Microsoft.MachineLearningServices workspaces/schedules 2023-06-01-preview
Definição de recurso do Bicep
O tipo de recurso áreas de trabalho/agendamentos pode ser implementado com operações que visam:
- Grupos de recursos – veja os comandos de implementação do grupo de recursos
Para obter uma lista das propriedades alteradas em cada versão da API, veja Registo de alterações.
Formato do recurso
Para criar um recurso Microsoft.MachineLearningServices/workspaces/schedules, adicione o seguinte Bicep ao seu modelo.
resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2023-06-01-preview' = {
name: 'string'
parent: resourceSymbolicName
properties: {
action: {
actionType: 'string'
// For remaining properties, see ScheduleActionBase objects
}
description: 'string'
displayName: 'string'
isEnabled: bool
properties: {
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
tags: {
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
trigger: {
endTime: 'string'
startTime: 'string'
timeZone: 'string'
triggerType: 'string'
// For remaining properties, see TriggerBase objects
}
}
}
Objetos ScheduleActionBase
Defina a propriedade actionType para especificar o tipo de objeto.
Para CreateJob, utilize:
actionType: 'CreateJob'
jobDefinition: {
componentId: 'string'
computeId: 'string'
description: 'string'
displayName: 'string'
experimentName: 'string'
identity: {
identityType: 'string'
// For remaining properties, see IdentityConfiguration objects
}
isArchived: bool
notificationSetting: {
emailOn: [
'string'
]
emails: [
'string'
]
webhooks: {
{customized property}: {
eventType: 'string'
webhookType: 'string'
// For remaining properties, see Webhook objects
}
}
}
properties: {
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
secretsConfiguration: {
{customized property}: {
uri: 'string'
workspaceSecretName: 'string'
}
{customized property}: {
uri: 'string'
workspaceSecretName: 'string'
}
}
services: {
{customized property}: {
endpoint: 'string'
jobServiceType: 'string'
nodes: {
nodesValueType: 'string'
// For remaining properties, see Nodes objects
}
port: int
properties: {
{customized property}: 'string'
}
}
{customized property}: {
endpoint: 'string'
jobServiceType: 'string'
nodes: {
nodesValueType: 'string'
// For remaining properties, see Nodes objects
}
port: int
properties: {
{customized property}: 'string'
}
}
}
tags: {
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
jobType: 'string'
// For remaining properties, see JobBaseProperties objects
}
Para CreateMonitor, utilize:
actionType: 'CreateMonitor'
monitorDefinition: {
alertNotificationSetting: {
alertNotificationType: 'string'
// For remaining properties, see MonitoringAlertNotificationSettingsBase objects
}
computeConfiguration: {
computeType: 'string'
// For remaining properties, see MonitorComputeConfigurationBase objects
}
monitoringTarget: {
deploymentId: 'string'
modelId: 'string'
taskType: 'string'
}
signals: {
{customized property}: {
mode: 'string'
properties: {
{customized property}: 'string'
}
signalType: 'string'
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Para ImportData, utilize:
actionType: 'ImportData'
dataImportDefinition: {
assetName: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
dataType: 'string'
dataUri: 'string'
description: 'string'
intellectualProperty: {
protectionLevel: 'string'
publisher: 'string'
}
isAnonymous: bool
isArchived: bool
properties: {
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
source: {
connection: 'string'
sourceType: 'string'
// For remaining properties, see DataImportSource objects
}
stage: 'string'
tags: {
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
}
Para InvokeBatchEndpoint, utilize:
actionType: 'InvokeBatchEndpoint'
endpointInvocationDefinition: any()
Objetos JobBaseProperties
Defina a propriedade jobType para especificar o tipo de objeto.
Para AutoML, utilize:
jobType: 'AutoML'
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
queueSettings: {
jobTier: 'string'
priority: int
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
locations: [
'string'
]
maxInstanceCount: int
properties: {
{customized property}: any()
{customized property}: any()
}
shmSize: 'string'
}
taskDetails: {
logVerbosity: 'string'
targetColumnName: 'string'
trainingData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
taskType: 'string'
// For remaining properties, see AutoMLVertical objects
}
Para Comando, utilize:
jobType: 'Command'
autologgerSettings: {
mlflowAutologger: 'string'
}
codeId: 'string'
command: 'string'
distribution: {
distributionType: 'string'
// For remaining properties, see DistributionConfiguration objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
limits: {
jobLimitsType: 'string'
timeout: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
queueSettings: {
jobTier: 'string'
priority: int
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
locations: [
'string'
]
maxInstanceCount: int
properties: {
{customized property}: any()
{customized property}: any()
}
shmSize: 'string'
}
Para Etiquetagem, utilize:
jobType: 'Labeling'
dataConfiguration: {
dataId: 'string'
incrementalDataRefresh: 'string'
}
jobInstructions: {
uri: 'string'
}
labelCategories: {
{customized property}: {
classes: {
{customized property}: {
displayName: 'string'
subclasses: {
{customized property}: {}
}
}
displayName: 'string'
multiSelect: 'string'
}
{customized property}: {
classes: {
{customized property}: {
displayName: 'string'
subclasses: {
{customized property}: {}
}
}
displayName: 'string'
multiSelect: 'string'
}
}
labelingJobMediaProperties: {
mediaType: 'string'
// For remaining properties, see LabelingJobMediaProperties objects
}
mlAssistConfiguration: {
mlAssist: 'string'
// For remaining properties, see MLAssistConfiguration objects
}
Para Pipeline, utilize:
jobType: 'Pipeline'
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
jobs: {
{customized property}: any()
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
settings: any()
sourceJobId: 'string'
Para o Spark, utilize:
jobType: 'Spark'
archives: [
'string'
]
args: 'string'
codeId: 'string'
conf: {
{customized property}: 'string'
}
entry: {
sparkJobEntryType: 'string'
// For remaining properties, see SparkJobEntry objects
}
environmentId: 'string'
files: [
'string'
]
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
jars: [
'string'
]
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
pyFiles: [
'string'
]
queueSettings: {
jobTier: 'string'
priority: int
}
resources: {
instanceType: 'string'
runtimeVersion: 'string'
}
Para Varrer, utilize:
jobType: 'Sweep'
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
limits: {
jobLimitsType: 'string'
maxConcurrentTrials: int
maxTotalTrials: int
timeout: 'string'
trialTimeout: 'string'
}
objective: {
goal: 'string'
primaryMetric: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
queueSettings: {
jobTier: 'string'
priority: int
}
samplingAlgorithm: {
samplingAlgorithmType: 'string'
// For remaining properties, see SamplingAlgorithm objects
}
searchSpace: any()
trial: {
codeId: 'string'
command: 'string'
distribution: {
distributionType: 'string'
// For remaining properties, see DistributionConfiguration objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
locations: [
'string'
]
maxInstanceCount: int
properties: {
{customized property}: any()
{customized property}: any()
}
shmSize: 'string'
}
}
Objetos IdentityConfiguration
Defina a propriedade identityType para especificar o tipo de objeto.
Para AMLToken, utilize:
identityType: 'AMLToken'
Para Gerido, utilize:
identityType: 'Managed'
clientId: 'string'
objectId: 'string'
resourceId: 'string'
Para UserIdentity, utilize:
identityType: 'UserIdentity'
Objetos de webhook
Defina a propriedade webhookType para especificar o tipo de objeto.
Para o AzureDevOps, utilize:
webhookType: 'AzureDevOps'
Objetos de nós
Defina a propriedade nodesValueType para especificar o tipo de objeto.
Para Todos, utilize:
nodesValueType: 'All'
Objetos JobOutput
Defina a propriedade jobOutputType para especificar o tipo de objeto.
Para custom_model, utilize:
jobOutputType: 'custom_model'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
Para mlflow_model, utilize:
jobOutputType: 'mlflow_model'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
Para mltable, utilize:
jobOutputType: 'mltable'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
Para triton_model, utilize:
jobOutputType: 'triton_model'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
Para uri_file, utilize:
jobOutputType: 'uri_file'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
Para uri_folder, utilize:
jobOutputType: 'uri_folder'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
Objetos AutoMLVertical
Defina a propriedade taskType para especificar o tipo de objeto.
Para Classificação, utilize:
taskType: 'Classification'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
fixedParameters: {
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: int
maxBin: int
maxDepth: int
maxLeaves: int
minDataInLeaf: int
minSplitGain: int
modelName: 'string'
nEstimators: int
numLeaves: int
preprocessorName: 'string'
regAlpha: int
regLambda: int
subsample: int
subsampleFreq: int
treeMethod: 'string'
withMean: bool
withStd: bool
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxNodes: int
maxTrials: int
sweepConcurrentTrials: int
sweepTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
positiveLabel: 'string'
primaryMetric: 'string'
searchSpace: [
{
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: 'string'
maxBin: 'string'
maxDepth: 'string'
maxLeaves: 'string'
minDataInLeaf: 'string'
minSplitGain: 'string'
modelName: 'string'
nEstimators: 'string'
numLeaves: 'string'
preprocessorName: 'string'
regAlpha: 'string'
regLambda: 'string'
subsample: 'string'
subsampleFreq: 'string'
treeMethod: 'string'
withMean: 'string'
withStd: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
testData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
trainingSettings: {
allowedTrainingAlgorithms: [
'string'
]
blockedTrainingAlgorithms: [
'string'
]
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
trainingMode: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
Para Previsão, utilize:
taskType: 'Forecasting'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
fixedParameters: {
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: int
maxBin: int
maxDepth: int
maxLeaves: int
minDataInLeaf: int
minSplitGain: int
modelName: 'string'
nEstimators: int
numLeaves: int
preprocessorName: 'string'
regAlpha: int
regLambda: int
subsample: int
subsampleFreq: int
treeMethod: 'string'
withMean: bool
withStd: bool
}
forecastingSettings: {
countryOrRegionForHolidays: 'string'
cvStepSize: int
featureLags: 'string'
featuresUnknownAtForecastTime: [
'string'
]
forecastHorizon: {
mode: 'string'
// For remaining properties, see ForecastHorizon objects
}
frequency: 'string'
seasonality: {
mode: 'string'
// For remaining properties, see Seasonality objects
}
shortSeriesHandlingConfig: 'string'
targetAggregateFunction: 'string'
targetLags: {
mode: 'string'
// For remaining properties, see TargetLags objects
}
targetRollingWindowSize: {
mode: 'string'
// For remaining properties, see TargetRollingWindowSize objects
}
timeColumnName: 'string'
timeSeriesIdColumnNames: [
'string'
]
useStl: 'string'
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxNodes: int
maxTrials: int
sweepConcurrentTrials: int
sweepTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
primaryMetric: 'string'
searchSpace: [
{
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: 'string'
maxBin: 'string'
maxDepth: 'string'
maxLeaves: 'string'
minDataInLeaf: 'string'
minSplitGain: 'string'
modelName: 'string'
nEstimators: 'string'
numLeaves: 'string'
preprocessorName: 'string'
regAlpha: 'string'
regLambda: 'string'
subsample: 'string'
subsampleFreq: 'string'
treeMethod: 'string'
withMean: 'string'
withStd: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
testData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
trainingSettings: {
allowedTrainingAlgorithms: [
'string'
]
blockedTrainingAlgorithms: [
'string'
]
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
trainingMode: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
Para ImageClassification, utilize:
taskType: 'ImageClassification'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
momentum: int
nesterov: bool
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
trainingBatchSize: int
trainingCropSize: int
validationBatchSize: int
validationCropSize: int
validationResizeSize: int
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
weightedLoss: int
}
primaryMetric: 'string'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
momentum: 'string'
nesterov: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
trainingBatchSize: 'string'
trainingCropSize: 'string'
validationBatchSize: 'string'
validationCropSize: 'string'
validationResizeSize: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
weightedLoss: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Para ImageClassificationMultilabel, utilize:
taskType: 'ImageClassificationMultilabel'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
momentum: int
nesterov: bool
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
trainingBatchSize: int
trainingCropSize: int
validationBatchSize: int
validationCropSize: int
validationResizeSize: int
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
weightedLoss: int
}
primaryMetric: 'string'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
momentum: 'string'
nesterov: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
trainingBatchSize: 'string'
trainingCropSize: 'string'
validationBatchSize: 'string'
validationCropSize: 'string'
validationResizeSize: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
weightedLoss: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Para ImageInstanceSegmentation, utilize:
taskType: 'ImageInstanceSegmentation'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
boxDetectionsPerImage: int
boxScoreThreshold: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
imageSize: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
logTrainingMetrics: 'string'
logValidationLoss: 'string'
maxSize: int
minSize: int
modelName: 'string'
modelSize: 'string'
momentum: int
multiScale: bool
nesterov: bool
nmsIouThreshold: int
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
tileGridSize: 'string'
tileOverlapRatio: int
tilePredictionsNmsThreshold: int
trainingBatchSize: int
validationBatchSize: int
validationIouThreshold: int
validationMetricType: 'string'
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
}
primaryMetric: 'MeanAveragePrecision'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
boxDetectionsPerImage: 'string'
boxScoreThreshold: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
imageSize: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
maxSize: 'string'
minSize: 'string'
modelName: 'string'
modelSize: 'string'
momentum: 'string'
multiScale: 'string'
nesterov: 'string'
nmsIouThreshold: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
tileGridSize: 'string'
tileOverlapRatio: 'string'
tilePredictionsNmsThreshold: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
validationIouThreshold: 'string'
validationMetricType: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Para ImageObjectDetection, utilize:
taskType: 'ImageObjectDetection'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
boxDetectionsPerImage: int
boxScoreThreshold: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
imageSize: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
logTrainingMetrics: 'string'
logValidationLoss: 'string'
maxSize: int
minSize: int
modelName: 'string'
modelSize: 'string'
momentum: int
multiScale: bool
nesterov: bool
nmsIouThreshold: int
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
tileGridSize: 'string'
tileOverlapRatio: int
tilePredictionsNmsThreshold: int
trainingBatchSize: int
validationBatchSize: int
validationIouThreshold: int
validationMetricType: 'string'
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
}
primaryMetric: 'MeanAveragePrecision'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
boxDetectionsPerImage: 'string'
boxScoreThreshold: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
imageSize: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
maxSize: 'string'
minSize: 'string'
modelName: 'string'
modelSize: 'string'
momentum: 'string'
multiScale: 'string'
nesterov: 'string'
nmsIouThreshold: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
tileGridSize: 'string'
tileOverlapRatio: 'string'
tilePredictionsNmsThreshold: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
validationIouThreshold: 'string'
validationMetricType: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Para Regressão, utilize:
taskType: 'Regression'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
fixedParameters: {
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: int
maxBin: int
maxDepth: int
maxLeaves: int
minDataInLeaf: int
minSplitGain: int
modelName: 'string'
nEstimators: int
numLeaves: int
preprocessorName: 'string'
regAlpha: int
regLambda: int
subsample: int
subsampleFreq: int
treeMethod: 'string'
withMean: bool
withStd: bool
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxNodes: int
maxTrials: int
sweepConcurrentTrials: int
sweepTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
primaryMetric: 'string'
searchSpace: [
{
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: 'string'
maxBin: 'string'
maxDepth: 'string'
maxLeaves: 'string'
minDataInLeaf: 'string'
minSplitGain: 'string'
modelName: 'string'
nEstimators: 'string'
numLeaves: 'string'
preprocessorName: 'string'
regAlpha: 'string'
regLambda: 'string'
subsample: 'string'
subsampleFreq: 'string'
treeMethod: 'string'
withMean: 'string'
withStd: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
testData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
trainingSettings: {
allowedTrainingAlgorithms: [
'string'
]
blockedTrainingAlgorithms: [
'string'
]
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
trainingMode: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
Para TextClassification, utilize:
taskType: 'TextClassification'
featurizationSettings: {
datasetLanguage: 'string'
}
fixedParameters: {
gradientAccumulationSteps: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: int
trainingBatchSize: int
validationBatchSize: int
warmupRatio: int
weightDecay: int
}
limitSettings: {
maxConcurrentTrials: int
maxNodes: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
primaryMetric: 'string'
searchSpace: [
{
gradientAccumulationSteps: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
warmupRatio: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
Para TextClassificationMultilabel, utilize:
taskType: 'TextClassificationMultilabel'
featurizationSettings: {
datasetLanguage: 'string'
}
fixedParameters: {
gradientAccumulationSteps: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: int
trainingBatchSize: int
validationBatchSize: int
warmupRatio: int
weightDecay: int
}
limitSettings: {
maxConcurrentTrials: int
maxNodes: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
searchSpace: [
{
gradientAccumulationSteps: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
warmupRatio: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
Para TextNER, utilize:
taskType: 'TextNER'
featurizationSettings: {
datasetLanguage: 'string'
}
fixedParameters: {
gradientAccumulationSteps: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: int
trainingBatchSize: int
validationBatchSize: int
warmupRatio: int
weightDecay: int
}
limitSettings: {
maxConcurrentTrials: int
maxNodes: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
searchSpace: [
{
gradientAccumulationSteps: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
warmupRatio: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
Objetos NCrossValidations
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode: 'Auto'
Para Personalizar, utilize:
mode: 'Custom'
value: int
Objetos EarlyTerminationPolicy
Defina a propriedade policyType para especificar o tipo de objeto.
Para Bandido, utilize:
policyType: 'Bandit'
slackAmount: int
slackFactor: int
Para MedianStopping, utilize:
policyType: 'MedianStopping'
Para TruncationSelection, utilize:
policyType: 'TruncationSelection'
truncationPercentage: int
Objetos do ForecastHorizon
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode: 'Auto'
Para Personalizar, utilize:
mode: 'Custom'
value: int
Objetos de sazonalidade
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode: 'Auto'
Para Personalizar, utilize:
mode: 'Custom'
value: int
Objetos TargetLags
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode: 'Auto'
Para Personalizar, utilize:
mode: 'Custom'
values: [
int
]
TargetRollingWindowSize objects (Objetos TargetRollingWindowSize)
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode: 'Auto'
Para Personalizar, utilize:
mode: 'Custom'
value: int
Objetos DistributionConfiguration
Defina a propriedade distributionType para especificar o tipo de objeto.
Para MPI, utilize:
distributionType: 'Mpi'
processCountPerInstance: int
Para PyTorch, utilize:
distributionType: 'PyTorch'
processCountPerInstance: int
Para Ray, utilize:
distributionType: 'Ray'
address: 'string'
dashboardPort: int
headNodeAdditionalArgs: 'string'
includeDashboard: bool
port: int
workerNodeAdditionalArgs: 'string'
Para TensorFlow, utilize:
distributionType: 'TensorFlow'
parameterServerCount: int
workerCount: int
Objetos JobInput
Defina a propriedade jobInputType para especificar o tipo de objeto.
Para custom_model, utilize:
jobInputType: 'custom_model'
mode: 'string'
uri: 'string'
Para o literal, utilize:
jobInputType: 'literal'
value: 'string'
Para mlflow_model, utilize:
jobInputType: 'mlflow_model'
mode: 'string'
uri: 'string'
Para mltable, utilize:
jobInputType: 'mltable'
mode: 'string'
uri: 'string'
Para triton_model, utilize:
jobInputType: 'triton_model'
mode: 'string'
uri: 'string'
Para uri_file, utilize:
jobInputType: 'uri_file'
mode: 'string'
uri: 'string'
Para uri_folder, utilize:
jobInputType: 'uri_folder'
mode: 'string'
uri: 'string'
LabelingJobMediaProperties objects (Etiquetar objetosJobMediaProperties)
Defina a propriedade mediaType para especificar o tipo de objeto.
Para Imagem, utilize:
mediaType: 'Image'
annotationType: 'string'
Para Texto, utilize:
mediaType: 'Text'
annotationType: 'string'
Objetos MLAssistConfiguration
Defina a propriedade mlAssist para especificar o tipo de objeto.
Para Desativado, utilize:
mlAssist: 'Disabled'
Para Ativado, utilize:
mlAssist: 'Enabled'
inferencingComputeBinding: 'string'
trainingComputeBinding: 'string'
Objetos SparkJobEntry
Defina a propriedade sparkJobEntryType para especificar o tipo de objeto.
Para SparkJobPythonEntry, utilize:
sparkJobEntryType: 'SparkJobPythonEntry'
file: 'string'
Para SparkJobScalaEntry, utilize:
sparkJobEntryType: 'SparkJobScalaEntry'
className: 'string'
Objetos SamplingAlgorithm
Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.
Para Bayesian, utilize:
samplingAlgorithmType: 'Bayesian'
Para Grid, utilize:
samplingAlgorithmType: 'Grid'
Para Aleatório, utilize:
samplingAlgorithmType: 'Random'
logbase: 'string'
rule: 'string'
seed: int
Objetos MonitoringAlertNotificationSettingsBase
Defina a propriedade alertNotificationType para especificar o tipo de objeto.
Para o AzureMonitor, utilize:
alertNotificationType: 'AzureMonitor'
Para Email, utilize:
alertNotificationType: 'Email'
emailNotificationSetting: {
emailOn: [
'string'
]
emails: [
'string'
]
webhooks: {
{customized property}: {
eventType: 'string'
webhookType: 'string'
// For remaining properties, see Webhook objects
}
}
}
Objetos MonitorComputeConfigurationBase
Defina a propriedade computeType para especificar o tipo de objeto.
Para ServerlessSpark, utilize:
computeType: 'ServerlessSpark'
computeIdentity: {
computeIdentityType: 'string'
// For remaining properties, see MonitorComputeIdentityBase objects
}
instanceType: 'string'
runtimeVersion: 'string'
Objetos MonitorComputeIdentityBase
Defina a propriedade computeIdentityType para especificar o tipo de objeto.
Para AmlToken, utilize:
computeIdentityType: 'AmlToken'
Para ManagedIdentity, utilize:
computeIdentityType: 'ManagedIdentity'
identity: {
type: 'string'
userAssignedIdentities: {
{customized property}: {}
}
}
Objetos MonitoringSignalBase
Defina a propriedade signalType para especificar o tipo de objeto.
Para Personalizar, utilize:
signalType: 'Custom'
componentId: 'string'
inputAssets: {
{customized property}: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
metricThresholds: [
{
metric: 'string'
threshold: {
value: int
}
}
]
workspaceConnection: {
environmentVariables: {
{customized property}: 'string'
}
secrets: {
{customized property}: 'string'
}
}
Para DataDrift, utilize:
signalType: 'DataDrift'
dataSegment: {
feature: 'string'
values: [
'string'
]
}
featureDataTypeOverride: {
{customized property}: 'string'
}
features: {
filterType: 'string'
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see DataDriftMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Para a Igualdade de Dados, utilize:
signalType: 'DataQuality'
featureDataTypeOverride: {
{customized property}: 'string'
}
features: {
filterType: 'string'
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see DataQualityMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Para FeatureAttributionDrift, utilize:
signalType: 'FeatureAttributionDrift'
metricThreshold: {
metric: 'NormalizedDiscountedCumulativeGain'
threshold: {
value: int
}
}
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Para GenerationSafetyQuality, utilize:
signalType: 'GenerationSafetyQuality'
metricThresholds: [
{
metric: 'string'
threshold: {
value: int
}
}
]
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
samplingRate: int
workspaceConnectionId: 'string'
Para GenerationTokenStatistics, utilize:
signalType: 'GenerationTokenStatistics'
metricThresholds: [
{
metric: 'string'
threshold: {
value: int
}
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
samplingRate: int
Para ModelPerformance, utilize:
signalType: 'ModelPerformance'
dataSegment: {
feature: 'string'
values: [
'string'
]
}
metricThreshold: {
threshold: {
value: int
}
modelType: 'string'
// For remaining properties, see ModelPerformanceMetricThresholdBase objects
}
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Para PredictionDrift, utilize:
signalType: 'PredictionDrift'
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
]
modelType: 'string'
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Objetos MonitoringInputDataBase
Defina a propriedade inputDataType para especificar o tipo de objeto.
Para Corrigido, utilize:
inputDataType: 'Fixed'
Para Estático, utilize:
inputDataType: 'Static'
preprocessingComponentId: 'string'
windowEnd: 'string'
windowStart: 'string'
Em À direita, utilize:
inputDataType: 'Trailing'
preprocessingComponentId: 'string'
windowOffset: 'string'
windowSize: 'string'
Objetos MonitoringFeatureFilterBase
Defina a propriedade filterType para especificar o tipo de objeto.
Para AllFeatures, utilize:
filterType: 'AllFeatures'
Para FeatureSubset, utilize:
filterType: 'FeatureSubset'
features: [
'string'
]
Para TopNByAttribution, utilize:
filterType: 'TopNByAttribution'
top: int
Objetos DataDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórico, utilize:
dataType: 'Categorical'
metric: 'string'
Para Numérico, utilize:
dataType: 'Numerical'
metric: 'string'
Objetos DataQualityMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórico, utilize:
dataType: 'Categorical'
metric: 'string'
Para Numérico, utilize:
dataType: 'Numerical'
metric: 'string'
Objetos ModelPerformanceMetricThresholdBase
Defina a propriedade modelType para especificar o tipo de objeto.
Para Classificação, utilize:
modelType: 'Classification'
metric: 'string'
Para Regressão, utilize:
modelType: 'Regression'
metric: 'string'
Objetos PredictionDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórico, utilize:
dataType: 'Categorical'
metric: 'string'
Para Numérico, utilize:
dataType: 'Numerical'
metric: 'string'
Objetos DataImportSource
Defina a propriedade sourceType para especificar o tipo de objeto.
Para a base de dados, utilize:
sourceType: 'database'
query: 'string'
storedProcedure: 'string'
storedProcedureParams: [
{
{customized property}: 'string'
}
]
tableName: 'string'
Para file_system, utilize:
sourceType: 'file_system'
path: 'string'
Objetos TriggerBase
Defina a propriedade triggerType para especificar o tipo de objeto.
Para Cron, utilize:
triggerType: 'Cron'
expression: 'string'
Para Periodicidade, utilize:
triggerType: 'Recurrence'
frequency: 'string'
interval: int
schedule: {
hours: [
int
]
minutes: [
int
]
monthDays: [
int
]
weekDays: [
'string'
]
}
Valores de propriedade
áreas de trabalho/agendas
Nome | Descrição | Valor |
---|---|---|
name | O nome do recurso Veja como definir nomes e tipos para recursos subordinados no Bicep. |
cadeia (obrigatório) |
principal | No Bicep, pode especificar o recurso principal de um recurso subordinado. Só tem de adicionar esta propriedade quando o recurso subordinado for declarado fora do recurso principal. Para obter mais informações, veja Recurso subordinado fora do recurso principal. |
Nome simbólico para recurso do tipo: áreas de trabalho |
propriedades | [Obrigatório] Atributos adicionais da entidade. | ScheduleProperties (obrigatório) |
ScheduleProperties
Nome | Descrição | Valor |
---|---|---|
action | [Obrigatório] Especifica a ação da agenda | ScheduleActionBase (obrigatório) |
descrição | O texto de descrição do recurso. | string |
displayName | Nome a apresentar da agenda. | string |
isEnabled | A agenda está ativada? | bool |
propriedades | O dicionário da propriedade do recurso. | ResourceBaseProperties |
etiquetas | Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas. | objeto |
acionador | [Obrigatório] Especifica os detalhes do acionador | TriggerBase (obrigatório) |
ScheduleActionBase
Nome | Descrição | Valor |
---|---|---|
actionType | Definir o tipo de objeto | CriarJob CreateMonitor ImportData InvokeBatchEndpoint (obrigatório) |
JobScheduleAction
Nome | Descrição | Valor |
---|---|---|
actionType | [Obrigatório] Especifica o tipo de ação da agenda | "CreateJob" (obrigatório) |
jobDefinition | [Obrigatório] Define detalhes da definição de ação Agendar. | JobBaseProperties (obrigatório) |
JobBaseProperties
Nome | Descrição | Valor |
---|---|---|
componentId | ID do recurso arm do recurso do componente. | string |
computeId | ID do recurso arm do recurso de computação. | string |
descrição | O texto de descrição do recurso. | string |
displayName | Nome a apresentar da tarefa. | string |
experimentName | O nome da experimentação a que pertence a tarefa. Se não estiver definido, a tarefa é colocada na experimentação "Predefinição". | string |
identidade | Configuração de identidade. Se estiver definido, este deve ser um de AmlToken, ManagedIdentity, UserIdentity ou null. A predefinição é AmlToken se for nula. |
IdentityConfiguration |
isArchived | O recurso está arquivado? | bool |
notificationSetting | Definição de notificação para a tarefa | NotificationSetting |
propriedades | O dicionário da propriedade do recurso. | ResourceBaseProperties |
secretsConfiguration | Configuração para que os segredos sejam disponibilizados durante o runtime. | JobBaseSecretsConfiguration |
services | Lista de JobEndpoints. Para tarefas locais, um ponto final de tarefa terá um valor de ponto final de FileStreamObject. |
JobBaseServices |
etiquetas | Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas. | objeto |
jobType | Definir o tipo de objeto | AutoML Comando Etiquetagem Pipeline Spark Varrer (obrigatório) |
IdentityConfiguration
Nome | Descrição | Valor |
---|---|---|
identityType | Definir o tipo de objeto | AMLToken Gerido UserIdentity (obrigatório) |
AmlToken
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "AMLToken" (obrigatório) |
ManagedIdentity
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "Gerido" (obrigatório) |
clientId | Especifica uma identidade atribuída pelo utilizador pelo ID de cliente. Para a atribuição do sistema, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
objectId | Especifica uma identidade atribuída pelo utilizador pelo ID do objeto. Para a atribuição do sistema, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
resourceId | Especifica uma identidade atribuída pelo utilizador pelo ID de recurso do ARM. Para a atribuição do sistema, não defina este campo. | string |
UserIdentity
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "UserIdentity" (obrigatório) |
NotificationSetting
Nome | Descrição | Valor |
---|---|---|
emailOn | Enviar notificação por e-mail ao utilizador no tipo de notificação especificado | Matriz de cadeias que contém qualquer um dos seguintes: "JobCancelled" "JobCompleted" "JobFailed" |
e-mails | Esta é a lista de destinatários de e-mail que tem uma limitação de 499 carateres no total concat com separador de vírgulas | cadeia[] |
webhooks | Enviar chamada de retorno de webhook para um serviço. A chave é um nome fornecido pelo utilizador para o webhook. | NotificationSettingWebhooks |
NotificationSettingWebhooks
Nome | Descrição | Valor |
---|---|---|
{customized property} | Webhook |
Webhook
Nome | Descrição | Valor |
---|---|---|
eventType | Enviar chamada de retorno num evento de notificação especificado | string |
webhookType | Definir o tipo de objeto | AzureDevOps (obrigatório) |
AzureDevOpsWebhook
Nome | Descrição | Valor |
---|---|---|
webhookType | [Obrigatório] Especifica o tipo de serviço para enviar uma chamada de retorno | "AzureDevOps" (obrigatório) |
ResourceBaseProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string |
JobBaseSecretsConfiguration
Nome | Descrição | Valor |
---|---|---|
{customized property} | SecretConfiguration | |
{customized property} | SecretConfiguration |
SecretConfiguration
Nome | Descrição | Valor |
---|---|---|
URI | URI Secreto. Uri de Exemplo: https://myvault.vault.azure.net/secrets/mysecretname/secretversion |
string |
workspaceSecretName | Nome do segredo no cofre de chaves da área de trabalho. | string |
JobBaseServices
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobService | |
{customized property} | JobService |
JobService
Nome | Descrição | Valor |
---|---|---|
endpoint | URL para ponto final. | string |
jobServiceType | Tipo de ponto final. | string |
nós | Nós em que o utilizador gostaria de iniciar o serviço. Se Os Nós não estiverem definidos ou definidos como nulos, o serviço só será iniciado no nó de preenchimento. |
Nós |
porta | Porta para o ponto final definida pelo utilizador. | int |
propriedades | Propriedades adicionais a definir no ponto final. | JobServiceProperties |
Nós
Nome | Descrição | Valor |
---|---|---|
nodesValueType | Definir o tipo de objeto | Todos (obrigatório) |
AllNodes
Nome | Descrição | Valor |
---|---|---|
nodesValueType | [Obrigatório] Tipo do valor Nós | "Todos" (obrigatório) |
JobServiceProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
AutoMLJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "AutoML" (obrigatório) |
environmentId | O ID de recurso do ARM da especificação ambiente da tarefa. Este é um valor opcional para fornecer, se não for fornecido, que o AutoML irá predefinir esta opção para a versão de ambiente de produção organizada por AutoML ao executar a tarefa. |
string |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | AutoMLJobEnvironmentVariables |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | AutoMLJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
taskDetails | [Obrigatório] Isto representa um cenário que pode ser uma das Tabelas/NLP/Imagem | AutoMLVertical (obrigatório) |
AutoMLJobEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
AutoMLJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
JobOutput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição do resultado. | string |
jobOutputType | Definir o tipo de objeto | custom_model mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "custom_model" (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | 'Direto' "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
AutoDeleteSetting
Nome | Descrição | Valor |
---|---|---|
condição | Quando verificar se um recurso expirou | 'CreatedGreaterThan' 'LastAccessedGreaterThan' |
valor | Valor da condição de expiração. | string |
MLFlowModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "mlflow_model" (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | 'Direto' "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
MLTableJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "mltable" (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | 'Direto' "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
TritonModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "triton_model" (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | 'Direto' "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
UriFileJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "uri_file" (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | 'Direto' "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
UriFolderJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "uri_folder" (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | 'Direto' "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
QueueSettings
Nome | Descrição | Valor |
---|---|---|
jobTier | Controla o escalão da tarefa de computação | "Básico" "Nulo" "Premium" 'Spot' 'Standard' |
prioridade | Controla a prioridade da tarefa numa computação. | int |
JobResourceConfiguration
Nome | Descrição | Valor |
---|---|---|
dockerArgs | Argumentos adicionais para passar para o comando de execução do Docker. Isto substituiria quaisquer parâmetros que já tenham sido definidos pelo sistema ou nesta secção. Este parâmetro só é suportado para tipos de computação do Azure ML. | string |
instanceCount | Número opcional de instâncias ou nós utilizados pelo destino de computação. | int |
instanceType | Tipo opcional de VM utilizado como suportado pelo destino de computação. | string |
localizações | Localizações onde a tarefa pode ser executada. | cadeia[] |
maxInstanceCount | Número máximo opcional permitido de instâncias ou nós a utilizar pelo destino de computação. Para utilização com preparação elástica, atualmente suportada apenas pelo tipo de distribuição PyTorch. |
int |
propriedades | Saco de propriedades adicionais. | ResourceConfigurationProperties |
shmSize | Tamanho do bloco de memória partilhado do contentor docker. Deve estar no formato de (número)(unidade) em que o número deve ser superior a 0 e a unidade pode ser um de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes). | string Restrições: Padrão = \d+[bBkKmMgG] |
ResourceConfigurationProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | Para o Bicep, pode utilizar a função any( ). | |
{customized property} | Para o Bicep, pode utilizar a função any( ). |
AutoMLVertical
Nome | Descrição | Valor |
---|---|---|
logVerbosity | Registar verbosidade para a tarefa. | "Crítico" "Depurar" "Erro" "Informações" "NotSet" "Aviso" |
targetColumnName | Nome da coluna de destino: esta é a coluna de valores de predição. Também conhecido como nome da coluna de etiqueta no contexto de tarefas de classificação. |
string |
trainingData | [Obrigatório] Entrada de dados de preparação. | MLTableJobInput (obrigatório) |
taskType | Definir o tipo de objeto | Classificação Previsão ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regressão TextClassification TextClassificationMultilabel TextNER (obrigatório) |
MLTableJobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
Classificação
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Classificação" (obrigatório) |
cvSplitColumnNames | Colunas a utilizar para dados CVSplit. | string[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | TableFixedParameters |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
positiveLabel | Etiqueta positiva para cálculo de métricas binárias. | string |
primaryMetric | Métrica primária da tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | TableParameterSubspace[] |
sweepSettings | Definições de varrimento de modelos e otimização de hiperparâmetros. | TableSweepSettings |
testData | Testar a entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa de AutoML. | ClassificationTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
TableVerticalFeaturizationSettings
Nome | Descrição | Valor |
---|---|---|
blockedTransformers | Estes transformadores não devem ser utilizados na caracterização. | Matriz de cadeia que contém qualquer um dos seguintes: "CatTargetEncoder" "CountVectorizer" "HashOneHotEncoder" "LabelEncoder" 'NaiveBayes' "OneHotEncoder" "TextTargetEncoder" "TfIdf" "WoETargetEncoder" "WordEmbedding" |
columnNameAndTypes | Dicionário do nome da coluna e do respetivo tipo (int, float, string, datetime, etc.). | TableVerticalFeaturizationSettingsColumnNameAndTypes |
datasetLanguage | Idioma do conjunto de dados, útil para os dados de texto. | string |
enableDnnFeaturization | Determina se deve utilizar os caracterizadores baseados em Dnn para a caracterização de dados. | bool |
mode | Modo de caracterização – o utilizador pode manter o modo "Automático" predefinido e o AutoML tratará da transformação necessária dos dados na fase de caracterização. Se "Desativado" estiver selecionado, não será efetuada qualquer caracterização. Se "Personalizado" estiver selecionado, o utilizador pode especificar entradas adicionais para personalizar a forma como a caracterização é feita. |
'Auto' "Personalizado" 'Desativado' |
transformerParams | O utilizador pode especificar transformadores adicionais a serem utilizados juntamente com as colunas às quais seriam aplicados e parâmetros para o construtor do transformador. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
TableVerticalFeaturizationSettingsTransformerParams
Nome | Descrição | Valor |
---|---|---|
{customized property} | ColumnTransformer[] |
ColumnTransformer
Nome | Descrição | Valor |
---|---|---|
fields | Campos nos quais aplicar a lógica do transformador. | string[] |
parâmetros | Propriedades diferentes a serem transmitidas ao transformador. A entrada esperada é o dicionário de pares chave e valor no formato JSON. |
Para Bicep, pode utilizar a função any( ). |
TableFixedParameters
Nome | Descrição | Valor |
---|---|---|
reforço | Especifique o tipo de reforço, por exemplo, gbdt para XGBoost. | string |
boostingType | Especifique o tipo de reforço, por exemplo, gbdt para LightGBM. | string |
growPolicy | Especifique a política de crescimento, que controla a forma como os novos nós são adicionados à árvore. | string |
learningRate | A taxa de aprendizagem do procedimento de preparação. | int |
maxBin | Especifique o Número máximo de classes discretas para criar registos de funcionalidades contínuas. | int |
maxDepth | Especifique a profundidade máxima para limitar explicitamente a profundidade da árvore. | int |
maxLeaves | Especifique o máximo de folhas para limitar explicitamente as folhas da árvore. | int |
minDataInLeaf | O número mínimo de dados por folha. | int |
minSplitGain | Redução mínima de perda necessária para criar uma partição adicional num nó de folha da árvore. | int |
modelName | O nome do modelo a preparar. | string |
nEstimadores | Especifique o número de árvores (ou arredonda) num modelo. | int |
numLeaves | Especifique o número de folhas. | int |
preprocessorName | O nome do pré-processamento a utilizar. | string |
regAlpha | Termo de regularização L1 em pesos. | int |
regLambda | Termo de regularização L2 em pesos. | int |
subscrição | Proporção da instância de preparação. | int |
subsampleFreq | Frequência da sub-amostra. | int |
treeMethod | Especifique o método de árvore. | string |
withMean | Se for verdadeiro, centro antes de dimensionar os dados com StandardScalar. | bool |
withStd | Se for verdadeiro, dimensione os dados com a Variação de Unidades com StandardScalar. | bool |
TableVerticalLimitSettings
Nome | Descrição | Valor |
---|---|---|
enableEarlyTermination | Ative a terminação antecipada, determina se o AutoMLJob terminará mais cedo se não houver melhoria de pontuação nas últimas 20 iterações. | bool |
exitScore | Classificação de saída para a tarefa de AutoML. | int |
maxConcurrentTrials | Máximo de iterações simultâneas. | int |
maxCoresPerTrial | Máx. de núcleos por iteração. | int |
maxNodes | Máximo de nós a utilizar para a experimentação. | int |
maxTrials | Número de iterações. | int |
sweepConcurrentTrials | Número de execuções de varrimento simultâneas que o utilizador quer acionar. | int |
sweepTrials | Número de execuções abrangentes que o utilizador quer acionar. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
trialTimeout | Tempo limite da iteração. | string |
NCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoNCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo para determinar validações N-Cross. | "Automático" (obrigatório) |
CustomNCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo para determinar validações N-Cross. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor de validações N-Cross. | int (obrigatório) |
TableParameterSubspace
Nome | Descrição | Valor |
---|---|---|
reforço | Especifique o tipo de reforço, por exemplo, gbdt para XGBoost. | string |
boostingType | Especifique o tipo de reforço, por exemplo, gbdt para LightGBM. | string |
growPolicy | Especifique a política de crescimento, que controla a forma como os novos nós são adicionados à árvore. | string |
learningRate | A taxa de aprendizagem do procedimento de preparação. | string |
maxBin | Especifique o Número máximo de classes discretas para criar registos de funcionalidades contínuas. | string |
maxDepth | Especifique a profundidade máxima para limitar explicitamente a profundidade da árvore. | string |
maxLeaves | Especifique o máximo de folhas para limitar explicitamente as folhas da árvore. | string |
minDataInLeaf | O número mínimo de dados por folha. | string |
minSplitGain | Redução mínima de perda necessária para criar uma partição adicional num nó de folha da árvore. | string |
modelName | O nome do modelo a preparar. | string |
nEstimadores | Especifique o número de árvores (ou arredonda) num modelo. | string |
numLeaves | Especifique o número de folhas. | string |
preprocessorName | O nome do pré-processamento a utilizar. | string |
regAlpha | Termo de regularização L1 sobre pesos. | string |
regLambda | Termo de regularização L2 em pesos. | string |
subamplo | Proporção da instância de preparação. | string |
subsampleFreq | Frequência da subamplia | string |
treeMethod | Especifique o método tree. | string |
withMean | Se for verdadeiro, centro antes de dimensionar os dados com StandardScalar. | string |
withStd | Se for verdade, dimensione os dados com a Variação de Unidades com StandardScalar. | string |
TableSweepSettings
Nome | Descrição | Valor |
---|---|---|
earlyTermination | Tipo de política de cessação antecipada para o trabalho abrangente. | EarlyTerminationPolicy |
samplingAlgorithm | [Obrigatório] Tipo de algoritmo de amostragem. | 'Bayesian' "Grelha" "Aleatório" (obrigatório) |
EarlyTerminationPolicy
Nome | Descrição | Valor |
---|---|---|
delayEvaluation | Número de intervalos para atrasar a primeira avaliação. | int |
evaluationInterval | Intervalo (número de execuções) entre avaliações de políticas. | int |
policyType | Definir o tipo de objeto | Bandido MedianStopping TruncationSelection (necessário) |
BanditPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "Bandido" (obrigatório) |
slackAmount | Distância absoluta permitida a partir da execução com melhor desempenho. | int |
slackFactor | Proporção da distância permitida da execução com melhor desempenho. | int |
MedianStoppingPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "MedianStopping" (obrigatório) |
TruncationSelectionPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "TruncationSelection" (obrigatório) |
truncationPercentage | A percentagem de execuções a cancelar em cada intervalo de avaliação. | int |
ClassificationTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para tarefas de classificação. | Matriz de cadeias que contém qualquer um dos seguintes: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' "GradientBoosting" 'KNN' "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" 'SVM' "XGBoostClassifier" |
blockedTrainingAlgorithms | Modelos bloqueados para tarefa de classificação. | Matriz de cadeia que contém qualquer um dos seguintes: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LightGBM' "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" 'SGD' 'SVM' "XGBoostClassifier" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração do modelo VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
trainingMode | Modo TrainingMode – definir como "automático" é igual a defini-lo como "não distribuído" por enquanto, no entanto, no futuro, poderá resultar na seleção do modo misto ou do modo baseado em heurística. A predefinição é "auto". Se "Distribuído", só é utilizada a caracterização distribuída e os algoritmos distribuídos são escolhidos. Se "Não Atribuído", só são escolhidos algoritmos não distribuídos. |
'Auto' "Distribuído" "Não Atribuído" |
StackEnsembleSettings
Nome | Descrição | Valor |
---|---|---|
stackMetaLearnerKWargs | Parâmetros opcionais para transmitir para o inicializador do meta-aluno. | Para Bicep, pode utilizar a função any( ). |
stackMetaLearnerTrainPercentage | Especifica a proporção do conjunto de preparação (ao escolher o tipo de preparação e validação de preparação) a reservar para a preparação do meta-aluno. O valor predefinido é 0,2. | int |
stackMetaLearnerType | O metadutor é um modelo preparado na saída dos modelos heterogéneos individuais. | "ElasticNet" "ElasticNetCV" "LightGBMClassifier" "LightGBMRegressor" "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "Nenhum" |
Previsão
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Previsão" (obrigatório) |
cvSplitColumnNames | Colunas a utilizar para dados CVSplit. | string[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | TableFixedParameters |
forecastingSettings | Previsão de entradas específicas de tarefas. | PrevisõesDefinições |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
primaryMetric | Métrica primária para a tarefa de previsão. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation' |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | TableParameterSubspace[] |
sweepSettings | Definições para limpeza de modelos e otimização de hiperparâmetros. | TableSweepSettings |
testData | Testar entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa autoML. | ForecastingTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
PrevisãoDefinições
Nome | Descrição | Valor |
---|---|---|
countryOrRegionForHolidays | País ou região para feriados para previsão de tarefas. Estes devem ser códigos iso 3166 país/região de duas letras, por exemplo "E.U.A" ou "GB". |
string |
cvStepSize | Número de períodos entre a hora de origem de uma dobra de CV e a dobra seguinte. Para o por exemplo, se CVStepSize = 3 para dados diários, a hora de origem de cada dobra serátrês dias de diferença. |
int |
featureLags | Sinalizar para gerar atrasos para as funcionalidades numéricas com "automático" ou nulo. | "Automático" "Nenhum" |
featuresUnknownAtForecastTime | As colunas de funcionalidades disponíveis para preparação, mas desconhecidas no momento da previsão/inferência. Se features_unknown_at_forecast_time não estiver definido, presume-se que todas as colunas de funcionalidades no conjunto de dados são conhecidas no momento da inferência. |
cadeia[] |
forecastHorizon | O horizonte de previsão máximo pretendido em unidades de frequência de série temporal. | PrevisãoHorizon |
frequência | Ao prever, este parâmetro representa o período com o qual a previsão é pretendida, por exemplo, diariamente, semanalmente, anualmente, etc. Por predefinição, a frequência de previsão é a frequência do conjunto de dados. | string |
sazonalidade | Defina a sazonalidade da série temporal como um número inteiro múltiplo da frequência da série. Se a sazonalidade estiver definida como "automática", será inferida. |
Sazonalidade |
shortSeriesHandlingConfig | O parâmetro que define como se o AutoML deve processar séries de tempo curtos. | "Automático" 'Drop' "Nenhum" 'Pad' |
targetAggregateFunction | A função a ser utilizada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada por um utilizador. Se TargetAggregateFunction estiver definido, ou seja, não "Nenhum", mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "sum", "max", "min" e "mean". |
'Max' "Média" 'Min' "Nenhum" "Soma" |
targetLags | O número de períodos passados a desfasar da coluna de destino. | TargetLags |
targetRollingWindowSize | O número de períodos anteriores utilizados para criar uma média de janela rolante da coluna de destino. | TargetRollingWindowSize |
timeColumnName | O nome da coluna time. Este parâmetro é necessário ao prever para especificar a coluna datetime nos dados de entrada utilizados para criar a série temporal e inferir a respetiva frequência. | string |
timeSeriesIdColumnames | Os nomes das colunas utilizadas para agrupar uma série de horas. Pode ser utilizado para criar várias séries. Se o grão não estiver definido, assume-se que o conjunto de dados é uma série temporal. Este parâmetro é utilizado com a previsão do tipo de tarefa. |
cadeia[] |
useStl | Configure a Decomposição de STL da coluna de destino da série temporal. | "Nenhum" 'Temporada' 'SeasonTrend' |
PrevisãoHorizon
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoForecastHorizon
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Defina o modo de seleção de valor de horizonte de previsão. | "Automático" (obrigatório) |
CustomForecastHorizon
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Defina o modo de seleção de valor de horizonte de previsão. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor de horizonte de previsão. | int (obrigatório) |
Sazonalidade
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoSeasonality
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de sazonalidade. | "Automático" (obrigatório) |
CustomSeasonality
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de sazonalidade. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor de sazonalidade. | int (obrigatório) |
TargetLags
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoTargetLags
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Definir o modo de atrasos de destino - Automático/Personalizado | "Automático" (obrigatório) |
CustomTargetLags
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Definir o modo de atrasos de destino - Automático/Personalizado | "Personalizado" (obrigatório) |
values | [Obrigatório] Definir valores de atrasos de destino. | int[] (obrigatório) |
TargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoTargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | "Automático" (obrigatório) |
CustomTargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | "Personalizado" (obrigatório) |
valor | [Obrigatório] TargetRollingWindowSize valor. | int (obrigatório) |
ForecastingTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para a tarefa de previsão. | Matriz de cadeia que contém qualquer um dos seguintes: 'Arimax' 'AutoArima' "Média" 'DecisionTree' "ElasticNet" "ExponentialSmoothing" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' 'LightGBM' 'Naive' 'Profeta' "RandomForest" 'SGD' "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor" |
blockedTrainingAlgorithms | Modelos bloqueados para a tarefa de previsão. | Matriz de cadeia que contém qualquer um dos seguintes: 'Arimax' 'AutoArima' "Média" 'DecisionTree' "ElasticNet" "ExponentialSmoothing" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' 'LightGBM' 'Naive' 'Profeta' "RandomForest" 'SGD' "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração do modelo VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
trainingMode | Modo TrainingMode – definir como "automático" é igual a defini-lo como "não distribuído" por enquanto, no entanto, no futuro, poderá resultar na seleção do modo misto ou do modo baseado em heurística. A predefinição é "auto". Se "Distribuído", só é utilizada a caracterização distribuída e os algoritmos distribuídos são escolhidos. Se "Não Atribuído", só são escolhidos algoritmos não distribuídos. |
'Auto' "Distribuído" "Não Atribuído" |
ImageClassification
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageClassification" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa de AutoML. | ImageLimitSettings (obrigatório) |
modelDefinições | Definições utilizadas para preparar o modelo. | ImageModelSettingsClassification |
primaryMetric | Métrica primária a otimizar para esta tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageLimitSettings
Nome | Descrição | Valor |
---|---|---|
maxConcurrentTrials | Número máximo de iterações automáticas simultâneas. | int |
maxTrials | Número máximo de iterações de AutoML. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
ImageModelSettingsClassification
Nome | Descrição | Valor |
---|---|---|
advancedSettings | Definições para cenários avançados. | string |
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | bool |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
beta2 | Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
checkpointFrequency | Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo. | int |
checkpointModel | O modelo de ponto de verificação pré-preparado para preparação incremental. | MLFlowModelJobInput |
checkpointRunId | O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental. | string |
distribuído | Se pretende utilizar a preparação distribuída. | bool |
earlyStopping | Ative a lógica de paragem antecipada durante a preparação. | bool |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo. |
int |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
int |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | bool |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo. | int |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
int |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
int |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | int |
learningRateScheduler | Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | "Nenhum" "Passo" 'WarmupCosine' |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
momentum | Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1]. | int |
nesterov | Ative o aninhado quando o otimizador é "sgd". | bool |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | int |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | int |
otimizador | Tipo de otimizador. | 'Adão' 'Adamw' "Nenhum" 'Sgd' |
randomSeed | Semente aleatória a utilizar ao utilizar a preparação determinista. | int |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | int |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | int |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | int |
trainingCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo. | int |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | int |
validationCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | int |
validationResizeSizeSize | Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | int |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | int |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | int |
weightDecay | Valor da decadência do peso quando o otimizador é "sgd", "adam" ou "adamw". Tem de ser um flutuante no intervalo[0, 1]. | int |
weightedLoss | Perda ponderada. Os valores aceites são 0 sem perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0 ou 1 ou 2. |
int |
MLFlowModelJobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' "uri_folder" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
Nome | Descrição | Valor |
---|---|---|
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | string |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
beta2 | Valor de "beta2" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
distribuído | Se pretende utilizar a preparação do distribuidor. | string |
earlyStopping | Ative a lógica de paragem precoce durante a preparação. | string |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria das métricas primárias é monitorizado para paragem antecipada. Tem de ser um número inteiro positivo. |
string |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhorias nas métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
string |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | string |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter pontuações de métricas. Tem de ser um número inteiro positivo. | string |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
string |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | string |
learningRateScheduler | Tipo de programador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | string |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
momentum | Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1]. | string |
nesterov | Ative o aninhado quando o otimizador é "sgd". | string |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | string |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | string |
otimizador | Tipo de otimizador. Tem de ser "sgd", "adão" ou "adamw". | string |
randomSeed | Semente aleatória a utilizar ao utilizar a preparação determinista. | string |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | string |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | string |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | string |
trainingCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo. | string |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | string |
validationCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | string |
validationResizeSize | Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | string |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | string |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | string |
espessuraDecay | Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1]. | string |
weightedLoss | Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0, 1 ou 2. |
string |
ImageSweepSettings
Nome | Descrição | Valor |
---|---|---|
earlyTermination | Tipo de política de cessação antecipada. | EarlyTerminationPolicy |
samplingAlgorithm | [Obrigatório] Tipo de algoritmos de amostragem de hiperparâmetros. | 'Bayesian' "Grelha" "Aleatório" (obrigatório) |
ImageClassificationMultilabel
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageClassificationMultilabel" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa de AutoML. | ImageLimitSettings (obrigatório) |
modelDefinições | Definições utilizadas para preparar o modelo. | ImageModelSettingsClassification |
primaryMetric | Métrica primária a otimizar para esta tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" 'IOU' "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageInstanceSegmentation
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageInstanceSegmentation" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa de AutoML. | ImageLimitSettings (obrigatório) |
modelDefinições | Definições utilizadas para preparar o modelo. | ImageModelSettingsObjectDetection |
primaryMetric | Métrica primária para otimizar para esta tarefa. | "MeanAveragePrecision" |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageModelSettingsObjectDetection
Nome | Descrição | Valor |
---|---|---|
advancedSettings | Definições para cenários avançados. | string |
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | bool |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
beta2 | Valor de "beta2" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
boxDetectionsPerImage | Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
boxScoreThreshold | Durante a inferência, só devolve propostas com uma classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1]. |
int |
checkpointFrequency | Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo. | int |
checkpointModel | O modelo de ponto de verificação pré-preparado para preparação incremental. | MLFlowModelJobInput |
checkpointRunId | O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental. | string |
distribuído | Se pretende utilizar a preparação distribuída. | bool |
earlyStopping | Ative a lógica de paragem precoce durante a preparação. | bool |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria das métricas primárias é monitorizado para paragem antecipada. Tem de ser um número inteiro positivo. |
int |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhorias nas métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
int |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | bool |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter pontuações de métricas. Tem de ser um número inteiro positivo. | int |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
int |
imageSize | Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
int |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
int |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | int |
learningRateScheduler | Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | "Nenhum" "Passo" 'WarmupCosine' |
logTrainingMetrics | Ativar métricas de preparação de computação e registo. | "Desativar" "Ativar" |
logValidationLoss | Ative a perda de validação de registo e computação. | "Desativar" "Ativar" |
maxSize | Tamanho máximo da imagem a ser redimensionada antes de a alimentar na estrutura principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM cuda se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
minSize | Tamanho mínimo da imagem a ser redimensionada antes de a alimentar na estrutura principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM cuda se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação poderá entrar no OOM cuda se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
'ExtraLarge' "Grande" "Médio" "Nenhum" "Pequeno" |
impulso | Valor de impulso quando o otimizador é 'sgd'. Tem de ser um flutuante no intervalo [0, 1]. | int |
multiescala | Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
bool |
nesterov | Ative o aninhado quando o otimizador é "sgd". | bool |
nmsIouThreshold | Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de ser um flutuante no intervalo [0, 1]. | int |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | int |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | int |
otimizador | Tipo de otimizador. | 'Adão' 'Adamw' "Nenhum" 'Sgd' |
randomSeed | Semente aleatória a ser utilizada ao utilizar preparação determinista. | int |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | int |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | int |
tileGridSize | O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhuma para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tileOverlapRatio | Relação de sobreposição entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
tilePredictionsNmsThreshold | O limiar de IOU a utilizar para executar o NMS enquanto intercala predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | int |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | int |
validationIouThreshold | Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1]. | int |
validationMetricType | Método de computação de métricas a utilizar para métricas de validação. | 'Coco' 'CocoVoc' "Nenhum" 'Voc' |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | int |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | int |
espessuraDecay | Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1]. | int |
ImageModelDistributionSettingsObjectDetection
Nome | Descrição | Valor |
---|---|---|
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | string |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
beta2 | Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
boxDetectionsPerImage | Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
boxScoreThreshold | Durante a inferência, devolver apenas propostas com uma classificação de classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1]. |
string |
distribuído | Se pretende utilizar a preparação de distribuição. | string |
earlyStopping | Ative a lógica de paragem antecipada durante a preparação. | string |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo. |
string |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
string |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | string |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo. | string |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
string |
imageSize | Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM da CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | string |
learningRateScheduler | Tipo de programador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | string |
maxSize | Tamanho máximo da imagem a dimensionar antes de a alimentar com a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
minSize | Tamanho mínimo da imagem a dimensionar antes de a alimentar para a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
momentum | Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1]. | string |
multiScale | Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
nesterov | Ative o aninhado quando o otimizador é "sgd". | string |
nmsIouThreshold | Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de estar a flutuar no intervalo [0, 1]. | string |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | string |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | string |
otimizador | Tipo de otimizador. Tem de ser "sgd", "adão" ou "adamw". | string |
randomSeed | Semente aleatória a utilizar ao utilizar a preparação determinista. | string |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | string |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | string |
tileGridSize | O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhum para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tileOverlapRatio | Proporção entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tilePredictionsNmsThreshold | O limiar IOU a utilizar para executar o NMS ao intercalar predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5". NMS: Supressão não máxima |
string |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | string |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | string |
validationIouThreshold | Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1]. | string |
validationMetricType | Método de computação de métricas a utilizar para métricas de validação. Tem de ser "nenhum", "coco", "voc" ou "coco_voc". | string |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | string |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | string |
espessuraDecay | Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1]. | string |
ImageObjectDetection
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageObjectDetection" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa de AutoML. | ImageLimitSettings (obrigatório) |
modelDefinições | Definições utilizadas para preparar o modelo. | ImageModelSettingsObjectDetection |
primaryMetric | Métrica primária a otimizar para esta tarefa. | "MeanAveragePrecision" |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
Regressão
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Regressão" (obrigatório) |
cvSplitColumnNames | Colunas a utilizar para dados CVSplit. | string[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | TableFixedParameters |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
primaryMetric | Métrica primária para tarefa de regressão. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation' |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | TableParameterSubspace[] |
sweepSettings | Definições de varrimento de modelos e otimização de hiperparâmetros. | TableSweepSettings |
testData | Testar a entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa de AutoML. | RegressionTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
RegressionTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para a tarefa de regressão. | Matriz de cadeia que contém qualquer um dos seguintes: 'DecisionTree' "ElasticNet" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' 'LightGBM' "RandomForest" 'SGD' "XGBoostRegressor" |
blockedTrainingAlgorithms | Modelos bloqueados para tarefa de regressão. | Matriz de cadeia que contém qualquer um dos seguintes: 'DecisionTree' "ElasticNet" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' 'LightGBM' "RandomForest" 'SGD' "XGBoostRegressor" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração do modelo VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
trainingMode | Modo TrainingMode – definir como "automático" é igual a defini-lo como "não distribuído" por enquanto, no entanto, no futuro, poderá resultar na seleção do modo misto ou do modo baseado em heurística. A predefinição é "auto". Se "Distribuído", só é utilizada a caracterização distribuída e os algoritmos distribuídos são escolhidos. Se "Não Atribuído", só são escolhidos algoritmos não distribuídos. |
'Auto' "Distribuído" "Não Atribuído" |
TextClassification
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextClassification" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | NlpFixedParameters |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
primaryMetric | Métrica primária para Text-Classification tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | NlpParameterSubspace[] |
sweepSettings | Definições de varrimento de modelos e otimização de hiperparâmetros. | NlpSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
NlpVerticalFeaturizationSettings
Nome | Descrição | Valor |
---|---|---|
datasetLanguage | Idioma do conjunto de dados, útil para os dados de texto. | string |
NlpFixedParameters
Nome | Descrição | Valor |
---|---|---|
gradientAccumulationSteps | Número de passos para acumular gradações antes de executar uma passagem para trás. | int |
learningRate | A taxa de aprendizagem do procedimento de preparação. | int |
learningRateScheduler | O tipo de agenda de taxa de aprendizagem a utilizar durante o procedimento de preparação. | 'Constante' 'ConstantWithWarmup' 'Cosine' "CosineWithRestarts" "Linear" "Nenhum" "Polinomial" |
modelName | O nome do modelo a preparar. | string |
numberOfEpochs | Número de épocas de preparação. | int |
trainingBatchSize | O tamanho do lote para o procedimento de preparação. | int |
validationBatchSize | O tamanho do lote a utilizar durante a avaliação. | int |
warmupRatio | A proporção de aquecimento, utilizada juntamente com LrSchedulerType. | int |
weightDecay | A decadência do peso para o procedimento de treino. | int |
NlpVerticalLimitSettings
Nome | Descrição | Valor |
---|---|---|
maxConcurrentTrials | Máximo de iterações Automáticas Simultâneas. | int |
maxNodes | Máximo de nós a utilizar para a experimentação. | int |
maxTrials | Número de iterações autoML. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
trialTimeout | Tempo limite para avaliações hd individuais. | string |
NlpParameterSubspace
Nome | Descrição | Valor |
---|---|---|
gradientAccumulationSteps | Número de passos para acumular gradações antes de executar uma passagem para trás. | string |
learningRate | A taxa de aprendizagem do procedimento de preparação. | string |
learningRateScheduler | O tipo de agenda de taxa de aprendizagem a utilizar durante o procedimento de preparação. | string |
modelName | O nome do modelo a preparar. | string |
numberOfEpochs | Número de épocas de preparação. | string |
trainingBatchSize | O tamanho do lote para o procedimento de preparação. | string |
validationBatchSize | O tamanho do lote a utilizar durante a avaliação. | string |
warmupRatio | A proporção de aquecimento, utilizada juntamente com LrSchedulerType. | string |
weightDecay | A decadência do peso para o procedimento de treino. | string |
NlpSweepSettings
Nome | Descrição | Valor |
---|---|---|
earlyTermination | Tipo de política de cessação antecipada para o trabalho abrangente. | EarlyTerminationPolicy |
samplingAlgorithm | [Obrigatório] Tipo de algoritmo de amostragem. | 'Bayesian' "Grelha" "Aleatório" (obrigatório) |
TextClassificationMultilabel
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextClassificationMultilabel" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | NlpFixedParameters |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | NlpParameterSubspace[] |
sweepSettings | Definições para limpeza de modelos e otimização de hiperparâmetros. | NlpSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
TextNer
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextNER" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | NlpFixedParameters |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | NlpParameterSubspace[] |
sweepSettings | Definições para limpeza de modelos e otimização de hiperparâmetros. | NlpSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
CommandJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Comando" (obrigatório) |
autologgerSettings | Configuração de distribuição da tarefa. Se estiver definido, este deve ser um de Mpi, Tensorflow, PyTorch ou nulo. | AutologgerSettings |
codeId | ID do recurso arm do recurso de código. | string |
command | [Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py" | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
distribuição | Configuração de distribuição da tarefa. Se estiver definido, este deve ser um de Mpi, Tensorflow, PyTorch, Ray ou nulo. | DistributionConfiguration |
environmentId | [Obrigatório] O ID de recurso do ARM da especificação ambiente da tarefa. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | CommandJobEnvironmentVariables |
entradas | Mapeamento de enlaces de dados de entrada utilizados na tarefa. | CommandJobInputs |
limites | Limite da Tarefa de Comando. | CommandJobLimits |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | CommandJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
AutologgerSettings
Nome | Descrição | Valor |
---|---|---|
mlflowAutologger | [Obrigatório] Indica se o mlflow autologger está ativado. | "Desativado" "Ativado" (obrigatório) |
DistributionConfiguration
Nome | Descrição | Valor |
---|---|---|
distributionType | Definir o tipo de objeto | Mpi PyTorch Raio TensorFlow (obrigatório) |
Mpi
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de arquitetura de distribuição. | "Mpi" (obrigatório) |
processCountPerInstance | Número de processos por nó MPI. | int |
PyTorch
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de arquitetura de distribuição. | "PyTorch" (obrigatório) |
processCountPerInstance | Número de processos por nó. | int |
Raio
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de arquitetura de distribuição. | 'Ray' (obrigatório) |
address | O endereço do nó principal do Ray. | string |
dashboardPort | A porta à qual vincular o servidor do dashboard. | int |
headNodeAdditionalArgs | Argumentos adicionais transmitidos para ray start no nó principal. | string |
includeDashboard | Indique este argumento para iniciar a GUI do dashboard do Ray. | bool |
porta | A porta do processo de raio-cabeça. | int |
workerNodeAdditionalArgs | Argumentos adicionais transmitidos para ray start no nó de trabalho. | string |
TensorFlow
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de arquitetura de distribuição. | "TensorFlow" (obrigatório) |
parameterServerCount | Número de tarefas de servidor de parâmetros. | int |
workerCount | Número de trabalhadores. Se não for especificado, a predefinição será a contagem de instâncias. | int |
CommandJobEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
CommandJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
JobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | Definir o tipo de objeto | custom_model literal mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "custom_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
LiteralJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "literal" (obrigatório) |
valor | [Obrigatório] Valor literal para a entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
TritonModelJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "triton_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFileJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "uri_file" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFolderJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "uri_folder" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
CommandJobLimits
Nome | Descrição | Valor |
---|---|---|
jobLimitsType | [Obrigatório] Tipo jobLimit. | "Comando" "Varrer" (obrigatório) |
tempo limite | A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Suporta apenas a duração com precisão tão baixa como Segundos. | string |
CommandJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
LabelingJobProperties
Nome | Descrição | Valor |
---|---|---|
componentId | ID do recurso arm do recurso do componente. | string |
computeId | ID do recurso arm do recurso de computação. | string |
dataConfiguration | Configuração dos dados utilizados na tarefa. | LabelingDataConfiguration |
descrição | O texto de descrição do recurso. | string |
displayName | Nome a apresentar da tarefa. | string |
experimentName | O nome da experimentação a que pertence a tarefa. Se não estiver definido, a tarefa é colocada na experimentação "Predefinição". | string |
identidade | Configuração de identidade. Se estiver definido, este deve ser um de AmlToken, ManagedIdentity, UserIdentity ou null. A predefinição é AmlToken se for nula. |
IdentityConfiguration |
isArchived | O recurso está arquivado? | bool |
jobInstructions | Instruções de etiquetagem da tarefa. | LabelingJobInstructions |
jobType | [Obrigatório] Especifica o tipo de tarefa. | "AutoML" "Comando" "Etiquetagem" "Pipeline" 'Spark' "Varrer" (obrigatório) |
labelCategories | Etiquetar categorias da tarefa. | LabelingJobLabelCategories |
labelingJobMediaProperties | Propriedades específicas do tipo de suporte de dados na tarefa. | LabelingJobMediaProperties |
mlAssistConfiguration | Configuração da funcionalidade MLAssist na tarefa. | MLAssistConfiguration |
notificationSetting | Definição de notificação para a tarefa | NotificationSetting |
propriedades | O dicionário da propriedade do recurso. | ResourceBaseProperties |
secretsConfiguration | Configuração para que os segredos sejam disponibilizados durante o runtime. | JobBaseSecretsConfiguration |
services | Lista de JobEndpoints. Para tarefas locais, um ponto final de tarefa terá um valor de ponto final de FileStreamObject. |
JobBaseServices |
etiquetas | Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas. | objeto |
LabelingDataConfiguration
Nome | Descrição | Valor |
---|---|---|
dataId | ID de recurso do recurso de dados para efetuar a etiquetagem. | string |
incrementalDataRefresh | Indica se pretende ativar a atualização incremental de dados. | "Desativado" "Ativado" |
LabelingJobInstructions
Nome | Descrição | Valor |
---|---|---|
URI | A ligação para uma página com instruções de etiquetagem detalhadas para etiquetadores. | string |
LabelingJobLabelCategories
Nome | Descrição | Valor |
---|---|---|
{customized property} | LabelCategory | |
{customized property} | LabelCategory |
LabelCategory
Nome | Descrição | Valor |
---|---|---|
classes | Dicionário de classes de etiquetas nesta categoria. | LabelCategoryClasses |
displayName | Nome a apresentar da categoria de etiqueta. | string |
seleção múltipla | Indica se é permitido selecionar várias classes nesta categoria. | "Desativado" "Ativado" |
LabelCategoryClasses
Nome | Descrição | Valor |
---|---|---|
{customized property} | LabelClass |
LabelClass
Nome | Descrição | Valor |
---|---|---|
displayName | Nome a apresentar da classe de etiqueta. | string |
subclasses | Dicionário de subclasses da classe de etiqueta. | LabelClassSubclasses |
LabelClassSubclasses
Nome | Descrição | Valor |
---|---|---|
{customized property} | LabelClass |
LabelingJobMediaProperties
Nome | Descrição | Valor |
---|---|---|
mediaType | Definir o tipo de objeto | Imagem Texto (obrigatório) |
LabelingJobImageProperties
Nome | Descrição | Valor |
---|---|---|
mediaType | [Obrigatório] Tipo de suporte de dados da tarefa. | "Imagem" (obrigatório) |
annotationType | Tipo de anotação da tarefa de etiquetagem de imagens. | "BoundingBox" "Classificação" "InstanceSegmentation" |
LabelingJobTextProperties
Nome | Descrição | Valor |
---|---|---|
mediaType | [Obrigatório] Tipo de suporte de dados da tarefa. | "Texto" (obrigatório) |
annotationType | Tipo de anotação da tarefa de etiquetagem de texto. | "Classificação" "NamedEntityRecognition" |
MLAssistConfiguration
Nome | Descrição | Valor |
---|---|---|
mlAssist | Definir o tipo de objeto | Desativado Ativado (obrigatório) |
MLAssistConfigurationDisabled
Nome | Descrição | Valor |
---|---|---|
mlAssist | [Obrigatório] Indica se a funcionalidade MLAssist está ativada. | "Desativado" (obrigatório) |
MLAssistConfigurationEnabled
Nome | Descrição | Valor |
---|---|---|
mlAssist | [Obrigatório] Indica se a funcionalidade MLAssist está ativada. | "Ativado" (obrigatório) |
inferencingComputeBinding | [Obrigatório] Enlace de computação AML utilizado na inferência. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
trainingComputeBinding | [Obrigatório] Enlace de computação AML utilizado na preparação. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
PipelineJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Pipeline" (obrigatório) |
entradas | Entradas para a tarefa de pipeline. | PipelineJobInputs |
tarefas | As tarefas constroem a Tarefa de Pipeline. | PipelineJobJobs |
saídas | Saídas para a tarefa de pipeline | PipelineJobOutputs |
definições | Definições do pipeline, para aspetos como ContinueRunOnStepFailure, etc. | Para o Bicep, pode utilizar a função any( ). |
sourceJobId | ID de recurso arm da tarefa de origem. | string |
PipelineJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
PipelineJobJobs
Nome | Descrição | Valor |
---|---|---|
{customized property} | Para o Bicep, pode utilizar a função any( ). |
PipelineJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
SparkJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Spark" (obrigatório) |
arquivos | Arquivar ficheiros utilizados na tarefa. | cadeia[] |
args | Argumentos para a tarefa. | string |
codeId | [Obrigatório] ID do recurso arm do recurso de código. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
conf | Propriedades configuradas do Spark. | SparkJobConf |
entrada | [Obrigatório] A entrada a executar no arranque da tarefa. | SparkJobEntry (obrigatório) |
environmentId | O ID de recurso do ARM da especificação ambiente da tarefa. | string |
ficheiros | Ficheiros utilizados na tarefa. | cadeia[] |
entradas | Mapeamento de enlaces de dados de entrada utilizados na tarefa. | SparkJobInputs |
jars | Ficheiros Jar utilizados na tarefa. | cadeia[] |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | SparkJobOutputs |
pyFiles | Ficheiros Python utilizados na tarefa. | cadeia[] |
queueSettings | Definições de fila para a tarefa | QueueSettings |
resources | Configuração do Recurso de Computação para a tarefa. | SparkResourceConfiguration |
SparkJobConf
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
SparkJobEntry
Nome | Descrição | Valor |
---|---|---|
sparkJobEntryType | Definir o tipo de objeto | SparkJobPythonEntry SparkJobScalaEntry (obrigatório) |
SparkJobPythonEntry
Nome | Descrição | Valor |
---|---|---|
sparkJobEntryType | [Obrigatório] Tipo do ponto de entrada da tarefa. | "SparkJobPythonEntry" (obrigatório) |
file | [Obrigatório] Caminho de ficheiro python relativo para o ponto de entrada da tarefa. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SparkJobScalaEntry
Nome | Descrição | Valor |
---|---|---|
sparkJobEntryType | [Obrigatório] Tipo do ponto de entrada da tarefa. | "SparkJobScalaEntry" (obrigatório) |
className | [Obrigatório] Nome da classe Scala utilizado como ponto de entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SparkJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
SparkJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
SparkResourceConfiguration
Nome | Descrição | Valor |
---|---|---|
instanceType | Tipo opcional de VM utilizado como suportado pelo destino de computação. | string |
runtimeVersion | Versão do runtime do Spark utilizada para a tarefa. | string |
SweepJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Varrer" (obrigatório) |
earlyTermination | As políticas de cessação antecipada permitem cancelar execuções de mau desempenho antes de serem concluídas | EarlyTerminationPolicy |
entradas | Mapeamento de enlaces de dados de entrada utilizados na tarefa. | SweepJobInputs |
limites | Limite de tarefas de varrimento. | SweepJobLimits |
objetivo | [Obrigatório] Objetivo de otimização. | Objetivo (obrigatório) |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | SweepJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
samplingAlgorithm | [Obrigatório] O algoritmo de amostragem de hiperparâmetros | SamplingAlgorithm (obrigatório) |
searchSpace | [Obrigatório] Um dicionário que contém cada parâmetro e a respetiva distribuição. A chave do dicionário é o nome do parâmetro | Para o Bicep, pode utilizar a função any( ). (obrigatório) |
trial | [Obrigatório] Definição do componente de avaliação. | TrialComponent (obrigatório) |
SweepJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
SweepJobLimits
Nome | Descrição | Valor |
---|---|---|
jobLimitsType | [Obrigatório] Tipo jobLimit. | "Comando" "Varrer" (obrigatório) |
maxConcurrentTrials | Varra Tarefa máxima de avaliações simultâneas. | int |
maxTotalTrials | Varra o número máximo de avaliações de tarefas. | int |
tempo limite | A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Suporta apenas a duração com precisão tão baixa como Segundos. | string |
trialTimeout | Valor de tempo limite da Avaliação de Tarefas de Varrimento. | string |
Objetivo
Nome | Descrição | Valor |
---|---|---|
goal | [Obrigatório] Define os objetivos de métricas suportados para otimização de hiperparâmetros | "Maximizar" "Minimizar" (necessário) |
primaryMetric | [Obrigatório] Nome da métrica a otimizar. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SweepJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
SamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | Definir o tipo de objeto | Bayesian Grelha Aleatório (obrigatório) |
BayesianSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Bayesian" (obrigatório) |
GridSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Grelha" (obrigatório) |
RandomSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Aleatório" (obrigatório) |
logbase | Um número positivo opcional ou e no formato de cadeia a ser utilizado como base para amostragem aleatória baseada em registos | string |
regra | O tipo específico de algoritmo aleatório | "Aleatório" 'Sobol' |
seed | Um número inteiro opcional a utilizar como seed para geração de números aleatórios | int |
TrialComponent
Nome | Descrição | Valor |
---|---|---|
codeId | ID do recurso arm do recurso de código. | string |
command | [Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py" | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
distribuição | Configuração de distribuição da tarefa. Se estiver definido, este deve ser um de Mpi, Tensorflow, PyTorch ou nulo. | DistributionConfiguration |
environmentId | [Obrigatório] O ID de recurso do ARM da especificação ambiente da tarefa. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | TrialComponentEnvironmentVariables |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
CreateMonitorAction
Nome | Descrição | Valor |
---|---|---|
actionType | [Obrigatório] Especifica o tipo de ação da agenda | "CreateMonitor" (obrigatório) |
monitorDefinition | [Obrigatório] Define o monitor. | MonitorDefinition (obrigatório) |
MonitorDefinition
Nome | Descrição | Valor |
---|---|---|
alertNotificationSetting | As definições de notificação do monitor. | MonitoringAlertNotificationSettingsBase |
computeConfiguration | [Obrigatório] O ID de recurso do ARM do recurso de computação para executar a tarefa de monitorização. | MonitorComputeConfigurationBase (obrigatório) |
monitoringTarget | O ID de recurso do ARM do modelo ou implementação visado por este monitor. | MonitoringTarget |
sinais | [Obrigatório] Os sinais a monitorizar. | MonitorDefinitionSignals (obrigatório) |
MonitoringAlertNotificationSettingsBase
Nome | Descrição | Valor |
---|---|---|
alertNotificationType | Definir o tipo de objeto | AzureMonitor Email (obrigatório) |
AzMonMonitoringAlertNotificationSettings
Nome | Descrição | Valor |
---|---|---|
alertNotificationType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "AzureMonitor" (obrigatório) |
EmailMonitoringAlertNotificationSettings
Nome | Descrição | Valor |
---|---|---|
alertNotificationType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "Email" (obrigatório) |
emailNotificationSetting | Configuração para notificação. | NotificationSetting |
MonitorComputeConfigurationBase
Nome | Descrição | Valor |
---|---|---|
computeType | Definir o tipo de objeto | ServerlessSpark (obrigatório) |
MonitorServerlessSparkCompute
Nome | Descrição | Valor |
---|---|---|
computeType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "ServerlessSpark" (obrigatório) |
computeIdentity | [Obrigatório] O esquema de identidades utilizado pelas tarefas do Spark em execução no Spark sem servidor. | MonitorComputeIdentityBase (obrigatório) |
instanceType | [Obrigatório] O tipo de instância a executar a tarefa do Spark. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
runtimeVersion | [Obrigatório] A versão do runtime do Spark. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
MonitorComputeIdentityBase
Nome | Descrição | Valor |
---|---|---|
computeIdentityType | Definir o tipo de objeto | AmlToken ManagedIdentity (obrigatório) |
AmlTokenComputeIdentity
Nome | Descrição | Valor |
---|---|---|
computeIdentityType | [Obrigatório] Monitorizar o tipo de identidade de computação enum. | "AmlToken" (obrigatório) |
ManagedComputeIdentity
Nome | Descrição | Valor |
---|---|---|
computeIdentityType | [Obrigatório] Monitorizar o tipo de identidade de computação enum. | "ManagedIdentity" (obrigatório) |
identidade | Identidade de serviço gerida (identidades atribuídas pelo sistema e/ou pelo utilizador) | ManagedServiceIdentity |
ManagedServiceIdentity
Nome | Descrição | Valor |
---|---|---|
tipo | Tipo de identidade de serviço gerida (onde os tipos SystemAssigned e UserAssigned são permitidos). | "Nenhum" "SystemAssigned" "SystemAssigned,UserAssigned" "UserAssigned" (obrigatório) |
userAssignedIdentities | O conjunto de identidades atribuídas pelo utilizador associadas ao recurso. As chaves de dicionário userAssignedIdentities serão IDs de recursos do ARM no formulário: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Os valores do dicionário podem ser objetos vazios ({}) nos pedidos. | UserAssignedIdentities |
UserAssignedIdentities
Nome | Descrição | Valor |
---|---|---|
{customized property} | UserAssignedIdentity |
UserAssignedIdentity
Este objeto não contém quaisquer propriedades a definir durante a implementação. Todas as propriedades são ReadOnly.
MonitoringTarget
Nome | Descrição | Valor |
---|---|---|
deploymentId | O ID de recurso do ARM da implementação visada por este monitor. | string |
modelId | O ID de recurso do ARM do modelo visado por este monitor. | string |
taskType | [Obrigatório] O tipo de tarefa de machine learning do modelo. | "Classificação" 'QuestionAnswering' "Regressão" (obrigatório) |
MonitorDefinitionSignals
Nome | Descrição | Valor |
---|---|---|
{customized property} | MonitoringSignalBase |
MonitoringSignalBase
Nome | Descrição | Valor |
---|---|---|
mode | O modo de notificação atual para este sinal. | "Desativado" "Ativado" |
propriedades | Dicionário de propriedades. As propriedades podem ser adicionadas, mas não removidas ou alteradas. | MonitoringSignalBaseProperties |
signalType | Definir o tipo de objeto | Personalizado DataDrift Igualdade de Dados FeatureAttributionDrift GenerationSafetyQuality GenerationTokenStatistics ModelPerformance PredictionDrift (obrigatório) |
MonitoringSignalBaseProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
CustomMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "Personalizado" (obrigatório) |
componentId | [Obrigatório] ID de recurso arm do recurso do componente utilizado para calcular as métricas personalizadas. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
inputAssets | Monitorizar recursos a utilizar como entrada. A chave é o nome da porta de entrada do componente, o valor é o recurso de dados. | CustomMonitoringSignalInputAssets |
entradas | Parâmetros de componente adicionais a utilizar como entrada. A chave é o nome da porta de entrada literal do componente, o valor é o valor do parâmetro. | CustomMonitoringSignalInputs |
metricThresholds | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | CustomMetricThreshold[] (obrigatório) |
workspaceConnection | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | MonitoringWorkspaceConnection (necessário) |
CustomMonitoringSignalInputAssets
Nome | Descrição | Valor |
---|---|---|
{customized property} | MonitoringInputDataBase |
MonitoringInputDataBase
Nome | Descrição | Valor |
---|---|---|
colunas | Mapeamento de nomes de colunas para utilizações especiais. | MonitoringInputDataBaseColumns |
dataContext | Os metadados de contexto da origem de dados. | string |
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' "uri_folder" (obrigatório) |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
inputDataType | Definir o tipo de objeto | Fixo Estático À direita (obrigatório) |
MonitoringInputDataBaseColumns
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
FixedInputData
Nome | Descrição | Valor |
---|---|---|
inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "Corrigido" (obrigatório) |
StaticInputData
Nome | Descrição | Valor |
---|---|---|
inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "Estático" (obrigatório) |
preprocessingComponentId | O ID de recurso arm do recurso de componente utilizado para pré-processar os dados. | string |
windowsEnd | [Obrigatório] A data de fim da janela de dados. | cadeia (obrigatório) |
windowsStart | [Obrigatório] A data de início da janela de dados. | cadeia (obrigatório) |
TrailingInputData
Nome | Descrição | Valor |
---|---|---|
inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "À direita" (obrigatório) |
preprocessingComponentId | O ID de recurso arm do recurso de componente utilizado para pré-processar os dados. | string |
windowOffset | [Obrigatório] O desvio de tempo entre o fim da janela de dados e o tempo de execução atual do monitor. | cadeia (obrigatório) |
windowsSize | [Obrigatório] O tamanho da janela de dados à direita. | cadeia (obrigatório) |
CustomMonitoringSignalInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
CustomMetricThreshold
Nome | Descrição | Valor |
---|---|---|
Métrica | [Obrigatório] A métrica definida pelo utilizador a calcular. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
MonitoringThreshold
Nome | Descrição | Valor |
---|---|---|
valor | O valor do limiar. Se for nulo, a predefinição definida depende do tipo de métrica. | int |
MonitoringWorkspaceConnection
Nome | Descrição | Valor |
---|---|---|
environmentVariables | As propriedades de uma ligação de serviço de área de trabalho para armazenar como variáveis de ambiente nas tarefas submetidas. A chave é o caminho da propriedade de ligação da área de trabalho, o nome é a chave variável de ambiente. |
MonitoringWorkspaceConnectionEnvironmentVariables |
segredos | As propriedades de uma ligação de serviço de área de trabalho para armazenar como segredos nas tarefas submetidas. A chave é o caminho da propriedade de ligação da área de trabalho, o nome é a chave secreta. |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
MonitoringWorkspaceConnectionSecrets
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
DataDriftMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "DataDrift" (obrigatório) |
dataSegment | O segmento de dados utilizado para analisar um subconjunto da população de dados. | MonitoringDataSegment |
featureDataTypeOverride | Um dicionário que mapeia nomes de funcionalidades para os respetivos tipos de dados. | DataDriftMonitoringSignalFeatureDataTypeOverride |
funcionalidades | O filtro de funcionalidade que identifica a funcionalidade a calcular. | MonitoringFeatureFilterBase |
metricThresholds | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | DataDriftMetricThresholdBase[] (obrigatório) |
productionData | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
referenceData | [Obrigatório] Os dados a calcular são desfasados. | MonitoringInputDataBase (obrigatório) |
MonitoringDataSegment
Nome | Descrição | Valor |
---|---|---|
funcionalidade | A funcionalidade para segmentar os dados. | string |
values | Filtra apenas os valores especificados da funcionalidade segmentada especificada. | cadeia[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
Nome | Descrição | Valor |
---|---|---|
{customized property} | 'Categórico' "Numérico" |
MonitoringFeatureFilterBase
Nome | Descrição | Valor |
---|---|---|
filterType | Definir o tipo de objeto | AllFeatures FeatureSubset TopNByAttribution (necessário) |
AllFeatures
Nome | Descrição | Valor |
---|---|---|
filterType | [Obrigatório] Especifica o filtro de funcionalidades a tirar partido ao selecionar funcionalidades para calcular as métricas. | "AllFeatures" (obrigatório) |
FeatureSubset
Nome | Descrição | Valor |
---|---|---|
filterType | [Obrigatório] Especifica o filtro de funcionalidades a tirar partido ao selecionar funcionalidades para calcular as métricas. | "FeatureSubset" (obrigatório) |
funcionalidades | [Obrigatório] A lista de funcionalidades a incluir. | string[] (obrigatório) |
TopNFeaturesByAttribution
Nome | Descrição | Valor |
---|---|---|
filterType | [Obrigatório] Especifica o filtro de funcionalidades a tirar partido ao selecionar funcionalidades para calcular as métricas. | "TopNByAttribution" (obrigatório) |
top | O número de funcionalidades principais a incluir. | int |
DataDriftMetricThresholdBase
Nome | Descrição | Valor |
---|---|---|
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
dataType | Definir o tipo de objeto | Categórico Numérico (obrigatório) |
CategoricalDataDriftMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métrica. | "Categórico" (obrigatório) |
Métrica | [Obrigatório] A métrica de desvio de dados categórica a calcular. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' "PopulationStabilityIndex" (obrigatório) |
NumericalDataDriftMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métrica. | "Numérico" (obrigatório) |
Métrica | [Obrigatório] A métrica de desvio de dados numéricos a calcular. | 'JensenShannonDistance' "NormalizedWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (obrigatório) |
DataQualityMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "DataQuality" (obrigatório) |
featureDataTypeOverride | Um dicionário que mapeia nomes de funcionalidades para os respetivos tipos de dados. | DataQualityMonitoringSignalFeatureDataTypeOverride |
funcionalidades | As funcionalidades a calcular desfasam. | MonitoringFeatureFilterBase |
metricThresholds | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | DataQualityMetricThresholdBase[] (obrigatório) |
productionData | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
referenceData | [Obrigatório] Os dados para calcular o desvio. | MonitoringInputDataBase (obrigatório) |
DataQualityMonitoringSignalFeatureDataTypeOverride
Nome | Descrição | Valor |
---|---|---|
{customized property} | 'Categórico' "Numérico" |
DataQualityMetricThresholdBase
Nome | Descrição | Valor |
---|---|---|
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
dataType | Definir o tipo de objeto | Categórico Numérico (obrigatório) |
CategóricoDataQualityMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métricas. | "Categórico" (obrigatório) |
Métrica | [Obrigatório] A métrica de qualidade dos dados categóricos a calcular. | "DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (obrigatório) |
NumericalDataQualityMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métricas. | "Numérico" (obrigatório) |
Métrica | [Obrigatório] A métrica de qualidade dos dados numéricos a calcular. | "DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (obrigatório) |
FeatureAttributionDriftMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "FeatureAttributionDrift" (obrigatório) |
metricThreshold | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | FeatureAttributionMetricThreshold (obrigatório) |
productionData | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase[] (obrigatório) |
referenceData | [Obrigatório] Os dados para calcular o desvio. | MonitoringInputDataBase (obrigatório) |
FeatureAttributionMetricThreshold
Nome | Descrição | Valor |
---|---|---|
Métrica | [Obrigatório] A métrica de atribuição de funcionalidades a calcular. | "NormalizedDiscountedCumulativeGain" (obrigatório) |
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
GenerationSafetyQualityMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "GenerationSafetyQuality" (obrigatório) |
metricThresholds | [Obrigatório] Obtém ou define as métricas para calcular e os limiares correspondentes. | GenerationSafetyQualityMetricThreshold[] (obrigatório) |
productionData | Obtém ou define os dados de destino para métricas de computação. | MonitoringInputDataBase[] |
amostragemRate | [Obrigatório] A taxa de exemplo dos dados de destino deve ser superior a 0 e, no máximo, 1. | int (obrigatório) |
workspaceConnectionId | Obtém ou define o ID de ligação da área de trabalho utilizado para ligar ao ponto final de geração de conteúdos. | string |
GenerationSafetyQualityMetricThreshold
Nome | Descrição | Valor |
---|---|---|
Métrica | [Obrigatório] Obtém ou define a métrica de atribuição de funcionalidades para calcular. | "AcceptableCoherenceScorePerInstance" "AcceptableFluencyScorePerInstance" "AcceptableGroundednessScorePerInstance" "AcceptableRelevanceScorePerInstance" "AcceptableSimilarityScorePerInstance" "AggregatedCoherencePassRate" "AggregatedFluencyPassRate" "AggregatedGroundednessPassRate" "AggregatedRelevancePassRate" "AggregatedSimilarityPassRate" (obrigatório) |
limiar | Obtém ou define o valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. |
MonitoringThreshold |
GenerationTokenStatisticsSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "GenerationTokenStatistics" (obrigatório) |
metricThresholds | [Obrigatório] Obtém ou define as métricas para calcular e os limiares correspondentes. | GenerationTokenStatisticsMetricThreshold[] (obrigatório) |
productionData | Obtém ou define os dados de destino para métricas de computação. | MonitoringInputDataBase |
amostragemRate | [Obrigatório] A taxa de exemplo dos dados de destino deve ser superior a 0 e, no máximo, 1. | int (obrigatório) |
GenerationTokenStatisticsMetricThreshold
Nome | Descrição | Valor |
---|---|---|
Métrica | [Obrigatório] Obtém ou define a métrica de atribuição de funcionalidades para calcular. | "TotalTokenCount" "TotalTokenCountPerGroup" (obrigatório) |
limiar | Obtém ou define o valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. |
MonitoringThreshold |
ModelPerformanceSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "ModelPerformance" (obrigatório) |
dataSegment | O segmento de dados. | MonitoringDataSegment |
metricThreshold | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | ModelPerformanceMetricThresholdBase (obrigatório) |
productionData | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o desvio será calculado. | MonitoringInputDataBase[] (obrigatório) |
referenceData | [Obrigatório] Os dados para calcular o desvio. | MonitoringInputDataBase (obrigatório) |
ModelPerformanceMetricThresholdBase
Nome | Descrição | Valor |
---|---|---|
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
modelType | Definir o tipo de objeto | Classificação Regressão (obrigatório) |
ClassificationModelPerformanceMetricThreshold
Nome | Descrição | Valor |
---|---|---|
modelType | [Obrigatório] Especifica o tipo de dados do limiar de métricas. | "Classificação" (obrigatório) |
Métrica | [Obrigatório] O desempenho do modelo de classificação a calcular. | "Precisão" "Precisão" "Revocação" (obrigatório) |
RegressionModelPerformanceMetricThreshold
Nome | Descrição | Valor |
---|---|---|
modelType | [Obrigatório] Especifica o tipo de dados do limiar de métricas. | "Regressão" (obrigatório) |
Métrica | [Obrigatório] A métrica de desempenho do modelo de regressão a calcular. | "MeanAbsoluteError" "MeanSquaredError" "RootMeanSquaredError" (obrigatório) |
PredictionDriftMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "PredictionDrift" (obrigatório) |
metricThresholds | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | PredictionDriftMetricThresholdBase[] (obrigatório) |
modelType | [Obrigatório] O tipo de modelo monitorizado. | "Classificação" "Regressão" (obrigatório) |
productionData | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
referenceData | [Obrigatório] Os dados a calcular são desfasados. | MonitoringInputDataBase (obrigatório) |
PredictionDriftMetricThresholdBase
Nome | Descrição | Valor |
---|---|---|
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
dataType | Definir o tipo de objeto | Categórico Numérico (obrigatório) |
CategoricalPredictionDriftMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métrica. | "Categórico" (obrigatório) |
Métrica | [Obrigatório] A métrica de desvio de predição categórica a calcular. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' "PopulationStabilityIndex" (obrigatório) |
NumericalPredictionDriftMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métrica. | "Numérico" (obrigatório) |
Métrica | [Obrigatório] A métrica de desvio de predição numérica a calcular. | 'JensenShannonDistance' "NormalizedWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (obrigatório) |
ImportDataAction
Nome | Descrição | Valor |
---|---|---|
actionType | [Obrigatório] Especifica o tipo de ação da agenda | "ImportData" (obrigatório) |
dataImportDefinition | [Obrigatório] Define detalhes da definição de ação Agendar. | DataImport (obrigatório) |
DataImport
Nome | Descrição | Valor |
---|---|---|
assetName | Nome do recurso para a tarefa de importação de dados a criar | string |
autoDeleteSetting | Especifica a definição de ciclo de vida do recurso de dados geridos. | AutoDeleteSetting |
dataType | [Obrigatório] Especifica o tipo de dados. | 'mltable' 'uri_file' "uri_folder" (obrigatório) |
dataUri | [Obrigatório] Uri dos dados. Exemplo: https://go.microsoft.com/fwlink/?linkid=2202330 |
cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
descrição | O texto de descrição do recurso. | string |
intellectualProperty | Detalhes da Propriedade Intelectual. Utilizado se os dados forem uma Propriedade Intelectual. | IntelectualProperty |
isAnonymous | Se a versão do nome for gerada pelo sistema (registo anónimo). Para tipos em que a Fase é definida, quando a Fase for fornecida, será utilizada para preencher IsAnonymous | bool |
isArchived | O elemento está arquivado? Para tipos em que a Fase é definida, quando a Fase é fornecida, será utilizada para preencher IsArchived | bool |
propriedades | O dicionário da propriedade do recurso. | Propriedades do ResourceBase |
source | Dados de origem do recurso a partir do qual importar | DataImportSource |
palco | Fase no ciclo de vida dos dados atribuído a este recurso de dados | string |
etiquetas | Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas. | objeto |
Propriedade Intelectual
Nome | Descrição | Valor |
---|---|---|
protectionLevel | Nível de proteção da Propriedade Intelectual. | "Todos" "Nenhum" |
publicador | [Obrigatório] Publicador da Propriedade Intelectual. Tem de ser igual ao nome do publicador do Registo. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
DataImportSource
Nome | Descrição | Valor |
---|---|---|
ligação | Ligação da área de trabalho para armazenamento de origem de importação de dados | string |
sourceType | Definir o tipo de objeto | base de dados file_system (obrigatório) |
DatabaseSource
Nome | Descrição | Valor |
---|---|---|
sourceType | [Obrigatório] Especifica o tipo de dados. | "base de dados" (obrigatório) |
query | Instrução consulta SQL para a origem da base de dados de importação de dados | string |
storedProcedure | SQL StoredProcedure na origem da base de dados de importação de dados | string |
storedProcedureParams | Parâmetros SQL StoredProcedure | DatabaseSourceStoredProcedureParamsItem[] |
tableName | Nome da tabela na origem da base de dados de importação de dados | string |
DatabaseSourceStoredProcedureParamsItem
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
FileSystemSource
Nome | Descrição | Valor |
---|---|---|
sourceType | [Obrigatório] Especifica o tipo de dados. | 'file_system' (obrigatório) |
caminho | Caminho na importação de dados Origem do sistema de ficheiros | string |
EndpointScheduleAction
Nome | Descrição | Valor |
---|---|---|
actionType | [Obrigatório] Especifica o tipo de ação da agenda | "InvokeBatchEndpoint" (obrigatório) |
endpointInvocationDefinition | [Obrigatório] Define os detalhes da definição da ação Agendar. {see href="TBD" /} |
Para Bicep, pode utilizar a função any( ). (obrigatório) |
TriggerBase
Nome | Descrição | Valor |
---|---|---|
endTime | Especifica a hora de fim do agendamento na ISO 8601, mas sem um desvio UTC. Veja https://en.wikipedia.org/wiki/ISO_8601. O formato recommente seria "2022-06-01T00:00:01" Se não estiver presente, a agenda será executada indefinidamente |
string |
startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um desvio UTC. | string |
timeZone | Especifica o fuso horário no qual a agenda é executada. O Fuso Horário deve seguir o formato de fuso horário do Windows. Veja: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones /> |
string |
triggerType | Definir o tipo de objeto | Cron Periodicidade (obrigatório) |
CronTrigger
Nome | Descrição | Valor |
---|---|---|
triggerType | [Obrigatório] | 'Cron' (obrigatório) |
expression | [Obrigatório] Especifica a expressão cron da agenda. A expressão deve seguir o formato NCronTab. |
cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
RecurrenceTrigger
Nome | Descrição | Valor |
---|---|---|
endTime | Especifica a hora de fim do agendamento na ISO 8601, mas sem um desvio UTC. Veja https://en.wikipedia.org/wiki/ISO_8601. O formato recommente seria "2022-06-01T00:00:01" Se não estiver presente, a agenda será executada indefinidamente |
string |
frequência | [Obrigatório] A frequência para acionar o agendamento. | 'Dia' "Hora" 'Minuto' "Mês" "Semana" (obrigatório) |
interval | [Obrigatório] Especifica o intervalo de agendamento em conjunto com a frequência | int (obrigatório) |
agenda | A agenda de periodicidade. | PeriodicidadeSchedule |
startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um desvio UTC. | string |
timeZone | Especifica o fuso horário no qual a agenda é executada. O Fuso Horário deve seguir o formato de fuso horário do Windows. Veja: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones |
string |
triggerType | [Obrigatório] | 'Cron' "Periodicidade" (obrigatório) |
PeriodicidadeSchedule
Nome | Descrição | Valor |
---|---|---|
horas | [Obrigatório] Lista de horas para a agenda. | int[] (obrigatório) |
minutes | [Obrigatório] Lista de minutos para a agenda. | int[] (obrigatório) |
monthDays | Lista de dias do mês para a agenda | int[] |
weekDays | Lista de dias para a agenda. | Matriz de cadeia que contém qualquer um dos seguintes: 'Sexta-feira' 'Segunda-feira' 'Sábado' 'Domingo' 'Quinta-feira' 'Terça-feira' 'Quarta-feira' |
Definição de recurso do modelo arm
O tipo de recurso áreas de trabalho/agendamentos pode ser implementado com operações que visam:
- Grupos de recursos – veja os comandos de implementação do grupo de recursos
Para obter uma lista das propriedades alteradas em cada versão da API, veja Registo de alterações.
Formato do recurso
Para criar um recurso Microsoft.MachineLearningServices/workspaces/schedules, adicione o seguinte JSON ao seu modelo.
{
"type": "Microsoft.MachineLearningServices/workspaces/schedules",
"apiVersion": "2023-06-01-preview",
"name": "string",
"properties": {
"action": {
"actionType": "string"
// For remaining properties, see ScheduleActionBase objects
},
"description": "string",
"displayName": "string",
"isEnabled": "bool",
"properties": {
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
},
"tags": {
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
},
"trigger": {
"endTime": "string",
"startTime": "string",
"timeZone": "string",
"triggerType": "string"
// For remaining properties, see TriggerBase objects
}
}
}
Objetos ScheduleActionBase
Defina a propriedade actionType para especificar o tipo de objeto.
Para CreateJob, utilize:
"actionType": "CreateJob",
"jobDefinition": {
"componentId": "string",
"computeId": "string",
"description": "string",
"displayName": "string",
"experimentName": "string",
"identity": {
"identityType": "string"
// For remaining properties, see IdentityConfiguration objects
},
"isArchived": "bool",
"notificationSetting": {
"emailOn": [ "string" ],
"emails": [ "string" ],
"webhooks": {
"{customized property}": {
"eventType": "string",
"webhookType": "string"
// For remaining properties, see Webhook objects
}
}
},
"properties": {
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
},
"secretsConfiguration": {
"{customized property}": {
"uri": "string",
"workspaceSecretName": "string"
},
"{customized property}": {
"uri": "string",
"workspaceSecretName": "string"
}
},
"services": {
"{customized property}": {
"endpoint": "string",
"jobServiceType": "string",
"nodes": {
"nodesValueType": "string"
// For remaining properties, see Nodes objects
},
"port": "int",
"properties": {
"{customized property}": "string"
}
},
"{customized property}": {
"endpoint": "string",
"jobServiceType": "string",
"nodes": {
"nodesValueType": "string"
// For remaining properties, see Nodes objects
},
"port": "int",
"properties": {
"{customized property}": "string"
}
}
},
"tags": {
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
},
"jobType": "string"
// For remaining properties, see JobBaseProperties objects
}
Para CreateMonitor, utilize:
"actionType": "CreateMonitor",
"monitorDefinition": {
"alertNotificationSetting": {
"alertNotificationType": "string"
// For remaining properties, see MonitoringAlertNotificationSettingsBase objects
},
"computeConfiguration": {
"computeType": "string"
// For remaining properties, see MonitorComputeConfigurationBase objects
},
"monitoringTarget": {
"deploymentId": "string",
"modelId": "string",
"taskType": "string"
},
"signals": {
"{customized property}": {
"mode": "string",
"properties": {
"{customized property}": "string"
},
"signalType": "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Para ImportData, utilize:
"actionType": "ImportData",
"dataImportDefinition": {
"assetName": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"dataType": "string",
"dataUri": "string",
"description": "string",
"intellectualProperty": {
"protectionLevel": "string",
"publisher": "string"
},
"isAnonymous": "bool",
"isArchived": "bool",
"properties": {
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
},
"source": {
"connection": "string",
"sourceType": "string"
// For remaining properties, see DataImportSource objects
},
"stage": "string",
"tags": {
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
}
}
Para InvokeBatchEndpoint, utilize:
"actionType": "InvokeBatchEndpoint",
"endpointInvocationDefinition": {}
Objetos JobBaseProperties
Defina a propriedade jobType para especificar o tipo de objeto.
Para AutoML, utilize:
"jobType": "AutoML",
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"queueSettings": {
"jobTier": "string",
"priority": "int"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"locations": [ "string" ],
"maxInstanceCount": "int",
"properties": {
"{customized property}": {},
"{customized property}": {}
},
"shmSize": "string"
},
"taskDetails": {
"logVerbosity": "string",
"targetColumnName": "string",
"trainingData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"taskType": "string"
// For remaining properties, see AutoMLVertical objects
}
Para Comando, utilize:
"jobType": "Command",
"autologgerSettings": {
"mlflowAutologger": "string"
},
"codeId": "string",
"command": "string",
"distribution": {
"distributionType": "string"
// For remaining properties, see DistributionConfiguration objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"limits": {
"jobLimitsType": "string",
"timeout": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"queueSettings": {
"jobTier": "string",
"priority": "int"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"locations": [ "string" ],
"maxInstanceCount": "int",
"properties": {
"{customized property}": {},
"{customized property}": {}
},
"shmSize": "string"
}
Para Etiquetagem, utilize:
"jobType": "Labeling",
"dataConfiguration": {
"dataId": "string",
"incrementalDataRefresh": "string"
},
"jobInstructions": {
"uri": "string"
},
"labelCategories": {
"{customized property}": {
"classes": {
"{customized property}": {
"displayName": "string",
"subclasses": {
"{customized property}": {}
}
},
"displayName": "string",
"multiSelect": "string"
},
"{customized property}": {
"classes": {
"{customized property}": {
"displayName": "string",
"subclasses": {
"{customized property}": {}
}
},
"displayName": "string",
"multiSelect": "string"
}
},
"labelingJobMediaProperties": {
"mediaType": "string"
// For remaining properties, see LabelingJobMediaProperties objects
},
"mlAssistConfiguration": {
"mlAssist": "string"
// For remaining properties, see MLAssistConfiguration objects
}
Para Pipeline, utilize:
"jobType": "Pipeline",
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"jobs": {
"{customized property}": {}
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"settings": {},
"sourceJobId": "string"
Para o Spark, utilize:
"jobType": "Spark",
"archives": [ "string" ],
"args": "string",
"codeId": "string",
"conf": {
"{customized property}": "string"
},
"entry": {
"sparkJobEntryType": "string"
// For remaining properties, see SparkJobEntry objects
},
"environmentId": "string",
"files": [ "string" ],
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"jars": [ "string" ],
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"pyFiles": [ "string" ],
"queueSettings": {
"jobTier": "string",
"priority": "int"
},
"resources": {
"instanceType": "string",
"runtimeVersion": "string"
}
Para Varrer, utilize:
"jobType": "Sweep",
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"limits": {
"jobLimitsType": "string",
"maxConcurrentTrials": "int",
"maxTotalTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"objective": {
"goal": "string",
"primaryMetric": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"queueSettings": {
"jobTier": "string",
"priority": "int"
},
"samplingAlgorithm": {
"samplingAlgorithmType": "string"
// For remaining properties, see SamplingAlgorithm objects
},
"searchSpace": {},
"trial": {
"codeId": "string",
"command": "string",
"distribution": {
"distributionType": "string"
// For remaining properties, see DistributionConfiguration objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"locations": [ "string" ],
"maxInstanceCount": "int",
"properties": {
"{customized property}": {},
"{customized property}": {}
},
"shmSize": "string"
}
}
Objetos IdentityConfiguration
Defina a propriedade identityType para especificar o tipo de objeto.
Para AMLToken, utilize:
"identityType": "AMLToken"
Para Gerido, utilize:
"identityType": "Managed",
"clientId": "string",
"objectId": "string",
"resourceId": "string"
Para UserIdentity, utilize:
"identityType": "UserIdentity"
Objetos de webhook
Defina a propriedade webhookType para especificar o tipo de objeto.
Para o AzureDevOps, utilize:
"webhookType": "AzureDevOps"
Objetos de nós
Defina a propriedade nodesValueType para especificar o tipo de objeto.
Para Todos, utilize:
"nodesValueType": "All"
Objetos JobOutput
Defina a propriedade jobOutputType para especificar o tipo de objeto.
Para custom_model, utilize:
"jobOutputType": "custom_model",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
Para mlflow_model, utilize:
"jobOutputType": "mlflow_model",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
Para mltable, utilize:
"jobOutputType": "mltable",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
Para triton_model, utilize:
"jobOutputType": "triton_model",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
Para uri_file, utilize:
"jobOutputType": "uri_file",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
Para uri_folder, utilize:
"jobOutputType": "uri_folder",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
Objetos AutoMLVertical
Defina a propriedade taskType para especificar o tipo de objeto.
Para Classificação, utilize:
"taskType": "Classification",
"cvSplitColumnNames": [ "string" ],
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"fixedParameters": {
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "int",
"maxBin": "int",
"maxDepth": "int",
"maxLeaves": "int",
"minDataInLeaf": "int",
"minSplitGain": "int",
"modelName": "string",
"nEstimators": "int",
"numLeaves": "int",
"preprocessorName": "string",
"regAlpha": "int",
"regLambda": "int",
"subsample": "int",
"subsampleFreq": "int",
"treeMethod": "string",
"withMean": "bool",
"withStd": "bool"
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxNodes": "int",
"maxTrials": "int",
"sweepConcurrentTrials": "int",
"sweepTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"positiveLabel": "string",
"primaryMetric": "string",
"searchSpace": [
{
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "string",
"maxBin": "string",
"maxDepth": "string",
"maxLeaves": "string",
"minDataInLeaf": "string",
"minSplitGain": "string",
"modelName": "string",
"nEstimators": "string",
"numLeaves": "string",
"preprocessorName": "string",
"regAlpha": "string",
"regLambda": "string",
"subsample": "string",
"subsampleFreq": "string",
"treeMethod": "string",
"withMean": "string",
"withStd": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"testData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int",
"trainingSettings": {
"allowedTrainingAlgorithms": [ "string" ],
"blockedTrainingAlgorithms": [ "string" ],
"enableDnnTraining": "bool",
"enableModelExplainability": "bool",
"enableOnnxCompatibleModels": "bool",
"enableStackEnsemble": "bool",
"enableVoteEnsemble": "bool",
"ensembleModelDownloadTimeout": "string",
"stackEnsembleSettings": {
"stackMetaLearnerKWargs": {},
"stackMetaLearnerTrainPercentage": "int",
"stackMetaLearnerType": "string"
},
"trainingMode": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
Para Previsão, utilize:
"taskType": "Forecasting",
"cvSplitColumnNames": [ "string" ],
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"fixedParameters": {
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "int",
"maxBin": "int",
"maxDepth": "int",
"maxLeaves": "int",
"minDataInLeaf": "int",
"minSplitGain": "int",
"modelName": "string",
"nEstimators": "int",
"numLeaves": "int",
"preprocessorName": "string",
"regAlpha": "int",
"regLambda": "int",
"subsample": "int",
"subsampleFreq": "int",
"treeMethod": "string",
"withMean": "bool",
"withStd": "bool"
},
"forecastingSettings": {
"countryOrRegionForHolidays": "string",
"cvStepSize": "int",
"featureLags": "string",
"featuresUnknownAtForecastTime": [ "string" ],
"forecastHorizon": {
"mode": "string"
// For remaining properties, see ForecastHorizon objects
},
"frequency": "string",
"seasonality": {
"mode": "string"
// For remaining properties, see Seasonality objects
},
"shortSeriesHandlingConfig": "string",
"targetAggregateFunction": "string",
"targetLags": {
"mode": "string"
// For remaining properties, see TargetLags objects
},
"targetRollingWindowSize": {
"mode": "string"
// For remaining properties, see TargetRollingWindowSize objects
},
"timeColumnName": "string",
"timeSeriesIdColumnNames": [ "string" ],
"useStl": "string"
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxNodes": "int",
"maxTrials": "int",
"sweepConcurrentTrials": "int",
"sweepTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"primaryMetric": "string",
"searchSpace": [
{
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "string",
"maxBin": "string",
"maxDepth": "string",
"maxLeaves": "string",
"minDataInLeaf": "string",
"minSplitGain": "string",
"modelName": "string",
"nEstimators": "string",
"numLeaves": "string",
"preprocessorName": "string",
"regAlpha": "string",
"regLambda": "string",
"subsample": "string",
"subsampleFreq": "string",
"treeMethod": "string",
"withMean": "string",
"withStd": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"testData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int",
"trainingSettings": {
"allowedTrainingAlgorithms": [ "string" ],
"blockedTrainingAlgorithms": [ "string" ],
"enableDnnTraining": "bool",
"enableModelExplainability": "bool",
"enableOnnxCompatibleModels": "bool",
"enableStackEnsemble": "bool",
"enableVoteEnsemble": "bool",
"ensembleModelDownloadTimeout": "string",
"stackEnsembleSettings": {
"stackMetaLearnerKWargs": {},
"stackMetaLearnerTrainPercentage": "int",
"stackMetaLearnerType": "string"
},
"trainingMode": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
Para ImageClassification, utilize:
"taskType": "ImageClassification",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "int",
"nesterov": "bool",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"trainingBatchSize": "int",
"trainingCropSize": "int",
"validationBatchSize": "int",
"validationCropSize": "int",
"validationResizeSize": "int",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int",
"weightedLoss": "int"
},
"primaryMetric": "string",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "string",
"nesterov": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"trainingBatchSize": "string",
"trainingCropSize": "string",
"validationBatchSize": "string",
"validationCropSize": "string",
"validationResizeSize": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string",
"weightedLoss": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Para ImageClassificationMultilabel, utilize:
"taskType": "ImageClassificationMultilabel",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "int",
"nesterov": "bool",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"trainingBatchSize": "int",
"trainingCropSize": "int",
"validationBatchSize": "int",
"validationCropSize": "int",
"validationResizeSize": "int",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int",
"weightedLoss": "int"
},
"primaryMetric": "string",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "string",
"nesterov": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"trainingBatchSize": "string",
"trainingCropSize": "string",
"validationBatchSize": "string",
"validationCropSize": "string",
"validationResizeSize": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string",
"weightedLoss": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Para ImageInstanceSegmentation, utilize:
"taskType": "ImageInstanceSegmentation",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"boxDetectionsPerImage": "int",
"boxScoreThreshold": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"imageSize": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"logTrainingMetrics": "string",
"logValidationLoss": "string",
"maxSize": "int",
"minSize": "int",
"modelName": "string",
"modelSize": "string",
"momentum": "int",
"multiScale": "bool",
"nesterov": "bool",
"nmsIouThreshold": "int",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"tileGridSize": "string",
"tileOverlapRatio": "int",
"tilePredictionsNmsThreshold": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"validationIouThreshold": "int",
"validationMetricType": "string",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int"
},
"primaryMetric": "MeanAveragePrecision",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"boxDetectionsPerImage": "string",
"boxScoreThreshold": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"imageSize": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"maxSize": "string",
"minSize": "string",
"modelName": "string",
"modelSize": "string",
"momentum": "string",
"multiScale": "string",
"nesterov": "string",
"nmsIouThreshold": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"tileGridSize": "string",
"tileOverlapRatio": "string",
"tilePredictionsNmsThreshold": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"validationIouThreshold": "string",
"validationMetricType": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Para ImageObjectDetection, utilize:
"taskType": "ImageObjectDetection",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"boxDetectionsPerImage": "int",
"boxScoreThreshold": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"imageSize": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"logTrainingMetrics": "string",
"logValidationLoss": "string",
"maxSize": "int",
"minSize": "int",
"modelName": "string",
"modelSize": "string",
"momentum": "int",
"multiScale": "bool",
"nesterov": "bool",
"nmsIouThreshold": "int",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"tileGridSize": "string",
"tileOverlapRatio": "int",
"tilePredictionsNmsThreshold": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"validationIouThreshold": "int",
"validationMetricType": "string",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int"
},
"primaryMetric": "MeanAveragePrecision",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"boxDetectionsPerImage": "string",
"boxScoreThreshold": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"imageSize": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"maxSize": "string",
"minSize": "string",
"modelName": "string",
"modelSize": "string",
"momentum": "string",
"multiScale": "string",
"nesterov": "string",
"nmsIouThreshold": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"tileGridSize": "string",
"tileOverlapRatio": "string",
"tilePredictionsNmsThreshold": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"validationIouThreshold": "string",
"validationMetricType": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Para Regressão, utilize:
"taskType": "Regression",
"cvSplitColumnNames": [ "string" ],
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"fixedParameters": {
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "int",
"maxBin": "int",
"maxDepth": "int",
"maxLeaves": "int",
"minDataInLeaf": "int",
"minSplitGain": "int",
"modelName": "string",
"nEstimators": "int",
"numLeaves": "int",
"preprocessorName": "string",
"regAlpha": "int",
"regLambda": "int",
"subsample": "int",
"subsampleFreq": "int",
"treeMethod": "string",
"withMean": "bool",
"withStd": "bool"
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxNodes": "int",
"maxTrials": "int",
"sweepConcurrentTrials": "int",
"sweepTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"primaryMetric": "string",
"searchSpace": [
{
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "string",
"maxBin": "string",
"maxDepth": "string",
"maxLeaves": "string",
"minDataInLeaf": "string",
"minSplitGain": "string",
"modelName": "string",
"nEstimators": "string",
"numLeaves": "string",
"preprocessorName": "string",
"regAlpha": "string",
"regLambda": "string",
"subsample": "string",
"subsampleFreq": "string",
"treeMethod": "string",
"withMean": "string",
"withStd": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"testData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int",
"trainingSettings": {
"allowedTrainingAlgorithms": [ "string" ],
"blockedTrainingAlgorithms": [ "string" ],
"enableDnnTraining": "bool",
"enableModelExplainability": "bool",
"enableOnnxCompatibleModels": "bool",
"enableStackEnsemble": "bool",
"enableVoteEnsemble": "bool",
"ensembleModelDownloadTimeout": "string",
"stackEnsembleSettings": {
"stackMetaLearnerKWargs": {},
"stackMetaLearnerTrainPercentage": "int",
"stackMetaLearnerType": "string"
},
"trainingMode": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
Para TextClassification, utilize:
"taskType": "TextClassification",
"featurizationSettings": {
"datasetLanguage": "string"
},
"fixedParameters": {
"gradientAccumulationSteps": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"warmupRatio": "int",
"weightDecay": "int"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxNodes": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"primaryMetric": "string",
"searchSpace": [
{
"gradientAccumulationSteps": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"warmupRatio": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
Para TextClassificationMultilabel, utilize:
"taskType": "TextClassificationMultilabel",
"featurizationSettings": {
"datasetLanguage": "string"
},
"fixedParameters": {
"gradientAccumulationSteps": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"warmupRatio": "int",
"weightDecay": "int"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxNodes": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"searchSpace": [
{
"gradientAccumulationSteps": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"warmupRatio": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
Para TextNER, utilize:
"taskType": "TextNER",
"featurizationSettings": {
"datasetLanguage": "string"
},
"fixedParameters": {
"gradientAccumulationSteps": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"warmupRatio": "int",
"weightDecay": "int"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxNodes": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"searchSpace": [
{
"gradientAccumulationSteps": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"warmupRatio": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
Objetos NCrossValidations
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
"mode": "Auto"
Para Personalizar, utilize:
"mode": "Custom",
"value": "int"
Objetos EarlyTerminationPolicy
Defina a propriedade policyType para especificar o tipo de objeto.
Para Bandido, utilize:
"policyType": "Bandit",
"slackAmount": "int",
"slackFactor": "int"
Para MedianStopping, utilize:
"policyType": "MedianStopping"
Para TruncationSelection, utilize:
"policyType": "TruncationSelection",
"truncationPercentage": "int"
Objetos do ForecastHorizon
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
"mode": "Auto"
Para Personalizar, utilize:
"mode": "Custom",
"value": "int"
Objetos de sazonalidade
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
"mode": "Auto"
Para Personalizar, utilize:
"mode": "Custom",
"value": "int"
Objetos TargetLags
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
"mode": "Auto"
Para Personalizar, utilize:
"mode": "Custom",
"values": [ "int" ]
TargetRollingWindowSize objects (Objetos TargetRollingWindowSize)
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
"mode": "Auto"
Para Personalizar, utilize:
"mode": "Custom",
"value": "int"
Objetos DistributionConfiguration
Defina a propriedade distributionType para especificar o tipo de objeto.
Para MPI, utilize:
"distributionType": "Mpi",
"processCountPerInstance": "int"
Para o PyTorch, utilize:
"distributionType": "PyTorch",
"processCountPerInstance": "int"
Para Ray, utilize:
"distributionType": "Ray",
"address": "string",
"dashboardPort": "int",
"headNodeAdditionalArgs": "string",
"includeDashboard": "bool",
"port": "int",
"workerNodeAdditionalArgs": "string"
Para o TensorFlow, utilize:
"distributionType": "TensorFlow",
"parameterServerCount": "int",
"workerCount": "int"
Objetos JobInput
Defina a propriedade jobInputType para especificar o tipo de objeto.
Para custom_model, utilize:
"jobInputType": "custom_model",
"mode": "string",
"uri": "string"
Para literal, utilize:
"jobInputType": "literal",
"value": "string"
Para mlflow_model, utilize:
"jobInputType": "mlflow_model",
"mode": "string",
"uri": "string"
Para mltable, utilize:
"jobInputType": "mltable",
"mode": "string",
"uri": "string"
Para triton_model, utilize:
"jobInputType": "triton_model",
"mode": "string",
"uri": "string"
Para uri_file, utilize:
"jobInputType": "uri_file",
"mode": "string",
"uri": "string"
Para uri_folder, utilize:
"jobInputType": "uri_folder",
"mode": "string",
"uri": "string"
Etiquetar objetosJobMediaProperties
Defina a propriedade mediaType para especificar o tipo de objeto.
Para Imagem, utilize:
"mediaType": "Image",
"annotationType": "string"
Para Texto, utilize:
"mediaType": "Text",
"annotationType": "string"
Objetos MLAssistConfiguration
Defina a propriedade mlAssist para especificar o tipo de objeto.
Para Desativado, utilize:
"mlAssist": "Disabled"
Para Ativado, utilize:
"mlAssist": "Enabled",
"inferencingComputeBinding": "string",
"trainingComputeBinding": "string"
Objetos SparkJobEntry
Defina a propriedade sparkJobEntryType para especificar o tipo de objeto.
Para SparkJobPythonEntry, utilize:
"sparkJobEntryType": "SparkJobPythonEntry",
"file": "string"
Para SparkJobScalaEntry, utilize:
"sparkJobEntryType": "SparkJobScalaEntry",
"className": "string"
SamplingAlgorithm objects (Objetos SamplingAlgorithm)
Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.
Para Bayesian, utilize:
"samplingAlgorithmType": "Bayesian"
Para Grelha, utilize:
"samplingAlgorithmType": "Grid"
Para Aleatório, utilize:
"samplingAlgorithmType": "Random",
"logbase": "string",
"rule": "string",
"seed": "int"
MonitoringAlertNotificationSettingsBase objects (Objetos MonitoringAlertNotificationSettingsBase)
Defina a propriedade alertNotificationType para especificar o tipo de objeto.
Para o AzureMonitor, utilize:
"alertNotificationType": "AzureMonitor"
Para Email, utilize:
"alertNotificationType": "Email",
"emailNotificationSetting": {
"emailOn": [ "string" ],
"emails": [ "string" ],
"webhooks": {
"{customized property}": {
"eventType": "string",
"webhookType": "string"
// For remaining properties, see Webhook objects
}
}
}
MonitorComputeConfigurationBase objects (MonitorComputeConfigurationBase objects)
Defina a propriedade computeType para especificar o tipo de objeto.
Para ServerlessSpark, utilize:
"computeType": "ServerlessSpark",
"computeIdentity": {
"computeIdentityType": "string"
// For remaining properties, see MonitorComputeIdentityBase objects
},
"instanceType": "string",
"runtimeVersion": "string"
Monitorizar objetosComputeIdentityBase
Defina a propriedade computeIdentityType para especificar o tipo de objeto.
Para AmlToken, utilize:
"computeIdentityType": "AmlToken"
Para ManagedIdentity, utilize:
"computeIdentityType": "ManagedIdentity",
"identity": {
"type": "string",
"userAssignedIdentities": {
"{customized property}": {}
}
}
MonitoringSignalBase objects (Monitorizar objetos DoBase)
Defina a propriedade signalType para especificar o tipo de objeto.
Para Personalizar, utilize:
"signalType": "Custom",
"componentId": "string",
"inputAssets": {
"{customized property}": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"metricThresholds": [
{
"metric": "string",
"threshold": {
"value": "int"
}
}
],
"workspaceConnection": {
"environmentVariables": {
"{customized property}": "string"
},
"secrets": {
"{customized property}": "string"
}
}
Para DataDrift, utilize:
"signalType": "DataDrift",
"dataSegment": {
"feature": "string",
"values": [ "string" ]
},
"featureDataTypeOverride": {
"{customized property}": "string"
},
"features": {
"filterType": "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
},
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see DataDriftMetricThresholdBase objects
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Para a Igualdade de Dados, utilize:
"signalType": "DataQuality",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"features": {
"filterType": "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
},
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see DataQualityMetricThresholdBase objects
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Para FeatureAttributionDrift, utilize:
"signalType": "FeatureAttributionDrift",
"metricThreshold": {
"metric": "NormalizedDiscountedCumulativeGain",
"threshold": {
"value": "int"
}
},
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Para GenerationSafetyQuality, utilize:
"signalType": "GenerationSafetyQuality",
"metricThresholds": [
{
"metric": "string",
"threshold": {
"value": "int"
}
}
],
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"samplingRate": "int",
"workspaceConnectionId": "string"
Para GenerationTokenStatistics, utilize:
"signalType": "GenerationTokenStatistics",
"metricThresholds": [
{
"metric": "string",
"threshold": {
"value": "int"
}
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"samplingRate": "int"
Para ModelPerformance, utilize:
"signalType": "ModelPerformance",
"dataSegment": {
"feature": "string",
"values": [ "string" ]
},
"metricThreshold": {
"threshold": {
"value": "int"
},
"modelType": "string"
// For remaining properties, see ModelPerformanceMetricThresholdBase objects
},
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Para PredictionDrift, utilize:
"signalType": "PredictionDrift",
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
],
"modelType": "string",
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
MonitoringInputDataBase objects (MonitoringInputDataBase objects)
Defina a propriedade inputDataType para especificar o tipo de objeto.
Para Corrigido, utilize:
"inputDataType": "Fixed"
Para Estático, utilize:
"inputDataType": "Static",
"preprocessingComponentId": "string",
"windowEnd": "string",
"windowStart": "string"
Para a opção À direita, utilize:
"inputDataType": "Trailing",
"preprocessingComponentId": "string",
"windowOffset": "string",
"windowSize": "string"
MonitoringFeatureFilterBase objects (MonitoringFeatureFilterBase objects)
Defina a propriedade filterType para especificar o tipo de objeto.
Para AllFeatures, utilize:
"filterType": "AllFeatures"
Para FeatureSubset, utilize:
"filterType": "FeatureSubset",
"features": [ "string" ]
Para TopNByAttribution, utilize:
"filterType": "TopNByAttribution",
"top": "int"
Objetos DataDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórico, utilize:
"dataType": "Categorical",
"metric": "string"
Para Numérico, utilize:
"dataType": "Numerical",
"metric": "string"
Objetos DataQualityMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórico, utilize:
"dataType": "Categorical",
"metric": "string"
Para Numérico, utilize:
"dataType": "Numerical",
"metric": "string"
Objetos ModelPerformanceMetricThresholdBase
Defina a propriedade modelType para especificar o tipo de objeto.
Para Classificação, utilize:
"modelType": "Classification",
"metric": "string"
Para Regressão, utilize:
"modelType": "Regression",
"metric": "string"
PredictionDriftMetricThresholdBase objects (Objetos PredictionDriftMetricThresholdBase)
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórico, utilize:
"dataType": "Categorical",
"metric": "string"
Para Numérico, utilize:
"dataType": "Numerical",
"metric": "string"
Objetos DataImportSource
Defina a propriedade sourceType para especificar o tipo de objeto.
Para a base de dados, utilize:
"sourceType": "database",
"query": "string",
"storedProcedure": "string",
"storedProcedureParams": [
{
"{customized property}": "string"
}
],
"tableName": "string"
Para file_system, utilize:
"sourceType": "file_system",
"path": "string"
Objetos TriggerBase
Defina a propriedade triggerType para especificar o tipo de objeto.
Para Cron, utilize:
"triggerType": "Cron",
"expression": "string"
Para Periodicidade, utilize:
"triggerType": "Recurrence",
"frequency": "string",
"interval": "int",
"schedule": {
"hours": [ "int" ],
"minutes": [ "int" ],
"monthDays": [ "int" ],
"weekDays": [ "string" ]
}
Valores de propriedade
áreas de trabalho/agendas
Nome | Descrição | Valor |
---|---|---|
tipo | O tipo de recurso | "Microsoft.MachineLearningServices/workspaces/schedules" |
apiVersion | A versão da API de recursos | "2023-06-01-preview" |
name | O nome do recurso Veja como definir nomes e tipos para recursos subordinados em modelos do ARM JSON. |
cadeia (obrigatório) |
propriedades | [Obrigatório] Atributos adicionais da entidade. | ScheduleProperties (obrigatório) |
ScheduleProperties
Nome | Descrição | Valor |
---|---|---|
action | [Obrigatório] Especifica a ação da agenda | ScheduleActionBase (obrigatório) |
descrição | O texto de descrição do recurso. | string |
displayName | Nome a apresentar da agenda. | string |
isEnabled | A agenda está ativada? | bool |
propriedades | O dicionário da propriedade do recurso. | ResourceBaseProperties |
etiquetas | Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas. | objeto |
acionador | [Obrigatório] Especifica os detalhes do acionador | TriggerBase (obrigatório) |
ScheduleActionBase
Nome | Descrição | Valor |
---|---|---|
actionType | Definir o tipo de objeto | CriarJob CreateMonitor ImportData InvokeBatchEndpoint (obrigatório) |
JobScheduleAction
Nome | Descrição | Valor |
---|---|---|
actionType | [Obrigatório] Especifica o tipo de ação da agenda | "CreateJob" (obrigatório) |
jobDefinition | [Obrigatório] Define detalhes da definição de ação Agendar. | JobBaseProperties (obrigatório) |
JobBaseProperties
Nome | Descrição | Valor |
---|---|---|
componentId | ID do recurso arm do recurso do componente. | string |
computeId | ID do recurso arm do recurso de computação. | string |
descrição | O texto de descrição do recurso. | string |
displayName | Nome a apresentar da tarefa. | string |
experimentName | O nome da experimentação a que pertence a tarefa. Se não estiver definido, a tarefa é colocada na experimentação "Predefinição". | string |
identidade | Configuração de identidade. Se estiver definido, este deve ser um de AmlToken, ManagedIdentity, UserIdentity ou null. A predefinição é AmlToken se for nula. |
IdentityConfiguration |
isArchived | O recurso está arquivado? | bool |
notificationSetting | Definição de notificação para a tarefa | NotificationSetting |
propriedades | O dicionário da propriedade do recurso. | ResourceBaseProperties |
secretsConfiguration | Configuração para que os segredos sejam disponibilizados durante o runtime. | JobBaseSecretsConfiguration |
services | Lista de JobEndpoints. Para tarefas locais, um ponto final de tarefa terá um valor de ponto final de FileStreamObject. |
JobBaseServices |
etiquetas | Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas. | objeto |
jobType | Definir o tipo de objeto | AutoML Comando Etiquetagem Pipeline Spark Varrer (obrigatório) |
IdentityConfiguration
Nome | Descrição | Valor |
---|---|---|
identityType | Definir o tipo de objeto | AMLToken Gerido UserIdentity (obrigatório) |
AmlToken
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "AMLToken" (obrigatório) |
ManagedIdentity
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "Gerido" (obrigatório) |
clientId | Especifica uma identidade atribuída pelo utilizador pelo ID de cliente. Para a atribuição do sistema, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
objectId | Especifica uma identidade atribuída pelo utilizador pelo ID do objeto. Para a atribuição do sistema, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
resourceId | Especifica uma identidade atribuída pelo utilizador pelo ID de recurso do ARM. Para a atribuição do sistema, não defina este campo. | string |
UserIdentity
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "UserIdentity" (obrigatório) |
NotificationSetting
Nome | Descrição | Valor |
---|---|---|
emailOn | Enviar notificação por e-mail ao utilizador no tipo de notificação especificado | Matriz de cadeias que contém qualquer um dos seguintes: "JobCancelled" "JobCompleted" "JobFailed" |
e-mails | Esta é a lista de destinatários de e-mail que tem uma limitação de 499 carateres no total concat com separador de vírgulas | cadeia[] |
webhooks | Enviar chamada de retorno de webhook para um serviço. A chave é um nome fornecido pelo utilizador para o webhook. | NotificationSettingWebhooks |
NotificationSettingWebhooks
Nome | Descrição | Valor |
---|---|---|
{customized property} | Webhook |
Webhook
Nome | Descrição | Valor |
---|---|---|
eventType | Enviar chamada de retorno num evento de notificação especificado | string |
webhookType | Definir o tipo de objeto | AzureDevOps (obrigatório) |
AzureDevOpsWebhook
Nome | Descrição | Valor |
---|---|---|
webhookType | [Obrigatório] Especifica o tipo de serviço para enviar uma chamada de retorno | "AzureDevOps" (obrigatório) |
ResourceBaseProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string |
JobBaseSecretsConfiguration
Nome | Descrição | Valor |
---|---|---|
{customized property} | SecretConfiguration | |
{customized property} | SecretConfiguration |
SecretConfiguration
Nome | Descrição | Valor |
---|---|---|
URI | URI Secreto. Uri de Exemplo: https://myvault.vault.azure.net/secrets/mysecretname/secretversion |
string |
workspaceSecretName | Nome do segredo no cofre de chaves da área de trabalho. | string |
JobBaseServices
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobService | |
{customized property} | JobService |
JobService
Nome | Descrição | Valor |
---|---|---|
endpoint | URL para ponto final. | string |
jobServiceType | Tipo de ponto final. | string |
nós | Nós em que o utilizador gostaria de iniciar o serviço. Se Os Nós não estiverem definidos ou definidos como nulos, o serviço só será iniciado no nó de preenchimento. |
Nós |
porta | Porta para o ponto final definida pelo utilizador. | int |
propriedades | Propriedades adicionais a definir no ponto final. | JobServiceProperties |
Nós
Nome | Descrição | Valor |
---|---|---|
nodesValueType | Definir o tipo de objeto | Todos (obrigatório) |
AllNodes
Nome | Descrição | Valor |
---|---|---|
nodesValueType | [Obrigatório] Tipo do valor Nós | "Todos" (obrigatório) |
JobServiceProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
AutoMLJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "AutoML" (obrigatório) |
environmentId | O ID de recurso do ARM da especificação do Ambiente para a tarefa. Este é um valor opcional para fornecer, se não for fornecido, o AutoML irá predefini-lo para a versão de ambiente organizado do AutoML de Produção ao executar a tarefa. |
string |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | AutoMLJobEnvironmentVariables |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | AutoMLJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
taskDetails | [Obrigatório] Isto representa um cenário que pode ser uma das Tabelas/NLP/Imagem | AutoMLVertical (obrigatório) |
AutoMLJobEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
AutoMLJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
JobOutput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição do resultado. | string |
jobOutputType | Definir o tipo de objeto | custom_model mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "custom_model" (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | 'Direto' "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
AutoDeleteSetting
Nome | Descrição | Valor |
---|---|---|
condição | Quando verificar se um recurso expirou | 'CreatedGreaterThan' 'LastAccessedGreaterThan' |
valor | Valor da condição de expiração. | string |
MLFlowModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "mlflow_model" (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | 'Direto' "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
MLTableJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "mltable" (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | 'Direto' "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
TritonModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | 'triton_model' (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | 'Direto' "ReadWriteMount" 'Carregar' |
URI | URI do Recurso de Saída. | string |
UriFileJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | 'uri_file' (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | 'Direto' "ReadWriteMount" 'Carregar' |
URI | URI do Recurso de Saída. | string |
UriFolderJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | 'uri_folder' (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | 'Direto' "ReadWriteMount" 'Carregar' |
URI | URI do Recurso de Saída. | string |
QueueSettings
Nome | Descrição | Valor |
---|---|---|
jobTier | Controla o escalão de tarefa de computação | "Básico" 'Nulo' "Premium" "Spot" 'Standard' |
prioridade | Controla a prioridade da tarefa numa computação. | int |
JobResourceConfiguration
Nome | Descrição | Valor |
---|---|---|
dockerArgs | Argumentos adicionais para passar para o comando de execução do Docker. Isto substituiria quaisquer parâmetros que já tenham sido definidos pelo sistema ou nesta secção. Este parâmetro só é suportado para tipos de computação do Azure ML. | string |
instanceCount | Número opcional de instâncias ou nós utilizados pelo destino de computação. | int |
instanceType | Tipo opcional de VM utilizado como suportado pelo destino de computação. | string |
localizações | Localizações onde a tarefa pode ser executada. | string[] |
maxInstanceCount | Número máximo opcional permitido de instâncias ou nós a serem utilizados pelo destino de computação. Para utilização com preparação elástica, atualmente suportada apenas pelo tipo de distribuição PyTorch. |
int |
propriedades | Saco de propriedades adicionais. | ResourceConfigurationProperties |
shmSize | Tamanho do bloco de memória partilhada do contentor do Docker. Deve estar no formato de (número)(unidade) em que o número deve ser superior a 0 e a unidade pode ser de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes). | string Restrições: Padrão = \d+[bBkKmMgG] |
ResourceConfigurationProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | ||
{customized property} |
AutoMLVertical
Nome | Descrição | Valor |
---|---|---|
logVerbosity | Registar verbosidade da tarefa. | "Crítico" "Depurar" "Erro" 'Informações' "NotSet" 'Aviso' |
targetColumnName | Nome da coluna de destino: esta é a coluna de valores de predição. Também conhecido como nome da coluna de etiqueta no contexto de tarefas de classificação. |
string |
trainingData | [Obrigatório] Entrada de dados de preparação. | MLTableJobInput (obrigatório) |
taskType | Definir o tipo de objeto | Classificação Previsão ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regressão TextClassification TextClassificationMultilabel TextNER (obrigatório) |
MLTableJobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
Classificação
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Classificação" (obrigatório) |
cvSplitColumnNames | Colunas a utilizar para dados CVSplit. | string[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | TableFixedParameters |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
positiveLabel | Etiqueta positiva para cálculo de métricas binárias. | string |
primaryMetric | Métrica primária da tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | TableParameterSubspace[] |
sweepSettings | Definições de varrimento de modelos e otimização de hiperparâmetros. | TableSweepSettings |
testData | Testar a entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa de AutoML. | ClassificationTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
TableVerticalFeaturizationSettings
Nome | Descrição | Valor |
---|---|---|
blockedTransformers | Estes transformadores não devem ser utilizados na caracterização. | Matriz de cadeia que contém qualquer um dos seguintes: "CatTargetEncoder" "CountVectorizer" "HashOneHotEncoder" "LabelEncoder" 'NaiveBayes' "OneHotEncoder" "TextTargetEncoder" "TfIdf" "WoETargetEncoder" "WordEmbedding" |
columnNameAndTypes | Dicionário do nome da coluna e do respetivo tipo (int, float, string, datetime, etc.). | TableVerticalFeaturizationSettingsColumnNameAndTypes |
datasetLanguage | Idioma do conjunto de dados, útil para os dados de texto. | string |
enableDnnFeaturization | Determina se deve utilizar os caracterizadores baseados em Dnn para a caracterização de dados. | bool |
mode | Modo de caracterização – o utilizador pode manter o modo "Automático" predefinido e o AutoML tratará da transformação necessária dos dados na fase de caracterização. Se "Desativado" estiver selecionado, não será efetuada qualquer caracterização. Se "Personalizado" estiver selecionado, o utilizador pode especificar entradas adicionais para personalizar a forma como a caracterização é feita. |
'Auto' "Personalizado" 'Desativado' |
transformerParams | O utilizador pode especificar transformadores adicionais a serem utilizados juntamente com as colunas às quais seriam aplicados e parâmetros para o construtor do transformador. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
TableVerticalFeaturizationSettingsTransformerParams
Nome | Descrição | Valor |
---|---|---|
{customized property} | ColumnTransformer[] |
ColumnTransformer
Nome | Descrição | Valor |
---|---|---|
fields | Campos para aplicar a lógica do transformador. | cadeia[] |
parâmetros | Propriedades diferentes a serem transmitidas ao transformador. A entrada esperada é o dicionário de pares chave e valor no formato JSON. |
TableFixedParameters
Nome | Descrição | Valor |
---|---|---|
reforço | Especifique o tipo de aumento, por exemplo, gbdt para XGBoost. | string |
boostingType | Especifique o tipo de aumento, por exemplo, gbdt para LightGBM. | string |
growPolicy | Especifique a política de crescimento, que controla a forma como os novos nós são adicionados à árvore. | string |
learningRate | A taxa de aprendizagem do procedimento de preparação. | int |
maxBin | Especifique o número máximo de classes discretas para criar um registo de funcionalidades contínuas. | int |
maxDepth | Especifique a profundidade máxima para limitar explicitamente a profundidade da árvore. | int |
maxLeaves | Especifique as folhas máximas para limitar explicitamente as folhas de árvore. | int |
minDataInLeaf | O número mínimo de dados por folha. | int |
minSplitGain | Redução mínima de perda necessária para criar uma partição adicional num nó de folha da árvore. | int |
modelName | O nome do modelo a preparar. | string |
nEstimadores | Especifique o número de árvores (ou arredondas) num modelo. | int |
numLeaves | Especifique o número de folhas. | int |
preprocessorName | O nome do pré-processamento a utilizar. | string |
regAlpha | Termo de regularização L1 sobre pesos. | int |
regLambda | Termo de regularização L2 em pesos. | int |
subamplo | Proporção da instância de preparação. | int |
subsampleFreq | Frequência da subampla. | int |
treeMethod | Especifique o método tree. | string |
withMean | Se for verdadeiro, centro antes de dimensionar os dados com StandardScalar. | bool |
withStd | Se for verdade, dimensione os dados com a Variação de Unidades com StandardScalar. | bool |
TableVerticalLimitSettings
Nome | Descrição | Valor |
---|---|---|
enableEarlyTermination | Ative a terminação antecipada, determina se o AutoMLJob terminará mais cedo se não houver melhoria de pontuação nas últimas 20 iterações. | bool |
exitScore | Sair da classificação para a tarefa de AutoML. | int |
maxConcurrentTrials | Máximo de iterações simultâneas. | int |
maxCoresPerTrial | Núcleos máximos por iteração. | int |
maxNodes | Máximo de nós a utilizar para a experimentação. | int |
maxTrials | Número de iterações. | int |
sweepConcurrentTrials | Número de execuções de varrimento simultâneas que o utilizador quer acionar. | int |
sweepTrials | Número de execuções abrangentes que o utilizador quer acionar. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
trialTimeout | Tempo limite da iteração. | string |
NCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoNCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo para determinar validações N-Cross. | "Automático" (obrigatório) |
CustomNCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo para determinar validações N-Cross. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor de validações N-Cross. | int (obrigatório) |
TableParameterSubspace
Nome | Descrição | Valor |
---|---|---|
reforço | Especifique o tipo de aumento, por exemplo, gbdt para XGBoost. | string |
boostingType | Especifique o tipo de aumento, por exemplo, gbdt para LightGBM. | string |
growPolicy | Especifique a política de crescimento, que controla a forma como os novos nós são adicionados à árvore. | string |
learningRate | A taxa de aprendizagem do procedimento de preparação. | string |
maxBin | Especifique o número máximo de classes discretas para criar um registo de funcionalidades contínuas. | string |
maxDepth | Especifique a profundidade máxima para limitar explicitamente a profundidade da árvore. | string |
maxLeaves | Especifique as folhas máximas para limitar explicitamente as folhas de árvore. | string |
minDataInLeaf | O número mínimo de dados por folha. | string |
minSplitGain | Redução mínima de perda necessária para criar uma partição adicional num nó de folha da árvore. | string |
modelName | O nome do modelo a preparar. | string |
nEstimadores | Especifique o número de árvores (ou arredondas) num modelo. | string |
numLeaves | Especifique o número de folhas. | string |
preprocessorName | O nome do pré-processamento a utilizar. | string |
regAlpha | Termo de regularização L1 sobre pesos. | string |
regLambda | Termo de regularização L2 em pesos. | string |
subamplo | Proporção da instância de preparação. | string |
subsampleFreq | Frequência da subamplia | string |
treeMethod | Especifique o método tree. | string |
withMean | Se for verdadeiro, centro antes de dimensionar os dados com StandardScalar. | string |
withStd | Se for verdade, dimensione os dados com a Variação de Unidades com StandardScalar. | string |
TableSweepSettings
Nome | Descrição | Valor |
---|---|---|
earlyTermination | Tipo de política de cessação antecipada para o trabalho abrangente. | EarlyTerminationPolicy |
samplingAlgorithm | [Obrigatório] Tipo de algoritmo de amostragem. | 'Bayesian' "Grelha" "Aleatório" (obrigatório) |
EarlyTerminationPolicy
Nome | Descrição | Valor |
---|---|---|
delayEvaluation | Número de intervalos para atrasar a primeira avaliação. | int |
evaluationInterval | Intervalo (número de execuções) entre avaliações de políticas. | int |
policyType | Definir o tipo de objeto | Bandit MedianStopping TruncationSelection (obrigatório) |
BanditPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "Bandit" (obrigatório) |
slackAmount | Distância absoluta permitida da execução com melhor desempenho. | int |
slackFactor | Proporção da distância permitida da execução com melhor desempenho. | int |
MedianStoppingPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "MedianStopping" (obrigatório) |
TruncationSelectionPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "TruncationSelection" (obrigatório) |
truncationPercentage | A percentagem de execuções a cancelar em cada intervalo de avaliação. | int |
ClassificationTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para tarefas de classificação. | Matriz de cadeia que contém qualquer um dos seguintes: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LightGBM' "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" 'SGD' 'SVM' "XGBoostClassifier" |
blockedTrainingAlgorithms | Modelos bloqueados para tarefa de classificação. | Matriz de cadeia que contém qualquer um dos seguintes: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LightGBM' "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" 'SGD' 'SVM' "XGBoostClassifier" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
trainingMode | Modo TrainingMode - Definir como "automático" é o mesmo que defini-lo como "não distribuído" por enquanto, no entanto, no futuro, pode resultar na seleção do modo misto ou do modo baseado em heurística. A predefinição é "auto". Se "Distribuído", só é utilizada a caracterização distribuída e são escolhidos algoritmos distribuídos. Se "Não Atribuído", só são escolhidos algoritmos não distribuídos. |
"Automático" "Distribuído" "Não Atribuído" |
StackEnsembleSettings
Nome | Descrição | Valor |
---|---|---|
stackMetaLearnerKWargs | Parâmetros opcionais para passar para o inicializador do meta-aluno. | |
stackMetaLearnerTrainPercentage | Especifica a proporção do conjunto de preparação (ao escolher o tipo de preparação e de validação) a reservar para a preparação do meta-aluno. O valor predefinido é 0,2. | int |
stackMetaLearnerType | O meta-aprendiz é um modelo preparado para a saída dos modelos heterogéneos individuais. | "ElasticNet" "ElasticNetCV" "LightGBMClassifier" "LightGBMRegressor" "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "Nenhum" |
Previsão
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Previsão" (obrigatório) |
cvSplitColumnAmes | Colunas a utilizar para dados CVSplit. | cadeia[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | TableFixedParameters |
forecastingSettings | Previsão de entradas específicas da tarefa. | PrevisãoDefinições |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
primaryMetric | Métrica primária para a tarefa de previsão. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation' |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | TableParameterSubspace[] |
sweepSettings | Definições para limpeza de modelos e otimização de hiperparâmetros. | TableSweepSettings |
testData | Testar entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa autoML. | ForecastingTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
PrevisãoDefinições
Nome | Descrição | Valor |
---|---|---|
countryOrRegionForHolidays | País ou região para feriados para previsão de tarefas. Estes devem ser códigos iso 3166 país/região de duas letras, por exemplo "E.U.A" ou "GB". |
string |
cvStepSize | Número de períodos entre a hora de origem de uma dobra de CV e a dobra seguinte. Para o por exemplo, se CVStepSize = 3 para dados diários, a hora de origem de cada dobra serátrês dias de diferença. |
int |
featureLags | Sinalizar para gerar atrasos para as funcionalidades numéricas com "automático" ou nulo. | "Automático" "Nenhum" |
featuresUnknownAtForecastTime | As colunas de funcionalidades disponíveis para preparação, mas desconhecidas no momento da previsão/inferência. Se features_unknown_at_forecast_time não estiver definido, presume-se que todas as colunas de funcionalidades no conjunto de dados são conhecidas no momento da inferência. |
cadeia[] |
forecastHorizon | O horizonte de previsão máximo pretendido em unidades de frequência de série temporal. | PrevisãoHorizon |
frequência | Ao prever, este parâmetro representa o período com o qual a previsão é pretendida, por exemplo, diariamente, semanalmente, anualmente, etc. Por predefinição, a frequência de previsão é a frequência do conjunto de dados. | string |
sazonalidade | Defina a sazonalidade da série temporal como um número inteiro múltiplo da frequência da série. Se a sazonalidade estiver definida como "automática", será inferida. |
Sazonalidade |
shortSeriesHandlingConfig | O parâmetro que define como se o AutoML deve processar séries de tempo curtos. | "Automático" 'Drop' "Nenhum" 'Pad' |
targetAggregateFunction | A função a ser utilizada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada por um utilizador. Se TargetAggregateFunction estiver definido, ou seja, não "Nenhum", mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "sum", "max", "min" e "mean". |
'Max' "Média" 'Min' "Nenhum" "Soma" |
targetLags | O número de períodos passados a desfasar da coluna de destino. | TargetLags |
targetRollingWindowSize | O número de períodos anteriores utilizados para criar uma média de janela rolante da coluna de destino. | TargetRollingWindowSize |
timeColumnName | O nome da coluna time. Este parâmetro é necessário ao prever para especificar a coluna datetime nos dados de entrada utilizados para criar a série temporal e inferir a respetiva frequência. | string |
timeSeriesIdColumnames | Os nomes das colunas utilizadas para agrupar uma série de horas. Pode ser utilizado para criar várias séries. Se o grão não estiver definido, assume-se que o conjunto de dados é uma série temporal. Este parâmetro é utilizado com a previsão do tipo de tarefa. |
cadeia[] |
useStl | Configure a Decomposição de STL da coluna de destino da série temporal. | "Nenhum" 'Temporada' 'SeasonTrend' |
PrevisãoHorizon
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoForecastHorizon
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Defina o modo de seleção de valor do horizonte de previsão. | "Automático" (obrigatório) |
CustomForecastHorizon
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Defina o modo de seleção de valor do horizonte de previsão. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor do horizonte de previsão. | int (obrigatório) |
Sazonalidade
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoSeasonality
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de sazonalidade. | "Automático" (obrigatório) |
CustomSeasonality
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de sazonalidade. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor de sazonalidade. | int (obrigatório) |
TargetLags
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoTargetLags
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado | "Automático" (obrigatório) |
CustomTargetLags
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado | "Personalizado" (obrigatório) |
values | [Obrigatório] Definir valores de desfasamentos de destino. | int[] (obrigatório) |
TargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoTargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | "Automático" (obrigatório) |
CustomTargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | "Personalizado" (obrigatório) |
valor | [Obrigatório] TargetRollingWindowSize valor. | int (obrigatório) |
ForecastingTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para a tarefa de previsão. | Matriz de cadeias que contém qualquer um dos seguintes: 'Arimax' 'AutoArima' "Média" 'DecisionTree' "ElasticNet" "ExponentialSmoothing" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' "LightGBM" 'Naive' 'Profeta' "RandomForest" "SGD" "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor" |
blockedTrainingAlgorithms | Modelos bloqueados para a tarefa de previsão. | Matriz de cadeias que contém qualquer um dos seguintes: 'Arimax' 'AutoArima' "Média" 'DecisionTree' "ElasticNet" "ExponentialSmoothing" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' 'LightGBM' 'Naive' 'Profeta' "RandomForest" 'SGD' "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração do modelo VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
trainingMode | Modo TrainingMode – definir como "automático" é igual a defini-lo como "não distribuído" por enquanto, no entanto, no futuro, poderá resultar na seleção do modo misto ou do modo baseado em heurística. A predefinição é "auto". Se "Distribuído", só é utilizada a caracterização distribuída e os algoritmos distribuídos são escolhidos. Se "Não Atribuído", só são escolhidos algoritmos não distribuídos. |
'Auto' "Distribuído" "Não Atribuído" |
ImageClassification
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageClassification" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa de AutoML. | ImageLimitSettings (obrigatório) |
modelDefinições | Definições utilizadas para preparar o modelo. | ImageModelSettingsClassification |
primaryMetric | Métrica primária a otimizar para esta tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageLimitSettings
Nome | Descrição | Valor |
---|---|---|
maxConcurrentTrials | Número máximo de iterações automáticas simultâneas. | int |
maxTrials | Número máximo de iterações de AutoML. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
ImageModelSettingsClassification
Nome | Descrição | Valor |
---|---|---|
advancedSettings | Definições para cenários avançados. | string |
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | bool |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
beta2 | Valor de "beta2" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
checkpointFrequency | Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo. | int |
checkpointModel | O modelo de ponto de verificação pré-preparado para preparação incremental. | MLFlowModelJobInput |
checkpointRunId | O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental. | string |
distribuído | Se pretende utilizar a preparação distribuída. | bool |
earlyStopping | Ative a lógica de paragem precoce durante a preparação. | bool |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria das métricas primárias é monitorizado para paragem antecipada. Tem de ser um número inteiro positivo. |
int |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhorias nas métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
int |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | bool |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter pontuações de métricas. Tem de ser um número inteiro positivo. | int |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
int |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
int |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | int |
learningRateScheduler | Tipo de programador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | "Nenhum" "Passo" 'WarmupCosine' |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
momentum | Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1]. | int |
nesterov | Ative o aninhado quando o otimizador é "sgd". | bool |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | int |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | int |
otimizador | Tipo de otimizador. | 'Adão' 'Adamw' "Nenhum" 'Sgd' |
randomSeed | Semente aleatória a utilizar ao utilizar a preparação determinista. | int |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | int |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | int |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | int |
trainingCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo. | int |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | int |
validationCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | int |
validationResizeSizeSize | Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | int |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | int |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | int |
weightDecay | Valor da decadência do peso quando o otimizador é "sgd", "adam" ou "adamw". Tem de ser um flutuante no intervalo[0, 1]. | int |
weightedLoss | Perda ponderada. Os valores aceites são 0 sem perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0 ou 1 ou 2. |
int |
MLFlowModelJobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' "uri_folder" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
Nome | Descrição | Valor |
---|---|---|
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | string |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
beta2 | Valor de "beta2" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
distribuído | Se pretende utilizar a preparação do distribuidor. | string |
earlyStopping | Ative a lógica de paragem precoce durante a preparação. | string |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria das métricas primárias é monitorizado para paragem antecipada. Tem de ser um número inteiro positivo. |
string |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
string |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | string |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo. | string |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
string |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | string |
learningRateScheduler | Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | string |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
impulso | Valor de impulso quando o otimizador é 'sgd'. Tem de ser um flutuante no intervalo [0, 1]. | string |
nesterov | Ative o aninhado quando o otimizador é "sgd". | string |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | string |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | string |
otimizador | Tipo de otimizador. Deve ser "sgd", "adão" ou "adão". | string |
randomSeed | Semente aleatória a ser utilizada ao utilizar preparação determinista. | string |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | string |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | string |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | string |
trainingCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo. | string |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | string |
validationCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | string |
validationResizeSize | Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | string |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | string |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | string |
espessuraDecay | Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1]. | string |
weightedLoss | Perda ponderada. Os valores aceites são 0 sem perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0 ou 1 ou 2. |
string |
ImageSweepSettings
Nome | Descrição | Valor |
---|---|---|
earlyTermination | Tipo de política de cessação antecipada. | EarlyTerminationPolicy |
samplingAlgorithm | [Obrigatório] Tipo de algoritmos de amostragem de hiperparâmetros. | 'Bayesian' "Grelha" "Aleatório" (obrigatório) |
ImageClassificationMultilabel
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageClassificationMultilabel" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa autoML. | ImageLimitSettings (obrigatório) |
modelSettings | Definições utilizadas para preparar o modelo. | ImageModelSettingsClassification |
primaryMetric | Métrica primária para otimizar para esta tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "IOU" 'NormMacroRecall' "PrecisionScoreWeighted" |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageInstanceSegmentation
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageInstanceSegmentation" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa autoML. | ImageLimitSettings (obrigatório) |
modelSettings | Definições utilizadas para preparar o modelo. | ImageModelSettingsObjectDetection |
primaryMetric | Métrica primária para otimizar para esta tarefa. | "MeanAveragePrecision" |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageModelSettingsObjectDetection
Nome | Descrição | Valor |
---|---|---|
advancedSettings | Definições para cenários avançados. | string |
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | bool |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
beta2 | Valor de "beta2" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
boxDetectionsPerImage | Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
boxScoreThreshold | Durante a inferência, só devolve propostas com uma classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1]. |
int |
checkpointFrequency | Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo. | int |
checkpointModel | O modelo de ponto de verificação pré-preparado para preparação incremental. | MLFlowModelJobInput |
checkpointRunId | O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental. | string |
distribuído | Se pretende utilizar a preparação distribuída. | bool |
earlyStopping | Ative a lógica de paragem precoce durante a preparação. | bool |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria das métricas primárias é monitorizado para paragem antecipada. Tem de ser um número inteiro positivo. |
int |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhorias nas métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
int |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | bool |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter pontuações de métricas. Tem de ser um número inteiro positivo. | int |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
int |
imageSize | Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
int |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
int |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | int |
learningRateScheduler | Tipo de programador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | "Nenhum" "Passo" 'WarmupCosine' |
logTrainingMetrics | Ative as métricas de preparação de computação e registo. | "Desativar" "Ativar" |
logValidationLoss | Ative a perda de validação de computação e registo. | "Desativar" "Ativar" |
maxSize | Tamanho máximo da imagem a dimensionar antes de a alimentar com a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
minSize | Tamanho mínimo da imagem a dimensionar antes de a alimentar para a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação poderá entrar no OOM cuda se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
'ExtraLarge' "Grande" "Médio" "Nenhum" "Pequeno" |
impulso | Valor de impulso quando o otimizador é 'sgd'. Tem de ser um flutuante no intervalo [0, 1]. | int |
multiescala | Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
bool |
nesterov | Ative o aninhado quando o otimizador é "sgd". | bool |
nmsIouThreshold | Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de ser um flutuante no intervalo [0, 1]. | int |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | int |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | int |
otimizador | Tipo de otimizador. | 'Adão' 'Adamw' "Nenhum" 'Sgd' |
randomSeed | Semente aleatória a ser utilizada ao utilizar preparação determinista. | int |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | int |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | int |
tileGridSize | O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhuma para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tileOverlapRatio | Relação de sobreposição entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
tilePredictionsNmsThreshold | O limiar de IOU a utilizar para executar o NMS enquanto intercala predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | int |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | int |
validationIouThreshold | Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1]. | int |
validationMetricType | Método de computação de métricas a utilizar para métricas de validação. | 'Coco' 'CocoVoc' "Nenhum" 'Voc' |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | int |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | int |
espessuraDecay | Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1]. | int |
ImageModelDistributionSettingsObjectDetection
Nome | Descrição | Valor |
---|---|---|
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | string |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
beta2 | Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
boxDetectionsPerImage | Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
boxScoreThreshold | Durante a inferência, devolver apenas propostas com uma classificação de classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1]. |
string |
distribuído | Se pretende utilizar a preparação de distribuição. | string |
earlyStopping | Ative a lógica de paragem antecipada durante a preparação. | string |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo. |
string |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
string |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | string |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo. | string |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
string |
imageSize | Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM da CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | string |
learningRateScheduler | Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | string |
maxSize | Tamanho máximo da imagem a ser redimensionada antes de a alimentar na estrutura principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM cuda se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
minSize | Tamanho mínimo da imagem a ser redimensionada antes de a alimentar na estrutura principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM cuda se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação poderá entrar no OOM cuda se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
impulso | Valor de impulso quando o otimizador é 'sgd'. Tem de ser um flutuante no intervalo [0, 1]. | string |
multiescala | Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
nesterov | Ative o aninhado quando o otimizador é "sgd". | string |
nmsIouThreshold | Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de estar a flutuar no intervalo [0, 1]. | string |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | string |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | string |
otimizador | Tipo de otimizador. Deve ser "sgd", "adão" ou "adão". | string |
randomSeed | Semente aleatória a ser utilizada ao utilizar preparação determinista. | string |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | string |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | string |
tileGridSize | O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhuma para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tileOverlapRatio | Relação de sobreposição entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tilePredictionsNmsThreshold | O limiar de IOU a utilizar para executar o NMS enquanto intercala predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5". NMS: Supressão não máxima |
string |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | string |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | string |
validationIouThreshold | Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1]. | string |
validationMetricType | Método de computação de métricas a utilizar para métricas de validação. Tem de ser "nenhum", "coco", "voc" ou "coco_voc". | string |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | string |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | string |
espessuraDecay | Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1]. | string |
ImageObjectDetection
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageObjectDetection" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa de AutoML. | ImageLimitSettings (obrigatório) |
modelDefinições | Definições utilizadas para preparar o modelo. | ImageModelSettingsObjectDetection |
primaryMetric | Métrica primária a otimizar para esta tarefa. | "MeanAveragePrecision" |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
Regressão
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Regressão" (obrigatório) |
cvSplitColumnNames | Colunas a utilizar para dados CVSplit. | string[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | TableFixedParameters |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
primaryMetric | Métrica primária para tarefa de regressão. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation' |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | TableParameterSubspace[] |
sweepSettings | Definições de varrimento de modelos e otimização de hiperparâmetros. | TableSweepSettings |
testData | Testar a entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa de AutoML. | RegressionTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
RegressionTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para a tarefa de regressão. | Matriz de cadeia que contém qualquer um dos seguintes: 'DecisionTree' "ElasticNet" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' 'LightGBM' "RandomForest" 'SGD' "XGBoostRegressor" |
blockedTrainingAlgorithms | Modelos bloqueados para tarefa de regressão. | Matriz de cadeia que contém qualquer um dos seguintes: 'DecisionTree' "ElasticNet" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' "LightGBM" "RandomForest" "SGD" "XGBoostRegressor" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizar para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
trainingMode | Modo TrainingMode - Definir como "automático" é o mesmo que defini-lo como "não distribuído" por enquanto, no entanto, no futuro, pode resultar na seleção do modo misto ou do modo baseado em heurística. A predefinição é "auto". Se "Distribuído", só é utilizada a caracterização distribuída e são escolhidos algoritmos distribuídos. Se "Não Atribuído", só são escolhidos algoritmos não distribuídos. |
"Automático" "Distribuído" "Não Atribuído" |
TextClassification
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextClassification" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | NlpFixedParameters |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
primaryMetric | Métrica primária para Text-Classification tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" 'NormMacroRecall' "PrecisionScoreWeighted" |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | NlpParameterSubspace[] |
sweepSettings | Definições para limpeza de modelos e otimização de hiperparâmetros. | NlpSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
NlpVerticalFeaturizationSettings
Nome | Descrição | Valor |
---|---|---|
datasetLanguage | Idioma do conjunto de dados, útil para os dados de texto. | string |
NlpFixedParameters
Nome | Descrição | Valor |
---|---|---|
gradientAccumulationSteps | Número de passos para acumular gradações antes de executar uma passagem para trás. | int |
learningRate | A taxa de aprendizagem do procedimento de preparação. | int |
learningRateScheduler | O tipo de agenda de taxa de aprendizagem a utilizar durante o procedimento de preparação. | 'Constante' 'ConstantWithWarmup' 'Cosine' "CosineWithRestarts" "Linear" "Nenhum" "Polinomial" |
modelName | O nome do modelo a preparar. | string |
numberOfEpochs | Número de épocas de preparação. | int |
trainingBatchSize | O tamanho do lote para o procedimento de preparação. | int |
validationBatchSize | O tamanho do lote a utilizar durante a avaliação. | int |
warmupRatio | A proporção de aquecimento, utilizada juntamente com LrSchedulerType. | int |
espessuraDecay | A decadência do peso para o procedimento de treino. | int |
NlpVerticalLimitSettings
Nome | Descrição | Valor |
---|---|---|
maxConcurrentTrials | Máximo de iterações de AutoML Simultâneas. | int |
maxNodes | Máximo de nós a utilizar para a experimentação. | int |
maxTrials | Número de iterações de AutoML. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
trialTimeout | Tempo limite para avaliações individuais em HD. | string |
NlpParameterSubspace
Nome | Descrição | Valor |
---|---|---|
gradientAccumulationSteps | Número de passos para acumular gradações antes de executar uma passagem para trás. | string |
learningRate | A taxa de aprendizagem do procedimento de preparação. | string |
learningRateScheduler | O tipo de agenda de taxa de aprendizagem a utilizar durante o procedimento de preparação. | string |
modelName | O nome do modelo a preparar. | string |
numberOfEpochs | Número de épocas de preparação. | string |
trainingBatchSize | O tamanho do lote para o procedimento de preparação. | string |
validationBatchSize | O tamanho do lote a utilizar durante a avaliação. | string |
warmupRatio | A proporção de aquecimento, utilizada juntamente com LrSchedulerType. | string |
espessuraDecay | A decadência do peso para o procedimento de treino. | string |
NlpSweepSettings
Nome | Descrição | Valor |
---|---|---|
earlyTermination | Tipo de política de cessação antecipada para o trabalho de varrimento. | EarlyTerminationPolicy |
samplingAlgorithm | [Obrigatório] Tipo de algoritmo de amostragem. | 'Bayesian' "Grelha" "Aleatório" (obrigatório) |
TextClassificationMultilabel
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextClassificationMultilabel" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | NlpFixedParameters |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | NlpParameterSubspace[] |
sweepSettings | Definições de varrimento de modelos e otimização de hiperparâmetros. | NlpSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
TextNer
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextNER" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | NlpFixedParameters |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | NlpParameterSubspace[] |
sweepSettings | Definições de varrimento de modelos e otimização de hiperparâmetros. | NlpSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
CommandJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Comando" (obrigatório) |
autologgerSettings | Configuração de distribuição da tarefa. Se estiver definido, este deve ser um Mpi, Tensorflow, PyTorch ou nulo. | AutologgerSettings |
codeId | ID do recurso arm do recurso de código. | string |
command | [Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py" | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
distribuição | Configuração de distribuição da tarefa. Se estiver definido, este deve ser de Mpi, Tensorflow, PyTorch, Ray ou nulo. | DistributionConfiguration |
environmentId | [Obrigatório] O ID de recurso do ARM da especificação do Ambiente para a tarefa. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | CommandJobEnvironmentVariables |
entradas | Mapeamento de enlaces de dados de entrada utilizados na tarefa. | CommandJobInputs |
limites | Limite de Tarefas de Comando. | CommandJobLimits |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | CommandJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
AutologgerSettings
Nome | Descrição | Valor |
---|---|---|
mlflowAutologger | [Obrigatório] Indica se o alogger automático do mlflow está ativado. | "Desativado" "Ativado" (obrigatório) |
DistributionConfiguration
Nome | Descrição | Valor |
---|---|---|
distributionType | Definir o tipo de objeto | Mpi PyTorch Raio TensorFlow (obrigatório) |
Mpi
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de estrutura de distribuição. | "Mpi" (obrigatório) |
processCountPerInstance | Número de processos por nó MPI. | int |
PyTorch
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de arquitetura de distribuição. | "PyTorch" (obrigatório) |
processCountPerInstance | Número de processos por nó. | int |
Raio
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de arquitetura de distribuição. | 'Ray' (obrigatório) |
address | O endereço do nó principal do Ray. | string |
dashboardPort | A porta à qual vincular o servidor do dashboard. | int |
headNodeAdditionalArgs | Argumentos adicionais transmitidos para ray start no nó principal. | string |
includeDashboard | Indique este argumento para iniciar a GUI do dashboard do Ray. | bool |
porta | A porta do processo de raio-cabeça. | int |
workerNodeAdditionalArgs | Argumentos adicionais transmitidos para ray start no nó de trabalho. | string |
TensorFlow
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de arquitetura de distribuição. | "TensorFlow" (obrigatório) |
parameterServerCount | Número de tarefas de servidor de parâmetros. | int |
workerCount | Número de trabalhadores. Se não for especificado, a predefinição será a contagem de instâncias. | int |
CommandJobEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
CommandJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
JobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | Definir o tipo de objeto | custom_model literal mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "custom_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
LiteralJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "literal" (obrigatório) |
valor | [Obrigatório] Valor literal para a entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
TritonModelJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "triton_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFileJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "uri_file" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFolderJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "uri_folder" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
CommandJobLimits
Nome | Descrição | Valor |
---|---|---|
jobLimitsType | [Obrigatório] Tipo jobLimit. | "Comando" "Varrer" (obrigatório) |
tempo limite | A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Suporta apenas a duração com precisão tão baixa como Segundos. | string |
CommandJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
LabelingJobProperties
Nome | Descrição | Valor |
---|---|---|
componentId | ID do recurso arm do recurso do componente. | string |
computeId | ID do recurso arm do recurso de computação. | string |
dataConfiguration | Configuração dos dados utilizados na tarefa. | LabelingDataConfiguration |
descrição | O texto de descrição do recurso. | string |
displayName | Nome a apresentar da tarefa. | string |
experimentName | O nome da experimentação a que pertence a tarefa. Se não estiver definido, a tarefa é colocada na experimentação "Predefinição". | string |
identidade | Configuração de identidade. Se estiver definido, este deve ser um de AmlToken, ManagedIdentity, UserIdentity ou null. A predefinição é AmlToken se for nula. |
IdentityConfiguration |
isArchived | O recurso está arquivado? | bool |
jobInstructions | Instruções de etiquetagem da tarefa. | LabelingJobInstructions |
jobType | [Obrigatório] Especifica o tipo de tarefa. | "AutoML" "Comando" "Etiquetagem" "Pipeline" 'Spark' "Varrer" (obrigatório) |
labelCategories | Etiquetar categorias da tarefa. | LabelingJobLabelCategories |
labelingJobMediaProperties | Propriedades específicas do tipo de suporte de dados na tarefa. | LabelingJobMediaProperties |
mlAssistConfiguration | Configuração da funcionalidade MLAssist na tarefa. | MLAssistConfiguration |
notificationSetting | Definição de notificação para a tarefa | NotificationSetting |
propriedades | O dicionário da propriedade do recurso. | ResourceBaseProperties |
secretsConfiguration | Configuração para que os segredos sejam disponibilizados durante o runtime. | JobBaseSecretsConfiguration |
services | Lista de JobEndpoints. Para tarefas locais, um ponto final de tarefa terá um valor de ponto final de FileStreamObject. |
JobBaseServices |
etiquetas | Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas. | objeto |
LabelingDataConfiguration
Nome | Descrição | Valor |
---|---|---|
dataId | ID de recurso do recurso de dados para efetuar a etiquetagem. | string |
incrementalDataRefresh | Indica se pretende ativar a atualização incremental de dados. | "Desativado" "Ativado" |
LabelingJobInstructions
Nome | Descrição | Valor |
---|---|---|
uri | A ligação para uma página com instruções de etiquetagem detalhadas para etiquetas. | string |
LabelingJobLabelCategories
Nome | Descrição | Valor |
---|---|---|
{customized property} | LabelCategory | |
{customized property} | LabelCategory |
LabelCategory
Nome | Descrição | Valor |
---|---|---|
classes | Dicionário de classes de etiquetas nesta categoria. | LabelCategoryClasses |
displayName | Nome a apresentar da categoria de etiqueta. | string |
seleção múltipla | Indica se é permitido selecionar várias classes nesta categoria. | "Desativado" "Ativado" |
LabelCategoryClasses
Nome | Descrição | Valor |
---|---|---|
{customized property} | LabelClass |
LabelClass
Nome | Descrição | Valor |
---|---|---|
displayName | Nome a apresentar da classe de etiqueta. | string |
subclasses | Dicionário de subclasses da classe de etiqueta. | LabelClassSubclasses |
LabelClassSubclasses
Nome | Descrição | Valor |
---|---|---|
{customized property} | LabelClass |
LabelingJobMediaProperties
Nome | Descrição | Valor |
---|---|---|
mediaType | Definir o tipo de objeto | Imagem Texto (obrigatório) |
LabelingJobImageProperties
Nome | Descrição | Valor |
---|---|---|
mediaType | [Obrigatório] Tipo de multimédia da tarefa. | "Imagem" (obrigatório) |
annotationType | Tipo de anotação da tarefa de etiquetagem de imagens. | "BoundingBox" "Classificação" "InstanceSegmentation" |
LabelingJobTextProperties
Nome | Descrição | Valor |
---|---|---|
mediaType | [Obrigatório] Tipo de multimédia da tarefa. | "Texto" (obrigatório) |
annotationType | Tipo de anotação da tarefa de etiquetagem de texto. | "Classificação" "NamedEntityRecognition" |
MLAssistConfiguration
Nome | Descrição | Valor |
---|---|---|
mlAssist | Definir o tipo de objeto | Desativado Ativado (obrigatório) |
MLAssistConfigurationDisabled
Nome | Descrição | Valor |
---|---|---|
mlAssist | [Obrigatório] Indica se a funcionalidade MLAssist está ativada. | "Desativado" (obrigatório) |
MLAssistConfigurationEnabled
Nome | Descrição | Valor |
---|---|---|
mlAssist | [Obrigatório] Indica se a funcionalidade MLAssist está ativada. | "Ativado" (obrigatório) |
inferencingComputeBinding | [Obrigatório] Enlace de computação AML utilizado na inferência. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
trainingComputeBinding | [Obrigatório] Enlace de computação AML utilizado na preparação. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
PipelineJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Pipeline" (obrigatório) |
entradas | Entradas para a tarefa de pipeline. | PipelineJobInputs |
tarefas | As tarefas constroem a Tarefa de Pipeline. | PipelineJobJobs |
saídas | Saídas para a tarefa de pipeline | PipelineJobOutputs |
definições | Definições do pipeline, para aspetos como ContinueRunOnStepFailure, etc. | |
sourceJobId | ID do recurso arm da tarefa de origem. | string |
PipelineJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
PipelineJobJobs
Nome | Descrição | Valor |
---|---|---|
{customized property} |
PipelineJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
SparkJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Spark" (obrigatório) |
arquivos | Arquivar ficheiros utilizados na tarefa. | string[] |
args | Argumentos para a tarefa. | string |
codeId | [Obrigatório] ID do recurso arm do recurso de código. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
conf | Propriedades configuradas do Spark. | SparkJobConf |
entrada | [Obrigatório] A entrada a executar no arranque da tarefa. | SparkJobEntry (obrigatório) |
environmentId | O ID de recurso do ARM da especificação do Ambiente para a tarefa. | string |
ficheiros | Ficheiros utilizados na tarefa. | string[] |
entradas | Mapeamento de enlaces de dados de entrada utilizados na tarefa. | SparkJobInputs |
jars | Ficheiros jar utilizados na tarefa. | string[] |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | SparkJobOutputs |
pyFiles | Ficheiros Python utilizados na tarefa. | string[] |
queueSettings | Definições de fila para a tarefa | QueueSettings |
resources | Configuração do Recurso de Computação para a tarefa. | SparkResourceConfiguration |
SparkJobConf
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
SparkJobEntry
Nome | Descrição | Valor |
---|---|---|
sparkJobEntryType | Definir o tipo de objeto | SparkJobPythonEntry SparkJobScalaEntry (obrigatório) |
SparkJobPythonEntry
Nome | Descrição | Valor |
---|---|---|
sparkJobEntryType | [Obrigatório] Tipo do ponto de entrada da tarefa. | "SparkJobPythonEntry" (obrigatório) |
file | [Obrigatório] Caminho de ficheiro python relativo para o ponto de entrada da tarefa. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SparkJobScalaEntry
Nome | Descrição | Valor |
---|---|---|
sparkJobEntryType | [Obrigatório] Tipo do ponto de entrada da tarefa. | "SparkJobScalaEntry" (obrigatório) |
className | [Obrigatório] Nome da classe Scala utilizado como ponto de entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SparkJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
SparkJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
SparkResourceConfiguration
Nome | Descrição | Valor |
---|---|---|
instanceType | Tipo opcional de VM utilizado como suportado pelo destino de computação. | string |
runtimeVersion | Versão do runtime do Spark utilizada para a tarefa. | string |
SweepJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Varrer" (obrigatório) |
earlyTermination | As políticas de cessação antecipada permitem cancelar execuções com mau desempenho antes de serem concluídas | EarlyTerminationPolicy |
entradas | Mapeamento de enlaces de dados de entrada utilizados na tarefa. | SweepJobInputs |
limites | Limite de Tarefas de Varrimento. | SweepJobLimits |
objetivo | [Obrigatório] Objetivo de otimização. | Objetivo (obrigatório) |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | SweepJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
samplingAlgorithm | [Obrigatório] O algoritmo de amostragem de hiperparâmetros | SamplingAlgorithm (obrigatório) |
searchSpace | [Obrigatório] Um dicionário que contém cada parâmetro e a respetiva distribuição. A chave do dicionário é o nome do parâmetro | |
trial | [Obrigatório] Definição do componente de avaliação. | TrialComponent (obrigatório) |
SweepJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
SweepJobLimits
Nome | Descrição | Valor |
---|---|---|
jobLimitsType | [Obrigatório] Tipo jobLimit. | 'Comando' "Varrer" (obrigatório) |
maxConcurrentTrials | Varra o número máximo de tentativas simultâneas da Tarefa. | int |
maxTotalTrials | Varra o número máximo de tentativas de Tarefas. | int |
tempo limite | A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Só suporta a duração com precisão tão baixa como Segundos. | string |
trialTimeout | Valor de tempo limite da Avaliação de Tarefas de Varrimento. | string |
Objetivo
Nome | Descrição | Valor |
---|---|---|
goal | [Obrigatório] Define os objetivos de métricas suportados para otimização de hiperparâmetros | "Maximizar" "Minimizar" (necessário) |
primaryMetric | [Obrigatório] Nome da métrica a otimizar. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SweepJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
SamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | Definir o tipo de objeto | Bayesian Grelha Aleatório (obrigatório) |
BayesianSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Bayesian" (obrigatório) |
GridSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Grelha" (obrigatório) |
RandomSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Aleatório" (obrigatório) |
logbase | Um número positivo opcional ou e no formato de cadeia a ser utilizado como base para amostragem aleatória baseada em registos | string |
regra | O tipo específico de algoritmo aleatório | "Aleatório" 'Sobol' |
seed | Um número inteiro opcional a utilizar como seed para geração de números aleatórios | int |
TrialComponent
Nome | Descrição | Valor |
---|---|---|
codeId | ID do recurso arm do recurso de código. | string |
command | [Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py" | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
distribuição | Configuração de distribuição da tarefa. Se estiver definido, este deve ser um de Mpi, Tensorflow, PyTorch ou nulo. | DistributionConfiguration |
environmentId | [Obrigatório] O ID de recurso do ARM da especificação ambiente da tarefa. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | TrialComponentEnvironmentVariables |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
CreateMonitorAction
Nome | Descrição | Valor |
---|---|---|
actionType | [Obrigatório] Especifica o tipo de ação da agenda | "CreateMonitor" (obrigatório) |
monitorDefinition | [Obrigatório] Define o monitor. | MonitorDefinition (obrigatório) |
MonitorDefinition
Nome | Descrição | Valor |
---|---|---|
alertNotificationSetting | As definições de notificação do monitor. | MonitoringAlertNotificationSettingsBase |
computeConfiguration | [Obrigatório] O ID de recurso do ARM do recurso de computação para executar a tarefa de monitorização. | MonitorComputeConfigurationBase (obrigatório) |
monitoringTarget | O ID de recurso do ARM do modelo ou implementação visado por este monitor. | MonitoringTarget |
sinais | [Obrigatório] Os sinais a monitorizar. | MonitorDefinitionSignals (obrigatório) |
MonitoringAlertNotificationSettingsBase
Nome | Descrição | Valor |
---|---|---|
alertNotificationType | Definir o tipo de objeto | AzureMonitor Email (obrigatório) |
AzMonMonitoringAlertNotificationSettings
Nome | Descrição | Valor |
---|---|---|
alertNotificationType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "AzureMonitor" (obrigatório) |
EmailMonitoringAlertNotificationSettings
Nome | Descrição | Valor |
---|---|---|
alertNotificationType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "Email" (obrigatório) |
emailNotificationSetting | Configuração para notificação. | NotificationSetting |
MonitorComputeConfigurationBase
Nome | Descrição | Valor |
---|---|---|
computeType | Definir o tipo de objeto | ServerlessSpark (obrigatório) |
MonitorServerlessSparkCompute
Nome | Descrição | Valor |
---|---|---|
computeType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "ServerlessSpark" (obrigatório) |
computeIdentity | [Obrigatório] O esquema de identidades utilizado pelas tarefas do Spark em execução no Spark sem servidor. | MonitorComputeIdentityBase (obrigatório) |
instanceType | [Obrigatório] O tipo de instância a executar a tarefa do Spark. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
runtimeVersion | [Obrigatório] A versão do runtime do Spark. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
MonitorComputeIdentityBase
Nome | Descrição | Valor |
---|---|---|
computeIdentityType | Definir o tipo de objeto | AmlToken ManagedIdentity (obrigatório) |
AmlTokenComputeIdentity
Nome | Descrição | Valor |
---|---|---|
computeIdentityType | [Obrigatório] Monitorizar o tipo de identidade de computação enum. | "AmlToken" (obrigatório) |
ManagedComputeIdentity
Nome | Descrição | Valor |
---|---|---|
computeIdentityType | [Obrigatório] Monitorizar o tipo de identidade de computação enum. | "ManagedIdentity" (obrigatório) |
identidade | Identidade de serviço gerida (identidades atribuídas pelo sistema e/ou pelo utilizador) | ManagedServiceIdentity |
ManagedServiceIdentity
Nome | Descrição | Valor |
---|---|---|
tipo | Tipo de identidade de serviço gerida (onde os tipos SystemAssigned e UserAssigned são permitidos). | "Nenhum" "SystemAssigned" "SystemAssigned,UserAssigned" "UserAssigned" (obrigatório) |
userAssignedIdentities | O conjunto de identidades atribuídas pelo utilizador associadas ao recurso. As chaves de dicionário userAssignedIdentities serão IDs de recursos do ARM no formulário: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Os valores do dicionário podem ser objetos vazios ({}) nos pedidos. | UserAssignedIdentities |
UserAssignedIdentities
Nome | Descrição | Valor |
---|---|---|
{customized property} | UserAssignedIdentity |
UserAssignedIdentity
Este objeto não contém quaisquer propriedades a definir durante a implementação. Todas as propriedades são ReadOnly.
MonitoringTarget
Nome | Descrição | Valor |
---|---|---|
deploymentId | O ID de recurso do ARM da implementação visada por este monitor. | string |
modelId | O ID de recurso do ARM do modelo visado por este monitor. | string |
taskType | [Obrigatório] O tipo de tarefa de machine learning do modelo. | "Classificação" 'QuestionAnswering' "Regressão" (obrigatório) |
MonitorDefinitionSignals
Nome | Descrição | Valor |
---|---|---|
{customized property} | MonitoringSignalBase |
MonitoringSignalBase
Nome | Descrição | Valor |
---|---|---|
mode | O modo de notificação atual para este sinal. | "Desativado" "Ativado" |
propriedades | Dicionário de propriedades. As propriedades podem ser adicionadas, mas não removidas ou alteradas. | MonitoringSignalBaseProperties |
signalType | Definir o tipo de objeto | Personalizado DataDrift Igualdade de Dados FeatureAttributionDrift GenerationSafetyQuality GenerationTokenStatistics ModelPerformance PredictionDrift (obrigatório) |
MonitoringSignalBaseProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
CustomMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "Personalizado" (obrigatório) |
componentId | [Obrigatório] ID de recurso arm do recurso do componente utilizado para calcular as métricas personalizadas. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
inputAssets | Monitorizar recursos a utilizar como entrada. A chave é o nome da porta de entrada do componente, o valor é o recurso de dados. | CustomMonitoringSignalInputAssets |
entradas | Parâmetros de componente adicionais a utilizar como entrada. A chave é o nome da porta de entrada literal do componente, o valor é o valor do parâmetro. | CustomMonitoringSignalInputs |
metricThresholds | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | CustomMetricThreshold[] (obrigatório) |
workspaceConnection | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | MonitoringWorkspaceConnection (obrigatório) |
CustomMonitoringSignalInputAssets
Nome | Descrição | Valor |
---|---|---|
{customized property} | MonitoringInputDataBase |
MonitoringInputDataBase
Nome | Descrição | Valor |
---|---|---|
colunas | Mapeamento de nomes de colunas para utilizações especiais. | MonitoringInputDataBaseColumns |
dataContext | Os metadados de contexto da origem de dados. | string |
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório) |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
inputDataType | Definir o tipo de objeto | Fixo Estático À direita (obrigatório) |
MonitoringInputDataBaseColumns
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
FixedInputData
Nome | Descrição | Valor |
---|---|---|
inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "Corrigido" (obrigatório) |
StaticInputData
Nome | Descrição | Valor |
---|---|---|
inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "Estático" (obrigatório) |
preprocessingComponentId | O ID de recurso do ARM do recurso de componente utilizado para pré-processar os dados. | string |
windowEnd | [Obrigatório] A data de fim da janela de dados. | cadeia (obrigatório) |
windowStart | [Obrigatório] A data de início da janela de dados. | cadeia (obrigatório) |
TrailingInputData
Nome | Descrição | Valor |
---|---|---|
inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "À direita" (obrigatório) |
preprocessingComponentId | O ID de recurso do ARM do recurso de componente utilizado para pré-processar os dados. | string |
windowOffset | [Obrigatório] O desvio de tempo entre o fim da janela de dados e o tempo de execução atual do monitor. | cadeia (obrigatório) |
windowSize | [Obrigatório] O tamanho da janela de dados à direita. | cadeia (obrigatório) |
CustomMonitoringSignalInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
CustomMetricThreshold
Nome | Descrição | Valor |
---|---|---|
Métrica | [Obrigatório] A métrica definida pelo utilizador a calcular. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
MonitoringThreshold
Nome | Descrição | Valor |
---|---|---|
valor | O valor do limiar. Se for nulo, a predefinição do conjunto depende do tipo de métrica. | int |
MonitoringWorkspaceConnection
Nome | Descrição | Valor |
---|---|---|
environmentVariables | As propriedades de uma ligação de serviço de área de trabalho para armazenar como variáveis de ambiente nas tarefas submetidas. A chave é o caminho da propriedade de ligação da área de trabalho, o nome é a chave da variável de ambiente. |
MonitoringWorkspaceConnectionEnvironmentVariables |
segredos | As propriedades de uma ligação de serviço de área de trabalho para armazenar como segredos nas tarefas submetidas. A chave é o caminho da propriedade de ligação da área de trabalho, o nome é a chave secreta. |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
MonitoringWorkspaceConnectionSecrets
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
DataDriftMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "DataDrift" (obrigatório) |
dataSegment | O segmento de dados utilizado para o âmbito de um subconjunto da população de dados. | MonitoringDataSegment |
featureDataTypeOverride | Um dicionário que mapeia nomes de funcionalidades para os respetivos tipos de dados. | DataDriftMonitoringSignalFeatureDataTypeOverride |
funcionalidades | O filtro de funcionalidade que identifica qual a funcionalidade a calcular desfasar. | MonitoringFeatureFilterBase |
metricThresholds | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | DataDriftMetricThresholdBase[] (obrigatório) |
productionData | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
referenceData | [Obrigatório] Os dados para calcular o desvio. | MonitoringInputDataBase (obrigatório) |
MonitoringDataSegment
Nome | Descrição | Valor |
---|---|---|
funcionalidade | A funcionalidade para segmentar os dados. | string |
values | Filtra apenas os valores especificados da funcionalidade segmentada especificada. | string[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
Nome | Descrição | Valor |
---|---|---|
{customized property} | 'Categórico' "Numérico" |
MonitoringFeatureFilterBase
Nome | Descrição | Valor |
---|---|---|
filterType | Definir o tipo de objeto | AllFeatures FeatureSubset TopNByAttribution (obrigatório) |
AllFeatures
Nome | Descrição | Valor |
---|---|---|
filterType | [Obrigatório] Especifica o filtro de funcionalidades a tirar partido da seleção de funcionalidades para calcular as métricas. | "AllFeatures" (obrigatório) |
FeatureSubset
Nome | Descrição | Valor |
---|---|---|
filterType | [Obrigatório] Especifica o filtro de funcionalidades a tirar partido da seleção de funcionalidades para calcular as métricas. | "FeatureSubset" (obrigatório) |
funcionalidades | [Obrigatório] A lista de funcionalidades a incluir. | string[] (obrigatório) |
TopNFeaturesByAttribution
Nome | Descrição | Valor |
---|---|---|
filterType | [Obrigatório] Especifica o filtro de funcionalidades a tirar partido da seleção de funcionalidades para calcular as métricas. | "TopNByAttribution" (obrigatório) |
top | O número de funcionalidades principais a incluir. | int |
DataDriftMetricThresholdBase
Nome | Descrição | Valor |
---|---|---|
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
dataType | Definir o tipo de objeto | Categórico Numérico (obrigatório) |
CategóricoDataDriftMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métricas. | "Categórico" (obrigatório) |
Métrica | [Obrigatório] A métrica de desvio de dados categóricos a calcular. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' "PopulationStabilityIndex" (obrigatório) |
NumericalDataDriftMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métricas. | "Numérico" (obrigatório) |
Métrica | [Obrigatório] A métrica de desvio de dados numéricos a calcular. | 'JensenShannonDistance' "NormalizedWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (obrigatório) |
DataQualityMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "Igualdade de Dados" (obrigatório) |
featureDataTypeOverride | Um dicionário que mapeia nomes de funcionalidades para os respetivos tipos de dados. | DataQualityMonitoringSignalFeatureDataTypeOverride |
funcionalidades | As funcionalidades para calcular o desvio. | MonitoringFeatureFilterBase |
metricThresholds | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | DataQualityMetricThresholdBase[] (obrigatório) |
productionData | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
referenceData | [Obrigatório] Os dados para calcular o desvio. | MonitoringInputDataBase (obrigatório) |
DataQualityMonitoringSignalFeatureDataTypeOverride
Nome | Descrição | Valor |
---|---|---|
{customized property} | 'Categórico' "Numérico" |
DataQualityMetricThresholdBase
Nome | Descrição | Valor |
---|---|---|
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
dataType | Definir o tipo de objeto | Categórico Numérico (obrigatório) |
CategóricoDataQualityMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métricas. | "Categórico" (obrigatório) |
Métrica | [Obrigatório] A métrica de qualidade dos dados categóricos a calcular. | "DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (obrigatório) |
NumericalDataQualityMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métricas. | "Numérico" (obrigatório) |
Métrica | [Obrigatório] A métrica de qualidade dos dados numéricos a calcular. | "DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (obrigatório) |
FeatureAttributionDriftMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "FeatureAttributionDrift" (obrigatório) |
metricThreshold | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | FeatureAttributionMetricThreshold (obrigatório) |
productionData | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase[] (obrigatório) |
referenceData | [Obrigatório] Os dados para calcular o desvio. | MonitoringInputDataBase (obrigatório) |
FeatureAttributionMetricThreshold
Nome | Descrição | Valor |
---|---|---|
Métrica | [Obrigatório] A métrica de atribuição de funcionalidades a calcular. | "NormalizedDiscountedCumulativeGain" (obrigatório) |
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
GenerationSafetyQualityMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "GenerationSafetyQuality" (obrigatório) |
metricThresholds | [Obrigatório] Obtém ou define as métricas para calcular e os limiares correspondentes. | GenerationSafetyQualityMetricThreshold[] (obrigatório) |
productionData | Obtém ou define os dados de destino para métricas de computação. | MonitoringInputDataBase[] |
amostragemRate | [Obrigatório] A taxa de exemplo dos dados de destino deve ser superior a 0 e, no máximo, 1. | int (obrigatório) |
workspaceConnectionId | Obtém ou define o ID de ligação da área de trabalho utilizado para ligar ao ponto final de geração de conteúdos. | string |
GenerationSafetyQualityMetricThreshold
Nome | Descrição | Valor |
---|---|---|
Métrica | [Obrigatório] Obtém ou define a métrica de atribuição de funcionalidades para calcular. | "AcceptableCoherenceScorePerInstance" "AcceptableFluencyScorePerInstance" "AcceptableGroundednessScorePerInstance" "AcceptableRelevanceScorePerInstance" "AcceptableSimilarityScorePerInstance" "AggregatedCoherencePassRate" "AggregatedFluencyPassRate" "AggregatedGroundednessPassRate" "AggregatedRelevancePassRate" "AggregatedSimilarityPassRate" (obrigatório) |
limiar | Obtém ou define o valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. |
MonitoringThreshold |
GenerationTokenStatisticsSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "GenerationTokenStatistics" (obrigatório) |
metricThresholds | [Obrigatório] Obtém ou define as métricas para calcular e os limiares correspondentes. | GenerationTokenStatisticsMetricThreshold[] (obrigatório) |
productionData | Obtém ou define os dados de destino para métricas de computação. | MonitoringInputDataBase |
amostragemRate | [Obrigatório] A taxa de exemplo dos dados de destino deve ser superior a 0 e, no máximo, 1. | int (obrigatório) |
GenerationTokenStatisticsMetricThreshold
Nome | Descrição | Valor |
---|---|---|
Métrica | [Obrigatório] Obtém ou define a métrica de atribuição de funcionalidades para calcular. | "TotalTokenCount" "TotalTokenCountPerGroup" (obrigatório) |
limiar | Obtém ou define o valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. |
MonitoringThreshold |
ModelPerformanceSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "ModelPerformance" (obrigatório) |
dataSegment | O segmento de dados. | MonitoringDataSegment |
metricThreshold | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | ModelPerformanceMetricThresholdBase (obrigatório) |
productionData | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o desvio será calculado. | MonitoringInputDataBase[] (obrigatório) |
referenceData | [Obrigatório] Os dados para calcular o desvio. | MonitoringInputDataBase (obrigatório) |
ModelPerformanceMetricThresholdBase
Nome | Descrição | Valor |
---|---|---|
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
modelType | Definir o tipo de objeto | Classificação Regressão (obrigatório) |
ClassificationModelPerformanceMetricThreshold
Nome | Descrição | Valor |
---|---|---|
modelType | [Obrigatório] Especifica o tipo de dados do limiar de métricas. | "Classificação" (obrigatório) |
Métrica | [Obrigatório] O desempenho do modelo de classificação a calcular. | "Precisão" "Precisão" "Revocação" (obrigatório) |
RegressionModelPerformanceMetricThreshold
Nome | Descrição | Valor |
---|---|---|
modelType | [Obrigatório] Especifica o tipo de dados do limiar de métricas. | "Regressão" (obrigatório) |
Métrica | [Obrigatório] A métrica de desempenho do modelo de regressão a calcular. | "MeanAbsoluteError" "MeanSquaredError" "RootMeanSquaredError" (obrigatório) |
PredictionDriftMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "PredictionDrift" (obrigatório) |
metricThresholds | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | PredictionDriftMetricThresholdBase[] (obrigatório) |
modelType | [Obrigatório] O tipo do modelo monitorizado. | "Classificação" "Regressão" (obrigatório) |
productionData | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
referenceData | [Obrigatório] Os dados para calcular o desvio. | MonitoringInputDataBase (obrigatório) |
PredictionDriftMetricThresholdBase
Nome | Descrição | Valor |
---|---|---|
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
dataType | Definir o tipo de objeto | Categórico Numérico (obrigatório) |
CategóricoPredictionDriftMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métricas. | "Categórico" (obrigatório) |
Métrica | [Obrigatório] A métrica de desvio de predição categórica a calcular. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' "PopulationStabilityIndex" (obrigatório) |
NumericalPredictionDriftMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métricas. | "Numérico" (obrigatório) |
Métrica | [Obrigatório] A métrica de desvio de predição numérica a calcular. | 'JensenShannonDistance' "NormalizedWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (obrigatório) |
ImportDataAction
Nome | Descrição | Valor |
---|---|---|
actionType | [Obrigatório] Especifica o tipo de ação da agenda | "ImportData" (obrigatório) |
dataImportDefinition | [Obrigatório] Define os detalhes da definição da ação Agendar. | DataImport (obrigatório) |
DataImport
Nome | Descrição | Valor |
---|---|---|
assetName | Nome do recurso para a tarefa de importação de dados a criar | string |
autoDeleteSetting | Especifica a definição de ciclo de vida do recurso de dados geridos. | AutoDeleteSetting |
dataType | [Obrigatório] Especifica o tipo de dados. | 'mltable' 'uri_file' 'uri_folder' (obrigatório) |
dataUri | [Obrigatório] URI dos dados. Exemplo: https://go.microsoft.com/fwlink/?linkid=2202330 |
cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
descrição | O texto de descrição do recurso. | string |
intellectualProperty | Detalhes da Propriedade Intelectual. Utilizado se os dados forem uma Propriedade Intelectual. | Propriedade Intelectual |
isAnonymous | Se a versão do nome for gerada pelo sistema (registo anónimo). Para tipos em que a Fase é definida, quando a Fase é fornecida, será utilizada para preencher IsAnonymous | bool |
isArchived | O elemento está arquivado? Para tipos em que a Fase é definida, quando a Fase é fornecida, será utilizada para preencher IsArchived | bool |
propriedades | O dicionário da propriedade do recurso. | Propriedades do ResourceBase |
source | Dados de origem do recurso a partir do qual importar | DataImportSource |
palco | Fase no ciclo de vida dos dados atribuído a este recurso de dados | string |
etiquetas | Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas. | objeto |
Propriedade Intelectual
Nome | Descrição | Valor |
---|---|---|
protectionLevel | Nível de proteção da Propriedade Intelectual. | "Todos" "Nenhum" |
publicador | [Obrigatório] Publicador da Propriedade Intelectual. Tem de ser igual ao nome do publicador do Registo. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
DataImportSource
Nome | Descrição | Valor |
---|---|---|
ligação | Ligação da área de trabalho para armazenamento de origem de importação de dados | string |
sourceType | Definir o tipo de objeto | base de dados file_system (obrigatório) |
DatabaseSource
Nome | Descrição | Valor |
---|---|---|
sourceType | [Obrigatório] Especifica o tipo de dados. | "base de dados" (obrigatório) |
query | Instrução consulta SQL para a origem da base de dados de importação de dados | string |
storedProcedure | SQL StoredProcedure na origem da base de dados de importação de dados | string |
storedProcedureParams | Parâmetros SQL StoredProcedure | DatabaseSourceStoredProcedureParamsItem[] |
tableName | Nome da tabela na origem da base de dados de importação de dados | string |
DatabaseSourceStoredProcedureParamsItem
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
FileSystemSource
Nome | Descrição | Valor |
---|---|---|
sourceType | [Obrigatório] Especifica o tipo de dados. | 'file_system' (obrigatório) |
caminho | Caminho na importação de dados Origem do sistema de ficheiros | string |
EndpointScheduleAction
Nome | Descrição | Valor |
---|---|---|
actionType | [Obrigatório] Especifica o tipo de ação da agenda | "InvokeBatchEndpoint" (obrigatório) |
endpointInvocationDefinition | [Obrigatório] Define os detalhes da definição da ação Agendar. {see href="TBD" /} |
TriggerBase
Nome | Descrição | Valor |
---|---|---|
endTime | Especifica a hora de fim do agendamento na ISO 8601, mas sem um desvio UTC. Veja https://en.wikipedia.org/wiki/ISO_8601. O formato recommente seria "2022-06-01T00:00:01" Se não estiver presente, a agenda será executada indefinidamente |
string |
startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um desvio UTC. | string |
timeZone | Especifica o fuso horário no qual a agenda é executada. O Fuso Horário deve seguir o formato de fuso horário do Windows. Veja: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones /> |
string |
triggerType | Definir o tipo de objeto | Cron Periodicidade (obrigatório) |
CronTrigger
Nome | Descrição | Valor |
---|---|---|
triggerType | [Obrigatório] | 'Cron' (obrigatório) |
expression | [Obrigatório] Especifica a expressão cron da agenda. A expressão deve seguir o formato NCronTab. |
cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
RecurrenceTrigger
Nome | Descrição | Valor |
---|---|---|
endTime | Especifica a hora de fim do agendamento na ISO 8601, mas sem um desvio UTC. Veja https://en.wikipedia.org/wiki/ISO_8601. O formato recommente seria "2022-06-01T00:00:01" Se não estiver presente, a agenda será executada indefinidamente |
string |
frequência | [Obrigatório] A frequência para acionar o agendamento. | 'Dia' "Hora" 'Minuto' "Mês" "Semana" (obrigatório) |
interval | [Obrigatório] Especifica o intervalo de agendamento em conjunto com a frequência | int (obrigatório) |
agenda | A agenda de periodicidade. | PeriodicidadeSchedule |
startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um desvio UTC. | string |
timeZone | Especifica o fuso horário no qual a agenda é executada. O Fuso Horário deve seguir o formato de fuso horário do Windows. Veja: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones |
string |
triggerType | [Obrigatório] | 'Cron' "Periodicidade" (obrigatório) |
PeriodicidadeSchedule
Nome | Descrição | Valor |
---|---|---|
horas | [Obrigatório] Lista de horas para a agenda. | int[] (obrigatório) |
minutes | [Obrigatório] Lista de minutos para a agenda. | int[] (obrigatório) |
monthDays | Lista de dias do mês para a agenda | int[] |
weekDays | Lista de dias para a agenda. | Matriz de cadeia que contém qualquer um dos seguintes: 'Sexta-feira' 'Segunda-feira' 'Sábado' 'Domingo' 'Quinta-feira' 'Terça-feira' 'Quarta-feira' |
Definição de recurso terraform (fornecedor AzAPI)
O tipo de recurso áreas de trabalho/agendamentos pode ser implementado com operações que visam:
- Grupos de recursos
Para obter uma lista das propriedades alteradas em cada versão da API, veja Registo de alterações.
Formato do recurso
Para criar um recurso Microsoft.MachineLearningServices/workspaces/schedules, adicione o seguinte Terraform ao seu modelo.
resource "azapi_resource" "symbolicname" {
type = "Microsoft.MachineLearningServices/workspaces/schedules@2023-06-01-preview"
name = "string"
parent_id = "string"
body = jsonencode({
properties = {
action = {
actionType = "string"
// For remaining properties, see ScheduleActionBase objects
}
description = "string"
displayName = "string"
isEnabled = bool
properties = {
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
tags = {
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
trigger = {
endTime = "string"
startTime = "string"
timeZone = "string"
triggerType = "string"
// For remaining properties, see TriggerBase objects
}
}
})
}
Objetos ScheduleActionBase
Defina a propriedade actionType para especificar o tipo de objeto.
Para CreateJob, utilize:
actionType = "CreateJob"
jobDefinition = {
componentId = "string"
computeId = "string"
description = "string"
displayName = "string"
experimentName = "string"
identity {
identityType = "string"
// For remaining properties, see IdentityConfiguration objects
}
isArchived = bool
notificationSetting = {
emailOn = [
"string"
]
emails = [
"string"
]
webhooks = {
{customized property} = {
eventType = "string"
webhookType = "string"
// For remaining properties, see Webhook objects
}
}
}
properties = {
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
secretsConfiguration = {
{customized property} = {
uri = "string"
workspaceSecretName = "string"
}
{customized property} = {
uri = "string"
workspaceSecretName = "string"
}
}
services = {
{customized property} = {
endpoint = "string"
jobServiceType = "string"
nodes = {
nodesValueType = "string"
// For remaining properties, see Nodes objects
}
port = int
properties = {
{customized property} = "string"
}
}
{customized property} = {
endpoint = "string"
jobServiceType = "string"
nodes = {
nodesValueType = "string"
// For remaining properties, see Nodes objects
}
port = int
properties = {
{customized property} = "string"
}
}
}
tags = {
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
jobType = "string"
// For remaining properties, see JobBaseProperties objects
}
Para CreateMonitor, utilize:
actionType = "CreateMonitor"
monitorDefinition = {
alertNotificationSetting = {
alertNotificationType = "string"
// For remaining properties, see MonitoringAlertNotificationSettingsBase objects
}
computeConfiguration = {
computeType = "string"
// For remaining properties, see MonitorComputeConfigurationBase objects
}
monitoringTarget = {
deploymentId = "string"
modelId = "string"
taskType = "string"
}
signals = {
{customized property} = {
mode = "string"
properties = {
{customized property} = "string"
}
signalType = "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Para ImportData, utilize:
actionType = "ImportData"
dataImportDefinition = {
assetName = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
dataType = "string"
dataUri = "string"
description = "string"
intellectualProperty = {
protectionLevel = "string"
publisher = "string"
}
isAnonymous = bool
isArchived = bool
properties = {
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
source = {
connection = "string"
sourceType = "string"
// For remaining properties, see DataImportSource objects
}
stage = "string"
tags = {
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
}
Para InvokeBatchEndpoint, utilize:
actionType = "InvokeBatchEndpoint"
Objetos JobBaseProperties
Defina a propriedade jobType para especificar o tipo de objeto.
Para AutoML, utilize:
jobType = "AutoML"
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
queueSettings = {
jobTier = "string"
priority = int
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
locations = [
"string"
]
maxInstanceCount = int
properties = {}
shmSize = "string"
}
taskDetails = {
logVerbosity = "string"
targetColumnName = "string"
trainingData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
taskType = "string"
// For remaining properties, see AutoMLVertical objects
}
Para Comando, utilize:
jobType = "Command"
autologgerSettings = {
mlflowAutologger = "string"
}
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
limits = {
jobLimitsType = "string"
timeout = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
queueSettings = {
jobTier = "string"
priority = int
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
locations = [
"string"
]
maxInstanceCount = int
properties = {}
shmSize = "string"
}
Para Etiquetagem, utilize:
jobType = "Labeling"
dataConfiguration = {
dataId = "string"
incrementalDataRefresh = "string"
}
jobInstructions = {
uri = "string"
}
labelCategories = {
{customized property} = {
classes = {
{customized property} = {
displayName = "string"
subclasses = {
{customized property} = {}
}
}
displayName = "string"
multiSelect = "string"
}
{customized property} = {
classes = {
{customized property} = {
displayName = "string"
subclasses = {
{customized property} = {}
}
}
displayName = "string"
multiSelect = "string"
}
}
labelingJobMediaProperties = {
mediaType = "string"
// For remaining properties, see LabelingJobMediaProperties objects
}
mlAssistConfiguration = {
mlAssist = "string"
// For remaining properties, see MLAssistConfiguration objects
}
Para Pipeline, utilize:
jobType = "Pipeline"
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
jobs = {}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
sourceJobId = "string"
Para o Spark, utilize:
jobType = "Spark"
archives = [
"string"
]
args = "string"
codeId = "string"
conf = {
{customized property} = "string"
}
entry = {
sparkJobEntryType = "string"
// For remaining properties, see SparkJobEntry objects
}
environmentId = "string"
files = [
"string"
]
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
jars = [
"string"
]
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
pyFiles = [
"string"
]
queueSettings = {
jobTier = "string"
priority = int
}
resources = {
instanceType = "string"
runtimeVersion = "string"
}
Para Varrer, utilize:
jobType = "Sweep"
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
limits = {
jobLimitsType = "string"
maxConcurrentTrials = int
maxTotalTrials = int
timeout = "string"
trialTimeout = "string"
}
objective = {
goal = "string"
primaryMetric = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
queueSettings = {
jobTier = "string"
priority = int
}
samplingAlgorithm = {
samplingAlgorithmType = "string"
// For remaining properties, see SamplingAlgorithm objects
}
trial = {
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
locations = [
"string"
]
maxInstanceCount = int
properties = {}
shmSize = "string"
}
}
Objetos IdentityConfiguration
Defina a propriedade identityType para especificar o tipo de objeto.
Para AMLToken, utilize:
identityType = "AMLToken"
Para Gerido, utilize:
identityType = "Managed"
clientId = "string"
objectId = "string"
resourceId = "string"
Para UserIdentity, utilize:
identityType = "UserIdentity"
Objetos de webhook
Defina a propriedade webhookType para especificar o tipo de objeto.
Para o AzureDevOps, utilize:
webhookType = "AzureDevOps"
Objetos de nós
Defina a propriedade nodesValueType para especificar o tipo de objeto.
Para Todos, utilize:
nodesValueType = "All"
Objetos JobOutput
Defina a propriedade jobOutputType para especificar o tipo de objeto.
Para custom_model, utilize:
jobOutputType = "custom_model"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
Para mlflow_model, utilize:
jobOutputType = "mlflow_model"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
Para mltable, utilize:
jobOutputType = "mltable"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
Para triton_model, utilize:
jobOutputType = "triton_model"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
Para uri_file, utilize:
jobOutputType = "uri_file"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
Para uri_folder, utilize:
jobOutputType = "uri_folder"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
Objetos AutoMLVertical
Defina a propriedade taskType para especificar o tipo de objeto.
Para Classificação, utilize:
taskType = "Classification"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
fixedParameters = {
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = int
maxBin = int
maxDepth = int
maxLeaves = int
minDataInLeaf = int
minSplitGain = int
modelName = "string"
nEstimators = int
numLeaves = int
preprocessorName = "string"
regAlpha = int
regLambda = int
subsample = int
subsampleFreq = int
treeMethod = "string"
withMean = bool
withStd = bool
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxNodes = int
maxTrials = int
sweepConcurrentTrials = int
sweepTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
positiveLabel = "string"
primaryMetric = "string"
searchSpace = [
{
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = "string"
maxBin = "string"
maxDepth = "string"
maxLeaves = "string"
minDataInLeaf = "string"
minSplitGain = "string"
modelName = "string"
nEstimators = "string"
numLeaves = "string"
preprocessorName = "string"
regAlpha = "string"
regLambda = "string"
subsample = "string"
subsampleFreq = "string"
treeMethod = "string"
withMean = "string"
withStd = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
testData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
trainingSettings = {
allowedTrainingAlgorithms = [
"string"
]
blockedTrainingAlgorithms = [
"string"
]
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
trainingMode = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
Para Previsão, utilize:
taskType = "Forecasting"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
fixedParameters = {
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = int
maxBin = int
maxDepth = int
maxLeaves = int
minDataInLeaf = int
minSplitGain = int
modelName = "string"
nEstimators = int
numLeaves = int
preprocessorName = "string"
regAlpha = int
regLambda = int
subsample = int
subsampleFreq = int
treeMethod = "string"
withMean = bool
withStd = bool
}
forecastingSettings = {
countryOrRegionForHolidays = "string"
cvStepSize = int
featureLags = "string"
featuresUnknownAtForecastTime = [
"string"
]
forecastHorizon = {
mode = "string"
// For remaining properties, see ForecastHorizon objects
}
frequency = "string"
seasonality = {
mode = "string"
// For remaining properties, see Seasonality objects
}
shortSeriesHandlingConfig = "string"
targetAggregateFunction = "string"
targetLags = {
mode = "string"
// For remaining properties, see TargetLags objects
}
targetRollingWindowSize = {
mode = "string"
// For remaining properties, see TargetRollingWindowSize objects
}
timeColumnName = "string"
timeSeriesIdColumnNames = [
"string"
]
useStl = "string"
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxNodes = int
maxTrials = int
sweepConcurrentTrials = int
sweepTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
primaryMetric = "string"
searchSpace = [
{
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = "string"
maxBin = "string"
maxDepth = "string"
maxLeaves = "string"
minDataInLeaf = "string"
minSplitGain = "string"
modelName = "string"
nEstimators = "string"
numLeaves = "string"
preprocessorName = "string"
regAlpha = "string"
regLambda = "string"
subsample = "string"
subsampleFreq = "string"
treeMethod = "string"
withMean = "string"
withStd = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
testData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
trainingSettings = {
allowedTrainingAlgorithms = [
"string"
]
blockedTrainingAlgorithms = [
"string"
]
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
trainingMode = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
Para ImageClassification, utilize:
taskType = "ImageClassification"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
momentum = int
nesterov = bool
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
trainingBatchSize = int
trainingCropSize = int
validationBatchSize = int
validationCropSize = int
validationResizeSize = int
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
weightedLoss = int
}
primaryMetric = "string"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
momentum = "string"
nesterov = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
trainingBatchSize = "string"
trainingCropSize = "string"
validationBatchSize = "string"
validationCropSize = "string"
validationResizeSize = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
weightedLoss = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Para ImageClassificationMultilabel, utilize:
taskType = "ImageClassificationMultilabel"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
momentum = int
nesterov = bool
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
trainingBatchSize = int
trainingCropSize = int
validationBatchSize = int
validationCropSize = int
validationResizeSize = int
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
weightedLoss = int
}
primaryMetric = "string"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
momentum = "string"
nesterov = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
trainingBatchSize = "string"
trainingCropSize = "string"
validationBatchSize = "string"
validationCropSize = "string"
validationResizeSize = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
weightedLoss = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Para ImageInstanceSegmentation, utilize:
taskType = "ImageInstanceSegmentation"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
boxDetectionsPerImage = int
boxScoreThreshold = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
imageSize = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
logTrainingMetrics = "string"
logValidationLoss = "string"
maxSize = int
minSize = int
modelName = "string"
modelSize = "string"
momentum = int
multiScale = bool
nesterov = bool
nmsIouThreshold = int
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
tileGridSize = "string"
tileOverlapRatio = int
tilePredictionsNmsThreshold = int
trainingBatchSize = int
validationBatchSize = int
validationIouThreshold = int
validationMetricType = "string"
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
}
primaryMetric = "MeanAveragePrecision"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
boxDetectionsPerImage = "string"
boxScoreThreshold = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
imageSize = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
maxSize = "string"
minSize = "string"
modelName = "string"
modelSize = "string"
momentum = "string"
multiScale = "string"
nesterov = "string"
nmsIouThreshold = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
tileGridSize = "string"
tileOverlapRatio = "string"
tilePredictionsNmsThreshold = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
validationIouThreshold = "string"
validationMetricType = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Para ImageObjectDetection, utilize:
taskType = "ImageObjectDetection"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
boxDetectionsPerImage = int
boxScoreThreshold = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
imageSize = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
logTrainingMetrics = "string"
logValidationLoss = "string"
maxSize = int
minSize = int
modelName = "string"
modelSize = "string"
momentum = int
multiScale = bool
nesterov = bool
nmsIouThreshold = int
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
tileGridSize = "string"
tileOverlapRatio = int
tilePredictionsNmsThreshold = int
trainingBatchSize = int
validationBatchSize = int
validationIouThreshold = int
validationMetricType = "string"
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
}
primaryMetric = "MeanAveragePrecision"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
boxDetectionsPerImage = "string"
boxScoreThreshold = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
imageSize = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
maxSize = "string"
minSize = "string"
modelName = "string"
modelSize = "string"
momentum = "string"
multiScale = "string"
nesterov = "string"
nmsIouThreshold = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
tileGridSize = "string"
tileOverlapRatio = "string"
tilePredictionsNmsThreshold = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
validationIouThreshold = "string"
validationMetricType = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Para Regressão, utilize:
taskType = "Regression"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
fixedParameters = {
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = int
maxBin = int
maxDepth = int
maxLeaves = int
minDataInLeaf = int
minSplitGain = int
modelName = "string"
nEstimators = int
numLeaves = int
preprocessorName = "string"
regAlpha = int
regLambda = int
subsample = int
subsampleFreq = int
treeMethod = "string"
withMean = bool
withStd = bool
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxNodes = int
maxTrials = int
sweepConcurrentTrials = int
sweepTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
primaryMetric = "string"
searchSpace = [
{
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = "string"
maxBin = "string"
maxDepth = "string"
maxLeaves = "string"
minDataInLeaf = "string"
minSplitGain = "string"
modelName = "string"
nEstimators = "string"
numLeaves = "string"
preprocessorName = "string"
regAlpha = "string"
regLambda = "string"
subsample = "string"
subsampleFreq = "string"
treeMethod = "string"
withMean = "string"
withStd = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
testData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
trainingSettings = {
allowedTrainingAlgorithms = [
"string"
]
blockedTrainingAlgorithms = [
"string"
]
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
trainingMode = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
Para TextClassification, utilize:
taskType = "TextClassification"
featurizationSettings = {
datasetLanguage = "string"
}
fixedParameters = {
gradientAccumulationSteps = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = int
trainingBatchSize = int
validationBatchSize = int
warmupRatio = int
weightDecay = int
}
limitSettings = {
maxConcurrentTrials = int
maxNodes = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
primaryMetric = "string"
searchSpace = [
{
gradientAccumulationSteps = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
warmupRatio = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
Para TextClassificationMultilabel, utilize:
taskType = "TextClassificationMultilabel"
featurizationSettings = {
datasetLanguage = "string"
}
fixedParameters = {
gradientAccumulationSteps = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = int
trainingBatchSize = int
validationBatchSize = int
warmupRatio = int
weightDecay = int
}
limitSettings = {
maxConcurrentTrials = int
maxNodes = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
searchSpace = [
{
gradientAccumulationSteps = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
warmupRatio = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
Para TextNER, utilize:
taskType = "TextNER"
featurizationSettings = {
datasetLanguage = "string"
}
fixedParameters = {
gradientAccumulationSteps = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = int
trainingBatchSize = int
validationBatchSize = int
warmupRatio = int
weightDecay = int
}
limitSettings = {
maxConcurrentTrials = int
maxNodes = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
searchSpace = [
{
gradientAccumulationSteps = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
warmupRatio = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
Objetos NCrossValidations
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode = "Auto"
Para Personalizar, utilize:
mode = "Custom"
value = int
Objetos EarlyTerminationPolicy
Defina a propriedade policyType para especificar o tipo de objeto.
Para Bandido, utilize:
policyType = "Bandit"
slackAmount = int
slackFactor = int
Para MedianStopping, utilize:
policyType = "MedianStopping"
Para TruncationSelection, utilize:
policyType = "TruncationSelection"
truncationPercentage = int
Objetos do ForecastHorizon
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode = "Auto"
Para Personalizar, utilize:
mode = "Custom"
value = int
Objetos de sazonalidade
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode = "Auto"
Para Personalizar, utilize:
mode = "Custom"
value = int
Objetos TargetLags
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode = "Auto"
Para Personalizar, utilize:
mode = "Custom"
values = [
int
]
TargetRollingWindowSize objects (Objetos TargetRollingWindowSize)
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode = "Auto"
Para Personalizar, utilize:
mode = "Custom"
value = int
Objetos DistributionConfiguration
Defina a propriedade distributionType para especificar o tipo de objeto.
Para MPI, utilize:
distributionType = "Mpi"
processCountPerInstance = int
Para o PyTorch, utilize:
distributionType = "PyTorch"
processCountPerInstance = int
Para Ray, utilize:
distributionType = "Ray"
address = "string"
dashboardPort = int
headNodeAdditionalArgs = "string"
includeDashboard = bool
port = int
workerNodeAdditionalArgs = "string"
Para o TensorFlow, utilize:
distributionType = "TensorFlow"
parameterServerCount = int
workerCount = int
Objetos JobInput
Defina a propriedade jobInputType para especificar o tipo de objeto.
Para custom_model, utilize:
jobInputType = "custom_model"
mode = "string"
uri = "string"
Para literal, utilize:
jobInputType = "literal"
value = "string"
Para mlflow_model, utilize:
jobInputType = "mlflow_model"
mode = "string"
uri = "string"
Para mltable, utilize:
jobInputType = "mltable"
mode = "string"
uri = "string"
Para triton_model, utilize:
jobInputType = "triton_model"
mode = "string"
uri = "string"
Para uri_file, utilize:
jobInputType = "uri_file"
mode = "string"
uri = "string"
Para uri_folder, utilize:
jobInputType = "uri_folder"
mode = "string"
uri = "string"
Etiquetar objetosJobMediaProperties
Defina a propriedade mediaType para especificar o tipo de objeto.
Para Imagem, utilize:
mediaType = "Image"
annotationType = "string"
Para Texto, utilize:
mediaType = "Text"
annotationType = "string"
Objetos MLAssistConfiguration
Defina a propriedade mlAssist para especificar o tipo de objeto.
Para Desativado, utilize:
mlAssist = "Disabled"
Para Ativado, utilize:
mlAssist = "Enabled"
inferencingComputeBinding = "string"
trainingComputeBinding = "string"
Objetos SparkJobEntry
Defina a propriedade sparkJobEntryType para especificar o tipo de objeto.
Para SparkJobPythonEntry, utilize:
sparkJobEntryType = "SparkJobPythonEntry"
file = "string"
Para SparkJobScalaEntry, utilize:
sparkJobEntryType = "SparkJobScalaEntry"
className = "string"
SamplingAlgorithm objects (Objetos SamplingAlgorithm)
Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.
Para Bayesian, utilize:
samplingAlgorithmType = "Bayesian"
Para Grelha, utilize:
samplingAlgorithmType = "Grid"
Para Aleatório, utilize:
samplingAlgorithmType = "Random"
logbase = "string"
rule = "string"
seed = int
MonitoringAlertNotificationSettingsBase objects (Objetos MonitoringAlertNotificationSettingsBase)
Defina a propriedade alertNotificationType para especificar o tipo de objeto.
Para o AzureMonitor, utilize:
alertNotificationType = "AzureMonitor"
Para Email, utilize:
alertNotificationType = "Email"
emailNotificationSetting = {
emailOn = [
"string"
]
emails = [
"string"
]
webhooks = {
{customized property} = {
eventType = "string"
webhookType = "string"
// For remaining properties, see Webhook objects
}
}
}
MonitorComputeConfigurationBase objects (MonitorComputeConfigurationBase objects)
Defina a propriedade computeType para especificar o tipo de objeto.
Para ServerlessSpark, utilize:
computeType = "ServerlessSpark"
computeIdentity = {
computeIdentityType = "string"
// For remaining properties, see MonitorComputeIdentityBase objects
}
instanceType = "string"
runtimeVersion = "string"
Monitorizar objetosComputeIdentityBase
Defina a propriedade computeIdentityType para especificar o tipo de objeto.
Para AmlToken, utilize:
computeIdentityType = "AmlToken"
Para ManagedIdentity, utilize:
computeIdentityType = "ManagedIdentity"
identity {
type = "string"
identity_ids = []
}
MonitoringSignalBase objects (Monitorizar objetos DoBase)
Defina a propriedade signalType para especificar o tipo de objeto.
Para Personalizar, utilize:
signalType = "Custom"
componentId = "string"
inputAssets = {
{customized property} = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
metricThresholds = [
{
metric = "string"
threshold = {
value = int
}
}
]
workspaceConnection = {
environmentVariables = {
{customized property} = "string"
}
secrets = {
{customized property} = "string"
}
}
Para DataDrift, utilize:
signalType = "DataDrift"
dataSegment = {
feature = "string"
values = [
"string"
]
}
featureDataTypeOverride = {
{customized property} = "string"
}
features = {
filterType = "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see DataDriftMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Para a Igualdade de Dados, utilize:
signalType = "DataQuality"
featureDataTypeOverride = {
{customized property} = "string"
}
features = {
filterType = "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see DataQualityMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Para FeatureAttributionDrift, utilize:
signalType = "FeatureAttributionDrift"
metricThreshold = {
metric = "NormalizedDiscountedCumulativeGain"
threshold = {
value = int
}
}
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Para GenerationSafetyQuality, utilize:
signalType = "GenerationSafetyQuality"
metricThresholds = [
{
metric = "string"
threshold = {
value = int
}
}
]
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
samplingRate = int
workspaceConnectionId = "string"
Para GenerationTokenStatistics, utilize:
signalType = "GenerationTokenStatistics"
metricThresholds = [
{
metric = "string"
threshold = {
value = int
}
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
samplingRate = int
Para ModelPerformance, utilize:
signalType = "ModelPerformance"
dataSegment = {
feature = "string"
values = [
"string"
]
}
metricThreshold = {
threshold = {
value = int
}
modelType = "string"
// For remaining properties, see ModelPerformanceMetricThresholdBase objects
}
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Para PredictionDrift, utilize:
signalType = "PredictionDrift"
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
]
modelType = "string"
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
MonitoringInputDataBase objects (MonitoringInputDataBase objects)
Defina a propriedade inputDataType para especificar o tipo de objeto.
Para Corrigido, utilize:
inputDataType = "Fixed"
Para Estático, utilize:
inputDataType = "Static"
preprocessingComponentId = "string"
windowEnd = "string"
windowStart = "string"
Para a opção À direita, utilize:
inputDataType = "Trailing"
preprocessingComponentId = "string"
windowOffset = "string"
windowSize = "string"
MonitoringFeatureFilterBase objects (MonitoringFeatureFilterBase objects)
Defina a propriedade filterType para especificar o tipo de objeto.
Para AllFeatures, utilize:
filterType = "AllFeatures"
Para FeatureSubset, utilize:
filterType = "FeatureSubset"
features = [
"string"
]
Para TopNByAttribution, utilize:
filterType = "TopNByAttribution"
top = int
Objetos DataDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórico, utilize:
dataType = "Categorical"
metric = "string"
Para Numérico, utilize:
dataType = "Numerical"
metric = "string"
Objetos DataQualityMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórico, utilize:
dataType = "Categorical"
metric = "string"
Para Numérico, utilize:
dataType = "Numerical"
metric = "string"
Objetos ModelPerformanceMetricThresholdBase
Defina a propriedade modelType para especificar o tipo de objeto.
Para Classificação, utilize:
modelType = "Classification"
metric = "string"
Para Regressão, utilize:
modelType = "Regression"
metric = "string"
PredictionDriftMetricThresholdBase objects (Objetos PredictionDriftMetricThresholdBase)
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórico, utilize:
dataType = "Categorical"
metric = "string"
Para Numérico, utilize:
dataType = "Numerical"
metric = "string"
Objetos DataImportSource
Defina a propriedade sourceType para especificar o tipo de objeto.
Para a base de dados, utilize:
sourceType = "database"
query = "string"
storedProcedure = "string"
storedProcedureParams = [
{
{customized property} = "string"
}
]
tableName = "string"
Para file_system, utilize:
sourceType = "file_system"
path = "string"
Objetos TriggerBase
Defina a propriedade triggerType para especificar o tipo de objeto.
Para Cron, utilize:
triggerType = "Cron"
expression = "string"
Para Periodicidade, utilize:
triggerType = "Recurrence"
frequency = "string"
interval = int
schedule = {
hours = [
int
]
minutes = [
int
]
monthDays = [
int
]
weekDays = [
"string"
]
}
Valores de propriedade
áreas de trabalho/agendas
Nome | Descrição | Valor |
---|---|---|
tipo | O tipo de recurso | "Microsoft.MachineLearningServices/workspaces/schedules@2023-06-01-preview" |
name | O nome do recurso | cadeia (obrigatório) |
parent_id | O ID do recurso que é o principal para este recurso. | ID para recurso do tipo: áreas de trabalho |
propriedades | [Obrigatório] Atributos adicionais da entidade. | ScheduleProperties (obrigatório) |
ScheduleProperties
Nome | Descrição | Valor |
---|---|---|
action | [Obrigatório] Especifica a ação da agenda | ScheduleActionBase (obrigatório) |
descrição | O texto de descrição do recurso. | string |
displayName | Nome a apresentar da agenda. | string |
isEnabled | A agenda está ativada? | bool |
propriedades | O dicionário da propriedade do recurso. | ResourceBaseProperties |
etiquetas | Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas. | objeto |
acionador | [Obrigatório] Especifica os detalhes do acionador | TriggerBase (obrigatório) |
ScheduleActionBase
Nome | Descrição | Valor |
---|---|---|
actionType | Definir o tipo de objeto | CriarJob CreateMonitor ImportData InvokeBatchEndpoint (obrigatório) |
JobScheduleAction
Nome | Descrição | Valor |
---|---|---|
actionType | [Obrigatório] Especifica o tipo de ação da agenda | "CreateJob" (obrigatório) |
jobDefinition | [Obrigatório] Define detalhes da definição de ação Agendar. | JobBaseProperties (obrigatório) |
JobBaseProperties
Nome | Descrição | Valor |
---|---|---|
componentId | ID do recurso arm do recurso do componente. | string |
computeId | ID do recurso arm do recurso de computação. | string |
descrição | O texto de descrição do recurso. | string |
displayName | Nome a apresentar da tarefa. | string |
experimentName | O nome da experimentação a que pertence a tarefa. Se não estiver definido, a tarefa é colocada na experimentação "Predefinição". | string |
identidade | Configuração de identidade. Se estiver definido, este deve ser um de AmlToken, ManagedIdentity, UserIdentity ou null. A predefinição é AmlToken se for nula. |
IdentityConfiguration |
isArchived | O recurso está arquivado? | bool |
notificationSetting | Definição de notificação para a tarefa | NotificationSetting |
propriedades | O dicionário da propriedade do recurso. | ResourceBaseProperties |
secretsConfiguration | Configuração para que os segredos sejam disponibilizados durante o runtime. | JobBaseSecretsConfiguration |
services | Lista de JobEndpoints. Para tarefas locais, um ponto final de tarefa terá um valor de ponto final de FileStreamObject. |
JobBaseServices |
etiquetas | Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas. | objeto |
jobType | Definir o tipo de objeto | AutoML Comando Etiquetagem Pipeline Spark Varrer (obrigatório) |
IdentityConfiguration
Nome | Descrição | Valor |
---|---|---|
identityType | Definir o tipo de objeto | AMLToken Gerido UserIdentity (obrigatório) |
AmlToken
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "AMLToken" (obrigatório) |
ManagedIdentity
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "Gerido" (obrigatório) |
clientId | Especifica uma identidade atribuída pelo utilizador pelo ID de cliente. Para a atribuição do sistema, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
objectId | Especifica uma identidade atribuída pelo utilizador pelo ID do objeto. Para a atribuição do sistema, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
resourceId | Especifica uma identidade atribuída pelo utilizador pelo ID de recurso do ARM. Para a atribuição do sistema, não defina este campo. | string |
UserIdentity
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "UserIdentity" (obrigatório) |
NotificationSetting
Nome | Descrição | Valor |
---|---|---|
emailOn | Enviar notificação por e-mail ao utilizador no tipo de notificação especificado | Matriz de cadeias que contém qualquer um dos seguintes: "JobCancelled" "JobCompleted" "JobFailed" |
e-mails | Esta é a lista de destinatários de e-mail que tem uma limitação de 499 carateres no total concat com separador de vírgulas | cadeia[] |
webhooks | Enviar chamada de retorno de webhook para um serviço. A chave é um nome fornecido pelo utilizador para o webhook. | NotificationSettingWebhooks |
NotificationSettingWebhooks
Nome | Descrição | Valor |
---|---|---|
{customized property} | Webhook |
Webhook
Nome | Descrição | Valor |
---|---|---|
eventType | Enviar chamada de retorno num evento de notificação especificado | string |
webhookType | Definir o tipo de objeto | AzureDevOps (obrigatório) |
AzureDevOpsWebhook
Nome | Descrição | Valor |
---|---|---|
webhookType | [Obrigatório] Especifica o tipo de serviço para enviar uma chamada de retorno | "AzureDevOps" (obrigatório) |
Propriedades do ResourceBase
Nome | Descrição | Valor |
---|---|---|
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string |
JobBaseSecretsConfiguration
Nome | Descrição | Valor |
---|---|---|
{customized property} | SecretConfiguration | |
{customized property} | SecretConfiguration |
SecretConfiguration
Nome | Descrição | Valor |
---|---|---|
URI | URI Secreto. Uri de Exemplo: https://myvault.vault.azure.net/secrets/mysecretname/secretversion |
string |
workspaceSecretName | Nome do segredo no cofre de chaves da área de trabalho. | string |
JobBaseServices
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobService | |
{customized property} | JobService |
JobService
Nome | Descrição | Valor |
---|---|---|
endpoint | URL para ponto final. | string |
jobServiceType | Tipo de ponto final. | string |
nós | Nós em que o utilizador gostaria de iniciar o serviço. Se Os Nós não estiverem definidos ou definidos como nulos, o serviço só será iniciado no nó de preenchimento. |
Nós |
porta | Porta para o ponto final definida pelo utilizador. | int |
propriedades | Propriedades adicionais a definir no ponto final. | JobServiceProperties |
Nós
Nome | Descrição | Valor |
---|---|---|
nodesValueType | Definir o tipo de objeto | Todos (obrigatório) |
AllNodes
Nome | Descrição | Valor |
---|---|---|
nodesValueType | [Obrigatório] Tipo do valor Nós | "Tudo" (obrigatório) |
JobServiceProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
AutoMLJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "AutoML" (obrigatório) |
environmentId | O ID de recurso do ARM da especificação do Ambiente para a tarefa. Este é um valor opcional para fornecer, se não for fornecido, o AutoML irá predefini-lo para a versão de ambiente organizado do AutoML de Produção ao executar a tarefa. |
string |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | AutoMLJobEnvironmentVariables |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | AutoMLJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
taskDetails | [Obrigatório] Isto representa um cenário que pode ser uma das Tabelas/NLP/Imagem | AutoMLVertical (obrigatório) |
AutoMLJobEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
AutoMLJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
JobOutput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição do resultado. | string |
jobOutputType | Definir o tipo de objeto | custom_model mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "custom_model" (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
URI | URI do Recurso de Saída. | string |
AutoDeleteSetting
Nome | Descrição | Valor |
---|---|---|
condição | Quando verificar se um recurso expirou | "CreatedGreaterThan" "LastAccessedGreaterThan" |
valor | Valor da condição de expiração. | string |
MLFlowModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "mlflow_model" (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
URI | URI do Recurso de Saída. | string |
MLTableJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "mltable" (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
URI | URI do Recurso de Saída. | string |
TritonModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "triton_model" (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
URI | URI do Recurso de Saída. | string |
UriFileJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "uri_file" (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
uri | URI do Recurso de Saída. | string |
UriFolderJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "uri_folder" (obrigatório) |
assetName | Nome do Recurso de Saída. | string |
assetVersion | Versão do Recurso de Saída. | string |
autoDeleteSetting | Definição de eliminação automática do recurso de dados de saída. | AutoDeleteSetting |
mode | Modo de Entrega de Recursos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
uri | URI do Recurso de Saída. | string |
QueueSettings
Nome | Descrição | Valor |
---|---|---|
jobTier | Controla o escalão da tarefa de computação | "Básico" "Nulo" "Premium" "Spot" "Standard" |
prioridade | Controla a prioridade da tarefa numa computação. | int |
JobResourceConfiguration
Nome | Descrição | Valor |
---|---|---|
dockerArgs | Argumentos adicionais para passar para o comando de execução do Docker. Isto substituiria quaisquer parâmetros que já tenham sido definidos pelo sistema ou nesta secção. Este parâmetro só é suportado para tipos de computação do Azure ML. | string |
instanceCount | Número opcional de instâncias ou nós utilizados pelo destino de computação. | int |
instanceType | Tipo opcional de VM utilizado como suportado pelo destino de computação. | string |
localizações | Localizações onde a tarefa pode ser executada. | cadeia[] |
maxInstanceCount | Número máximo opcional permitido de instâncias ou nós a utilizar pelo destino de computação. Para utilização com preparação elástica, atualmente suportada apenas pelo tipo de distribuição PyTorch. |
int |
propriedades | Saco de propriedades adicionais. | ResourceConfigurationProperties |
shmSize | Tamanho do bloco de memória partilhado do contentor docker. Deve estar no formato de (número)(unidade) em que o número deve ser superior a 0 e a unidade pode ser um de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes). | string Restrições: Padrão = \d+[bBkKmMgG] |
ResourceConfigurationProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | ||
{customized property} |
AutoMLVertical
Nome | Descrição | Valor |
---|---|---|
logVerbosity | Registar verbosidade para a tarefa. | "Crítico" "Depurar" "Erro" "Informações" "NotSet" "Aviso" |
targetColumnName | Nome da coluna de destino: esta é a coluna de valores de predição. Também conhecido como nome da coluna de etiqueta no contexto de tarefas de classificação. |
string |
trainingData | [Obrigatório] Entrada de dados de preparação. | MLTableJobInput (obrigatório) |
taskType | Definir o tipo de objeto | Classificação Previsão ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regressão TextClassification TextClassificationMultilabel TextNER (obrigatório) |
MLTableJobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "custom_model" "literal" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | "Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
Classificação
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Classificação" (obrigatório) |
cvSplitColumnNames | Colunas a utilizar para dados CVSplit. | string[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | TableFixedParameters |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
positiveLabel | Etiqueta positiva para cálculo de métricas binárias. | string |
primaryMetric | Métrica primária da tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | TableParameterSubspace[] |
sweepSettings | Definições de varrimento de modelos e otimização de hiperparâmetros. | TableSweepSettings |
testData | Testar a entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa de AutoML. | ClassificationTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
TableVerticalFeaturizationSettings
Nome | Descrição | Valor |
---|---|---|
blockedTransformers | Estes transformadores não devem ser utilizados na caracterização. | Matriz de cadeia que contém qualquer um dos seguintes: "CatTargetEncoder" "CountVectorizer" "HashOneHotEncoder" "LabelEncoder" "NaiveBayes" "OneHotEncoder" "TextTargetEncoder" "TfIdf" "WoETargetEncoder" "WordEmbedding" |
columnNameAndTypes | Dicionário do nome da coluna e do respetivo tipo (int, float, string, datetime, etc.). | TableVerticalFeaturizationSettingsColumnNameAndTypes |
datasetLanguage | Idioma do conjunto de dados, útil para os dados de texto. | string |
enableDnnFeaturization | Determina se deve utilizar os caracterizadores baseados em Dnn para a caracterização de dados. | bool |
mode | Modo de caracterização – o utilizador pode manter o modo "Automático" predefinido e o AutoML tratará da transformação necessária dos dados na fase de caracterização. Se "Desativado" estiver selecionado, não será efetuada qualquer caracterização. Se "Personalizado" estiver selecionado, o utilizador pode especificar entradas adicionais para personalizar a forma como a caracterização é feita. |
"Automático" "Personalizado" "Desativado" |
transformerParams | O utilizador pode especificar transformadores adicionais a serem utilizados juntamente com as colunas às quais seriam aplicados e parâmetros para o construtor do transformador. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
TableVerticalFeaturizationSettingsTransformerParams
Nome | Descrição | Valor |
---|---|---|
{customized property} | ColumnTransformer[] |
ColumnTransformer
Nome | Descrição | Valor |
---|---|---|
fields | Campos nos quais aplicar a lógica do transformador. | string[] |
parâmetros | Propriedades diferentes a serem transmitidas ao transformador. A entrada esperada é o dicionário de pares chave e valor no formato JSON. |
TableFixedParameters
Nome | Descrição | Valor |
---|---|---|
reforço | Especifique o tipo de reforço, por exemplo, gbdt para XGBoost. | string |
boostingType | Especifique o tipo de reforço, por exemplo, gbdt para LightGBM. | string |
growPolicy | Especifique a política de crescimento, que controla a forma como os novos nós são adicionados à árvore. | string |
learningRate | A taxa de aprendizagem do procedimento de preparação. | int |
maxBin | Especifique o Número máximo de classes discretas para criar registos de funcionalidades contínuas. | int |
maxDepth | Especifique a profundidade máxima para limitar explicitamente a profundidade da árvore. | int |
maxLeaves | Especifique o máximo de folhas para limitar explicitamente as folhas da árvore. | int |
minDataInLeaf | O número mínimo de dados por folha. | int |
minSplitGain | Redução mínima de perda necessária para criar uma partição adicional num nó de folha da árvore. | int |
modelName | O nome do modelo a preparar. | string |
nEstimadores | Especifique o número de árvores (ou arredonda) num modelo. | int |
numLeaves | Especifique o número de folhas. | int |
preprocessorName | O nome do pré-processamento a utilizar. | string |
regAlpha | Termo de regularização L1 em pesos. | int |
regLambda | Termo de regularização L2 em pesos. | int |
subscrição | Proporção da instância de preparação. | int |
subsampleFreq | Frequência da sub-amostra. | int |
treeMethod | Especifique o método de árvore. | string |
withMean | Se for verdadeiro, centro antes de dimensionar os dados com StandardScalar. | bool |
withStd | Se for verdadeiro, dimensione os dados com a Variação de Unidades com StandardScalar. | bool |
TableVerticalLimitSettings
Nome | Descrição | Valor |
---|---|---|
enableEarlyTermination | Ative a terminação antecipada, determina se o AutoMLJob terminará mais cedo se não houver melhoria de pontuação nas últimas 20 iterações. | bool |
exitScore | Classificação de saída para a tarefa de AutoML. | int |
maxConcurrentTrials | Máximo de iterações simultâneas. | int |
maxCoresPerTrial | Máx. de núcleos por iteração. | int |
maxNodes | Máximo de nós a utilizar para a experimentação. | int |
maxTrials | Número de iterações. | int |
sweepConcurrentTrials | Número de execuções de varrimento simultâneas que o utilizador quer acionar. | int |
sweepTrials | Número de execuções abrangentes que o utilizador quer acionar. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
trialTimeout | Tempo limite da iteração. | string |
NCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoNCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo para determinar validações N-Cross. | "Automático" (obrigatório) |
CustomNCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo para determinar validações N-Cross. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor de validações N-Cross. | int (obrigatório) |
TableParameterSubspace
Nome | Descrição | Valor |
---|---|---|
reforço | Especifique o tipo de reforço, por exemplo, gbdt para XGBoost. | string |
boostingType | Especifique o tipo de reforço, por exemplo, gbdt para LightGBM. | string |
growPolicy | Especifique a política de crescimento, que controla a forma como os novos nós são adicionados à árvore. | string |
learningRate | A taxa de aprendizagem do procedimento de preparação. | string |
maxBin | Especifique o Número máximo de classes discretas para criar registos de funcionalidades contínuas. | string |
maxDepth | Especifique a profundidade máxima para limitar explicitamente a profundidade da árvore. | string |
maxLeaves | Especifique o máximo de folhas para limitar explicitamente as folhas da árvore. | string |
minDataInLeaf | O número mínimo de dados por folha. | string |
minSplitGain | Redução mínima de perda necessária para criar uma partição adicional num nó de folha da árvore. | string |
modelName | O nome do modelo a preparar. | string |
nEstimadores | Especifique o número de árvores (ou arredonda) num modelo. | string |
numLeaves | Especifique o número de folhas. | string |
preprocessorName | O nome do pré-processamento a utilizar. | string |
regAlpha | Termo de regularização L1 em pesos. | string |
regLambda | Termo de regularização L2 em pesos. | string |
subscrição | Proporção da instância de preparação. | string |
subsampleFreq | Frequência da sub-amostra | string |
treeMethod | Especifique o método de árvore. | string |
withMean | Se for verdadeiro, centro antes de dimensionar os dados com StandardScalar. | string |
withStd | Se for verdadeiro, dimensione os dados com a Variação de Unidades com StandardScalar. | string |
TableSweepSettings
Nome | Descrição | Valor |
---|---|---|
earlyTermination | Tipo de política de cessação antecipada para o trabalho de varrimento. | EarlyTerminationPolicy |
samplingAlgorithm | [Obrigatório] Tipo de algoritmo de amostragem. | "Bayesian" "Grelha" "Aleatório" (obrigatório) |
EarlyTerminationPolicy
Nome | Descrição | Valor |
---|---|---|
delayEvaluation | Número de intervalos para atrasar a primeira avaliação. | int |
evaluationInterval | Intervalo (número de execuções) entre avaliações de políticas. | int |
policyType | Definir o tipo de objeto | Bandit MedianStopping TruncationSelection (obrigatório) |
BanditPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "Bandit" (obrigatório) |
slackAmount | Distância absoluta permitida da execução com melhor desempenho. | int |
slackFactor | Proporção da distância permitida da execução com melhor desempenho. | int |
MedianStoppingPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "MedianStopping" (obrigatório) |
TruncationSelectionPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "TruncationSelection" (obrigatório) |
truncationPercentage | A percentagem de execuções a cancelar em cada intervalo de avaliação. | int |
ClassificationTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para tarefas de classificação. | Matriz de cadeias que contém qualquer um dos seguintes: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier" |
blockedTrainingAlgorithms | Modelos bloqueados para tarefas de classificação. | Matriz de cadeias que contém qualquer um dos seguintes: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizar para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
trainingMode | Modo TrainingMode - Definir como "automático" é o mesmo que defini-lo como "não distribuído" por enquanto, no entanto, no futuro, pode resultar na seleção do modo misto ou do modo baseado em heurística. A predefinição é "auto". Se "Distribuído", só é utilizada a caracterização distribuída e são escolhidos algoritmos distribuídos. Se "Não Atribuído", só são escolhidos algoritmos não distribuídos. |
"Automático" "Distribuído" "Não Atribuído" |
StackEnsembleSettings
Nome | Descrição | Valor |
---|---|---|
stackMetaLearnerKWargs | Parâmetros opcionais para passar para o inicializador do meta-aluno. | |
stackMetaLearnerTrainPercentage | Especifica a proporção do conjunto de preparação (ao escolher o tipo de preparação e de validação) a reservar para a preparação do meta-aluno. O valor predefinido é 0,2. | int |
stackMetaLearnerType | O meta-aprendiz é um modelo preparado para a saída dos modelos heterogéneos individuais. | "ElasticNet" "ElasticNetCV" "LightGBMClassifier" "LightGBMRegressor" "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "Nenhum" |
Previsão
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Previsão" (necessária) |
cvSplitColumnAmes | Colunas a utilizar para dados CVSplit. | cadeia[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | TableFixedParameters |
forecastingSettings | Previsão de entradas específicas da tarefa. | PrevisãoDefinições |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
primaryMetric | Métrica primária para a tarefa de previsão. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "SpearmanCorrelation" |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | TableParameterSubspace[] |
sweepSettings | Definições para limpeza de modelos e otimização de hiperparâmetros. | TableSweepSettings |
testData | Testar entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa autoML. | ForecastingTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
PrevisãoDefinições
Nome | Descrição | Valor |
---|---|---|
countryOrRegionForHolidays | País ou região para feriados para previsão de tarefas. Estes devem ser códigos iso 3166 país/região de duas letras, por exemplo "E.U.A" ou "GB". |
string |
cvStepSize | Número de períodos entre a hora de origem de uma dobra de CV e a dobra seguinte. Para o por exemplo, se CVStepSize = 3 para dados diários, a hora de origem de cada dobra serátrês dias de diferença. |
int |
featureLags | Sinalizar para gerar atrasos para as funcionalidades numéricas com "automático" ou nulo. | "Automático" "Nenhum" |
featuresUnknownAtForecastTime | As colunas de funcionalidades disponíveis para preparação, mas desconhecidas no momento da previsão/inferência. Se features_unknown_at_forecast_time não estiver definido, presume-se que todas as colunas de funcionalidades no conjunto de dados são conhecidas no momento da inferência. |
cadeia[] |
forecastHorizon | O horizonte de previsão máximo pretendido em unidades de frequência de série temporal. | PrevisãoHorizon |
frequência | Ao prever, este parâmetro representa o período com o qual a previsão é pretendida, por exemplo, diariamente, semanalmente, anualmente, etc. Por predefinição, a frequência de previsão é a frequência do conjunto de dados. | string |
sazonalidade | Defina a sazonalidade da série temporal como um número inteiro múltiplo da frequência da série. Se a sazonalidade estiver definida como "automática", será inferida. |
Sazonalidade |
shortSeriesHandlingConfig | O parâmetro que define como se o AutoML deve processar séries de tempo curtos. | "Automático" "Largar" "Nenhum" "Pad" |
targetAggregateFunction | A função a ser utilizada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada por um utilizador. Se TargetAggregateFunction estiver definido, ou seja, não "Nenhum", mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "sum", "max", "min" e "mean". |
"Máximo" "Média" "Min" "Nenhum" "Soma" |
targetLags | O número de períodos anteriores a desfasar da coluna de destino. | TargetLags |
targetRollingWindowSize | O número de períodos anteriores utilizados para criar uma média de janela temporal da coluna de destino. | TargetRollingWindowSize |
timeColumnName | O nome da coluna de hora. Este parâmetro é necessário quando se prevê especificar a coluna datetime nos dados de entrada utilizados para criar a série temporal e inferir a respetiva frequência. | string |
timeSeriesIdColumnNames | Os nomes das colunas utilizadas para agrupar uma série de tempo. Pode ser utilizado para criar várias séries. Se a agregação não estiver definida, assume-se que o conjunto de dados é uma série temporal. Este parâmetro é utilizado com a previsão do tipo de tarefa. |
string[] |
useStl | Configure a Decomposição de STL da coluna de destino da série temporal. | "Nenhum" "Estação" "SeasonTrend" |
PrevisãoHorizon
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoForecastHorizon
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Defina o modo de seleção de valor de horizonte de previsão. | "Automático" (obrigatório) |
CustomForecastHorizon
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Defina o modo de seleção de valor de horizonte de previsão. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor de horizonte de previsão. | int (obrigatório) |
Sazonalidade
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoSeasonality
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de sazonalidade. | "Automático" (obrigatório) |
CustomSeasonality
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de sazonalidade. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor de sazonalidade. | int (obrigatório) |
TargetLags
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoTargetLags
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Definir o modo de atrasos de destino - Automático/Personalizado | "Automático" (obrigatório) |
CustomTargetLags
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Definir o modo de atrasos de destino - Automático/Personalizado | "Personalizado" (obrigatório) |
values | [Obrigatório] Definir valores de atrasos de destino. | int[] (obrigatório) |
TargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoTargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | "Automático" (obrigatório) |
CustomTargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | "Personalizado" (obrigatório) |
valor | [Obrigatório] TargetRollingWindowSize valor. | int (obrigatório) |
ForecastingTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para a tarefa de previsão. | Matriz de cadeias que contém qualquer um dos seguintes: "Arimax" "Arquivo Automático" "Média" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "Ingenuidade" "Profeta" "RandomForest" "SGD" "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor" |
blockedTrainingAlgorithms | Modelos bloqueados para a tarefa de previsão. | Matriz de cadeias que contém qualquer um dos seguintes: "Arimax" "Arquivo Automático" "Média" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "Ingenuidade" "Profeta" "RandomForest" "SGD" "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizar para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
trainingMode | Modo TrainingMode - Definir como "automático" é o mesmo que defini-lo como "não distribuído" por enquanto, no entanto, no futuro, pode resultar na seleção do modo misto ou do modo baseado em heurística. A predefinição é "auto". Se "Distribuído", só é utilizada a caracterização distribuída e são escolhidos algoritmos distribuídos. Se "Não Atribuído", só são escolhidos algoritmos não distribuídos. |
"Automático" "Distribuído" "Não Atribuído" |
ImageClassification
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageClassification" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa autoML. | ImageLimitSettings (obrigatório) |
modelSettings | Definições utilizadas para preparar o modelo. | ImageModelSettingsClassification |
primaryMetric | Métrica primária para otimizar para esta tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageLimitSettings
Nome | Descrição | Valor |
---|---|---|
maxConcurrentTrials | Número máximo de iterações Automáticas simultâneas. | int |
maxTrials | Número máximo de iterações autoML. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
ImageModelSettingsClassification
Nome | Descrição | Valor |
---|---|---|
advancedSettings | Definições para cenários avançados. | string |
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | bool |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
beta2 | Valor de "beta2" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
checkpointFrequency | Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo. | int |
checkpointModel | O modelo de ponto de verificação pré-preparado para preparação incremental. | MLFlowModelJobInput |
checkpointRunId | O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental. | string |
distribuído | Se pretende utilizar a preparação distribuída. | bool |
earlyStopping | Ative a lógica de paragem precoce durante a preparação. | bool |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria das métricas primárias é monitorizado para paragem antecipada. Tem de ser um número inteiro positivo. |
int |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhorias nas métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
int |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | bool |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter pontuações de métricas. Tem de ser um número inteiro positivo. | int |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
int |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
int |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | int |
learningRateScheduler | Tipo de programador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | "Nenhum" "Passo" "WarmupCosine" |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
momentum | Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1]. | int |
nesterov | Ative o aninhado quando o otimizador é "sgd". | bool |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | int |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | int |
otimizador | Tipo de otimizador. | "Adão" "Adamw" "Nenhum" "Sgd" |
randomSeed | Semente aleatória a utilizar ao utilizar a preparação determinista. | int |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | int |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | int |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | int |
trainingCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo. | int |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | int |
validationCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | int |
validationResizeSizeSize | Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | int |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | int |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | int |
weightDecay | Valor da decadência do peso quando o otimizador é "sgd", "adam" ou "adamw". Tem de ser um flutuante no intervalo[0, 1]. | int |
weightedLoss | Perda ponderada. Os valores aceites são 0 sem perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0 ou 1 ou 2. |
int |
MLFlowModelJobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "custom_model" "literal" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | "Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
Nome | Descrição | Valor |
---|---|---|
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | string |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
beta2 | Valor de "beta2" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
distribuído | Se pretende utilizar a preparação do distribuidor. | string |
earlyStopping | Ative a lógica de paragem precoce durante a preparação. | string |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria das métricas primárias é monitorizado para paragem antecipada. Tem de ser um número inteiro positivo. |
string |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhorias nas métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
string |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | string |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter pontuações de métricas. Tem de ser um número inteiro positivo. | string |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
string |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | string |
learningRateScheduler | Tipo de programador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | string |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
momentum | Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1]. | string |
nesterov | Ative o aninhado quando o otimizador é "sgd". | string |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | string |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | string |
otimizador | Tipo de otimizador. Tem de ser "sgd", "adão" ou "adamw". | string |
randomSeed | Semente aleatória a utilizar ao utilizar a preparação determinista. | string |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | string |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | string |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | string |
trainingCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo. | string |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | string |
validationCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | string |
validationResizeSizeSize | Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | string |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | string |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | string |
weightDecay | Valor da decadência do peso quando o otimizador é "sgd", "adam" ou "adamw". Tem de ser um flutuante no intervalo[0, 1]. | string |
weightedLoss | Perda ponderada. Os valores aceites são 0 sem perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0 ou 1 ou 2. |
string |
ImageSweepSettings
Nome | Descrição | Valor |
---|---|---|
earlyTermination | Tipo de política de cessação antecipada. | EarlyTerminationPolicy |
samplingAlgorithm | [Obrigatório] Tipo de algoritmos de amostragem de hiperparâmetros. | "Bayesian" "Grelha" "Aleatório" (obrigatório) |
ImageClassificationMultilabel
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageClassificationMultilabel" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa autoML. | ImageLimitSettings (obrigatório) |
modelSettings | Definições utilizadas para preparar o modelo. | ImageModelSettingsClassification |
primaryMetric | Métrica primária para otimizar para esta tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageInstanceSegmentation
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageInstanceSegmentation" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa autoML. | ImageLimitSettings (obrigatório) |
modelSettings | Definições utilizadas para preparar o modelo. | ImageModelSettingsObjectDetection |
primaryMetric | Métrica primária para otimizar para esta tarefa. | "MeanAveragePrecision" |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageModelSettingsObjectDetection
Nome | Descrição | Valor |
---|---|---|
advancedSettings | Definições para cenários avançados. | string |
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | bool |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
beta2 | Valor de "beta2" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
boxDetectionsPerImage | Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
boxScoreThreshold | Durante a inferência, só devolve propostas com uma classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1]. |
int |
checkpointFrequency | Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo. | int |
checkpointModel | O modelo de ponto de verificação pré-preparado para preparação incremental. | MLFlowModelJobInput |
checkpointRunId | O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental. | string |
distribuído | Se pretende utilizar a preparação distribuída. | bool |
earlyStopping | Ative a lógica de paragem precoce durante a preparação. | bool |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria das métricas primárias é monitorizado para paragem antecipada. Tem de ser um número inteiro positivo. |
int |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhorias nas métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
int |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | bool |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo. | int |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
int |
imageSize | Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM da CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
int |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
int |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | int |
learningRateScheduler | Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | "Nenhum" "Passo" "WarmupCosine" |
logTrainingMetrics | Ativar métricas de preparação de computação e registo. | "Desativar" "Ativar" |
logValidationLoss | Ative a perda de validação de registo e computação. | "Desativar" "Ativar" |
maxSize | Tamanho máximo da imagem a ser redimensionada antes de a alimentar na estrutura principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM cuda se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
minSize | Tamanho mínimo da imagem a ser redimensionada antes de a alimentar na estrutura principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM cuda se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação poderá entrar no OOM cuda se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
"ExtraLarge" "Grande" "Médio" "Nenhum" "Pequeno" |
impulso | Valor de impulso quando o otimizador é 'sgd'. Tem de ser um flutuante no intervalo [0, 1]. | int |
multiescala | Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
bool |
nesterov | Ative o aninhado quando o otimizador é "sgd". | bool |
nmsIouThreshold | Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de ser um flutuante no intervalo [0, 1]. | int |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | int |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | int |
otimizador | Tipo de otimizador. | "Adão" "Adamw" "Nenhum" "Sgd" |
randomSeed | Semente aleatória a ser utilizada ao utilizar preparação determinista. | int |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | int |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | int |
tileGridSize | O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhuma para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tileOverlapRatio | Relação de sobreposição entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
tilePredictionsNmsThreshold | O limiar de IOU a utilizar para executar o NMS enquanto intercala predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | int |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | int |
validationIouThreshold | Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1]. | int |
validationMetricType | Método de computação de métricas a utilizar para métricas de validação. | "Coco" "CocoVoc" "Nenhum" "Voc" |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | int |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | int |
espessuraDecay | Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1]. | int |
ImageModelDistributionSettingsObjectDetection
Nome | Descrição | Valor |
---|---|---|
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | string |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
beta2 | Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
boxDetectionsPerImage | Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
boxScoreThreshold | Durante a inferência, devolver apenas propostas com uma classificação de classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1]. |
string |
distribuído | Se pretende utilizar a preparação de distribuição. | string |
earlyStopping | Ative a lógica de paragem antecipada durante a preparação. | string |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo. |
string |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhorias nas métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
string |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | string |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter pontuações de métricas. Tem de ser um número inteiro positivo. | string |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
string |
imageSize | Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | string |
learningRateScheduler | Tipo de programador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | string |
maxSize | Tamanho máximo da imagem a dimensionar antes de a alimentar com a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
minSize | Tamanho mínimo da imagem a dimensionar antes de a alimentar para a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
momentum | Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1]. | string |
multiScale | Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
nesterov | Ative o aninhado quando o otimizador é "sgd". | string |
nmsIouThreshold | Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de estar a flutuar no intervalo [0, 1]. | string |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | string |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | string |
otimizador | Tipo de otimizador. Tem de ser "sgd", "adão" ou "adamw". | string |
randomSeed | Semente aleatória a utilizar ao utilizar a preparação determinista. | string |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | string |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | string |
tileGridSize | O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhuma para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tileOverlapRatio | Relação de sobreposição entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tilePredictionsNmsThreshold | O limiar de IOU a utilizar para executar o NMS enquanto intercala predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5". NMS: Supressão não máxima |
string |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | string |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | string |
validationIouThreshold | Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1]. | string |
validationMetricType | Método de computação de métricas a utilizar para métricas de validação. Tem de ser "nenhum", "coco", "voc" ou "coco_voc". | string |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | string |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | string |
espessuraDecay | Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1]. | string |
ImageObjectDetection
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageObjectDetection" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa de AutoML. | ImageLimitSettings (obrigatório) |
modelDefinições | Definições utilizadas para preparar o modelo. | ImageModelSettingsObjectDetection |
primaryMetric | Métrica primária a otimizar para esta tarefa. | "MeanAveragePrecision" |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
Regressão
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Regressão" (obrigatório) |
cvSplitColumnNames | Colunas a utilizar para dados CVSplit. | string[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | TableFixedParameters |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
primaryMetric | Métrica primária da tarefa de regressão. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "SpearmanCorrelation" |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | TableParameterSubspace[] |
sweepSettings | Definições para limpeza de modelos e otimização de hiperparâmetros. | TableSweepSettings |
testData | Testar entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa autoML. | RegressionTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
RegressionTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para tarefas de regressão. | Matriz de cadeias que contém qualquer um dos seguintes: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor" |
blockedTrainingAlgorithms | Modelos bloqueados para tarefas de regressão. | Matriz de cadeias que contém qualquer um dos seguintes: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizar para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
trainingMode | Modo TrainingMode - Definir como "automático" é o mesmo que defini-lo como "não distribuído" por enquanto, no entanto, no futuro, pode resultar na seleção do modo misto ou do modo baseado em heurística. A predefinição é "auto". Se "Distribuído", só é utilizada a caracterização distribuída e são escolhidos algoritmos distribuídos. Se "Não Atribuído", só são escolhidos algoritmos não distribuídos. |
"Automático" "Distribuído" "Não Atribuído" |
TextClassification
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextClassification" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | NlpFixedParameters |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
primaryMetric | Métrica primária para Text-Classification tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | NlpParameterSubspace[] |
sweepSettings | Definições de varrimento de modelos e otimização de hiperparâmetros. | NlpSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
NlpVerticalFeaturizationSettings
Nome | Descrição | Valor |
---|---|---|
datasetLanguage | Idioma do conjunto de dados, útil para os dados de texto. | string |
NlpFixedParameters
Nome | Descrição | Valor |
---|---|---|
gradientAccumulationSteps | Número de passos para acumular gradações antes de executar uma passagem para trás. | int |
learningRate | A taxa de aprendizagem do procedimento de preparação. | int |
learningRateScheduler | O tipo de agenda de taxa de aprendizagem a utilizar durante o procedimento de preparação. | "Constante" "ConstantWithWarmup" "Cosine" "CosineWithRestarts" "Linear" "Nenhum" "Polinomial" |
modelName | O nome do modelo a preparar. | string |
numberOfEpochs | Número de épocas de preparação. | int |
trainingBatchSize | O tamanho do lote para o procedimento de preparação. | int |
validationBatchSize | O tamanho do lote a utilizar durante a avaliação. | int |
warmupRatio | A proporção de aquecimento, utilizada juntamente com LrSchedulerType. | int |
espessuraDecay | A decadência do peso para o procedimento de treino. | int |
NlpVerticalLimitSettings
Nome | Descrição | Valor |
---|---|---|
maxConcurrentTrials | Máximo de iterações de AutoML Simultâneas. | int |
maxNodes | Máximo de nós a utilizar para a experimentação. | int |
maxTrials | Número de iterações de AutoML. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
trialTimeout | Tempo limite para avaliações individuais em HD. | string |
NlpParameterSubspace
Nome | Descrição | Valor |
---|---|---|
gradientAccumulationSteps | Número de passos para acumular gradações antes de executar uma passagem para trás. | string |
learningRate | A taxa de aprendizagem do procedimento de preparação. | string |
learningRateScheduler | O tipo de agenda de taxa de aprendizagem a utilizar durante o procedimento de preparação. | string |
modelName | O nome do modelo a preparar. | string |
numberOfEpochs | Número de épocas de preparação. | string |
trainingBatchSize | O tamanho do lote para o procedimento de preparação. | string |
validationBatchSize | O tamanho do lote a utilizar durante a avaliação. | string |
warmupRatio | A proporção de aquecimento, utilizada juntamente com LrSchedulerType. | string |
weightDecay | A decadência do peso para o procedimento de treino. | string |
NlpSweepSettings
Nome | Descrição | Valor |
---|---|---|
earlyTermination | Tipo de política de cessação antecipada para o trabalho abrangente. | EarlyTerminationPolicy |
samplingAlgorithm | [Obrigatório] Tipo de algoritmo de amostragem. | "Bayesian" "Grelha" "Aleatório" (obrigatório) |
TextClassificationMultilabel
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextClassificationMultilabel" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | NlpFixedParameters |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | NlpParameterSubspace[] |
sweepSettings | Definições para limpeza de modelos e otimização de hiperparâmetros. | NlpSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
TextNer
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextNER" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
fixedParameters | Parâmetros de modelo/preparação que permanecerão constantes durante a preparação. | NlpFixedParameters |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | NlpParameterSubspace[] |
sweepSettings | Definições para limpeza de modelos e otimização de hiperparâmetros. | NlpSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
CommandJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Comando" (obrigatório) |
autologgerSettings | Configuração de distribuição da tarefa. Se estiver definido, este deve ser um de Mpi, Tensorflow, PyTorch ou nulo. | AutologgerSettings |
codeId | ID do recurso arm do recurso de código. | string |
command | [Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py" | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
distribuição | Configuração de distribuição da tarefa. Se estiver definido, este deve ser de Mpi, Tensorflow, PyTorch, Ray ou nulo. | DistributionConfiguration |
environmentId | [Obrigatório] O ID de recurso do ARM da especificação do Ambiente para a tarefa. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | CommandJobEnvironmentVariables |
entradas | Mapeamento de enlaces de dados de entrada utilizados na tarefa. | CommandJobInputs |
limites | Limite de Tarefas de Comando. | CommandJobLimits |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | CommandJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
AutologgerSettings
Nome | Descrição | Valor |
---|---|---|
mlflowAutologger | [Obrigatório] Indica se o alogger automático do mlflow está ativado. | "Desativado" "Ativado" (obrigatório) |
DistributionConfiguration
Nome | Descrição | Valor |
---|---|---|
distributionType | Definir o tipo de objeto | Mpi PyTorch Raio TensorFlow (obrigatório) |
Mpi
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de estrutura de distribuição. | "Mpi" (obrigatório) |
processCountPerInstance | Número de processos por nó MPI. | int |
PyTorch
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de estrutura de distribuição. | "PyTorch" (obrigatório) |
processCountPerInstance | Número de processos por nó. | int |
Raio
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de estrutura de distribuição. | "Ray" (obrigatório) |
address | O endereço do nó principal do Ray. | string |
dashboardPort | A porta à qual vincular o servidor de dashboards. | int |
headNodeAdditionalArgs | Argumentos adicionais transmitidos para ray start no nó principal. | string |
includeDashboard | Indique este argumento para iniciar a GUI do dashboard do Ray. | bool |
porta | A porta do processo de raio-cabeça. | int |
workerNodeAdditionalArgs | Argumentos adicionais transmitidos ao ray start no nó de trabalho. | string |
TensorFlow
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de arquitetura de distribuição. | "TensorFlow" (obrigatório) |
parameterServerCount | Número de tarefas de servidor de parâmetros. | int |
workerCount | Número de trabalhadores. Se não for especificado, a predefinição será a contagem de instâncias. | int |
CommandJobEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
CommandJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
JobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | Definir o tipo de objeto | custom_model literal mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "custom_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | "Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
LiteralJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "literal" (obrigatório) |
valor | [Obrigatório] Valor literal para a entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
TritonModelJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "triton_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | "Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFileJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "uri_file" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | "Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFolderJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "uri_folder" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | "Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
CommandJobLimits
Nome | Descrição | Valor |
---|---|---|
jobLimitsType | [Obrigatório] Tipo jobLimit. | "Comando" "Varrer" (obrigatório) |
tempo limite | A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Só suporta a duração com precisão tão baixa como Segundos. | string |
CommandJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
LabelingJobProperties
Nome | Descrição | Valor |
---|---|---|
componentId | ID do recurso arm do recurso do componente. | string |
computeId | ID do recurso arm do recurso de computação. | string |
dataConfiguration | Configuração dos dados utilizados na tarefa. | LabelingDataConfiguration |
descrição | O texto de descrição do recurso. | string |
displayName | Nome a apresentar da tarefa. | string |
experimentName | O nome da experimentação a que pertence a tarefa. Se não estiver definido, a tarefa é colocada na experimentação "Predefinição". | string |
identidade | Configuração de identidade. Se estiver definido, este deve ser um de AmlToken, ManagedIdentity, UserIdentity ou nulo. A predefinição é AmlToken se for nulo. |
IdentityConfiguration |
isArchived | O elemento está arquivado? | bool |
jobInstructions | Instruções de etiquetagem da tarefa. | LabelingJobInstructions |
jobType | [Obrigatório] Especifica o tipo de tarefa. | "AutoML" "Comando" "Etiquetagem" "Pipeline" "Spark" "Varrer" (obrigatório) |
labelCategories | Etiquetar categorias da tarefa. | LabelingJobLabelCategories |
labelingJobMediaProperties | Propriedades específicas do tipo de suporte de dados na tarefa. | LabelingJobMediaProperties |
mlAssistConfiguration | Configuração da funcionalidade MLAssist na tarefa. | MLAssistConfiguration |
notificationSetting | Definição de notificação para a tarefa | NotificationSetting |
propriedades | O dicionário da propriedade do recurso. | Propriedades do ResourceBase |
secretsConfiguration | Configuração para que os segredos sejam disponibilizados durante o runtime. | JobBaseSecretsConfiguration |
services | Lista de JobEndpoints. Para tarefas locais, um ponto final de tarefa terá um valor de ponto final de FileStreamObject. |
JobBaseServices |
etiquetas | Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas. | objeto |
LabelingDataConfiguration
Nome | Descrição | Valor |
---|---|---|
dataId | ID de recurso do recurso de dados para efetuar a etiquetagem. | string |
incrementalDataRefresh | Indica se pretende ativar a atualização incremental de dados. | "Desativado" "Ativado" |
LabelingJobInstructions
Nome | Descrição | Valor |
---|---|---|
URI | A ligação para uma página com instruções de etiquetagem detalhadas para etiquetadores. | string |
LabelingJobLabelCategories
Nome | Descrição | Valor |
---|---|---|
{customized property} | LabelCategory | |
{customized property} | LabelCategory |
LabelCategory
Nome | Descrição | Valor |
---|---|---|
classes | Dicionário de classes de etiquetas nesta categoria. | LabelCategoryClasses |
displayName | Nome a apresentar da categoria de etiqueta. | string |
seleção múltipla | Indica se é permitido selecionar várias classes nesta categoria. | "Desativado" "Ativado" |
LabelCategoryClasses
Nome | Descrição | Valor |
---|---|---|
{customized property} | LabelClass |
LabelClass
Nome | Descrição | Valor |
---|---|---|
displayName | Nome a apresentar da classe de etiqueta. | string |
subclasses | Dicionário de subclasses da classe de etiqueta. | LabelClassSubclasses |
LabelClassSubclasses
Nome | Descrição | Valor |
---|---|---|
{customized property} | LabelClass |
LabelingJobMediaProperties
Nome | Descrição | Valor |
---|---|---|
mediaType | Definir o tipo de objeto | Imagem Texto (obrigatório) |
LabelingJobImageProperties
Nome | Descrição | Valor |
---|---|---|
mediaType | [Obrigatório] Tipo de suporte de dados da tarefa. | "Imagem" (obrigatório) |
annotationType | Tipo de anotação da tarefa de etiquetagem de imagens. | "BoundingBox" "Classificação" "InstanceSegmentation" |
LabelingJobTextProperties
Nome | Descrição | Valor |
---|---|---|
mediaType | [Obrigatório] Tipo de multimédia da tarefa. | "Texto" (obrigatório) |
annotationType | Tipo de anotação da tarefa de etiquetagem de texto. | "Classificação" "NamedEntityRecognition" |
MLAssistConfiguration
Nome | Descrição | Valor |
---|---|---|
mlAssist | Definir o tipo de objeto | Desativado Ativado (obrigatório) |
MLAssistConfigurationDisabled
Nome | Descrição | Valor |
---|---|---|
mlAssist | [Obrigatório] Indica se a funcionalidade MLAssist está ativada. | "Desativado" (obrigatório) |
MLAssistConfigurationEnabled
Nome | Descrição | Valor |
---|---|---|
mlAssist | [Obrigatório] Indica se a funcionalidade MLAssist está ativada. | "Ativado" (obrigatório) |
inferencingComputeBinding | [Obrigatório] Enlace de computação AML utilizado na inferência. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
trainingComputeBinding | [Obrigatório] Enlace de computação AML utilizado na preparação. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
PipelineJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Pipeline" (obrigatório) |
entradas | Entradas para a tarefa de pipeline. | PipelineJobInputs |
tarefas | As tarefas constroem a Tarefa de Pipeline. | PipelineJobJobs |
saídas | Saídas para a tarefa de pipeline | PipelineJobOutputs |
definições | Definições do pipeline, para aspetos como ContinueRunOnStepFailure, etc. | |
sourceJobId | ID de recurso arm da tarefa de origem. | string |
PipelineJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
PipelineJobJobs
Nome | Descrição | Valor |
---|---|---|
{customized property} |
PipelineJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
SparkJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Spark" (obrigatório) |
arquivos | Arquivar ficheiros utilizados na tarefa. | cadeia[] |
args | Argumentos para a tarefa. | string |
codeId | [Obrigatório] ID do recurso arm do recurso de código. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
conf | Propriedades configuradas do Spark. | SparkJobConf |
entrada | [Obrigatório] A entrada a executar no arranque da tarefa. | SparkJobEntry (obrigatório) |
environmentId | O ID de recurso do ARM da especificação do Ambiente para a tarefa. | string |
ficheiros | Ficheiros utilizados na tarefa. | string[] |
entradas | Mapeamento de enlaces de dados de entrada utilizados na tarefa. | SparkJobInputs |
jars | Ficheiros jar utilizados na tarefa. | string[] |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | SparkJobOutputs |
pyFiles | Ficheiros Python utilizados na tarefa. | string[] |
queueSettings | Definições de fila para a tarefa | QueueSettings |
resources | Configuração do Recurso de Computação para a tarefa. | SparkResourceConfiguration |
SparkJobConf
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
SparkJobEntry
Nome | Descrição | Valor |
---|---|---|
sparkJobEntryType | Definir o tipo de objeto | SparkJobPythonEntry SparkJobScalaEntry (obrigatório) |
SparkJobPythonEntry
Nome | Descrição | Valor |
---|---|---|
sparkJobEntryType | [Obrigatório] Tipo do ponto de entrada da tarefa. | "SparkJobPythonEntry" (obrigatório) |
file | [Obrigatório] Caminho de ficheiro python relativo para o ponto de entrada da tarefa. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SparkJobScalaEntry
Nome | Descrição | Valor |
---|---|---|
sparkJobEntryType | [Obrigatório] Tipo do ponto de entrada da tarefa. | "SparkJobScalaEntry" (obrigatório) |
className | [Obrigatório] Nome da classe Scala utilizado como ponto de entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SparkJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
SparkJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
SparkResourceConfiguration
Nome | Descrição | Valor |
---|---|---|
instanceType | Tipo opcional de VM utilizado como suportado pelo destino de computação. | string |
runtimeVersion | Versão do runtime do Spark utilizada para a tarefa. | string |
SweepJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Varrer" (obrigatório) |
earlyTermination | As políticas de cessação antecipada permitem cancelar execuções com mau desempenho antes de serem concluídas | EarlyTerminationPolicy |
entradas | Mapeamento de enlaces de dados de entrada utilizados na tarefa. | SweepJobInputs |
limites | Limite de Tarefas de Varrimento. | SweepJobLimits |
objetivo | [Obrigatório] Objetivo de otimização. | Objetivo (obrigatório) |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | SweepJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
samplingAlgorithm | [Obrigatório] O algoritmo de amostragem de hiperparâmetros | SamplingAlgorithm (obrigatório) |
searchSpace | [Obrigatório] Um dicionário que contém cada parâmetro e a respetiva distribuição. A chave do dicionário é o nome do parâmetro | |
trial | [Obrigatório] Definição do componente de avaliação. | TrialComponent (obrigatório) |
SweepJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
SweepJobLimits
Nome | Descrição | Valor |
---|---|---|
jobLimitsType | [Obrigatório] Tipo jobLimit. | "Comando" "Varrer" (obrigatório) |
maxConcurrentTrials | Varra o número máximo de tentativas simultâneas da Tarefa. | int |
maxTotalTrials | Varra o número máximo de tentativas de Tarefas. | int |
tempo limite | A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Só suporta a duração com precisão tão baixa como Segundos. | string |
trialTimeout | Valor de tempo limite da Avaliação de Tarefas de Varrimento. | string |
Objetivo
Nome | Descrição | Valor |
---|---|---|
goal | [Obrigatório] Define os objetivos de métricas suportados para otimização de hiperparâmetros | "Maximizar" "Minimizar" (obrigatório) |
primaryMetric | [Obrigatório] Nome da métrica a otimizar. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SweepJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
SamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | Definir o tipo de objeto | Bayesian Grelha Aleatório (obrigatório) |
BayesianSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Bayesian" (obrigatório) |
GridSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Grelha" (obrigatório) |
RandomSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Aleatório" (obrigatório) |
logbase | Um número positivo opcional ou e no formato de cadeia a ser utilizado como base para a amostragem aleatória baseada em registos | string |
regra | O tipo específico de algoritmo aleatório | "Aleatório" "Sobol" |
seed | Um número inteiro opcional para utilizar como seed para geração de números aleatórios | int |
TrialComponent
Nome | Descrição | Valor |
---|---|---|
codeId | ID do recurso arm do recurso de código. | string |
command | [Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py" | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
distribuição | Configuração de distribuição da tarefa. Se estiver definido, este deve ser um Mpi, Tensorflow, PyTorch ou nulo. | DistributionConfiguration |
environmentId | [Obrigatório] O ID de recurso do ARM da especificação do Ambiente para a tarefa. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | TrialComponentEnvironmentVariables |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
CreateMonitorAction
Nome | Descrição | Valor |
---|---|---|
actionType | [Obrigatório] Especifica o tipo de ação da agenda | "CreateMonitor" (obrigatório) |
monitorDefinition | [Obrigatório] Define o monitor. | MonitorDefinition (obrigatório) |
MonitorDefinition
Nome | Descrição | Valor |
---|---|---|
alertNotificationSetting | As definições de notificação do monitor. | MonitoringAlertNotificationSettingsBase |
computeConfiguration | [Obrigatório] O ID de recurso do ARM do recurso de computação em que vai executar a tarefa de monitorização. | MonitorComputeConfigurationBase (obrigatório) |
monitoringTarget | O ID de recurso do ARM do modelo ou implementação visado por este monitor. | MonitoringTarget |
sinais | [Obrigatório] Os sinais a monitorizar. | MonitorDefinitionSignals (obrigatório) |
MonitoringAlertNotificationSettingsBase
Nome | Descrição | Valor |
---|---|---|
alertNotificationType | Definir o tipo de objeto | AzureMonitor Email (obrigatório) |
AzMonMonitoringAlertNotificationSettings
Nome | Descrição | Valor |
---|---|---|
alertNotificationType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "AzureMonitor" (obrigatório) |
EmailMonitoringAlertNotificationSettings
Nome | Descrição | Valor |
---|---|---|
alertNotificationType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "Email" (obrigatório) |
emailNotificationSetting | Configuração para notificação. | NotificationSetting |
MonitorComputeConfigurationBase
Nome | Descrição | Valor |
---|---|---|
computeType | Definir o tipo de objeto | ServerlessSpark (obrigatório) |
MonitorServerlessSparkCompute
Nome | Descrição | Valor |
---|---|---|
computeType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "ServerlessSpark" (obrigatório) |
computeIdentity | [Obrigatório] O esquema de identidades utilizado pelas tarefas do Spark em execução no Spark sem servidor. | MonitorComputeIdentityBase (obrigatório) |
instanceType | [Obrigatório] O tipo de instância a executar a tarefa do Spark. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
runtimeVersion | [Obrigatório] A versão do runtime do Spark. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
MonitorComputeIdentityBase
Nome | Descrição | Valor |
---|---|---|
computeIdentityType | Definir o tipo de objeto | AmlToken ManagedIdentity (obrigatório) |
AmlTokenComputeIdentity
Nome | Descrição | Valor |
---|---|---|
computeIdentityType | [Obrigatório] Monitorizar o tipo de identidade de computação enum. | "AmlToken" (obrigatório) |
ManagedComputeIdentity
Nome | Descrição | Valor |
---|---|---|
computeIdentityType | [Obrigatório] Monitorizar o tipo de identidade de computação enum. | "ManagedIdentity" (obrigatório) |
identidade | Identidade de serviço gerida (identidades atribuídas pelo sistema e/ou pelo utilizador) | ManagedServiceIdentity |
ManagedServiceIdentity
Nome | Descrição | Valor |
---|---|---|
tipo | Tipo de identidade de serviço gerida (onde os tipos SystemAssigned e UserAssigned são permitidos). | "SystemAssigned" "SystemAssigned,UserAssigned" "UserAssigned" (obrigatório) |
identity_ids | O conjunto de identidades atribuídas pelo utilizador associadas ao recurso. As chaves de dicionário userAssignedIdentities serão IDs de recursos do ARM no formulário: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Os valores do dicionário podem ser objetos vazios ({}) nos pedidos. | Matriz de IDs de identidade de utilizador. |
UserAssignedIdentities
Nome | Descrição | Valor |
---|---|---|
{customized property} | UserAssignedIdentity |
UserAssignedIdentity
Este objeto não contém quaisquer propriedades a definir durante a implementação. Todas as propriedades são ReadOnly.
MonitoringTarget
Nome | Descrição | Valor |
---|---|---|
deploymentId | O ID de recurso do ARM da implementação visada por este monitor. | string |
modelId | O ID de recurso do ARM do modelo visado por este monitor. | string |
taskType | [Obrigatório] O tipo de tarefa de machine learning do modelo. | "Classificação" "QuestionAnswering" "Regressão" (necessária) |
MonitorDefinitionSignals
Nome | Descrição | Valor |
---|---|---|
{customized property} | MonitoringSignalBase |
MonitoringSignalBase
Nome | Descrição | Valor |
---|---|---|
mode | O modo de notificação atual para este sinal. | "Desativado" "Ativado" |
propriedades | Dicionário de propriedades. As propriedades podem ser adicionadas, mas não removidas ou alteradas. | MonitoringSignalBaseProperties |
signalType | Definir o tipo de objeto | Personalizado DataDrift Igualdade de Dados FeatureAttributionDrift GenerationSafetyQuality GenerationTokenStatistics ModelPerformance PredictionDrift (obrigatório) |
MonitoringSignalBaseProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
CustomMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "Personalizado" (obrigatório) |
componentId | [Obrigatório] ID de recurso arm do recurso do componente utilizado para calcular as métricas personalizadas. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
inputAssets | Monitorizar recursos a utilizar como entrada. A chave é o nome da porta de entrada do componente, o valor é o recurso de dados. | CustomMonitoringSignalInputAssets |
entradas | Parâmetros de componente adicionais a utilizar como entrada. A chave é o nome da porta de entrada literal do componente, o valor é o valor do parâmetro. | CustomMonitoringSignalInputs |
metricThresholds | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | CustomMetricThreshold[] (obrigatório) |
workspaceConnection | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | MonitoringWorkspaceConnection (necessário) |
CustomMonitoringSignalInputAssets
Nome | Descrição | Valor |
---|---|---|
{customized property} | MonitoringInputDataBase |
MonitoringInputDataBase
Nome | Descrição | Valor |
---|---|---|
colunas | Mapeamento de nomes de colunas para utilizações especiais. | MonitoringInputDataBaseColumns |
dataContext | Os metadados de contexto da origem de dados. | string |
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "custom_model" "literal" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (obrigatório) |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
inputDataType | Definir o tipo de objeto | Fixo Estático À direita (obrigatório) |
MonitoringInputDataBaseColumns
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
FixedInputData
Nome | Descrição | Valor |
---|---|---|
inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "Corrigido" (obrigatório) |
StaticInputData
Nome | Descrição | Valor |
---|---|---|
inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "Estático" (obrigatório) |
preprocessingComponentId | O ID de recurso do ARM do recurso de componente utilizado para pré-processar os dados. | string |
windowEnd | [Obrigatório] A data de fim da janela de dados. | cadeia (obrigatório) |
windowStart | [Obrigatório] A data de início da janela de dados. | cadeia (obrigatório) |
TrailingInputData
Nome | Descrição | Valor |
---|---|---|
inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "À direita" (obrigatório) |
preprocessingComponentId | O ID de recurso do ARM do recurso de componente utilizado para pré-processar os dados. | string |
windowOffset | [Obrigatório] O desvio de tempo entre o fim da janela de dados e o tempo de execução atual do monitor. | cadeia (obrigatório) |
windowSize | [Obrigatório] O tamanho da janela de dados à direita. | cadeia (obrigatório) |
CustomMonitoringSignalInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
CustomMetricThreshold
Nome | Descrição | Valor |
---|---|---|
Métrica | [Obrigatório] A métrica definida pelo utilizador a calcular. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
MonitoringThreshold
Nome | Descrição | Valor |
---|---|---|
valor | O valor do limiar. Se for nulo, a predefinição do conjunto depende do tipo de métrica. | int |
MonitoringWorkspaceConnection
Nome | Descrição | Valor |
---|---|---|
environmentVariables | As propriedades de uma ligação de serviço de área de trabalho para armazenar como variáveis de ambiente nas tarefas submetidas. A chave é o caminho da propriedade de ligação da área de trabalho, o nome é a chave da variável de ambiente. |
MonitoringWorkspaceConnectionEnvironmentVariables |
segredos | As propriedades de uma ligação de serviço de área de trabalho para armazenar como segredos nas tarefas submetidas. A chave é o caminho da propriedade de ligação da área de trabalho, o nome é a chave secreta. |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
MonitoringWorkspaceConnectionSecrets
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
DataDriftMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "DataDrift" (obrigatório) |
dataSegment | O segmento de dados utilizado para o âmbito de um subconjunto da população de dados. | MonitoringDataSegment |
featureDataTypeOverride | Um dicionário que mapeia nomes de funcionalidades para os respetivos tipos de dados. | DataDriftMonitoringSignalFeatureDataTypeOverride |
funcionalidades | O filtro de funcionalidade que identifica qual a funcionalidade a calcular desfasar. | MonitoringFeatureFilterBase |
metricThresholds | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | DataDriftMetricThresholdBase[] (obrigatório) |
productionData | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
referenceData | [Obrigatório] Os dados para calcular o desvio. | MonitoringInputDataBase (obrigatório) |
MonitoringDataSegment
Nome | Descrição | Valor |
---|---|---|
funcionalidade | A funcionalidade para segmentar os dados. | string |
values | Filtra apenas os valores especificados da funcionalidade segmentada especificada. | string[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
Nome | Descrição | Valor |
---|---|---|
{customized property} | "Categórico" "Numérico" |
MonitoringFeatureFilterBase
Nome | Descrição | Valor |
---|---|---|
filterType | Definir o tipo de objeto | AllFeatures FeatureSubset TopNByAttribution (obrigatório) |
AllFeatures
Nome | Descrição | Valor |
---|---|---|
filterType | [Obrigatório] Especifica o filtro de funcionalidades a tirar partido da seleção de funcionalidades para calcular as métricas. | "AllFeatures" (obrigatório) |
FeatureSubset
Nome | Descrição | Valor |
---|---|---|
filterType | [Obrigatório] Especifica o filtro de funcionalidades a tirar partido da seleção de funcionalidades para calcular as métricas. | "FeatureSubset" (obrigatório) |
funcionalidades | [Obrigatório] A lista de funcionalidades a incluir. | string[] (obrigatório) |
TopNFeaturesByAttribution
Nome | Descrição | Valor |
---|---|---|
filterType | [Obrigatório] Especifica o filtro de funcionalidades a tirar partido da seleção de funcionalidades para calcular as métricas. | "TopNByAttribution" (obrigatório) |
top | O número de funcionalidades principais a incluir. | int |
DataDriftMetricThresholdBase
Nome | Descrição | Valor |
---|---|---|
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
dataType | Definir o tipo de objeto | Categórico Numérico (obrigatório) |
CategóricoDataDriftMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métricas. | "Categórico" (obrigatório) |
Métrica | [Obrigatório] A métrica de desvio de dados categóricos a calcular. | "JensenShannonDistance" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (obrigatório) |
NumericalDataDriftMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métricas. | "Numérico" (obrigatório) |
Métrica | [Obrigatório] A métrica de desvio de dados numéricos a calcular. | "JensenShannonDistance" "NormalizedWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (obrigatório) |
DataQualityMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "Igualdade de Dados" (obrigatório) |
featureDataTypeOverride | Um dicionário que mapeia nomes de funcionalidades para os respetivos tipos de dados. | DataQualityMonitoringSignalFeatureDataTypeOverride |
funcionalidades | As funcionalidades para calcular o desvio. | MonitoringFeatureFilterBase |
metricThresholds | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | DataQualityMetricThresholdBase[] (obrigatório) |
productionData | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
referenceData | [Obrigatório] Os dados para calcular o desvio. | MonitoringInputDataBase (obrigatório) |
DataQualityMonitoringSignalFeatureDataTypeOverride
Nome | Descrição | Valor |
---|---|---|
{customized property} | "Categórico" "Numérico" |
DataQualityMetricThresholdBase
Nome | Descrição | Valor |
---|---|---|
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
dataType | Definir o tipo de objeto | Categórico Numérico (obrigatório) |
CategóricoDataQualityMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métricas. | "Categórico" (obrigatório) |
Métrica | [Obrigatório] A métrica de qualidade dos dados categóricos a calcular. | "DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (obrigatório) |
NumericalDataQualityMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métricas. | "Numérico" (obrigatório) |
Métrica | [Obrigatório] A métrica de qualidade dos dados numéricos a calcular. | "DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (obrigatório) |
FeatureAttributionDriftMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "FeatureAttributionDrift" (obrigatório) |
metricThreshold | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | FeatureAttributionMetricThreshold (obrigatório) |
productionData | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase[] (obrigatório) |
referenceData | [Obrigatório] Os dados para calcular o desvio. | MonitoringInputDataBase (obrigatório) |
FeatureAttributionMetricThreshold
Nome | Descrição | Valor |
---|---|---|
Métrica | [Obrigatório] A métrica de atribuição de funcionalidades a calcular. | "NormalizedDiscountedCumulativeGain" (obrigatório) |
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
GenerationSafetyQualityMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "GenerationSafetyQuality" (obrigatório) |
metricThresholds | [Obrigatório] Obtém ou define as métricas para calcular e os limiares correspondentes. | GenerationSafetyQualityMetricThreshold[] (obrigatório) |
productionData | Obtém ou define os dados de destino para métricas de computação. | MonitoringInputDataBase[] |
amostragemRate | [Obrigatório] A taxa de exemplo dos dados de destino deve ser superior a 0 e, no máximo, 1. | int (obrigatório) |
workspaceConnectionId | Obtém ou define o ID de ligação da área de trabalho utilizado para ligar ao ponto final de geração de conteúdos. | string |
GenerationSafetyQualityMetricThreshold
Nome | Descrição | Valor |
---|---|---|
Métrica | [Obrigatório] Obtém ou define a métrica de atribuição de funcionalidades para calcular. | "AcceptableCoherenceScorePerInstance" "AcceptableFluencyScorePerInstance" "AcceptableGroundednessScorePerInstance" "AcceptableRelevanceScorePerInstance" "AcceptableSimilarityScorePerInstance" "AggregatedCoherencePassRate" "AggregatedFluencyPassRate" "AggregatedGroundednessPassRate" "AggregatedRelevancePassRate" "AggregatedSimilarityPassRate" (obrigatório) |
limiar | Obtém ou define o valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. |
MonitoringThreshold |
GenerationTokenStatisticsSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "GenerationTokenStatistics" (obrigatório) |
metricThresholds | [Obrigatório] Obtém ou define as métricas para calcular e os limiares correspondentes. | GenerationTokenStatisticsMetricThreshold[] (obrigatório) |
productionData | Obtém ou define os dados de destino para métricas de computação. | MonitoringInputDataBase |
amostragemRate | [Obrigatório] A taxa de exemplo dos dados de destino deve ser superior a 0 e, no máximo, 1. | int (obrigatório) |
GenerationTokenStatisticsMetricThreshold
Nome | Descrição | Valor |
---|---|---|
Métrica | [Obrigatório] Obtém ou define a métrica de atribuição de funcionalidades para calcular. | "TotalTokenCount" "TotalTokenCountPerGroup" (obrigatório) |
limiar | Obtém ou define o valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. |
MonitoringThreshold |
ModelPerformanceSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "ModelPerformance" (obrigatório) |
dataSegment | O segmento de dados. | MonitoringDataSegment |
metricThreshold | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | ModelPerformanceMetricThresholdBase (obrigatório) |
productionData | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o desvio será calculado. | MonitoringInputDataBase[] (obrigatório) |
referenceData | [Obrigatório] Os dados para calcular o desvio. | MonitoringInputDataBase (obrigatório) |
ModelPerformanceMetricThresholdBase
Nome | Descrição | Valor |
---|---|---|
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
modelType | Definir o tipo de objeto | Classificação Regressão (obrigatório) |
ClassificationModelPerformanceMetricThreshold
Nome | Descrição | Valor |
---|---|---|
modelType | [Obrigatório] Especifica o tipo de dados do limiar de métrica. | "Classificação" (obrigatório) |
Métrica | [Obrigatório] O desempenho do modelo de classificação a calcular. | "Precisão" "Precisão" "Recall" (obrigatório) |
RegressionModelPerformanceMetricThreshold
Nome | Descrição | Valor |
---|---|---|
modelType | [Obrigatório] Especifica o tipo de dados do limiar de métrica. | "Regressão" (necessária) |
Métrica | [Obrigatório] A métrica de desempenho do modelo de regressão a calcular. | "MeanAbsoluteError" "MeanSquaredError" "RootMeanSquaredError" (obrigatório) |
PredictionDriftMonitoringSignal
Nome | Descrição | Valor |
---|---|---|
signalType | [Obrigatório] Especifica o tipo de sinal a monitorizar. | "PredictionDrift" (obrigatório) |
metricThresholds | [Obrigatório] Uma lista de métricas para calcular e os respetivos limiares associados. | PredictionDriftMetricThresholdBase[] (obrigatório) |
modelType | [Obrigatório] O tipo de modelo monitorizado. | "Classificação" "Regressão" (necessária) |
productionData | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
referenceData | [Obrigatório] Os dados a calcular são desfasados. | MonitoringInputDataBase (obrigatório) |
PredictionDriftMetricThresholdBase
Nome | Descrição | Valor |
---|---|---|
limiar | O valor do limiar. Se for nulo, será definido um valor predefinido consoante a métrica selecionada. | MonitoringThreshold |
dataType | Definir o tipo de objeto | Categórico Numérico (obrigatório) |
CategoricalPredictionDriftMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métrica. | "Categórico" (obrigatório) |
Métrica | [Obrigatório] A métrica de desvio de predição categórica a calcular. | "JensenShannonDistance" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (obrigatório) |
NumericalPredictionDriftMetricThreshold
Nome | Descrição | Valor |
---|---|---|
dataType | [Obrigatório] Especifica o tipo de dados do limiar de métrica. | "Numérico" (obrigatório) |
Métrica | [Obrigatório] A métrica de desvio de predição numérica a calcular. | "JensenShannonDistance" "NormalizedWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (obrigatório) |
ImportDataAction
Nome | Descrição | Valor |
---|---|---|
actionType | [Obrigatório] Especifica o tipo de ação da agenda | "ImportData" (obrigatório) |
dataImportDefinition | [Obrigatório] Define detalhes da definição de ação Agendar. | DataImport (obrigatório) |
DataImport
Nome | Descrição | Valor |
---|---|---|
assetName | Nome do recurso para a tarefa de importação de dados a criar | string |
autoDeleteSetting | Especifica a definição de ciclo de vida do recurso de dados geridos. | AutoDeleteSetting |
dataType | [Obrigatório] Especifica o tipo de dados. | "mltable" "uri_file" "uri_folder" (obrigatório) |
dataUri | [Obrigatório] Uri dos dados. Exemplo: https://go.microsoft.com/fwlink/?linkid=2202330 |
cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
descrição | O texto de descrição do recurso. | string |
intellectualProperty | Detalhes da Propriedade Intelectual. Utilizado se os dados forem uma Propriedade Intelectual. | IntelectualProperty |
isAnonymous | Se a versão do nome for gerada pelo sistema (registo anónimo). Para tipos em que a Fase é definida, quando a Fase for fornecida, será utilizada para preencher IsAnonymous | bool |
isArchived | O recurso está arquivado? Para tipos em que a Fase é definida, quando a Fase é fornecida, será utilizada para preencher IsArchived | bool |
propriedades | O dicionário da propriedade do recurso. | ResourceBaseProperties |
source | Dados de origem do recurso a importar a partir de | DataImportSource |
palco | Fase do ciclo de vida dos dados atribuído a este recurso de dados | string |
etiquetas | Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas. | objeto |
IntelectualProperty
Nome | Descrição | Valor |
---|---|---|
protectionLevel | Nível de proteção da Propriedade Intelectual. | "Tudo" "Nenhum" |
publicador | [Obrigatório] Publicador da Propriedade Intelectual. Tem de ser igual ao nome do publicador do Registo. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
DataImportSource
Nome | Descrição | Valor |
---|---|---|
ligação | Ligação da área de trabalho para o armazenamento de origem de importação de dados | string |
sourceType | Definir o tipo de objeto | base de dados file_system (obrigatório) |
DatabaseSource
Nome | Descrição | Valor |
---|---|---|
sourceType | [Obrigatório] Especifica o tipo de dados. | "base de dados" (necessária) |
query | Instrução de Consulta SQL para a origem da base de dados de importação de dados | string |
storedProcedure | SQL StoredProcedure na origem da base de dados de importação de dados | string |
storedProcedureParams | Parâmetros do SQL StoredProcedure | DatabaseSourceStoredProcedureParamsItem[] |
tableName | Nome da tabela na origem da base de dados de importação de dados | string |
DatabaseSourceStoredProcedureParamsItem
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
FileSystemSource
Nome | Descrição | Valor |
---|---|---|
sourceType | [Obrigatório] Especifica o tipo de dados. | "file_system" (obrigatório) |
caminho | Caminho na importação de dados Origem do sistema de ficheiros | string |
EndpointScheduleAction
Nome | Descrição | Valor |
---|---|---|
actionType | [Obrigatório] Especifica o tipo de ação da agenda | "InvokeBatchEndpoint" (obrigatório) |
endpointInvocationDefinition | [Obrigatório] Define os detalhes da definição da ação Agendar. {see href="TBD" /} |
TriggerBase
Nome | Descrição | Valor |
---|---|---|
endTime | Especifica a hora de fim do agendamento na ISO 8601, mas sem um desvio UTC. Veja https://en.wikipedia.org/wiki/ISO_8601. O formato recommente seria "2022-06-01T00:00:01" Se não estiver presente, a agenda será executada indefinidamente |
string |
startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um desvio UTC. | string |
timeZone | Especifica o fuso horário no qual a agenda é executada. O Fuso Horário deve seguir o formato de fuso horário do Windows. Veja: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones /> |
string |
triggerType | Definir o tipo de objeto | Cron Periodicidade (obrigatório) |
CronTrigger
Nome | Descrição | Valor |
---|---|---|
triggerType | [Obrigatório] | "Cron" (obrigatório) |
expression | [Obrigatório] Especifica a expressão cron da agenda. A expressão deve seguir o formato NCronTab. |
cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
RecurrenceTrigger
Nome | Descrição | Valor |
---|---|---|
endTime | Especifica a hora de fim do agendamento na ISO 8601, mas sem um desvio UTC. Veja https://en.wikipedia.org/wiki/ISO_8601. O formato recommente seria "2022-06-01T00:00:01" Se não estiver presente, a agenda será executada indefinidamente |
string |
frequência | [Obrigatório] A frequência para acionar o agendamento. | "Dia" "Hora" "Minuto" "Mês" "Semana" (obrigatório) |
interval | [Obrigatório] Especifica o intervalo de agendamento em conjunto com a frequência | int (obrigatório) |
agenda | A agenda de periodicidade. | PeriodicidadeSchedule |
startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um desvio UTC. | string |
timeZone | Especifica o fuso horário no qual a agenda é executada. O Fuso Horário deve seguir o formato de fuso horário do Windows. Veja: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones |
string |
triggerType | [Obrigatório] | "Cron" "Periodicidade" (obrigatório) |
PeriodicidadeSchedule
Nome | Descrição | Valor |
---|---|---|
horas | [Obrigatório] Lista de horas para a agenda. | int[] (obrigatório) |
minutes | [Obrigatório] Lista de minutos para a agenda. | int[] (obrigatório) |
monthDays | Lista de dias do mês para a agenda | int[] |
weekDays | Lista de dias para a agenda. | Matriz de cadeia que contém qualquer um dos seguintes: "Sexta-feira" "Segunda-feira" "Sábado" "Domingo" "Quinta-feira" "Terça-feira" "Quarta-feira" |
Comentários
https://aka.ms/ContentUserFeedback.
Brevemente: Ao longo de 2024, vamos descontinuar progressivamente o GitHub Issues como mecanismo de feedback para conteúdos e substituí-lo por um novo sistema de feedback. Para obter mais informações, veja:Submeter e ver comentários