Espaços de trabalho/agendas Microsoft.MachineLearningServices 2023-04-01
Definição de recursos do bíceps
O tipo de recurso espaços de trabalho/agendas pode ser implantado com operações que visam:
- Grupos de recursos - Consulte comandos de implantação de grupo 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/schedules, adicione o seguinte Bicep ao seu modelo.
resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2023-04-01' = {
name: 'string'
parent: resourceSymbolicName
properties: {
action: {
actionType: 'string'
// For remaining properties, see ScheduleActionBase objects
}
description: 'string'
displayName: 'string'
isEnabled: bool
properties: {
{customized property}: 'string'
}
tags: {}
trigger: {
endTime: 'string'
startTime: 'string'
timeZone: 'string'
triggerType: 'string'
// For remaining properties, see TriggerBase objects
}
}
}
Objetos ScheduleActionBase
Defina a propriedade actionType para especificar o tipo de objeto.
Para CreateJob , use:
actionType: 'CreateJob'
jobDefinition: {
componentId: 'string'
computeId: 'string'
description: 'string'
displayName: 'string'
experimentName: 'string'
identity: {
identityType: 'string'
// For remaining properties, see IdentityConfiguration objects
}
isArchived: bool
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
}
Para InvokeBatchEndpoint, use:
actionType: 'InvokeBatchEndpoint'
endpointInvocationDefinition: any()
Objetos JobBaseProperties
Defina a propriedade jobType para especificar o tipo de objeto.
Para AutoML, use:
jobType: 'AutoML'
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: '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'
codeId: 'string'
command: 'string'
distribution: {
distributionType: 'string'
// For remaining properties, see DistributionConfiguration objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
limits: {
jobLimitsType: 'string'
timeout: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
properties: {
{customized property}: any()
}
shmSize: 'string'
}
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 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
}
}
samplingAlgorithm: {
samplingAlgorithmType: 'string'
// For remaining properties, see SamplingAlgorithm objects
}
searchSpace: any()
trial: {
codeId: 'string'
command: 'string'
distribution: {
distributionType: 'string'
// For remaining properties, see DistributionConfiguration objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
properties: {
{customized property}: any()
}
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'
mode: 'string'
uri: 'string'
Para mlflow_model, utilize:
jobOutputType: 'mlflow_model'
mode: 'string'
uri: 'string'
Para mltable, use:
jobOutputType: 'mltable'
mode: 'string'
uri: 'string'
Para triton_model, utilize:
jobOutputType: 'triton_model'
mode: 'string'
uri: 'string'
Para uri_file, utilize:
jobOutputType: 'uri_file'
mode: 'string'
uri: 'string'
Para uri_folder, utilize:
jobOutputType: 'uri_folder'
mode: 'string'
uri: 'string'
Objetos AutoMLVertical
Defina a propriedade taskType para especificar o tipo de objeto.
Para Classificação, utilize:
taskType: 'Classification'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
positiveLabel: 'string'
primaryMetric: 'string'
testData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
trainingSettings: {
allowedTrainingAlgorithms: [
'string'
]
blockedTrainingAlgorithms: [
'string'
]
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
Para 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()
}
]
}
}
forecastingSettings: {
countryOrRegionForHolidays: 'string'
cvStepSize: int
featureLags: 'string'
forecastHorizon: {
mode: 'string'
// For remaining properties, see ForecastHorizon objects
}
frequency: 'string'
seasonality: {
mode: 'string'
// For remaining properties, see Seasonality objects
}
shortSeriesHandlingConfig: 'string'
targetAggregateFunction: 'string'
targetLags: {
mode: 'string'
// For remaining properties, see TargetLags objects
}
targetRollingWindowSize: {
mode: 'string'
// For remaining properties, see TargetRollingWindowSize objects
}
timeColumnName: 'string'
timeSeriesIdColumnNames: [
'string'
]
useStl: 'string'
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
primaryMetric: 'string'
testData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
trainingSettings: {
allowedTrainingAlgorithms: [
'string'
]
blockedTrainingAlgorithms: [
'string'
]
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
Para ImageClassification , 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
taskType: 'Regression'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
primaryMetric: 'string'
testData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
trainingSettings: {
allowedTrainingAlgorithms: [
'string'
]
blockedTrainingAlgorithms: [
'string'
]
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
Para TextClassification , use:
taskType: 'TextClassification'
featurizationSettings: {
datasetLanguage: 'string'
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
primaryMetric: 'string'
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
Para TextClassificationMultilabel , use:
taskType: 'TextClassificationMultilabel'
featurizationSettings: {
datasetLanguage: 'string'
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
Para TextNER, use:
taskType: 'TextNER'
featurizationSettings: {
datasetLanguage: 'string'
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: '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 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 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 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 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'
rule: 'string'
seed: int
Objetos TriggerBase
Defina a propriedade triggerType para especificar o tipo de objeto.
Para Cron, use:
triggerType: 'Cron'
expression: 'string'
Para de recorrência, utilize:
triggerType: 'Recurrence'
frequency: 'string'
interval: int
schedule: {
hours: [
int
]
minutes: [
int
]
monthDays: [
int
]
weekDays: [
'string'
]
}
Valores de propriedade
espaços de trabalho/horários
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. | ScheduleProperties (obrigatório) |
ScheduleProperties
ScheduleActionBase
Designação | Descrição | Valor |
---|---|---|
actionType | Definir o tipo de objeto |
CreateJob InvokeBatchEndpoint (obrigatório) |
JobScheduleAction
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 |
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 Pipeline 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) |
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 endpoint. | 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 |
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) |
modo | Modo de Entrega de Ativos de Saída. | 'ReadWriteMount' 'Carregar' |
URI | URI do ativo de saída. | string |
MLFlowModelJobOutput
Designação | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'mlflow_model' (obrigatório) |
modo | Modo de Entrega de Ativos de Saída. | 'ReadWriteMount' 'Carregar' |
URI | URI do ativo de saída. | string |
MLTableJobOutput
Designação | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'mltable' (obrigatório) |
modo | Modo de Entrega de Ativos de Saída. | 'ReadWriteMount' 'Carregar' |
URI | URI do ativo de saída. | string |
TritonModelJobOutput
Designação | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'triton_model' (obrigatório) |
modo | Modo de Entrega de Ativos de Saída. | 'ReadWriteMount' 'Carregar' |
URI | URI do ativo de saída. | string |
UriFileJobOutput
Designação | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'uri_file' (obrigatório) |
modo | Modo de Entrega de Ativos de Saída. | 'ReadWriteMount' 'Carregar' |
URI | URI do ativo de saída. | string |
UriFolderJobOutput
Designação | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'uri_folder' (obrigatório) |
modo | Modo de Entrega de Ativos de Saída. | 'ReadWriteMount' 'Carregar' |
URI | URI do ativo de saída. | string |
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 |
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: Comprimento mínimo = 1 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 |
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' |
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(). |
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 |
maxEnsaios | Número de iterações. | 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) |
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 |
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 |
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' |
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 serácom 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 |
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: Comprimento mínimo = 1 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) |
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 |
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 |
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' |
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 |
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 |
limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
primaryMetric | Métrica primária para Text-Classification tarefa. | 'AUCWeighted' 'Precisão' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
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 |
NlpVerticalLimitSettings
Designação | Descrição | Valor |
---|---|---|
maxConcurrentTrials | Máximo de iterações simultâneas do AutoML. | Int |
maxEnsaios | Número de iterações AutoML. | Int |
tempo limite | Tempo limite do trabalho AutoML. | string |
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 |
limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
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 |
limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
CommandJob
Designação | Descrição | Valor |
---|---|---|
Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | 'Comando' (obrigatório) |
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: Comprimento mínimo = 1 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 |
Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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 |
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 |
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 |
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: Comprimento mínimo = 1 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) |
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: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
environmentVariables | Variáveis de ambiente incluídas no trabalho. | TrialComponentEnvironmentVariables |
Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
Designação | Descrição | Valor |
---|---|---|
{propriedade personalizada} | string |
EndpointScheduleAction
Designação | Descrição | Valor |
---|---|---|
actionType | [Obrigatório] Especifica o tipo de ação da agenda | 'InvokeBatchEndpoint' (obrigatório) |
endpointInvocationDefinition | [Obrigatório] Define os detalhes da definição da ação Agendar. {ver href="TBD" /} |
Para o Bicep, você pode usar a função any(). (obrigatório) |
Base de gatilhos
Designação | Descrição | Valor |
---|---|---|
Tempo de Fim | Especifica a hora de término do agendamento na ISO 8601, mas sem um deslocamento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601. O formato recomentado seria "2022-06-01T00:00:01" Se não estiver presente, o horário será executado por tempo indeterminado |
string |
startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC. | string |
Fuso horário | Especifica o fuso horário no qual a agenda é executada. O fuso horário deve seguir o formato de fuso horário do Windows. Referência: /windows-hardware/manufature/desktop/default-time-zones /> |
string |
Tipo de gatilho | Definir o tipo de objeto |
Cron de recorrência (obrigatório) |
CronTrigger
Designação | Descrição | Valor |
---|---|---|
Tipo de gatilho | [Obrigatório] | 'Cron' (obrigatório) |
expressão | [Obrigatório] Especifica a expressão cron da agenda. A expressão deve seguir o formato NCronTab. |
string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
RecorrênciaTrigger
Designação | Descrição | Valor |
---|---|---|
Tipo de gatilho | [Obrigatório] | «Recorrência» (obrigatório) |
FREQUÊNCIA | [Obrigatório] A frequência para acionar o cronograma. | 'Dia' 'Hora' 'Minuto' 'Mês' 'Semana' (obrigatório) |
intervalo | [Obrigatório] Especifica o intervalo de programação em conjunto com a frequência | int (obrigatório) |
Horário | O esquema de recorrência. | RecurrenceSchedule |
RecorrênciaCronograma
Designação | Descrição | Valor |
---|---|---|
Horas | [Obrigatório] Lista de horas para o horário. | int[] (obrigatório) |
minutos | [Obrigatório] Lista de atas para a programação. | int[] (obrigatório) |
mêsDias | Lista de dias do mês para o cronograma | int[] |
dias úteis | Lista de dias para o calendário. | Matriz de cadeia de caracteres contendo qualquer uma das: 'Sexta-feira' 'Segunda-feira' 'Sábado' 'Domingo' 'Quinta-feira' 'Terça-feira' 'Quarta-feira' |
Definição de recurso de modelo ARM
O tipo de recurso espaços de trabalho/agendas pode ser implantado com operações que visam:
- Grupos de recursos - Consulte comandos de implantação de grupo 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/schedules, adicione o seguinte JSON ao seu modelo.
{
"type": "Microsoft.MachineLearningServices/workspaces/schedules",
"apiVersion": "2023-04-01",
"name": "string",
"properties": {
"action": {
"actionType": "string"
// For remaining properties, see ScheduleActionBase objects
},
"description": "string",
"displayName": "string",
"isEnabled": "bool",
"properties": {
"{customized property}": "string"
},
"tags": {},
"trigger": {
"endTime": "string",
"startTime": "string",
"timeZone": "string",
"triggerType": "string"
// For remaining properties, see TriggerBase objects
}
}
}
Objetos ScheduleActionBase
Defina a propriedade actionType para especificar o tipo de objeto.
Para CreateJob , use:
"actionType": "CreateJob",
"jobDefinition": {
"componentId": "string",
"computeId": "string",
"description": "string",
"displayName": "string",
"experimentName": "string",
"identity": {
"identityType": "string"
// For remaining properties, see IdentityConfiguration objects
},
"isArchived": "bool",
"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
}
Para InvokeBatchEndpoint, use:
"actionType": "InvokeBatchEndpoint",
"endpointInvocationDefinition": {}
Objetos JobBaseProperties
Defina a propriedade jobType para especificar o tipo de objeto.
Para AutoML, use:
"jobType": "AutoML",
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "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",
"codeId": "string",
"command": "string",
"distribution": {
"distributionType": "string"
// For remaining properties, see DistributionConfiguration objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"limits": {
"jobLimitsType": "string",
"timeout": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"properties": {
"{customized property}": {}
},
"shmSize": "string"
}
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 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
}
},
"samplingAlgorithm": {
"samplingAlgorithmType": "string"
// For remaining properties, see SamplingAlgorithm objects
},
"searchSpace": {},
"trial": {
"codeId": "string",
"command": "string",
"distribution": {
"distributionType": "string"
// For remaining properties, see DistributionConfiguration objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"properties": {
"{customized property}": {}
},
"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",
"mode": "string",
"uri": "string"
Para mlflow_model, utilize:
"jobOutputType": "mlflow_model",
"mode": "string",
"uri": "string"
Para mltable, use:
"jobOutputType": "mltable",
"mode": "string",
"uri": "string"
Para triton_model, utilize:
"jobOutputType": "triton_model",
"mode": "string",
"uri": "string"
Para uri_file, utilize:
"jobOutputType": "uri_file",
"mode": "string",
"uri": "string"
Para uri_folder, utilize:
"jobOutputType": "uri_folder",
"mode": "string",
"uri": "string"
Objetos AutoMLVertical
Defina a propriedade taskType para especificar o tipo de objeto.
Para Classificação, utilize:
"taskType": "Classification",
"cvSplitColumnNames": [ "string" ],
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"positiveLabel": "string",
"primaryMetric": "string",
"testData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int",
"trainingSettings": {
"allowedTrainingAlgorithms": [ "string" ],
"blockedTrainingAlgorithms": [ "string" ],
"enableDnnTraining": "bool",
"enableModelExplainability": "bool",
"enableOnnxCompatibleModels": "bool",
"enableStackEnsemble": "bool",
"enableVoteEnsemble": "bool",
"ensembleModelDownloadTimeout": "string",
"stackEnsembleSettings": {
"stackMetaLearnerKWargs": {},
"stackMetaLearnerTrainPercentage": "int",
"stackMetaLearnerType": "string"
}
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
Para 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": {}
}
]
}
},
"forecastingSettings": {
"countryOrRegionForHolidays": "string",
"cvStepSize": "int",
"featureLags": "string",
"forecastHorizon": {
"mode": "string"
// For remaining properties, see ForecastHorizon objects
},
"frequency": "string",
"seasonality": {
"mode": "string"
// For remaining properties, see Seasonality objects
},
"shortSeriesHandlingConfig": "string",
"targetAggregateFunction": "string",
"targetLags": {
"mode": "string"
// For remaining properties, see TargetLags objects
},
"targetRollingWindowSize": {
"mode": "string"
// For remaining properties, see TargetRollingWindowSize objects
},
"timeColumnName": "string",
"timeSeriesIdColumnNames": [ "string" ],
"useStl": "string"
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"primaryMetric": "string",
"testData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int",
"trainingSettings": {
"allowedTrainingAlgorithms": [ "string" ],
"blockedTrainingAlgorithms": [ "string" ],
"enableDnnTraining": "bool",
"enableModelExplainability": "bool",
"enableOnnxCompatibleModels": "bool",
"enableStackEnsemble": "bool",
"enableVoteEnsemble": "bool",
"ensembleModelDownloadTimeout": "string",
"stackEnsembleSettings": {
"stackMetaLearnerKWargs": {},
"stackMetaLearnerTrainPercentage": "int",
"stackMetaLearnerType": "string"
}
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
Para ImageClassification , 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
"taskType": "Regression",
"cvSplitColumnNames": [ "string" ],
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"primaryMetric": "string",
"testData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int",
"trainingSettings": {
"allowedTrainingAlgorithms": [ "string" ],
"blockedTrainingAlgorithms": [ "string" ],
"enableDnnTraining": "bool",
"enableModelExplainability": "bool",
"enableOnnxCompatibleModels": "bool",
"enableStackEnsemble": "bool",
"enableVoteEnsemble": "bool",
"ensembleModelDownloadTimeout": "string",
"stackEnsembleSettings": {
"stackMetaLearnerKWargs": {},
"stackMetaLearnerTrainPercentage": "int",
"stackMetaLearnerType": "string"
}
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
Para TextClassification , use:
"taskType": "TextClassification",
"featurizationSettings": {
"datasetLanguage": "string"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"primaryMetric": "string",
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
Para TextClassificationMultilabel , use:
"taskType": "TextClassificationMultilabel",
"featurizationSettings": {
"datasetLanguage": "string"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
Para TextNER, use:
"taskType": "TextNER",
"featurizationSettings": {
"datasetLanguage": "string"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "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 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 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 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 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",
"rule": "string",
"seed": "int"
Objetos TriggerBase
Defina a propriedade triggerType para especificar o tipo de objeto.
Para Cron, use:
"triggerType": "Cron",
"expression": "string"
Para de recorrência, utilize:
"triggerType": "Recurrence",
"frequency": "string",
"interval": "int",
"schedule": {
"hours": [ "int" ],
"minutes": [ "int" ],
"monthDays": [ "int" ],
"weekDays": [ "string" ]
}
Valores de propriedade
espaços de trabalho/horários
Designação | Descrição | Valor |
---|---|---|
tipo | O tipo de recurso | 'Microsoft.MachineLearningServices/workspaces/schedules' |
apiVersion | A versão da api de recursos | '2023-04-01' |
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. | ScheduleProperties (obrigatório) |
ScheduleProperties
ScheduleActionBase
Designação | Descrição | Valor |
---|---|---|
actionType | Definir o tipo de objeto |
CreateJob InvokeBatchEndpoint (obrigatório) |
JobScheduleAction
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 |
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 Pipeline 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) |
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 endpoint. | 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 |
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) |
modo | Modo de Entrega de Ativos de Saída. | 'ReadWriteMount' 'Carregar' |
URI | URI do ativo de saída. | string |
MLFlowModelJobOutput
Designação | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'mlflow_model' (obrigatório) |
modo | Modo de Entrega de Ativos de Saída. | 'ReadWriteMount' 'Carregar' |
URI | URI do ativo de saída. | string |
MLTableJobOutput
Designação | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'mltable' (obrigatório) |
modo | Modo de Entrega de Ativos de Saída. | 'ReadWriteMount' 'Carregar' |
URI | URI do ativo de saída. | string |
TritonModelJobOutput
Designação | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'triton_model' (obrigatório) |
modo | Modo de Entrega de Ativos de Saída. | 'ReadWriteMount' 'Carregar' |
URI | URI do ativo de saída. | string |
UriFileJobOutput
Designação | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'uri_file' (obrigatório) |
modo | Modo de Entrega de Ativos de Saída. | 'ReadWriteMount' 'Carregar' |
URI | URI do ativo de saída. | string |
UriFolderJobOutput
Designação | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'uri_folder' (obrigatório) |
modo | Modo de Entrega de Ativos de Saída. | 'ReadWriteMount' 'Carregar' |
URI | URI do ativo de saída. | string |
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 |
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: Comprimento mínimo = 1 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 |
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' |
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. |
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 |
maxEnsaios | Número de iterações. | 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) |
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 |
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 |
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' |
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 serácom 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 |
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: Comprimento mínimo = 1 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) |
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 |
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 |
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' |
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 |
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 |
limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
primaryMetric | Métrica primária para Text-Classification tarefa. | 'AUCWeighted' 'Precisão' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
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 |
NlpVerticalLimitSettings
Designação | Descrição | Valor |
---|---|---|
maxConcurrentTrials | Máximo de iterações simultâneas do AutoML. | Int |
maxEnsaios | Número de iterações AutoML. | Int |
tempo limite | Tempo limite do trabalho AutoML. | string |
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 |
limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
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 |
limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
CommandJob
Designação | Descrição | Valor |
---|---|---|
Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | 'Comando' (obrigatório) |
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: Comprimento mínimo = 1 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 |
Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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 |
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 |
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 |
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: Comprimento mínimo = 1 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) |
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: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
environmentVariables | Variáveis de ambiente incluídas no trabalho. | TrialComponentEnvironmentVariables |
Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
Designação | Descrição | Valor |
---|---|---|
{propriedade personalizada} | string |
EndpointScheduleAction
Designação | Descrição | Valor |
---|---|---|
actionType | [Obrigatório] Especifica o tipo de ação da agenda | 'InvokeBatchEndpoint' (obrigatório) |
endpointInvocationDefinition | [Obrigatório] Define os detalhes da definição da ação Agendar. {ver href="TBD" /} |
Base de gatilhos
Designação | Descrição | Valor |
---|---|---|
Tempo de Fim | Especifica a hora de término do agendamento na ISO 8601, mas sem um deslocamento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601. O formato recomentado seria "2022-06-01T00:00:01" Se não estiver presente, o horário será executado por tempo indeterminado |
string |
startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC. | string |
Fuso horário | Especifica o fuso horário no qual a agenda é executada. O fuso horário deve seguir o formato de fuso horário do Windows. Referência: /windows-hardware/manufature/desktop/default-time-zones /> |
string |
Tipo de gatilho | Definir o tipo de objeto |
Cron de recorrência (obrigatório) |
CronTrigger
Designação | Descrição | Valor |
---|---|---|
Tipo de gatilho | [Obrigatório] | 'Cron' (obrigatório) |
expressão | [Obrigatório] Especifica a expressão cron da agenda. A expressão deve seguir o formato NCronTab. |
string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
RecorrênciaTrigger
Designação | Descrição | Valor |
---|---|---|
Tipo de gatilho | [Obrigatório] | «Recorrência» (obrigatório) |
FREQUÊNCIA | [Obrigatório] A frequência para acionar o cronograma. | 'Dia' 'Hora' 'Minuto' 'Mês' 'Semana' (obrigatório) |
intervalo | [Obrigatório] Especifica o intervalo de programação em conjunto com a frequência | int (obrigatório) |
Horário | O esquema de recorrência. | RecurrenceSchedule |
RecorrênciaCronograma
Designação | Descrição | Valor |
---|---|---|
Horas | [Obrigatório] Lista de horas para o horário. | int[] (obrigatório) |
minutos | [Obrigatório] Lista de atas para a programação. | int[] (obrigatório) |
mêsDias | Lista de dias do mês para o cronograma | int[] |
dias úteis | Lista de dias para o calendário. | Matriz de cadeia de caracteres contendo qualquer uma das: 'Sexta-feira' 'Segunda-feira' 'Sábado' 'Domingo' 'Quinta-feira' 'Terça-feira' 'Quarta-feira' |
Definição de recursos Terraform (provedor AzAPI)
O tipo de recurso espaços de trabalho/agendas 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/schedules, adicione o seguinte Terraform ao seu modelo.
resource "azapi_resource" "symbolicname" {
type = "Microsoft.MachineLearningServices/workspaces/schedules@2023-04-01"
name = "string"
parent_id = "string"
body = jsonencode({
properties = {
action = {
actionType = "string"
// For remaining properties, see ScheduleActionBase objects
}
description = "string"
displayName = "string"
isEnabled = bool
properties = {
{customized property} = "string"
}
tags = {}
trigger = {
endTime = "string"
startTime = "string"
timeZone = "string"
triggerType = "string"
// For remaining properties, see TriggerBase objects
}
}
})
}
Objetos ScheduleActionBase
Defina a propriedade actionType para especificar o tipo de objeto.
Para CreateJob , use:
actionType = "CreateJob"
jobDefinition = {
componentId = "string"
computeId = "string"
description = "string"
displayName = "string"
experimentName = "string"
identity {
identityType = "string"
// For remaining properties, see IdentityConfiguration objects
}
isArchived = bool
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
}
Para InvokeBatchEndpoint, use:
actionType = "InvokeBatchEndpoint"
Objetos JobBaseProperties
Defina a propriedade jobType para especificar o tipo de objeto.
Para AutoML, use:
jobType = "AutoML"
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
properties = {}
shmSize = "string"
}
taskDetails = {
logVerbosity = "string"
targetColumnName = "string"
trainingData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
taskType = "string"
// For remaining properties, see AutoMLVertical objects
}
Para Command, use:
jobType = "Command"
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
limits = {
jobLimitsType = "string"
timeout = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
properties = {}
shmSize = "string"
}
Para Pipeline, 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 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
}
}
samplingAlgorithm = {
samplingAlgorithmType = "string"
// For remaining properties, see SamplingAlgorithm objects
}
trial = {
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
properties = {}
shmSize = "string"
}
}
Objetos IdentityConfiguration
Defina a propriedade identityType para especificar o tipo de objeto.
Para AMLToken, 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"
mode = "string"
uri = "string"
Para mlflow_model, utilize:
jobOutputType = "mlflow_model"
mode = "string"
uri = "string"
Para mltable, use:
jobOutputType = "mltable"
mode = "string"
uri = "string"
Para triton_model, utilize:
jobOutputType = "triton_model"
mode = "string"
uri = "string"
Para uri_file, utilize:
jobOutputType = "uri_file"
mode = "string"
uri = "string"
Para uri_folder, utilize:
jobOutputType = "uri_folder"
mode = "string"
uri = "string"
Objetos AutoMLVertical
Defina a propriedade taskType para especificar o tipo de objeto.
Para Classificação, utilize:
taskType = "Classification"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
positiveLabel = "string"
primaryMetric = "string"
testData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
trainingSettings = {
allowedTrainingAlgorithms = [
"string"
]
blockedTrainingAlgorithms = [
"string"
]
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
Para 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"
]
}
]
}
}
forecastingSettings = {
countryOrRegionForHolidays = "string"
cvStepSize = int
featureLags = "string"
forecastHorizon = {
mode = "string"
// For remaining properties, see ForecastHorizon objects
}
frequency = "string"
seasonality = {
mode = "string"
// For remaining properties, see Seasonality objects
}
shortSeriesHandlingConfig = "string"
targetAggregateFunction = "string"
targetLags = {
mode = "string"
// For remaining properties, see TargetLags objects
}
targetRollingWindowSize = {
mode = "string"
// For remaining properties, see TargetRollingWindowSize objects
}
timeColumnName = "string"
timeSeriesIdColumnNames = [
"string"
]
useStl = "string"
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
primaryMetric = "string"
testData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
trainingSettings = {
allowedTrainingAlgorithms = [
"string"
]
blockedTrainingAlgorithms = [
"string"
]
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
Para ImageClassification , 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
taskType = "Regression"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
primaryMetric = "string"
testData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
trainingSettings = {
allowedTrainingAlgorithms = [
"string"
]
blockedTrainingAlgorithms = [
"string"
]
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
Para TextClassification , use:
taskType = "TextClassification"
featurizationSettings = {
datasetLanguage = "string"
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
primaryMetric = "string"
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
Para TextClassificationMultilabel , use:
taskType = "TextClassificationMultilabel"
featurizationSettings = {
datasetLanguage = "string"
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
Para TextNER, use:
taskType = "TextNER"
featurizationSettings = {
datasetLanguage = "string"
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "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 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 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 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 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"
rule = "string"
seed = int
Objetos TriggerBase
Defina a propriedade triggerType para especificar o tipo de objeto.
Para Cron, use:
triggerType = "Cron"
expression = "string"
Para de recorrência, utilize:
triggerType = "Recurrence"
frequency = "string"
interval = int
schedule = {
hours = [
int
]
minutes = [
int
]
monthDays = [
int
]
weekDays = [
"string"
]
}
Valores de propriedade
espaços de trabalho/horários
Designação | Descrição | Valor |
---|---|---|
tipo | O tipo de recurso | "Microsoft.MachineLearningServices/workspaces/schedules@2023-04-01" |
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. | ScheduleProperties (obrigatório) |
ScheduleProperties
ScheduleActionBase
Designação | Descrição | Valor |
---|---|---|
actionType | Definir o tipo de objeto |
CreateJob InvokeBatchEndpoint (obrigatório) |
JobScheduleAction
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 |
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 Pipeline 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) |
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 endpoint. | 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 |
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) |
modo | Modo de Entrega de Ativos de Saída. | "ReadWriteMount" "Carregar" |
URI | URI do ativo de saída. | string |
MLFlowModelJobOutput
Designação | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | "mlflow_model" (obrigatório) |
modo | Modo de Entrega de Ativos de Saída. | "ReadWriteMount" "Carregar" |
URI | URI do ativo de saída. | string |
MLTableJobOutput
Designação | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | "mltable" (obrigatório) |
modo | Modo de Entrega de Ativos de Saída. | "ReadWriteMount" "Carregar" |
URI | URI do ativo de saída. | string |
TritonModelJobOutput
Designação | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | "triton_model" (obrigatório) |
modo | Modo de Entrega de Ativos de Saída. | "ReadWriteMount" "Carregar" |
URI | URI do ativo de saída. | string |
UriFileJobOutput
Designação | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | "uri_file" (obrigatório) |
modo | Modo de Entrega de Ativos de Saída. | "ReadWriteMount" "Carregar" |
URI | URI do ativo de saída. | string |
UriFolderJobOutput
Designação | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | "uri_folder" (obrigatório) |
modo | Modo de Entrega de Ativos de Saída. | "ReadWriteMount" "Carregar" |
URI | URI do ativo de saída. | string |
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 |
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: Comprimento mínimo = 1 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 |
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" |
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. |
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 |
maxEnsaios | Número de iterações. | 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) |
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 |
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 |
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" |
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 serácom 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 |
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: Comprimento mínimo = 1 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) |
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 |
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 |
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" |
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 |
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 |
limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
primaryMetric | Métrica primária para Text-Classification tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
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 |
NlpVerticalLimitSettings
Designação | Descrição | Valor |
---|---|---|
maxConcurrentTrials | Máximo de iterações simultâneas do AutoML. | Int |
maxEnsaios | Número de iterações AutoML. | Int |
tempo limite | Tempo limite do trabalho AutoML. | string |
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 |
limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
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 |
limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
CommandJob
Designação | Descrição | Valor |
---|---|---|
Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | "Comando" (obrigatório) |
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: Comprimento mínimo = 1 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 |
Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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 |
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 |
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 |
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: Comprimento mínimo = 1 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) |
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: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
environmentVariables | Variáveis de ambiente incluídas no trabalho. | TrialComponentEnvironmentVariables |
Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
Designação | Descrição | Valor |
---|---|---|
{propriedade personalizada} | string |
EndpointScheduleAction
Designação | Descrição | Valor |
---|---|---|
actionType | [Obrigatório] Especifica o tipo de ação da agenda | "InvokeBatchEndpoint" (obrigatório) |
endpointInvocationDefinition | [Obrigatório] Define os detalhes da definição da ação Agendar. {ver href="TBD" /} |
Base de gatilhos
Designação | Descrição | Valor |
---|---|---|
Tempo de Fim | Especifica a hora de término do agendamento na ISO 8601, mas sem um deslocamento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601. O formato recomentado seria "2022-06-01T00:00:01" Se não estiver presente, o horário será executado por tempo indeterminado |
string |
startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC. | string |
Fuso horário | Especifica o fuso horário no qual a agenda é executada. O fuso horário deve seguir o formato de fuso horário do Windows. Referência: /windows-hardware/manufature/desktop/default-time-zones /> |
string |
Tipo de gatilho | Definir o tipo de objeto |
Cron de recorrência (obrigatório) |
CronTrigger
Designação | Descrição | Valor |
---|---|---|
Tipo de gatilho | [Obrigatório] | "Cron" (obrigatório) |
expressão | [Obrigatório] Especifica a expressão cron da agenda. A expressão deve seguir o formato NCronTab. |
string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
RecorrênciaTrigger
Designação | Descrição | Valor |
---|---|---|
Tipo de gatilho | [Obrigatório] | "Recorrência" (obrigatório) |
FREQUÊNCIA | [Obrigatório] A frequência para acionar o cronograma. | "Dia" "Hora" "Minuto" "Mês" "Semana" (obrigatório) |
intervalo | [Obrigatório] Especifica o intervalo de programação em conjunto com a frequência | int (obrigatório) |
Horário | O esquema de recorrência. | RecurrenceSchedule |
RecorrênciaCronograma
Designação | Descrição | Valor |
---|---|---|
Horas | [Obrigatório] Lista de horas para o horário. | int[] (obrigatório) |
minutos | [Obrigatório] Lista de atas para a programação. | int[] (obrigatório) |
mêsDias | Lista de dias do mês para o cronograma | int[] |
dias úteis | Lista de dias para o calendário. | Matriz de cadeia de caracteres contendo qualquer uma das: "Sexta-feira" "Segunda-feira" "Sábado" "Domingo" "Quinta-feira" "Terça-feira" "Quarta-feira" |