, 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 usuário por ID de objeto. Para sistema atribuído, 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 usuário por ID de recurso ARM. Para sistema atribuído, não defina este campo. string

Identidade do usuário

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

NotificationSetting

Designação Descrição Valor
e-mailOn Enviar notificação por e-mail para o usuário no tipo de notificação especificado Matriz de cadeia de caracteres contendo qualquer uma das:
"TrabalhoCancelado"
"TrabalhoConcluído"
"JobFailed"
E-mails Esta é a lista de destinatários de e-mail que tem uma limitação de 499 caracteres no total concat com separador de vírgula string[]

ResourceBaseProperties

Designação Descrição Valor
{propriedade personalizada} string

JobBaseServices

Designação Descrição Valor
{propriedade personalizada} JobService

Serviço de Emprego

Designação Descrição Valor
Ponto final Url para o ponto de extremidade. string
jobServiceType Tipo de ponto final. string
nós Nós nos quais o usuário gostaria de iniciar o serviço.
Se Nós não estiver definido ou definido como nulo, o serviço só será iniciado no nó líder.		 de nós
porto Porta para ponto de extremidade definida pelo usuário. Int
propriedades Propriedades adicionais a serem definidas no ponto de extremidade. JobServiceProperties

Nós

Designação Descrição Valor
nósValueType Definir o tipo de objeto Todos os (obrigatório)

AllNodes

Designação Descrição Valor
nósValueType [Obrigatório] Tipo do valor de Nós "Todos" (obrigatório)

JobServiceProperties

Designação Descrição Valor
{propriedade personalizada} string

AutoMLJob

Designação Descrição Valor
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. "AutoML" (obrigatório)
environmentId O ID do recurso ARM da especificação Ambiente para o trabalho.
Este é um valor opcional para fornecer, se não for fornecido, o AutoML assumirá como padrão a versão do ambiente com curadoria do AutoML de Produção ao executar o trabalho.		 string
environmentVariables Variáveis de ambiente incluídas no trabalho. AutoMLJobEnvironmentVariables
saídas Mapeamento das ligações de dados de saída usadas no trabalho. AutoMLJobOutputs
queueSettings Configurações de fila para o trabalho QueueSettings
Recursos Configuração de recursos de computação para o trabalho. JobResourceConfiguration
taskDetalhes [Obrigatório] Isso representa um cenário que pode ser um dos Tabelas/NLP/Imagem AutoMLVertical (obrigatório)

AutoMLJobEnvironmentVariables

Designação Descrição Valor
{propriedade personalizada} string

AutoMLJobOutputs

Designação Descrição Valor
{propriedade personalizada} JobOutput

JobOutput

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

CustomModelJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. "custom_model" (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. "Direto"
"ReadWriteMount"
"Carregar"
URI URI do ativo de saída. string

MLFlowModelJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. "mlflow_model" (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. "Direto"
"ReadWriteMount"
"Carregar"
URI URI do ativo de saída. string

MLTableJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. "mltable" (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. "Direto"
"ReadWriteMount"
"Carregar"
URI URI do ativo de saída. string

TritonModelJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. "triton_model" (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. "Direto"
"ReadWriteMount"
"Carregar"
URI URI do ativo de saída. string

UriFileJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. "uri_file" (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. "Direto"
"ReadWriteMount"
"Carregar"
URI URI do ativo de saída. string

UriFolderJobOutput

Designação Descrição Valor
jobOutputType [Obrigatório] Especifica o tipo de trabalho. "uri_folder" (obrigatório)
nome_do_ativo Nome do ativo de saída. string
assetVersion Versão do ativo de saída. string
modo Modo de Entrega de Ativos de Saída. "Direto"
"ReadWriteMount"
"Carregar"
URI URI do ativo de saída. string

Configurações da fila

Designação Descrição Valor
nível de trabalho Enum para determinar a camada de trabalho. "Básico"
"Premium"
"Localização"
"Padrão"
prioridade Controla a prioridade do trabalho em uma computação. Int

JobResourceConfiguration

Designação Descrição Valor
dockerArgs Argumentos extras para passar para o comando de execução do Docker. Isso substituiria quaisquer parâmetros que já tenham sido definidos pelo sistema ou nesta seção. Este parâmetro só tem suporte para tipos de computação do Azure ML. string
instanceCount Número opcional de instâncias ou nós usados pelo destino de computação. Int
tipo de instância Tipo opcional de VM usado conforme suportado pelo destino de computação. string
Locais Locais onde o trabalho pode ser executado. string[]
propriedades Saco de propriedades adicionais. ResourceConfigurationProperties
shmTamanho Tamanho do bloco de memória compartilhada do contêiner docker. Este deve ser no formato de (número)(unidade), onde o número é maior que 0 e a unidade pode ser um de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes). string

Restrições:
Padrão = \d+[bBkKmMgG]

ResourceConfigurationProperties

Designação Descrição Valor
{propriedade personalizada}

AutoMLVertical

Designação Descrição Valor
logVerbosidade Registre a verbosidade para o trabalho. "Crítica"
"Depurar"
"Erro"
"Informações"
"NotSet"
"Atenção"
targetColumnName Nome da coluna de destino: Esta é a coluna de valores de previsão.
Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.		 string
formaçãoDados de formação [Obrigatório] Introdução de dados de formação. MLTableJobInput (obrigatório)
Tipo de tarefa Definir o tipo de objeto Classificação
Previsão
ImageClassification
ImageClassificationMultilabel
ImageInstanceSegmentation
ImageObjectDetection
Regressão
TextClassification
TextClassificationMultilabel
TextNER (obrigatório)

MLTableJobInput

Designação Descrição Valor
Descrição Descrição da entrada. string
jobInputType [Obrigatório] Especifica o tipo de trabalho. "custom_model"
"Literal"
"mlflow_model"
"Mltable"
"triton_model"
"uri_file"
"uri_folder" (obrigatório)
modo Modo de entrega de ativos de entrada. "Direto"
"Baixar"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
URI [Obrigatório] URI do ativo de entrada. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

Classificação

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. "Classificação" (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. TableFixedParameters
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nValidações cruzadas Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
rótulo positivo Rótulo positivo para cálculo de métricas binárias. string
primaryMetric Métrica primária para a tarefa. "AUCWeighted"
"Precisão"
"AveragePrecisionScoreWeighted"
"NormMacroRecall"
"PrecisionScoreWeighted"
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. TableSweepSettings
testData Entrada de dados de teste. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
formaçãoConfigurações Entradas para a fase de treinamento para um trabalho AutoML. ClassificaçãoFormaçãoConfigurações
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
weightColumnName O nome da coluna de peso da amostra. 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

Designação Descrição Valor
blockedTransformers Estes transformadores não devem ser utilizados na featurização. Matriz de cadeia de caracteres contendo qualquer uma das:
"CatTargetEncoder"
"CountVectorizer"
"HashOneHotEncoder"
"LabelEncoder"
"NaiveBayes"
"OneHotEncoder"
"TextTargetEncoder"
"TfIdf"
"WoETargetEncoder"
"Incorporação de palavras"
columnNameAndTypes Dicionário do nome da coluna e seu tipo (int, float, string, datetime etc). TableVerticalFeaturizationSettingsColumnNameAndTypes
conjunto de dadosLinguagem Linguagem do conjunto de dados, útil para os dados de texto. string
enableDnnFeaturization Determina se os featurizers baseados em Dnn devem ser usados para a featurização de dados. Bool
modo Modo de featurização - O usuário pode manter o modo 'Auto' padrão e o AutoML cuidará da transformação necessária dos dados na fase de featurização.
Se 'Off' for selecionado, nenhuma featurização será feita.
Se 'Personalizado' estiver selecionado, o usuário pode especificar entradas adicionais para personalizar como a featurização é feita.		 "Auto"
"Personalizado"
"Desligado"
transformadoresParams O usuário pode especificar transformadores adicionais a serem usados juntamente com as colunas às quais seria aplicado e parâmetros para o construtor do transformador. TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Designação Descrição Valor
{propriedade personalizada} string

TableVerticalFeaturizationSettingsTransformerParams

Designação Descrição Valor
{propriedade personalizada} ColumnTransformer[]

ColumnTransformer

Designação Descrição Valor
campos Campos para aplicar a lógica do transformador. string[]
Parâmetros Diferentes propriedades a serem passadas para o transformador.
A entrada esperada é o dicionário de pares chave, valor no formato JSON.

TableFixedParameters

Designação Descrição Valor
reforço Especifique o tipo de impulsionamento, por exemplo, gbdt para XGBoost. string
boostingType Especifique o tipo de impulsionamento, por exemplo, gbdt para LightGBM. string
growPolicy Especifique a política de crescimento, que controla a maneira como novos nós são adicionados à árvore. string
learningRate A taxa de aprendizagem para o procedimento de formação. Int
maxBin [en] Especifique o número máximo de compartimentos discretos para bucket de recursos contínuos. Int
maxProfundidade Especifique a profundidade máxima para limitar a profundidade da árvore explicitamente. Int
maxFolhas Especifique o máximo de folhas para limitar as folhas da árvore explicitamente. Int
minDataInLeaf O número mínimo de dados por folha. Int
minSplitGain Redução mínima de perda necessária para fazer uma nova partição em um nó de folha da árvore. Int
nome_modelo O nome do modelo a treinar. string
nEstimadores Especifique o número de árvores (ou rodadas) em um modelo. Int
numFolhas Especifique o número de folhas. Int
pré-processadorNome O nome do pré-processador a ser usado. string
regAlpha Termo de regularização L1 em pesos. Int
regLambda Termo de regularização L2 em pesos. Int
subamostra Rácio de subamostras da instância de formação. Int
subsampleFreq Frequência da subamostra. Int
treeMethod Especifique o método tree. string
comMédia Se verdadeiro, centralize antes de dimensionar os dados com StandardScalar. Bool
comStd Se verdadeiro, dimensione os dados com Variação de Unidade com StandardScalar. Bool

TableVerticalLimitSettings

Designação Descrição Valor
habilitarRescisão antecipada Habilite o encerramento antecipado, determine se o AutoMLJob será encerrado antecipadamente se não houver melhoria de pontuação nas últimas 20 iterações. Bool
exitScore Pontuação de saída para o trabalho AutoML. Int
maxConcurrentTrials Máximo de iterações simultâneas. Int
maxCoresPerTrial Máximo de núcleos por iteração. Int
maxNós Máximo de nós a serem usados para o experimento. Int
maxEnsaios Número de iterações. Int
varreduraConcurrentTrials Número de execuções de varredura simultâneas que o usuário deseja acionar. Int
varredurasEnsaios Número de execuções de varredura que o usuário deseja acionar. Int
tempo limite Tempo limite do trabalho AutoML. string
trialTimeout Tempo limite de iteração. string

NCrossValidações

Designação Descrição Valor
modo Definir o tipo de objeto Auto
Custom (obrigatório)

AutoNCrossValidações

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

CustomNCrossValidations

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

TableParameterSubspace

Designação Descrição Valor
reforço Especifique o tipo de impulsionamento, por exemplo, gbdt para XGBoost. string
boostingType Especifique o tipo de impulsionamento, por exemplo, gbdt para LightGBM. string
growPolicy Especifique a política de crescimento, que controla a maneira como novos nós são adicionados à árvore. string
learningRate A taxa de aprendizagem para o procedimento de formação. string
maxBin [en] Especifique o número máximo de compartimentos discretos para bucket de recursos contínuos. string
maxProfundidade Especifique a profundidade máxima para limitar a profundidade da árvore explicitamente. string
maxFolhas Especifique o máximo de folhas para limitar as folhas da árvore explicitamente. string
minDataInLeaf O número mínimo de dados por folha. string
minSplitGain Redução mínima de perda necessária para fazer uma nova partição em um nó de folha da árvore. string
nome_modelo O nome do modelo a treinar. string
nEstimadores Especifique o número de árvores (ou rodadas) em um modelo. string
numFolhas Especifique o número de folhas. string
pré-processadorNome O nome do pré-processador a ser usado. string
regAlpha Termo de regularização L1 em pesos. string
regLambda Termo de regularização L2 em pesos. string
subamostra Rácio de subamostras da instância de formação. string
subsampleFreq Frequência da subamostra string
treeMethod Especifique o método tree. string
comMédia Se verdadeiro, centralize antes de dimensionar os dados com StandardScalar. string
comStd Se verdadeiro, dimensione os dados com Variação de Unidade com StandardScalar. string

TableSweepSettings

Designação Descrição Valor
Rescisão antecipada Tipo de política de rescisão antecipada para o trabalho de varredura. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo de algoritmo de amostragem. "Bayesiano"
"Grade"
"Aleatório" (obrigatório)

Política de Rescisão Antecipada

Designação Descrição Valor
delayAvaliação Número de intervalos para adiar a primeira avaliação. Int
avaliaçãoIntervalo Intervalo (número de execuções) entre avaliações de políticas. Int
policyType Definir o tipo de objeto Bandido
MedianStop
TruncationSelection (obrigatório)

BanditPolicy

Designação Descrição Valor
policyType [Obrigatório] Nome da configuração da política "Bandido" (obrigatório)
slackAmount Distância absoluta permitida da corrida com melhor desempenho. Int
slackFactor Relação entre a distância permitida e a corrida com melhor desempenho. Int

MedianStoppingPolicy

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

TruncationSelectionPolicy

Designação Descrição Valor
policyType [Obrigatório] Nome da configuração da política "TruncationSelection" (obrigatório)
truncamentoPercentagem A percentagem de corridas a cancelar em cada intervalo de avaliação. Int

ClassificaçãoFormaçãoConfigurações

Designação Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para a tarefa de classificação. Matriz de cadeia de caracteres contendo qualquer uma das:
"BernoulliNaiveBayes"
"Árvore de decisão"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LuzGBM"
"LinearSVM"
"Regressão Logística"
"MultinomialNaiveBayes"
"RandomForest"
"SGD"
"SVM"
"XGBoostClassifier"
blockedTrainingAlgorithms Modelos bloqueados para tarefa de classificação. Matriz de cadeia de caracteres contendo qualquer uma das:
"BernoulliNaiveBayes"
"Árvore de decisão"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LuzGBM"
"LinearSVM"
"Regressão Logística"
"MultinomialNaiveBayes"
"RandomForest"
"SGD"
"SVM"
"XGBoostClassifier"
enableDnnTraining Habilite a recomendação de modelos DNN. Bool
enableModelExplainability Sinalize para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para ativar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilite a execução do conjunto de pilha. Bool
enableVoteEnsemble Habilite a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados.
Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.		 string
stackEnsembleSettings Configurações de conjunto de pilha para execução de conjunto de pilha. StackEnsembleSettings
formaçãoModo de formação Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'.
Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos.
Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos.
 "Auto"
"Distribuído"
"Não distribuído"

StackEnsembleSettings

Designação Descrição Valor
stackMetaLearnerKWargs Parâmetros opcionais para passar para o inicializador do meta-aluno.
stackMetaLearnerTrainPercentage Especifica a proporção do conjunto de treinamento (ao escolher o tipo de treinamento de treinamento e validação) a ser reservada para o treinamento do meta-aluno. O valor padrão é 0,2. Int
stackMetaLearnerType O meta-aprendiz é um modelo treinado na saída dos modelos heterogêneos individuais. "ElasticNet"
"ElasticNetCV"
"LightGBMClassifier"
"LightGBMRegressor"
"Regressão Linear"
"Regressão Logística"
"LogisticRegressionCV"
"Nenhuma"

Previsão

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. "Previsão" (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. TableFixedParameters
previsãoConfigurações Previsão de entradas específicas da tarefa. ForecastingSettings
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nValidações cruzadas Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
primaryMetric Métrica primária para a tarefa de previsão. "NormalizedMeanAbsoluteError"
"NormalizedRootMeanSquaredError"
"R2Score"
"Correlação de Spearman"
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. TableSweepSettings
testData Entrada de dados de teste. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
formaçãoConfigurações Entradas para a fase de treinamento para um trabalho AutoML. ForecastingTrainingSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
weightColumnName O nome da coluna de peso da amostra. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. string

PrevisãoConfigurações

Designação Descrição Valor
paísOrRegiãoParaFeriados País ou região para feriados para tarefas de previsão.
Estes devem ser códigos de país/região ISO 3166 de duas letras, por exemplo "EUA" ou "GB".		 string
cvStepTamanho Número de períodos entre a hora de origem de uma dobra CV e a dobra seguinte. Para a
Por exemplo, se CVStepSize = 3 para dados diários, o tempo de origem para cada dobra será
com três dias de intervalo.		 Int
featureLags Sinalizador para gerar atrasos para os recursos numéricos com 'auto' ou null. "Auto"
"Nenhuma"
forecastHorizon O horizonte máximo de previsão desejado em unidades de frequência de séries cronológicas. ForecastHorizon
FREQUÊNCIA Ao fazer a previsão, 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 padrão. string
sazonalidade Defina a sazonalidade das séries temporais como um múltiplo inteiro da frequência da série.
Se a sazonalidade for definida como 'auto', ela será inferida.		 Sazonalidade
shortSeriesHandlingConfig O parâmetro que define como se AutoML deve lidar com séries temporais curtas. "Auto"
"Gota"
"Nenhuma"
"Almofada"
targetAggregateFunction A função a ser usada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada pelo usuário.
Se o 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: "soma", "máx", "min" e "média".		 "Máx"
"Péssimo"
"Min"
"Nenhuma"
"Soma"
targetLags O número de períodos anteriores com atraso em relação à coluna de destino. TargetLags
targetRollingWindowSize O número de períodos passados usados para criar uma média de janela móvel da coluna de destino. TargetRollingWindowSize
timeColumnName O nome da coluna de tempo. Este parâmetro é necessário durante a previsão para especificar a coluna datetime nos dados de entrada usados para construir a série temporal e inferir sua frequência. string
timeSeriesIdColumnNames Os nomes das colunas usadas para agrupar uma série temporal. Ele pode ser usado para criar várias séries.
Se o grão não estiver definido, o conjunto de dados é assumido como uma série temporal. Este parâmetro é usado com a previsão de tipo de tarefa.		 string[]
useStl Configure a decomposição STL da coluna de destino da série temporal. "Nenhuma"
"Temporada"
"Tendência da estação"

ForecastHorizon

Designação Descrição Valor
modo Definir o tipo de objeto Auto
Custom (obrigatório)

AutoForecastHorizon

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

CustomForecastHorizon

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

Sazonalidade

Designação Descrição Valor
modo Definir o tipo de objeto Auto
Custom (obrigatório)

AutoSazonalidade

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

CustomSeasonality

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

TargetLags

Designação Descrição Valor
modo Definir o tipo de objeto Auto
Custom (obrigatório)

AutoTargetLags

Designação Descrição Valor
modo [Obrigatório] Definir o modo de atraso de destino - Auto/Custom "Auto" (obrigatório)

CustomTargetLags

Designação Descrição Valor
modo [Obrigatório] Definir o modo de atraso de destino - Auto/Custom "Personalizado" (obrigatório)
valores [Obrigatório] Defina valores de atraso de destino. int[] (obrigatório)

TargetRollingWindowSize

Designação Descrição Valor
modo Definir o tipo de objeto Auto
Custom (obrigatório)

AutoTargetRollingWindowSize

Designação Descrição Valor
modo [Obrigatório] Modo de deteção TargetRollingWindowSiz. "Auto" (obrigatório)

CustomTargetRollingWindowSize

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

PrevisãoFormaçãoConfigurações

Designação Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para tarefa de previsão. Matriz de cadeia de caracteres contendo qualquer uma das:
"Arimax"
"AutoArima"
"Péssimo"
"Árvore de decisão"
"ElasticNet"
"Suavização Exponencial"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LassoLars"
"LuzGBM"
"Ingênuo"
"Profeta"
"RandomForest"
"SGD"
"Média sazonal"
"SazonalNaive"
"TCNForecaster"
"XGBoostRegressor"
blockedTrainingAlgorithms Modelos bloqueados para tarefa de previsão. Matriz de cadeia de caracteres contendo qualquer uma das:
"Arimax"
"AutoArima"
"Péssimo"
"Árvore de decisão"
"ElasticNet"
"Suavização Exponencial"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LassoLars"
"LuzGBM"
"Ingênuo"
"Profeta"
"RandomForest"
"SGD"
"Média sazonal"
"SazonalNaive"
"TCNForecaster"
"XGBoostRegressor"
enableDnnTraining Habilite a recomendação de modelos DNN. Bool
enableModelExplainability Sinalize para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para ativar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilite a execução do conjunto de pilha. Bool
enableVoteEnsemble Habilite a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados.
Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.		 string
stackEnsembleSettings Configurações de conjunto de pilha para execução de conjunto de pilha. StackEnsembleSettings
formaçãoModo de formação Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'.
Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos.
Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos.
 "Auto"
"Distribuído"
"Não distribuído"

ImageClassification

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. "ImageClassification" (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho AutoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsClassification
primaryMetric Métrica primária para otimizar esta tarefa. "AUCWeighted"
"Precisão"
"AveragePrecisionScoreWeighted"
"NormMacroRecall"
"PrecisionScoreWeighted"
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. ImageSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 Int

ImageLimitSettings

Designação Descrição Valor
maxConcurrentTrials Número máximo de iterações simultâneas do AutoML. Int
maxEnsaios Número máximo de iterações AutoML. Int
tempo limite Tempo limite do trabalho AutoML. string

ImageModelSettingsClassification

Designação Descrição Valor
avançadoConfigurações Configurações para cenários avançados. string
amsGradiente Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. Bool
aumentos Configurações para usar Aumentos. string
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. Int
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. Int
ponto de verificaçãoFrequência Frequência para armazenar pontos de verificação do modelo. Deve ser um número inteiro positivo. Int
checkpointModel O modelo de ponto de verificação pré-treinado para treinamento incremental. MLFlowModelJobInput
ponto de verificaçãoRunId A id de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. string
distribuído Se deve ou não usar o treinamento distribuído. Bool
Parar cedoParar Habilite a lógica de parada precoce durante o treinamento. Bool
cedoParandoAtrasar Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um número inteiro positivo.		 Int
cedoParandoPaciência Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes
a corrida é interrompida. Deve ser um número inteiro positivo.		 Int
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. Bool
avaliaçãoFrequência Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. Int
gradientAcumulaçãoEtapa Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.		 Int
camadasToFreeze Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor
Consulte: /azure/machine-learning/how-to-auto-train-image-models.		 Int
learningRate Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. Int
aprendizagemRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. "Nenhuma"
"Passo"
"AquecimentoCosine"
nome_modelo Nome do modelo a utilizar na formação.
Para mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 string
Dinâmica Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. Int
Nesterov Ative o nesterov quando o otimizador for 'sgd'. Bool
númeroDasÉpocas Número de épocas de formação. Deve ser um número inteiro positivo. Int
númeroDeTrabalhadores Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. Int
otimizador Tipo de otimizador. "Adão"
"Adamw"
"Nenhuma"
"Sgd"
randomSemente Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. Int
stepLRGamma Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. Int
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. Int
formaçãoBatchSize Tamanho do lote de treinamento. Deve ser um número inteiro positivo. Int
formaçãoCropSize Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de treinamento. Deve ser um número inteiro positivo. Int
validaçãoBatchSize Tamanho do lote de validação. Deve ser um número inteiro positivo. Int
validaçãoCropSize Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de validação. Deve ser um número inteiro positivo. Int
validationResizeSize Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um número inteiro positivo. Int
aquecimentoCosineLRCycles Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. Int
aquecimentoCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. Int
pesoDecaimento Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. Int
perda ponderada Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada.
1 para perda de peso com sqrt. (class_weights). 2 para perda de peso com class_weights. Deve ser 0 ou 1 ou 2.
 Int

MLFlowModelJobInput

Designação Descrição Valor
Descrição Descrição da entrada. string
jobInputType [Obrigatório] Especifica o tipo de trabalho. "custom_model"
"Literal"
"mlflow_model"
"Mltable"
"triton_model"
"uri_file"
"uri_folder" (obrigatório)
modo Modo de entrega de ativos de entrada. "Direto"
"Baixar"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
URI [Obrigatório] URI do ativo de entrada. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

Designação Descrição Valor
amsGradiente Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. string
aumentos Configurações para usar Aumentos. string
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. string
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. string
distribuído Se deve ou não usar o treinamento de distribuidor. string
Parar cedoParar Habilite a lógica de parada precoce durante o treinamento. string
cedoParandoAtrasar Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um número inteiro positivo.		 string
cedoParandoPaciência Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes
a corrida é interrompida. Deve ser um número inteiro positivo.		 string
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. string
avaliaçãoFrequência Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. string
gradientAcumulaçãoEtapa Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.		 string
camadasToFreeze Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor
Consulte: /azure/machine-learning/how-to-auto-train-image-models.		 string
learningRate Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. string
aprendizagemRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. string
nome_modelo Nome do modelo a utilizar na formação.
Para mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 string
Dinâmica Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. string
Nesterov Ative o nesterov quando o otimizador for 'sgd'. string
númeroDasÉpocas Número de épocas de formação. Deve ser um número inteiro positivo. string
númeroDeTrabalhadores Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. string
otimizador Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'. string
randomSemente Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. string
stepLRGamma Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. string
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. string
formaçãoBatchSize Tamanho do lote de treinamento. Deve ser um número inteiro positivo. string
formaçãoCropSize Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de treinamento. Deve ser um número inteiro positivo. string
validaçãoBatchSize Tamanho do lote de validação. Deve ser um número inteiro positivo. string
validaçãoCropSize Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de validação. Deve ser um número inteiro positivo. string
validationResizeSize Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um número inteiro positivo. string
aquecimentoCosineLRCycles Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. string
aquecimentoCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. string
pesoDecaimento Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. string
perda ponderada Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada.
1 para perda de peso com sqrt. (class_weights). 2 para perda de peso com class_weights. Deve ser 0 ou 1 ou 2.
 string

ImageSweepSettings

Designação Descrição Valor
Rescisão antecipada Tipo de política de rescisão antecipada. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo de algoritmos de amostragem de hiperparâmetros. "Bayesiano"
"Grade"
"Aleatório" (obrigatório)

ImageClassificationMultilabel

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. "ImageClassificationMultilabel" (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho AutoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsClassification
primaryMetric Métrica primária para otimizar esta tarefa. "AUCWeighted"
"Precisão"
"AveragePrecisionScoreWeighted"
"IOU"
"NormMacroRecall"
"PrecisionScoreWeighted"
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsClassification[]
sweepSettings Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. ImageSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 Int

ImageInstanceSegmentation

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. "ImageInstanceSegmentation" (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho AutoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica primária para otimizar esta tarefa. "MédiaPrecisão"
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsObjectDetection []
sweepSettings Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. ImageSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 Int

ImageModelSettingsObjectDetection

Designação Descrição Valor
avançadoConfigurações Configurações para cenários avançados. string
amsGradiente Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. Bool
aumentos Configurações para usar Aumentos. string
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. Int
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. Int
boxDetecçõesPerImage Número máximo de deteções por imagem, para todas as classes. Deve ser um número inteiro positivo.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 Int
boxScoreThreshold Durante a inferência, apenas retornam propostas com uma pontuação de classificação maior que
BoxScoreThreshold. Deve ser um flutuador na faixa[0, 1].		 Int
ponto de verificaçãoFrequência Frequência para armazenar pontos de verificação do modelo. Deve ser um número inteiro positivo. Int
checkpointModel O modelo de ponto de verificação pré-treinado para treinamento incremental. MLFlowModelJobInput
ponto de verificaçãoRunId A id de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. string
distribuído Se deve ou não usar o treinamento distribuído. Bool
Parar cedoParar Habilite a lógica de parada precoce durante o treinamento. Bool
cedoParandoAtrasar Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um número inteiro positivo.		 Int
cedoParandoPaciência Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes
a corrida é interrompida. Deve ser um número inteiro positivo.		 Int
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. Bool
avaliaçãoFrequência Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. Int
gradientAcumulaçãoEtapa Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.		 Int
imageSize Tamanho da imagem para trem e validação. Deve ser um número inteiro positivo.
Nota: A corrida de treinamento pode entrar em CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 Int
camadasToFreeze Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor
Consulte: /azure/machine-learning/how-to-auto-train-image-models.		 Int
learningRate Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. Int
aprendizagemRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. "Nenhuma"
"Passo"
"AquecimentoCosine"
maxTamanho Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 Int
minTamanho Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 Int
nome_modelo Nome do modelo a utilizar na formação.
Para mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 string
modelSize Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'.
Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho do modelo for muito grande.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 "Extragrande"
"Grande"
"Médio"
"Nenhuma"
"Pequeno"
Dinâmica Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. Int
multiescala Habilite a imagem em várias escalas variando o tamanho da imagem em +/- 50%.
Nota: a execução de treinamento pode entrar no CUDA OOM se não houver memória GPU suficiente.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 Bool
Nesterov Ative o nesterov quando o otimizador for 'sgd'. Bool
nmsIouThreshold Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser um flutuador na faixa [0, 1]. Int
númeroDasÉpocas Número de épocas de formação. Deve ser um número inteiro positivo. Int
númeroDeTrabalhadores Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. Int
otimizador Tipo de otimizador. "Adão"
"Adamw"
"Nenhuma"
"Sgd"
randomSemente Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. Int
stepLRGamma Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. Int
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. Int
tileGridSize O tamanho da grade a ser usado para colocar lado a lado cada imagem. Nota: TileGridSize não deve ser
Nenhum para habilitar a lógica de deteção de pequenos objetos. Uma cadeia de caracteres que contém dois inteiros no formato mxn.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
tileOverlapRatio Razão de sobreposição entre blocos adjacentes em cada dimensão. Deve ser flutuante no intervalo [0, 1].
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 Int
tilePredictionsNmsThreshold O limite de UO a ser usado para executar o NMS ao mesclar previsões de blocos e imagem.
Utilizado na validação/inferência. Deve ser flutuante no intervalo [0, 1].
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 Int
formaçãoBatchSize Tamanho do lote de treinamento. Deve ser um número inteiro positivo. Int
validaçãoBatchSize Tamanho do lote de validação. Deve ser um número inteiro positivo. Int
validaçãoIouThreshold Limite de UO a ser usado ao calcular a métrica de validação. Deve ser flutuante no intervalo [0, 1]. Int
validaçãoMetricType Método de cálculo métrico a utilizar para métricas de validação. "Coco"
"CocoVoc"
"Nenhuma"
"Voc"
aquecimentoCosineLRCycles Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. Int
aquecimentoCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. Int
pesoDecaimento Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. Int

ImageModelDistributionSettingsObjectDetection

Designação Descrição Valor
amsGradiente Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. string
aumentos Configurações para usar Aumentos. string
beta1 Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. string
beta2 Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. string
boxDetecçõesPerImage Número máximo de deteções por imagem, para todas as classes. Deve ser um número inteiro positivo.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
boxScoreThreshold Durante a inferência, apenas retornam propostas com uma pontuação de classificação maior que
BoxScoreThreshold. Deve ser um flutuador na faixa[0, 1].		 string
distribuído Se deve ou não usar o treinamento de distribuidor. string
Parar cedoParar Habilite a lógica de parada precoce durante o treinamento. string
cedoParandoAtrasar Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária
é rastreado para parada antecipada. Deve ser um número inteiro positivo.		 string
cedoParandoPaciência Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes
a corrida é interrompida. Deve ser um número inteiro positivo.		 string
enableOnnxNormalization Habilite a normalização ao exportar o modelo ONNX. string
avaliaçãoFrequência Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. string
gradientAcumulaçãoEtapa Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem
atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando
os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.		 string
imageSize Tamanho da imagem para trem e validação. Deve ser um número inteiro positivo.
Nota: A corrida de treinamento pode entrar em CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 string
camadasToFreeze Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo.
Por exemplo, passar 2 como valor para 'seresnext' significa
camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor
Consulte: /azure/machine-learning/how-to-auto-train-image-models.		 string
learningRate Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. string
aprendizagemRateScheduler Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. string
maxTamanho Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
minTamanho Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone.
Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
nome_modelo Nome do modelo a utilizar na formação.
Para mais informações sobre os modelos disponíveis, visite a documentação oficial:
/azure/machine-learning/how-to-auto-train-image-models.		 string
modelSize Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'.
Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho do modelo for muito grande.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 string
Dinâmica Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. string
multiescala Habilite a imagem em várias escalas variando o tamanho da imagem em +/- 50%.
Nota: a execução de treinamento pode entrar no CUDA OOM se não houver memória GPU suficiente.
Nota: Esta configuração só é suportada para o algoritmo 'yolov5'.		 string
Nesterov Ative o nesterov quando o otimizador for 'sgd'. string
nmsIouThreshold Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser flutuante no intervalo [0, 1]. string
númeroDasÉpocas Número de épocas de formação. Deve ser um número inteiro positivo. string
númeroDeTrabalhadores Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. string
otimizador Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'. string
randomSemente Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. string
stepLRGamma Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. string
stepLRStepSize Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. string
tileGridSize O tamanho da grade a ser usado para colocar lado a lado cada imagem. Nota: TileGridSize não deve ser
Nenhum para habilitar a lógica de deteção de pequenos objetos. Uma cadeia de caracteres que contém dois inteiros no formato mxn.
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
tileOverlapRatio Razão de sobreposição entre blocos adjacentes em cada dimensão. Deve ser flutuante no intervalo [0, 1].
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.		 string
tilePredictionsNmsThreshold O limite de UO a ser usado para executar o NMS ao mesclar previsões de blocos e imagem.
Utilizado na validação/inferência. Deve ser flutuante no intervalo [0, 1].
Nota: Esta configuração não é suportada para o algoritmo 'yolov5'.
SMN: Supressão não máxima		 string
formaçãoBatchSize Tamanho do lote de treinamento. Deve ser um número inteiro positivo. string
validaçãoBatchSize Tamanho do lote de validação. Deve ser um número inteiro positivo. string
validaçãoIouThreshold Limite de UO a ser usado ao calcular a métrica de validação. Deve ser flutuante no intervalo [0, 1]. string
validaçãoMetricType Método de cálculo métrico a utilizar para métricas de validação. Deve ser 'nenhum', 'coco', 'voc' ou 'coco_voc'. string
aquecimentoCosineLRCycles Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. string
aquecimentoCosineLRWarmupEpochs Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. string
pesoDecaimento Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. string

ImageObjectDetection

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. "ImageObjectDetection" (obrigatório)
limitSettings [Obrigatório] Limite as configurações para o trabalho AutoML. ImageLimitSettings (obrigatório)
modelSettings Configurações usadas para treinar o modelo. ImageModelSettingsObjectDetection
primaryMetric Métrica primária para otimizar esta tarefa. "MédiaPrecisão"
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. ImageModelDistributionSettingsObjectDetection []
sweepSettings Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. ImageSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.
 Int

Regressão

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. "Regressão" (obrigatório)
cvSplitColumnNames Colunas a serem usadas para dados CVSplit. string[]
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. TableVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. TableFixedParameters
limitSettings Restrições de execução para AutoMLJob. TableVerticalLimitSettings
nValidações cruzadas Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento
quando o conjunto de dados de validação não é fornecido.		 NCrossValidations
primaryMetric Métrica primária para tarefa de regressão. "NormalizedMeanAbsoluteError"
"NormalizedRootMeanSquaredError"
"R2Score"
"Correlação de Spearman"
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. TableParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. TableSweepSettings
testData Entrada de dados de teste. MLTableJobInput
testDataSize A fração do conjunto de dados de teste que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
formaçãoConfigurações Entradas para a fase de treinamento para um trabalho AutoML. RegressionTrainingSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput
validaçãoDataSize A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação.
Valores entre (0,0 , 1,0)
Aplicado quando o conjunto de dados de validação não é fornecido.		 Int
weightColumnName O nome da coluna de peso da amostra. 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

Designação Descrição Valor
allowedTrainingAlgorithms Modelos permitidos para tarefa de regressão. Matriz de cadeia de caracteres contendo qualquer uma das:
"Árvore de decisão"
"ElasticNet"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LassoLars"
"LuzGBM"
"RandomForest"
"SGD"
"XGBoostRegressor"
blockedTrainingAlgorithms Modelos bloqueados para tarefa de regressão. Matriz de cadeia de caracteres contendo qualquer uma das:
"Árvore de decisão"
"ElasticNet"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LassoLars"
"LuzGBM"
"RandomForest"
"SGD"
"XGBoostRegressor"
enableDnnTraining Habilite a recomendação de modelos DNN. Bool
enableModelExplainability Sinalize para ativar a explicabilidade no melhor modelo. Bool
enableOnnxCompatibleModels Sinalizador para ativar modelos compatíveis com onnx. Bool
enableStackEnsemble Habilite a execução do conjunto de pilha. Bool
enableVoteEnsemble Habilite a execução do conjunto de votação. Bool
ensembleModelDownloadTimeout Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados.
Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo.		 string
stackEnsembleSettings Configurações de conjunto de pilha para execução de conjunto de pilha. StackEnsembleSettings
formaçãoModo de formação Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'.
Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos.
Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos.
 "Auto"
"Distribuído"
"Não distribuído"

Classificação de Texto

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. "TextClassification" (obrigatório)
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. NlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
primaryMetric Métrica primária para Text-Classification tarefa. "AUCWeighted"
"Precisão"
"AveragePrecisionScoreWeighted"
"NormMacroRecall"
"PrecisionScoreWeighted"
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. NlpSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput

NlpVerticalFeaturizationSettings

Designação Descrição Valor
conjunto de dadosLinguagem Linguagem do conjunto de dados, útil para os dados de texto. string

NlpFixedParameters

Designação Descrição Valor
gradientAcumulaçãoEtapas Número de etapas para acumular gradientes antes de executar uma passagem para trás. Int
learningRate A taxa de aprendizagem para o procedimento de formação. Int
aprendizagemRateScheduler O tipo de cronograma de taxa de aprendizagem a ser usado durante o procedimento de treinamento. "Constante"
"ConstantWithWarmup"
"Cosseno"
"CosineWithRestarts"
"Linear"
"Nenhuma"
"Polinômio"
nome_modelo O nome do modelo a treinar. string
númeroDasÉpocas Número de épocas de formação. Int
formaçãoBatchSize O tamanho do lote para o procedimento de treinamento. Int
validaçãoBatchSize O tamanho do lote a ser usado durante a avaliação. Int
warmupRatio A relação de aquecimento, usada ao lado de LrSchedulerType. Int
pesoDecaimento O decaimento de peso para o procedimento de treinamento. Int

NlpVerticalLimitSettings

Designação Descrição Valor
maxConcurrentTrials Máximo de iterações simultâneas do AutoML. Int
maxNós Máximo de nós a serem usados para o experimento. Int
maxEnsaios Número de iterações AutoML. Int
tempo limite Tempo limite do trabalho AutoML. string
trialTimeout Tempo limite para ensaios individuais de DH. string

NlpParameterSubspace

Designação Descrição Valor
gradientAcumulaçãoEtapas Número de etapas para acumular gradientes antes de executar uma passagem para trás. string
learningRate A taxa de aprendizagem para o procedimento de formação. string
aprendizagemRateScheduler O tipo de cronograma de taxa de aprendizagem a ser usado durante o procedimento de treinamento. string
nome_modelo O nome do modelo a treinar. string
númeroDasÉpocas Número de épocas de formação. string
formaçãoBatchSize O tamanho do lote para o procedimento de treinamento. string
validaçãoBatchSize O tamanho do lote a ser usado durante a avaliação. string
warmupRatio A relação de aquecimento, usada ao lado de LrSchedulerType. string
pesoDecaimento O decaimento de peso para o procedimento de treinamento. string

NlpSweepSettings

Designação Descrição Valor
Rescisão antecipada Tipo de política de rescisão antecipada para o trabalho de varredura. EarlyTerminationPolicy
samplingAlgorithm [Obrigatório] Tipo de algoritmo de amostragem. "Bayesiano"
"Grade"
"Aleatório" (obrigatório)

TextClassificationMultilabel

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. "TextClassificationMultilabel" (obrigatório)
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. NlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. NlpSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput

TextNer

Designação Descrição Valor
Tipo de tarefa [Obrigatório] Tipo de tarefa para AutoMLJob. "TextNER" (obrigatório)
featurizationSettings Insumos de featurização necessários para o trabalho AutoML. NlpVerticalFeaturizationSettings
fixedParameters Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. NlpFixedParameters
limitSettings Restrições de execução para AutoMLJob. NlpVerticalLimitSettings
espaço de pesquisa Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. NlpParameterSubspace[]
sweepSettings Configurações para varredura de modelo e ajuste de hiperparâmetros. NlpSweepSettings
validaçãoDados Entradas de dados de validação. MLTableJobInput

CommandJob

Designação Descrição Valor
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. "Comando" (obrigatório)
autologgerConfigurações Configuração de distribuição do trabalho. Se definido, este deve ser um de Mpi, Tensorflow, PyTorch, ou null. AutologgerSettings
codeId ID do recurso ARM do ativo de código. string
comando [Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py" string (obrigatório)

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

Restrições:
Padrão = [a-zA-Z0-9_]
environmentVariables Variáveis de ambiente incluídas no trabalho. CommandJobEnvironmentVariables
Insumos Mapeamento de ligações de dados de entrada usadas no trabalho. CommandJobInputs
Limites Limite de trabalho de comando. CommandJobLimits
saídas Mapeamento das ligações de dados de saída usadas no trabalho. CommandJobOutputs
queueSettings Configurações de fila para o trabalho QueueSettings
Recursos Configuração de recursos de computação para o trabalho. JobResourceConfiguration

AutologgerSettings

Designação Descrição Valor
mlflowAutologger [Obrigatório] Indica se o mlflow autologger está habilitado. "Desativado"
"Ativado" (obrigatório)

DistributionConfiguration

Designação Descrição Valor
tipo de distribuição Definir o tipo de objeto Mpi
PyTorch
TensorFlow (obrigatório)

Mpi

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

PyTorch

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

TensorFlow

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

CommandJobEnvironmentVariables

Designação Descrição Valor
{propriedade personalizada} string

CommandJobInputs

Designação Descrição Valor
{propriedade personalizada} JobInput

JobInput

Designação 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

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

Restrições:
Padrão = [a-zA-Z0-9_]

LiteralJobInput

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

Restrições:
Padrão = [a-zA-Z0-9_]

TritonModelJobInput

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

Restrições:
Padrão = [a-zA-Z0-9_]

UriFileJobInput

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

Restrições:
Padrão = [a-zA-Z0-9_]

UriFolderJobInput

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

Restrições:
Padrão = [a-zA-Z0-9_]

CommandJobLimits

Designação Descrição Valor
jobLimitsType [Obrigatório] Tipo JobLimit. "Comando"
"Varredura" (obrigatório)
tempo limite A duração máxima de execução no formato ISO 8601, após a qual o trabalho será cancelado. Suporta apenas a duração com uma precisão tão baixa como segundos. string

CommandJobSaídas

Designação Descrição Valor
{propriedade personalizada} JobOutput

LabelingJobProperties

Designação Descrição Valor
componentId ID do recurso ARM do recurso componente. string
computeId ID do recurso ARM do recurso de computação. string
dataConfiguration Configuração dos dados utilizados no trabalho. LabelingDataConfiguration
Descrição O texto da descrição do ativo. string
displayName Exibir nome do trabalho. string
nome da experiência O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". string
identidade Configuração de identidade. Se definido, este deve ser um dos AmlToken, ManagedIdentity, UserIdentity ou null.
O padrão é AmlToken se null.		 IdentityConfiguration
isArquivado O ativo está arquivado? Bool
jobInstruções Instruções de etiquetagem do trabalho. LabelingJobInstructions
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. "AutoML"
"Comando"
"Rotulagem"
"Gasoduto"
"Faísca"
"Varredura" (obrigatório)
labelCategorias Rotule as categorias do trabalho. LabelingJobLabelCategories
labelingJobMediaProperties Propriedades específicas do tipo de mídia no trabalho. LabelingJobMediaProperties
mlAssistConfiguration Configuração do recurso MLAssist no trabalho. MLAssistConfiguration
notificationSetting Configuração de notificação para o trabalho NotificationSetting
propriedades O dicionário de propriedades de ativos. ResourceBaseProperties
serviços Lista de JobEndpoints.
Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.		 JobBaseServices
Etiquetas Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas. objeto

LabelingDataConfiguration

Designação Descrição Valor
DataId ID do recurso do ativo de dados para executar a rotulagem. string
incrementalDataRefresh Indica se a atualização incremental de dados deve ser habilitada. "Desativado"
"Habilitado"

RotulagemInstruções de trabalho

Designação Descrição Valor
URI O link para uma página com instruções detalhadas de rotulagem para rotuladoras. string

RotulagemJobLabelCategorias

Designação Descrição Valor
{propriedade personalizada} LabelCategory

LabelCategory

Designação Descrição Valor
Aulas Dicionário de classes de rótulos nesta categoria. LabelCategoryClasses
displayName Nome para exibição da categoria de rótulo. string
multiSelecionar Indica se é permitido selecionar várias classes nesta categoria. "Desativado"
"Habilitado"

LabelCategoryClasses

Designação Descrição Valor
{propriedade personalizada} LabelClass

LabelClass

Designação Descrição Valor
displayName Nome para exibição da classe de rótulo. string
Subclasses Dicionário de subclasses da classe label. LabelClassSubclasses

LabelClassSubclasses

Designação Descrição Valor
{propriedade personalizada} LabelClass

LabelingJobMediaProperties

Designação Descrição Valor
MediaType Definir o tipo de objeto Imagem
de texto (obrigatório)

LabelingJobImageProperties

Designação Descrição Valor
MediaType [Obrigatório] Tipo de mídia do trabalho. "Imagem" (obrigatório)
annotationType Tipo de anotação do trabalho de etiquetagem de imagem. "BoundingBox"
"Classificação"
"Segmentação de instâncias"

LabelingJobTextProperties

Designação Descrição Valor
MediaType [Obrigatório] Tipo de mídia do trabalho. "Texto" (obrigatório)
annotationType Tipo de anotação do trabalho de etiquetagem de texto. "Classificação"
"NamedEntityRecognition"

MLAssistConfiguration

Designação Descrição Valor
mlAssist [en] Definir o tipo de objeto Deficientes
ativado (obrigatório)

MLAssistConfigurationDisabled

Designação Descrição Valor
mlAssist [en] [Obrigatório] Indica se o recurso MLAssist está habilitado. "Desativado" (obrigatório)

MLAssistConfigurationEnabled

Designação Descrição Valor
mlAssist [en] [Obrigatório] Indica se o recurso MLAssist está habilitado. "Ativado" (obrigatório)
inferencingComputeBinding [Obrigatório] Ligação de computação AML usada na inferência. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]
formaçãoComputeBinding [Obrigatório] Ligação de computação AML usada em treinamento. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

PipelineJob

Designação Descrição Valor
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. "Pipeline" (obrigatório)
Insumos Insumos para o trabalho de pipeline. PipelineJobInputs
empregos Os trabalhos constroem o trabalho de pipeline. PipelineJobJobs
saídas Saídas para o trabalho de pipeline PipelineJobOutputs
Configurações Configurações de pipeline, para coisas como ContinueRunOnStepFailure etc.
fonteJobId ID do recurso ARM do trabalho de origem. string

PipelineJobInputs

Designação Descrição Valor
{propriedade personalizada} JobInput

PipelineJobJobs

Designação Descrição Valor
{propriedade personalizada}

PipelineJobSaídas

Designação Descrição Valor
{propriedade personalizada} JobOutput

Faísca

Designação Descrição Valor
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. "Faísca" (obrigatório)
Arquivos Arquivar arquivos usados no trabalho. string[]
Args Argumentos a favor do trabalho. string
codeId [Obrigatório] ID do recurso ARM do ativo de código. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]
conf Propriedades configuradas do Spark. SparkJobConf
entrada [Obrigatório] A entrada para executar na inicialização do trabalho. SparkJobEntry (obrigatório)
environmentId O ID do recurso ARM da especificação Ambiente para o trabalho. string
ficheiros Arquivos usados no trabalho. string[]
Insumos Mapeamento de ligações de dados de entrada usadas no trabalho. SparkJobInputs
frascos Jar arquivos usados no trabalho. string[]
saídas Mapeamento das ligações de dados de saída usadas no trabalho. SparkJobOutputs
Arquivos py Arquivos Python usados no trabalho. string[]
queueSettings Configurações de fila para o trabalho QueueSettings
Recursos Configuração de recursos de computação para o trabalho. SparkResourceConfiguration

SparkJobConf

Designação Descrição Valor
{propriedade personalizada} string

SparkJobEntry

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

SparkJobPythonEntry

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

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

SparkJobScalaEntry

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

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

SparkJobInputs

Designação Descrição Valor
{propriedade personalizada} JobInput

SparkJobOutputs

Designação Descrição Valor
{propriedade personalizada} JobOutput

SparkResourceConfiguration

Designação Descrição Valor
tipo de instância Tipo opcional de VM usado conforme suportado pelo destino de computação. string
runtimeVersion Versão do tempo de execução do spark usado para o trabalho. string

Varredura

Designação Descrição Valor
Tipo de trabalho [Obrigatório] Especifica o tipo de trabalho. "Varredura" (obrigatório)
Rescisão antecipada As políticas de rescisão antecipada permitem cancelar execuções com baixo desempenho antes que elas sejam concluídas EarlyTerminationPolicy
Insumos Mapeamento de ligações de dados de entrada usadas no trabalho. SweepJobInputs
Limites Limite de trabalho de varredura. SweepJobLimits
objetivo [Obrigatório] Objetivo de otimização. Objetivo (obrigatório)
saídas Mapeamento das ligações de dados de saída usadas no trabalho. SweepJobOutputs
queueSettings Configurações de fila para o trabalho QueueSettings
samplingAlgorithm [Obrigatório] O algoritmo de amostragem de hiperparâmetros SamplingAlgorithm (obrigatório)
espaço de pesquisa [Obrigatório] Um dicionário contendo cada parâmetro e sua distribuição. A chave do dicionário é o nome do parâmetro
julgamento [Obrigatório] Definição do componente experimental. TrialComponent (obrigatório)

SweepJobInputs

Designação Descrição Valor
{propriedade personalizada} JobInput

SweepJobLimits

Designação Descrição Valor
jobLimitsType [Obrigatório] Tipo JobLimit. "Comando"
"Varredura" (obrigatório)
maxConcurrentTrials Varrer o Job max testes simultâneos. Int
maxTotalTrials Varrer o total de testes do Sweep Job. Int
tempo limite A duração máxima de execução no formato ISO 8601, após a qual o trabalho será cancelado. Suporta apenas a duração com uma precisão tão baixa como segundos. string
trialTimeout Valor do tempo limite da Avaliação do Trabalho de Varredura. string

Objetivo

Designação Descrição Valor
Objetivo [Obrigatório] Define metas métricas suportadas para ajuste de hiperparâmetros "Maximizar"
"Minimizar" (obrigatório)
primaryMetric [Obrigatório] Nome da métrica a ser otimizada. string (obrigatório)

Restrições:
Padrão = [a-zA-Z0-9_]

SweepJobOutputs

Designação Descrição Valor
{propriedade personalizada} JobOutput

SamplingAlgorithm

Designação Descrição Valor
samplingAlgorithmType Definir o tipo de objeto Bayesian
Grid
aleatório (obrigatório)

BayesianSamplingAlgorithm

Designação Descrição Valor
samplingAlgorithmType [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração "Bayesiano" (obrigatório)

GridSamplingAlgorithm

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

RandomSamplingAlgorithm

Designação Descrição Valor
samplingAlgorithmType [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração "Aleatório" (obrigatório)
Base de registo Um número positivo opcional ou e em formato string a utilizar como base para amostragem aleatória logarítmica string
regra O tipo específico de algoritmo aleatório "Aleatório"
"Sobol"
sementes Um inteiro opcional para usar como semente para geração de números aleatórios Int

TrialComponent

Designação Descrição Valor
codeId ID do recurso ARM do ativo de código. string
comando [Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py" string (obrigatório)

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

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

TrialComponentEnvironmentVariables

Designação Descrição Valor
{propriedade personalizada} string