Espaços de trabalho/agendas Microsoft.MachineLearningServices 2023-08-01-preview
Definição de recursos do bíceps
O tipo de recurso espaços de trabalho/agendas pode ser implantado com operações que visam:
- Grupos de recursos - Consulte comandos de implantação de grupo de recursos
Para obter uma lista de propriedades alteradas em cada versão da API, consulte log de alterações.
Formato do recurso
Para criar um recurso Microsoft.MachineLearningServices/workspaces/schedules, adicione o seguinte Bicep ao seu modelo.
resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2023-08-01-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'
}
tags: {}
trigger: {
endTime: 'string'
startTime: 'string'
timeZone: 'string'
triggerType: 'string'
// For remaining properties, see TriggerBase objects
}
}
}
Objetos ScheduleActionBase
Defina a propriedade actionType para especificar o tipo de objeto.
Para CreateJob , use:
actionType: 'CreateJob'
jobDefinition: {
componentId: 'string'
computeId: 'string'
description: 'string'
displayName: 'string'
experimentName: 'string'
identity: {
identityType: 'string'
// For remaining properties, see IdentityConfiguration objects
}
isArchived: bool
notificationSetting: {
emailOn: [
'string'
]
emails: [
'string'
]
webhooks: {
{customized property}: {
eventType: 'string'
webhookType: 'string'
// For remaining properties, see Webhook objects
}
}
}
properties: {
{customized property}: 'string'
}
secretsConfiguration: {
{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'
}
}
}
tags: {}
jobType: 'string'
// For remaining properties, see JobBaseProperties objects
}
Para CreateMonitor , use:
actionType: 'CreateMonitor'
monitorDefinition: {
alertNotificationSettings: {
emailNotificationSettings: {
emails: [
'string'
]
}
}
computeConfiguration: {
computeType: 'string'
// For remaining properties, see MonitorComputeConfigurationBase objects
}
monitoringTarget: {
deploymentId: 'string'
modelId: 'string'
taskType: 'string'
}
signals: {
{customized property}: {
notificationTypes: [
'string'
]
properties: {
{customized property}: 'string'
}
signalType: 'string'
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Para ImportData , use:
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'
}
source: {
connection: 'string'
sourceType: 'string'
// For remaining properties, see DataImportSource objects
}
stage: 'string'
tags: {}
}
Para InvokeBatchEndpoint, use:
actionType: 'InvokeBatchEndpoint'
endpointInvocationDefinition: any()
Objetos JobBaseProperties
Defina a propriedade jobType para especificar o tipo de objeto.
Para AutoML, use:
jobType: 'AutoML'
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
queueSettings: {
jobTier: 'string'
priority: int
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
locations: [
'string'
]
maxInstanceCount: int
properties: {
{customized property}: any()
}
shmSize: 'string'
}
taskDetails: {
logVerbosity: 'string'
targetColumnName: 'string'
trainingData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
taskType: 'string'
// For remaining properties, see AutoMLVertical objects
}
Para Command, use:
jobType: 'Command'
autologgerSettings: {
mlflowAutologger: 'string'
}
codeId: 'string'
command: 'string'
distribution: {
distributionType: 'string'
// For remaining properties, see DistributionConfiguration objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
limits: {
jobLimitsType: 'string'
timeout: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
queueSettings: {
jobTier: 'string'
priority: int
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
locations: [
'string'
]
maxInstanceCount: int
properties: {
{customized property}: any()
}
shmSize: 'string'
}
Para de rotulagem, use:
jobType: 'Labeling'
dataConfiguration: {
dataId: 'string'
incrementalDataRefresh: 'string'
}
jobInstructions: {
uri: 'string'
}
labelCategories: {
{customized property}: {
classes: {
{customized property}: {
displayName: 'string'
subclasses: {
{customized property}: {}
}
}
displayName: 'string'
multiSelect: 'string'
}
}
labelingJobMediaProperties: {
mediaType: 'string'
// For remaining properties, see LabelingJobMediaProperties objects
}
mlAssistConfiguration: {
mlAssist: 'string'
// For remaining properties, see MLAssistConfiguration objects
}
Para Pipeline, use:
jobType: 'Pipeline'
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
jobs: {
{customized property}: any()
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
settings: any()
sourceJobId: 'string'
Para Spark, use:
jobType: 'Spark'
archives: [
'string'
]
args: 'string'
codeId: 'string'
conf: {
{customized property}: 'string'
}
entry: {
sparkJobEntryType: 'string'
// For remaining properties, see SparkJobEntry objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
files: [
'string'
]
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
jars: [
'string'
]
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
pyFiles: [
'string'
]
queueSettings: {
jobTier: 'string'
priority: int
}
resources: {
instanceType: 'string'
runtimeVersion: 'string'
}
Para Varredura, use:
jobType: 'Sweep'
componentConfiguration: {
pipelineSettings: any()
}
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
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
locations: [
'string'
]
maxInstanceCount: int
properties: {
{customized property}: any()
}
shmSize: 'string'
}
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()
}
shmSize: 'string'
}
}
Objetos IdentityConfiguration
Defina a propriedade identityType para especificar o tipo de objeto.
Para AMLToken, use:
identityType: 'AMLToken'
Para Managed, use:
identityType: 'Managed'
clientId: 'string'
objectId: 'string'
resourceId: 'string'
Para UserIdentity , use:
identityType: 'UserIdentity'
Objetos Webhook
Defina a propriedade webhookType para especificar o tipo de objeto.
Para AzureDevOps, use:
webhookType: 'AzureDevOps'
Objetos de nós
Defina a propriedade nodesValueType para especificar o tipo de objeto.
Para todos os, use:
nodesValueType: 'All'
Objetos JobOutput
Defina a propriedade jobOutputType para especificar o tipo de objeto.
Para custom_model, utilize:
jobOutputType: 'custom_model'
assetName: 'string'
assetVersion: 'string'
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, use:
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 de previsão, utilize:
taskType: 'Forecasting'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
fixedParameters: {
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: int
maxBin: int
maxDepth: int
maxLeaves: int
minDataInLeaf: int
minSplitGain: int
modelName: 'string'
nEstimators: int
numLeaves: int
preprocessorName: 'string'
regAlpha: int
regLambda: int
subsample: int
subsampleFreq: int
treeMethod: 'string'
withMean: bool
withStd: bool
}
forecastingSettings: {
countryOrRegionForHolidays: 'string'
cvStepSize: int
featureLags: 'string'
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 , use:
taskType: 'ImageClassification'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
momentum: int
nesterov: bool
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
trainingBatchSize: int
trainingCropSize: int
validationBatchSize: int
validationCropSize: int
validationResizeSize: int
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
weightedLoss: int
}
primaryMetric: 'string'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
momentum: 'string'
nesterov: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
trainingBatchSize: 'string'
trainingCropSize: 'string'
validationBatchSize: 'string'
validationCropSize: 'string'
validationResizeSize: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
weightedLoss: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Para ImageClassificationMultilabel , use:
taskType: 'ImageClassificationMultilabel'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
momentum: int
nesterov: bool
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
trainingBatchSize: int
trainingCropSize: int
validationBatchSize: int
validationCropSize: int
validationResizeSize: int
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
weightedLoss: int
}
primaryMetric: 'string'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
momentum: 'string'
nesterov: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
trainingBatchSize: 'string'
trainingCropSize: 'string'
validationBatchSize: 'string'
validationCropSize: 'string'
validationResizeSize: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
weightedLoss: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Para ImageInstanceSegmentation , use:
taskType: 'ImageInstanceSegmentation'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
boxDetectionsPerImage: int
boxScoreThreshold: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
imageSize: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
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 , use:
taskType: 'ImageObjectDetection'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
boxDetectionsPerImage: int
boxScoreThreshold: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
imageSize: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
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
Parade regressão
taskType: 'Regression'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
fixedParameters: {
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: int
maxBin: int
maxDepth: int
maxLeaves: int
minDataInLeaf: int
minSplitGain: int
modelName: 'string'
nEstimators: int
numLeaves: int
preprocessorName: 'string'
regAlpha: int
regLambda: int
subsample: int
subsampleFreq: int
treeMethod: 'string'
withMean: bool
withStd: bool
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxNodes: int
maxTrials: int
sweepConcurrentTrials: int
sweepTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
primaryMetric: 'string'
searchSpace: [
{
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: 'string'
maxBin: 'string'
maxDepth: 'string'
maxLeaves: 'string'
minDataInLeaf: 'string'
minSplitGain: 'string'
modelName: 'string'
nEstimators: 'string'
numLeaves: 'string'
preprocessorName: 'string'
regAlpha: 'string'
regLambda: 'string'
subsample: 'string'
subsampleFreq: 'string'
treeMethod: 'string'
withMean: 'string'
withStd: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
testData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
trainingSettings: {
allowedTrainingAlgorithms: [
'string'
]
blockedTrainingAlgorithms: [
'string'
]
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
trainingMode: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
Para TextClassification , use:
taskType: 'TextClassification'
featurizationSettings: {
datasetLanguage: 'string'
}
fixedParameters: {
gradientAccumulationSteps: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: int
trainingBatchSize: int
validationBatchSize: int
warmupRatio: int
weightDecay: int
}
limitSettings: {
maxConcurrentTrials: int
maxNodes: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
primaryMetric: 'string'
searchSpace: [
{
gradientAccumulationSteps: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
warmupRatio: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
Para TextClassificationMultilabel , use:
taskType: 'TextClassificationMultilabel'
featurizationSettings: {
datasetLanguage: 'string'
}
fixedParameters: {
gradientAccumulationSteps: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: int
trainingBatchSize: int
validationBatchSize: int
warmupRatio: int
weightDecay: int
}
limitSettings: {
maxConcurrentTrials: int
maxNodes: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
searchSpace: [
{
gradientAccumulationSteps: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
warmupRatio: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
Para TextNER, use:
taskType: 'TextNER'
featurizationSettings: {
datasetLanguage: 'string'
}
fixedParameters: {
gradientAccumulationSteps: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: int
trainingBatchSize: int
validationBatchSize: int
warmupRatio: int
weightDecay: int
}
limitSettings: {
maxConcurrentTrials: int
maxNodes: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
searchSpace: [
{
gradientAccumulationSteps: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
warmupRatio: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
Objetos NCrossValidations
Defina o modo propriedade para especificar o tipo de objeto.
Para automático, use:
mode: 'Auto'
Para Custom, use:
mode: 'Custom'
value: int
Objetos EarlyTerminationPolicy
Defina a propriedade policyType para especificar o tipo de objeto.
Para Bandit, use:
policyType: 'Bandit'
slackAmount: int
slackFactor: int
Para MedianStopping , use:
policyType: 'MedianStopping'
Para TruncationSelection , use:
policyType: 'TruncationSelection'
truncationPercentage: int
Objetos ForecastHorizon
Defina o modo propriedade para especificar o tipo de objeto.
Para automático, use:
mode: 'Auto'
Para Custom, use:
mode: 'Custom'
value: int
Objetos de sazonalidade
Defina o modo propriedade para especificar o tipo de objeto.
Para automático, use:
mode: 'Auto'
Para Custom, use:
mode: 'Custom'
value: int
Objetos TargetLags
Defina o modo propriedade para especificar o tipo de objeto.
Para automático, use:
mode: 'Auto'
Para Custom, use:
mode: 'Custom'
values: [
int
]
Objetos TargetRollingWindowSize
Defina o modo propriedade para especificar o tipo de objeto.
Para automático, use:
mode: 'Auto'
Para Custom, use:
mode: 'Custom'
value: int
Objetos DistributionConfiguration
Defina a propriedade distributionType para especificar o tipo de objeto.
Para Mpi, use:
distributionType: 'Mpi'
processCountPerInstance: int
Para PyTorch, use:
distributionType: 'PyTorch'
processCountPerInstance: int
Para Ray, use:
distributionType: 'Ray'
address: 'string'
dashboardPort: int
headNodeAdditionalArgs: 'string'
includeDashboard: bool
port: int
workerNodeAdditionalArgs: 'string'
Para TensorFlow , use:
distributionType: 'TensorFlow'
parameterServerCount: int
workerCount: int
Objetos JobInput
Defina a propriedade jobInputType para especificar o tipo de objeto.
Para custom_model, utilize:
jobInputType: 'custom_model'
mode: 'string'
uri: 'string'
Para literal , use:
jobInputType: 'literal'
value: 'string'
Para mlflow_model, utilize:
jobInputType: 'mlflow_model'
mode: 'string'
uri: 'string'
Para mltable, use:
jobInputType: 'mltable'
mode: 'string'
uri: 'string'
Para triton_model, utilize:
jobInputType: 'triton_model'
mode: 'string'
uri: 'string'
Para uri_file, utilize:
jobInputType: 'uri_file'
mode: 'string'
uri: 'string'
Para uri_folder, utilize:
jobInputType: 'uri_folder'
mode: 'string'
uri: 'string'
Objetos LabelingJobMediaProperties
Defina a propriedade mediaType para especificar o tipo de objeto.
Para de imagem, use:
mediaType: 'Image'
annotationType: 'string'
Para de texto , use:
mediaType: 'Text'
annotationType: 'string'
Objetos MLAssistConfiguration
Defina a propriedade mlAssist para especificar o tipo de objeto.
Para com deficiência, use:
mlAssist: 'Disabled'
Para Enabled, use:
mlAssist: 'Enabled'
inferencingComputeBinding: 'string'
trainingComputeBinding: 'string'
Objetos SparkJobEntry
Defina a propriedade sparkJobEntryType para especificar o tipo de objeto.
Para SparkJobPythonEntry , use:
sparkJobEntryType: 'SparkJobPythonEntry'
file: 'string'
Para SparkJobScalaEntry , use:
sparkJobEntryType: 'SparkJobScalaEntry'
className: 'string'
Objetos SamplingAlgorithm
Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.
Para Bayesian, use:
samplingAlgorithmType: 'Bayesian'
Para Grid, use:
samplingAlgorithmType: 'Grid'
Para Random, use:
samplingAlgorithmType: 'Random'
logbase: 'string'
rule: 'string'
seed: int
Objetos MonitorComputeConfigurationBase
Defina a propriedade computeType para especificar o tipo de objeto.
Para ServerlessSpark, use:
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 , use:
computeIdentityType: 'AmlToken'
Para ManagedIdentity , use:
computeIdentityType: 'ManagedIdentity'
identity: {
type: 'string'
userAssignedIdentities: {
{customized property}: {}
}
}
Objetos MonitoringSignalBase
Defina a propriedade signalType para especificar o tipo de objeto.
Para Custom, use:
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 , use:
signalType: 'DataDrift'
dataSegment: {
feature: 'string'
values: [
'string'
]
}
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: '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 DataQuality , use:
signalType: 'DataQuality'
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: '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 , use:
signalType: 'FeatureAttributionDrift'
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: 'string'
}
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 , use:
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 , use:
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 , use:
signalType: 'PredictionDrift'
featureDataTypeOverride: {
{customized property}: 'string'
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see PredictionDriftMetricThresholdBase 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
}
Objetos MonitoringInputDataBase
Defina a propriedade inputDataType para especificar o tipo de objeto.
Para Fixo, use:
inputDataType: 'Fixed'
Para Rolling, utilize:
inputDataType: 'Rolling'
preprocessingComponentId: 'string'
windowOffset: 'string'
windowSize: 'string'
Para estático , use:
inputDataType: 'Static'
preprocessingComponentId: 'string'
windowEnd: 'string'
windowStart: 'string'
Objetos MonitoringFeatureFilterBase
Defina a propriedade filterType para especificar o tipo de objeto.
Para AllFeatures, use:
filterType: 'AllFeatures'
Para FeatureSubset , use:
filterType: 'FeatureSubset'
features: [
'string'
]
Para TopNByAttribution , use:
filterType: 'TopNByAttribution'
top: int
Objetos DataDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para categórica, use:
dataType: 'Categorical'
metric: 'string'
Para Numérica, utilize:
dataType: 'Numerical'
metric: 'string'
Objetos DataQualityMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para categórica, use:
dataType: 'Categorical'
metric: 'string'
Para Numérica, utilize:
dataType: 'Numerical'
metric: 'string'
Objetos ModelPerformanceMetricThresholdBase
Defina a propriedade modelType para especificar o tipo de objeto.
Para Classificação, utilize:
modelType: 'Classification'
metric: 'string'
Parade regressão
modelType: 'Regression'
metric: 'string'
Objetos PredictionDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para categórica, use:
dataType: 'Categorical'
metric: 'string'
Para Numérica, utilize:
dataType: 'Numerical'
metric: 'string'
Objetos DataImportSource
Defina a propriedade sourceType para especificar o tipo de objeto.
Para banco de dados, use:
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, use:
triggerType: 'Cron'
expression: 'string'
Para de recorrência, utilize:
triggerType: 'Recurrence'
frequency: 'string'
interval: int
schedule: {
hours: [
int
]
minutes: [
int
]
monthDays: [
int
]
weekDays: [
'string'
]
}
Valores de propriedade
espaços de trabalho/horários
| Designação | Descrição | Valor |
|---|---|---|
| Designação | O nome do recurso Veja como definir nomes e tipos para recursos filho no Bicep. |
string (obrigatório) |
| pai | No Bicep, você pode especificar o recurso pai para um recurso filho. Você só precisa adicionar essa propriedade quando o recurso filho é declarado fora do recurso pai. Para obter mais informações, consulte recurso filho fora do recurso pai. |
Nome simbólico para recurso do tipo: espaços de trabalho |
| propriedades | [Obrigatório] Atributos adicionais da entidade. | ScheduleProperties (obrigatório) |
ScheduleProperties
ScheduleActionBase
| Designação | Descrição | Valor |
|---|---|---|
| actionType | Definir o tipo de objeto |
CreateJob CreateMonitor ImportData InvokeBatchEndpoint (obrigatório) |
JobScheduleAction
JobBaseProperties
| Designação | Descrição | Valor |
|---|---|---|
| componentId | ID do recurso ARM do recurso componente. | string |
| computeId | ID do recurso ARM do recurso de computação. | string |
| Descrição | O texto da descrição do ativo. | string |
| displayName | Exibir nome do trabalho. | string |
| nome da experiência | O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". | string |
| identidade | Configuração de identidade. Se definido, este deve ser um dos AmlToken, ManagedIdentity, UserIdentity ou null. O padrão é AmlToken se null. |
IdentityConfiguration |
| isArquivado | O ativo está arquivado? | Bool |
| notificationSetting | Configuração de notificação para o trabalho | NotificationSetting |
| propriedades | O dicionário de propriedades de ativos. | ResourceBaseProperties |
| secretsConfiguration | Configuração para segredos a serem disponibilizados durante o tempo de execução. | JobBaseSecretsConfiguration |
| serviços | Lista de JobEndpoints. Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject. |
JobBaseServices |
| Etiquetas | Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas. | objeto |
| Tipo de trabalho | Definir o tipo de objeto |
AutoML de comando Rotulagem Pipeline Spark Varredura (obrigatório) |
IdentityConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| identityType | Definir o tipo de objeto |
AMLToken Gestão UserIdentity (obrigatório) |
AmlToken
| Designação | Descrição | Valor |
|---|---|---|
| identityType | [Obrigatório] Especifica o tipo de estrutura de identidade. | 'AMLToken' (obrigatório) |
Identidade gerenciada
| Designação | Descrição | Valor |
|---|---|---|
| identityType | [Obrigatório] Especifica o tipo de estrutura de identidade. | 'Gerenciado' (obrigatório) |
| ID do cliente | Especifica uma identidade atribuída pelo usuário por ID do cliente. Para sistema atribuído, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| objectId | Especifica uma identidade atribuída pelo usuário por ID de objeto. Para sistema atribuído, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| resourceId | Especifica uma identidade atribuída pelo usuário por ID de recurso ARM. Para sistema atribuído, não defina este campo. | string |
Identidade do usuário
| Designação | Descrição | Valor |
|---|---|---|
| identityType | [Obrigatório] Especifica o tipo de estrutura de identidade. | 'UserIdentity' (obrigatório) |
NotificationSetting
| Designação | Descrição | Valor |
|---|---|---|
| e-mailOn | Enviar notificação por e-mail para o usuário no tipo de notificação especificado | Matriz de cadeia de caracteres contendo qualquer uma das: 'TrabalhoCancelado' 'TrabalhoConcluído' 'JobFailed' |
| E-mails | Esta é a lista de destinatários de e-mail que tem uma limitação de 499 caracteres no total concat com separador de vírgula | string[] |
| ganchos de teia | Enviar retorno de chamada webhook para um serviço. Key é um nome fornecido pelo usuário para o webhook. | NotificationSettingWebhooks |
NotificationSettingWebhooks
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | Webhook |
Gancho de teia
| Designação | Descrição | Valor |
|---|---|---|
| eventType | Enviar retorno de chamada em um evento de notificação especificado | string |
| webhookType | Definir o tipo de objeto | AzureDevOps (obrigatório) |
AzureDevOpsWebhook
| Designação | Descrição | Valor |
|---|---|---|
| webhookType | [Obrigatório] Especifica o tipo de serviço para enviar um retorno de chamada | 'AzureDevOps' (obrigatório) |
ResourceBaseProperties
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
JobBaseSecretsConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | SecretConfiguration |
SecretConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| URI | Uri secreto. Uri de amostra: https://myvault.vault.azure.net/secrets/mysecretname/secretversion |
string |
| workspaceSecretName | Nome do segredo no cofre de chaves do espaço de trabalho. | string |
JobBaseServices
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobService |
Serviço de Emprego
| Designação | Descrição | Valor |
|---|---|---|
| Ponto final | Url para o ponto de extremidade. | string |
| jobServiceType | Tipo de ponto final. | string |
| nós | Nós nos quais o usuário gostaria de iniciar o serviço. Se Nós não estiver definido ou definido como nulo, o serviço só será iniciado no nó líder. |
de nós |
| porto | Porta para ponto de extremidade definida pelo usuário. | Int |
| propriedades | Propriedades adicionais a serem definidas no ponto de extremidade. | JobServiceProperties |
Nós
| Designação | Descrição | Valor |
|---|---|---|
| nósValueType | Definir o tipo de objeto | Todos os (obrigatório) |
AllNodes
| Designação | Descrição | Valor |
|---|---|---|
| nósValueType | [Obrigatório] Tipo do valor de Nós | 'Todos' (obrigatório) |
JobServiceProperties
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
AutoMLJob
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | 'AutoML' (obrigatório) |
| environmentId | O ID do recurso ARM da especificação Ambiente para o trabalho. Este é um valor opcional para fornecer, se não for fornecido, o AutoML assumirá como padrão a versão do ambiente com curadoria do AutoML de Produção ao executar o trabalho. |
string |
| environmentVariables | Variáveis de ambiente incluídas no trabalho. | AutoMLJobEnvironmentVariables |
| saídas | Mapeamento das ligações de dados de saída usadas no trabalho. | AutoMLJobOutputs |
| queueSettings | Configurações de fila para o trabalho | QueueSettings |
| Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
| taskDetalhes | [Obrigatório] Isso representa um cenário que pode ser um dos Tabelas/NLP/Imagem | AutoMLVertical (obrigatório) |
AutoMLJobEnvironmentVariables
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
AutoMLJobOutputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobOutput |
JobOutput
| Designação | Descrição | Valor |
|---|---|---|
| Descrição | Descrição da saída. | string |
| jobOutputType | Definir o tipo de objeto |
custom_model mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'custom_model' (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | 'Direto' 'ReadWriteMount' 'Carregar' |
| URI | URI do ativo de saída. | string |
AutoDeleteSetting
| Designação | Descrição | Valor |
|---|---|---|
| condição | Quando verificar se um ativo expirou | 'CriadoGreaterThan' 'LastAccessedGreaterThan' |
| valor | Valor da condição de expiração. | string |
MLFlowModelJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'mlflow_model' (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | 'Direto' 'ReadWriteMount' 'Carregar' |
| URI | URI do ativo de saída. | string |
MLTableJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'mltable' (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | 'Direto' 'ReadWriteMount' 'Carregar' |
| URI | URI do ativo de saída. | string |
TritonModelJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'triton_model' (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | 'Direto' 'ReadWriteMount' 'Carregar' |
| URI | URI do ativo de saída. | string |
UriFileJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'uri_file' (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | 'Direto' 'ReadWriteMount' 'Carregar' |
| URI | URI do ativo de saída. | string |
UriFolderJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'uri_folder' (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | 'Direto' 'ReadWriteMount' 'Carregar' |
| URI | URI do ativo de saída. | string |
Configurações da fila
| Designação | Descrição | Valor |
|---|---|---|
| nível de trabalho | Controla a camada de trabalho de computação | 'Básico' 'Nulo' 'Premium' 'Mancha' 'Padrão' |
| prioridade | Controla a prioridade do trabalho em uma computação. | Int |
JobResourceConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| dockerArgs | Argumentos extras para passar para o comando de execução do Docker. Isso substituiria quaisquer parâmetros que já tenham sido definidos pelo sistema ou nesta seção. Este parâmetro só tem suporte para tipos de computação do Azure ML. | string |
| instanceCount | Número opcional de instâncias ou nós usados pelo destino de computação. | Int |
| tipo de instância | Tipo opcional de VM usado conforme suportado pelo destino de computação. | string |
| Locais | Locais onde o trabalho pode ser executado. | string[] |
| maxInstanceCount | Número máximo permitido opcional de instâncias ou nós a serem usados pelo destino de computação. Para uso com treinamento elástico, atualmente suportado apenas pelo tipo de distribuição PyTorch. |
Int |
| propriedades | Saco de propriedades adicionais. | ResourceConfigurationProperties |
| shmTamanho | Tamanho do bloco de memória compartilhada do contêiner docker. Este deve ser no formato de (número)(unidade), onde o número é maior que 0 e a unidade pode ser um de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes). | string Restrições: Padrão = \d+[bBkKmMgG] |
ResourceConfigurationProperties
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | Para o Bicep, você pode usar a função any(). |
AutoMLVertical
| Designação | Descrição | Valor |
|---|---|---|
| logVerbosidade | Registre a verbosidade para o trabalho. | 'Crítica' 'Depuração' 'Erro' 'Informações' 'NotSet' 'Atenção' |
| targetColumnName | Nome da coluna de destino: Esta é a coluna de valores de previsão. Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação. |
string |
| formaçãoDados de formação | [Obrigatório] Introdução de dados de formação. | MLTableJobInput (obrigatório) |
| Tipo de tarefa | Definir o tipo de objeto |
Classificação Previsão ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regressão TextClassification TextClassificationMultilabel TextNER (obrigatório) |
MLTableJobInput
| Designação | Descrição | Valor |
|---|---|---|
| Descrição | Descrição da entrada. | string |
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'custom_model' 'literal' 'mlflow_model' 'Mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | 'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
Classificação
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | «Classificação» (obrigatório) |
| cvSplitColumnNames | Colunas a serem usadas para dados CVSplit. | string[] |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | TableFixedParameters |
| limitSettings | Restrições de execução para AutoMLJob. | TableVerticalLimitSettings |
| nValidações cruzadas | Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
| rótulo positivo | Rótulo positivo para cálculo de métricas binárias. | string |
| primaryMetric | Métrica primária para a tarefa. | 'AUCWeighted' 'Precisão' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | TableParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | TableSweepSettings |
| testData | Entrada de dados de teste. | MLTableJobInput |
| testDataSize | A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| formaçãoConfigurações | Entradas para a fase de treinamento para um trabalho AutoML. | ClassificaçãoFormaçãoConfigurações |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| weightColumnName | O nome da coluna de peso da amostra. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
TableVerticalFeaturizationSettings
| Designação | Descrição | Valor |
|---|---|---|
| blockedTransformers | Estes transformadores não devem ser utilizados na featurização. | Matriz de cadeia de caracteres contendo qualquer uma das: 'CatTargetEncoder' 'CountVectorizer' 'HashOneHotEncoder' 'LabelEncoder' 'NaiveBayes' 'OneHotEncoder' 'TextTargetEncoder' 'TfIdf' 'WoETargetEncoder' 'Incorporação de palavras' |
| columnNameAndTypes | Dicionário do nome da coluna e seu tipo (int, float, string, datetime etc). | TableVerticalFeaturizationSettingsColumnNameAndTypes |
| conjunto de dadosLinguagem | Linguagem do conjunto de dados, útil para os dados de texto. | string |
| enableDnnFeaturization | Determina se os featurizers baseados em Dnn devem ser usados para a featurização de dados. | Bool |
| modo | Modo de featurização - O usuário pode manter o modo 'Auto' padrão e o AutoML cuidará da transformação necessária dos dados na fase de featurização. Se 'Off' for selecionado, nenhuma featurização será feita. Se 'Personalizado' estiver selecionado, o usuário pode especificar entradas adicionais para personalizar como a featurização é feita. |
'Auto' 'Personalizado' 'Desligado' |
| transformadoresParams | O usuário pode especificar transformadores adicionais a serem usados juntamente com as colunas às quais seria aplicado e parâmetros para o construtor do transformador. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
TableVerticalFeaturizationSettingsTransformerParams
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | ColumnTransformer[] |
ColumnTransformer
| Designação | Descrição | Valor |
|---|---|---|
| campos | Campos para aplicar a lógica do transformador. | string[] |
| Parâmetros | Diferentes propriedades a serem passadas para o transformador. A entrada esperada é o dicionário de pares chave, valor no formato JSON. |
Para o Bicep, você pode usar a função any(). |
TableFixedParameters
| Designação | Descrição | Valor |
|---|---|---|
| reforço | Especifique o tipo de impulsionamento, por exemplo, gbdt para XGBoost. | string |
| boostingType | Especifique o tipo de impulsionamento, por exemplo, gbdt para LightGBM. | string |
| growPolicy | Especifique a política de crescimento, que controla a maneira como novos nós são adicionados à árvore. | string |
| learningRate | A taxa de aprendizagem para o procedimento de formação. | Int |
| maxBin [en] | Especifique o número máximo de compartimentos discretos para bucket de recursos contínuos. | Int |
| maxProfundidade | Especifique a profundidade máxima para limitar a profundidade da árvore explicitamente. | Int |
| maxFolhas | Especifique o máximo de folhas para limitar as folhas da árvore explicitamente. | Int |
| minDataInLeaf | O número mínimo de dados por folha. | Int |
| minSplitGain | Redução mínima de perda necessária para fazer uma nova partição em um nó de folha da árvore. | Int |
| nome_modelo | O nome do modelo a treinar. | string |
| nEstimadores | Especifique o número de árvores (ou rodadas) em um modelo. | Int |
| numFolhas | Especifique o número de folhas. | Int |
| pré-processadorNome | O nome do pré-processador a ser usado. | string |
| regAlpha | Termo de regularização L1 em pesos. | Int |
| regLambda | Termo de regularização L2 em pesos. | Int |
| subamostra | Rácio de subamostras da instância de formação. | Int |
| subsampleFreq | Frequência da subamostra. | Int |
| treeMethod | Especifique o método tree. | string |
| comMédia | Se verdadeiro, centralize antes de dimensionar os dados com StandardScalar. | Bool |
| comStd | Se verdadeiro, dimensione os dados com Variação de Unidade com StandardScalar. | Bool |
TableVerticalLimitSettings
| Designação | Descrição | Valor |
|---|---|---|
| habilitarRescisão antecipada | Habilite o encerramento antecipado, determine se o AutoMLJob será encerrado antecipadamente se não houver melhoria de pontuação nas últimas 20 iterações. | Bool |
| exitScore | Pontuação de saída para o trabalho AutoML. | Int |
| maxConcurrentTrials | Máximo de iterações simultâneas. | Int |
| maxCoresPerTrial | Máximo de núcleos por iteração. | Int |
| maxNós | Máximo de nós a serem usados para o experimento. | Int |
| maxEnsaios | Número de iterações. | Int |
| varreduraConcurrentTrials | Número de execuções de varredura simultâneas que o usuário deseja acionar. | Int |
| varredurasEnsaios | Número de execuções de varredura que o usuário deseja acionar. | Int |
| tempo limite | Tempo limite do trabalho AutoML. | string |
| trialTimeout | Tempo limite de iteração. | string |
NCrossValidações
| Designação | Descrição | Valor |
|---|---|---|
| modo | Definir o tipo de objeto |
Auto Custom (obrigatório) |
AutoNCrossValidações
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo para determinar validações N-Cross. | 'Auto' (obrigatório) |
CustomNCrossValidations
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo para determinar validações N-Cross. | 'Personalizado' (obrigatório) |
| valor | [Obrigatório] Valor de validações N-Cross. | int (obrigatório) |
TableParameterSubspace
| Designação | Descrição | Valor |
|---|---|---|
| reforço | Especifique o tipo de impulsionamento, por exemplo, gbdt para XGBoost. | string |
| boostingType | Especifique o tipo de impulsionamento, por exemplo, gbdt para LightGBM. | string |
| growPolicy | Especifique a política de crescimento, que controla a maneira como novos nós são adicionados à árvore. | string |
| learningRate | A taxa de aprendizagem para o procedimento de formação. | string |
| maxBin [en] | Especifique o número máximo de compartimentos discretos para bucket de recursos contínuos. | string |
| maxProfundidade | Especifique a profundidade máxima para limitar a profundidade da árvore explicitamente. | string |
| maxFolhas | Especifique o máximo de folhas para limitar as folhas da árvore explicitamente. | string |
| minDataInLeaf | O número mínimo de dados por folha. | string |
| minSplitGain | Redução mínima de perda necessária para fazer uma nova partição em um nó de folha da árvore. | string |
| nome_modelo | O nome do modelo a treinar. | string |
| nEstimadores | Especifique o número de árvores (ou rodadas) em um modelo. | string |
| numFolhas | Especifique o número de folhas. | string |
| pré-processadorNome | O nome do pré-processador a ser usado. | string |
| regAlpha | Termo de regularização L1 em pesos. | string |
| regLambda | Termo de regularização L2 em pesos. | string |
| subamostra | Rácio de subamostras da instância de formação. | string |
| subsampleFreq | Frequência da subamostra | string |
| treeMethod | Especifique o método tree. | string |
| comMédia | Se verdadeiro, centralize antes de dimensionar os dados com StandardScalar. | string |
| comStd | Se verdadeiro, dimensione os dados com Variação de Unidade com StandardScalar. | string |
TableSweepSettings
| Designação | Descrição | Valor |
|---|---|---|
| Rescisão antecipada | Tipo de política de rescisão antecipada para o trabalho de varredura. | EarlyTerminationPolicy |
| samplingAlgorithm | [Obrigatório] Tipo de algoritmo de amostragem. | 'Bayesiano' 'Grade' 'Aleatório' (obrigatório) |
Política de Rescisão Antecipada
| Designação | Descrição | Valor |
|---|---|---|
| delayAvaliação | Número de intervalos para adiar a primeira avaliação. | Int |
| avaliaçãoIntervalo | Intervalo (número de execuções) entre avaliações de políticas. | Int |
| policyType | Definir o tipo de objeto |
Bandido MedianStop TruncationSelection (obrigatório) |
BanditPolicy
| Designação | Descrição | Valor |
|---|---|---|
| policyType | [Obrigatório] Nome da configuração da política | 'Bandido' (obrigatório) |
| slackAmount | Distância absoluta permitida da corrida com melhor desempenho. | Int |
| slackFactor | Relação entre a distância permitida e a corrida com melhor desempenho. | Int |
MedianStoppingPolicy
| Designação | Descrição | Valor |
|---|---|---|
| policyType | [Obrigatório] Nome da configuração da política | 'MedianStopping' (obrigatório) |
TruncationSelectionPolicy
| Designação | Descrição | Valor |
|---|---|---|
| policyType | [Obrigatório] Nome da configuração da política | 'TruncationSelection' (obrigatório) |
| truncamentoPercentagem | A percentagem de corridas a cancelar em cada intervalo de avaliação. | Int |
ClassificaçãoFormaçãoConfigurações
| Designação | Descrição | Valor |
|---|---|---|
| allowedTrainingAlgorithms | Modelos permitidos para a tarefa de classificação. | Matriz de cadeia de caracteres contendo qualquer uma das: 'BernoulliNaiveBayes' 'Árvore de decisão' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'Regressão Logística' 'MultinomialNaiveBayes' 'RandomForest' «SGD» 'SVM' 'XGBoostClassifier' |
| blockedTrainingAlgorithms | Modelos bloqueados para tarefa de classificação. | Matriz de cadeia de caracteres contendo qualquer uma das: 'BernoulliNaiveBayes' 'Árvore de decisão' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'Regressão Logística' 'MultinomialNaiveBayes' 'RandomForest' «SGD» 'SVM' 'XGBoostClassifier' |
| enableDnnTraining | Habilite a recomendação de modelos DNN. | Bool |
| enableModelExplainability | Sinalize para ativar a explicabilidade no melhor modelo. | Bool |
| enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | Bool |
| enableStackEnsemble | Habilite a execução do conjunto de pilha. | Bool |
| enableVoteEnsemble | Habilite a execução do conjunto de votação. | Bool |
| ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
| stackEnsembleSettings | Configurações de conjunto de pilha para execução de conjunto de pilha. | StackEnsembleSettings |
| formaçãoModo de formação | Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'. Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos. Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos. |
'Auto' 'Distribuído' 'Não distribuído' |
StackEnsembleSettings
| Designação | Descrição | Valor |
|---|---|---|
| stackMetaLearnerKWargs | Parâmetros opcionais para passar para o inicializador do meta-aluno. | Para o Bicep, você pode usar a função any(). |
| stackMetaLearnerTrainPercentage | Especifica a proporção do conjunto de treinamento (ao escolher o tipo de treinamento de treinamento e validação) a ser reservada para o treinamento do meta-aluno. O valor padrão é 0,2. | Int |
| stackMetaLearnerType | O meta-aprendiz é um modelo treinado na saída dos modelos heterogêneos individuais. | 'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'Regressão Linear' 'Regressão Logística' 'LogisticRegressionCV' 'Nenhuma' |
Previsão
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | «Previsão» (obrigatório) |
| cvSplitColumnNames | Colunas a serem usadas para dados CVSplit. | string[] |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | TableFixedParameters |
| previsãoConfigurações | Previsão de entradas específicas da tarefa. | ForecastingSettings |
| limitSettings | Restrições de execução para AutoMLJob. | TableVerticalLimitSettings |
| nValidações cruzadas | Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
| primaryMetric | Métrica primária para a tarefa de previsão. | 'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'Correlação de Spearman' |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | TableParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | TableSweepSettings |
| testData | Entrada de dados de teste. | MLTableJobInput |
| testDataSize | A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| formaçãoConfigurações | Entradas para a fase de treinamento para um trabalho AutoML. | ForecastingTrainingSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| weightColumnName | O nome da coluna de peso da amostra. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
PrevisãoConfigurações
| Designação | Descrição | Valor |
|---|---|---|
| paísOrRegiãoParaFeriados | País ou região para feriados para tarefas de previsão. Estes devem ser códigos de país/região ISO 3166 de duas letras, por exemplo "EUA" ou "GB". |
string |
| cvStepTamanho | Número de períodos entre a hora de origem de uma dobra CV e a dobra seguinte. Para a Por exemplo, se CVStepSize = 3 para dados diários, o tempo de origem para cada dobra serácom três dias de intervalo. |
Int |
| featureLags | Sinalizador para gerar atrasos para os recursos numéricos com 'auto' ou null. | 'Auto' 'Nenhuma' |
| característicasUnknownAtForecastTime | As colunas de recursos que estão disponíveis para treinamento, mas desconhecidas no momento da previsão/inferência. Se features_unknown_at_forecast_time não estiver definido, presume-se que todas as colunas de feição no conjunto de dados são conhecidas no momento da inferência. |
string[] |
| forecastHorizon | O horizonte máximo de previsão desejado em unidades de frequência de séries cronológicas. | ForecastHorizon |
| FREQUÊNCIA | Ao fazer a previsão, este parâmetro representa o período com o qual a previsão é desejada, por exemplo, diariamente, semanalmente, anualmente, etc. A frequência de previsão é a frequência do conjunto de dados por padrão. | string |
| sazonalidade | Defina a sazonalidade das séries temporais como um múltiplo inteiro da frequência da série. Se a sazonalidade for definida como 'auto', ela será inferida. |
Sazonalidade |
| shortSeriesHandlingConfig | O parâmetro que define como se AutoML deve lidar com séries temporais curtas. | 'Auto' 'Gota' 'Nenhuma' 'Pad' |
| targetAggregateFunction | A função a ser usada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada pelo usuário. Se o TargetAggregateFunction estiver definido, ou seja, não 'Nenhum', mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "soma", "máx", "min" e "média". |
'Máx' 'Média' 'Min' 'Nenhuma' 'Soma' |
| targetLags | O número de períodos anteriores com atraso em relação à coluna de destino. | TargetLags |
| targetRollingWindowSize | O número de períodos passados usados para criar uma média de janela móvel da coluna de destino. | TargetRollingWindowSize |
| timeColumnName | O nome da coluna de tempo. Este parâmetro é necessário durante a previsão para especificar a coluna datetime nos dados de entrada usados para construir a série temporal e inferir sua frequência. | string |
| timeSeriesIdColumnNames | Os nomes das colunas usadas para agrupar uma série temporal. Ele pode ser usado para criar várias séries. Se o grão não estiver definido, o conjunto de dados é assumido como uma série temporal. Este parâmetro é usado com a previsão de tipo de tarefa. |
string[] |
| useStl | Configure a decomposição STL da coluna de destino da série temporal. | 'Nenhuma' 'Temporada' 'Tendência sazonal' |
ForecastHorizon
| Designação | Descrição | Valor |
|---|---|---|
| modo | Definir o tipo de objeto |
Auto Custom (obrigatório) |
AutoForecastHorizon
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Defina o modo de seleção de valores do horizonte de previsão. | 'Auto' (obrigatório) |
CustomForecastHorizon
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Defina o modo de seleção de valores do horizonte de previsão. | 'Personalizado' (obrigatório) |
| valor | [Obrigatório] Valor do horizonte de previsão. | int (obrigatório) |
Sazonalidade
| Designação | Descrição | Valor |
|---|---|---|
| modo | Definir o tipo de objeto |
Auto Custom (obrigatório) |
AutoSazonalidade
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo de sazonalidade. | 'Auto' (obrigatório) |
CustomSeasonality
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo de sazonalidade. | 'Personalizado' (obrigatório) |
| valor | [Obrigatório] Valor da sazonalidade. | int (obrigatório) |
TargetLags
| Designação | Descrição | Valor |
|---|---|---|
| modo | Definir o tipo de objeto |
Auto Custom (obrigatório) |
AutoTargetLags
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Definir o modo de atraso de destino - Auto/Custom | 'Auto' (obrigatório) |
CustomTargetLags
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Definir o modo de atraso de destino - Auto/Custom | 'Personalizado' (obrigatório) |
| valores | [Obrigatório] Defina valores de atraso de destino. | int[] (obrigatório) |
TargetRollingWindowSize
| Designação | Descrição | Valor |
|---|---|---|
| modo | Definir o tipo de objeto |
Auto Custom (obrigatório) |
AutoTargetRollingWindowSize
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | 'Auto' (obrigatório) |
CustomTargetRollingWindowSize
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | 'Personalizado' (obrigatório) |
| valor | [Obrigatório] Valor TargetRollingWindowSize. | int (obrigatório) |
PrevisãoFormaçãoConfigurações
| Designação | Descrição | Valor |
|---|---|---|
| allowedTrainingAlgorithms | Modelos permitidos para tarefa de previsão. | Matriz de cadeia de caracteres contendo qualquer uma das: 'Arimax' 'AutoArima' 'Média' 'Árvore de decisão' 'ElasticNet' 'Suavização Exponencial' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Ingênuo' 'Profeta' 'RandomForest' «SGD» 'Média sazonal' 'SazonalNaive' «TCNForecaster» 'XGBoostRegressor' |
| blockedTrainingAlgorithms | Modelos bloqueados para tarefa de previsão. | Matriz de cadeia de caracteres contendo qualquer uma das: 'Arimax' 'AutoArima' 'Média' 'Árvore de decisão' 'ElasticNet' 'Suavização Exponencial' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Ingênuo' 'Profeta' 'RandomForest' «SGD» 'Média sazonal' 'SazonalNaive' «TCNForecaster» 'XGBoostRegressor' |
| enableDnnTraining | Habilite a recomendação de modelos DNN. | Bool |
| enableModelExplainability | Sinalize para ativar a explicabilidade no melhor modelo. | Bool |
| enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | Bool |
| enableStackEnsemble | Habilite a execução do conjunto de pilha. | Bool |
| enableVoteEnsemble | Habilite a execução do conjunto de votação. | Bool |
| ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
| stackEnsembleSettings | Configurações de conjunto de pilha para execução de conjunto de pilha. | StackEnsembleSettings |
| formaçãoModo de formação | Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'. Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos. Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos. |
'Auto' 'Distribuído' 'Não distribuído' |
ImageClassification
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | 'ImageClassification' (obrigatório) |
| limitSettings | [Obrigatório] Limite as configurações para o trabalho AutoML. | ImageLimitSettings (obrigatório) |
| modelSettings | Configurações usadas para treinar o modelo. | ImageModelSettingsClassification |
| primaryMetric | Métrica primária para otimizar esta tarefa. | 'AUCWeighted' 'Precisão' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
| sweepSettings | Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. | ImageSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
ImageLimitSettings
| Designação | Descrição | Valor |
|---|---|---|
| maxConcurrentTrials | Número máximo de iterações simultâneas do AutoML. | Int |
| maxEnsaios | Número máximo de iterações AutoML. | Int |
| tempo limite | Tempo limite do trabalho AutoML. | string |
ImageModelSettingsClassification
| Designação | Descrição | Valor |
|---|---|---|
| avançadoConfigurações | Configurações para cenários avançados. | string |
| amsGradiente | Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. | Bool |
| aumentos | Configurações para usar Aumentos. | string |
| beta1 | Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | Int |
| beta2 | Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | Int |
| ponto de verificaçãoFrequência | Frequência para armazenar pontos de verificação do modelo. Deve ser um número inteiro positivo. | Int |
| checkpointModel | O modelo de ponto de verificação pré-treinado para treinamento incremental. | MLFlowModelJobInput |
| ponto de verificaçãoRunId | A id de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. | string |
| distribuído | Se deve ou não usar o treinamento distribuído. | Bool |
| Parar cedoParar | Habilite a lógica de parada precoce durante o treinamento. | Bool |
| cedoParandoAtrasar | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um número inteiro positivo. |
Int |
| cedoParandoPaciência | Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo. |
Int |
| enableOnnxNormalization | Habilite a normalização ao exportar o modelo ONNX. | Bool |
| avaliaçãoFrequência | Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. | Int |
| gradientAcumulaçãoEtapa | Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo. |
Int |
| camadasToFreeze | Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor Consulte: /azure/machine-learning/how-to-auto-train-image-models. |
Int |
| learningRate | Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. | Int |
| aprendizagemRateScheduler | Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. | 'Nenhuma' 'Passo' 'AquecimentoCosine' |
| nome_modelo | Nome do modelo a utilizar na formação. Para mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| Dinâmica | Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. | Int |
| Nesterov | Ative o nesterov quando o otimizador for 'sgd'. | Bool |
| númeroDasÉpocas | Número de épocas de formação. Deve ser um número inteiro positivo. | Int |
| númeroDeTrabalhadores | Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. | Int |
| otimizador | Tipo de otimizador. | 'Adão' 'Adamw' 'Nenhuma' 'Sgd' |
| randomSemente | Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. | Int |
| stepLRGamma | Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. | Int |
| stepLRStepSize | Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. | Int |
| formaçãoBatchSize | Tamanho do lote de treinamento. Deve ser um número inteiro positivo. | Int |
| formaçãoCropSize | Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de treinamento. Deve ser um número inteiro positivo. | Int |
| validaçãoBatchSize | Tamanho do lote de validação. Deve ser um número inteiro positivo. | Int |
| validaçãoCropSize | Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de validação. Deve ser um número inteiro positivo. | Int |
| validationResizeSize | Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um número inteiro positivo. | Int |
| aquecimentoCosineLRCycles | Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. | Int |
| aquecimentoCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. | Int |
| pesoDecaimento | Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. | Int |
| perda ponderada | Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada. 1 para perda de peso com sqrt. (class_weights). 2 para perda de peso com class_weights. Deve ser 0 ou 1 ou 2. |
Int |
MLFlowModelJobInput
| Designação | Descrição | Valor |
|---|---|---|
| Descrição | Descrição da entrada. | string |
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'custom_model' 'literal' 'mlflow_model' 'Mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | 'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
| Designação | Descrição | Valor |
|---|---|---|
| amsGradiente | Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. | string |
| aumentos | Configurações para usar Aumentos. | string |
| beta1 | Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | string |
| beta2 | Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | string |
| distribuído | Se deve ou não usar o treinamento de distribuidor. | string |
| Parar cedoParar | Habilite a lógica de parada precoce durante o treinamento. | string |
| cedoParandoAtrasar | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um número inteiro positivo. |
string |
| cedoParandoPaciência | Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo. |
string |
| enableOnnxNormalization | Habilite a normalização ao exportar o modelo ONNX. | string |
| avaliaçãoFrequência | Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. | string |
| gradientAcumulaçãoEtapa | Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo. |
string |
| camadasToFreeze | Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor Consulte: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| learningRate | Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. | string |
| aprendizagemRateScheduler | Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. | string |
| nome_modelo | Nome do modelo a utilizar na formação. Para mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| Dinâmica | Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. | string |
| Nesterov | Ative o nesterov quando o otimizador for 'sgd'. | string |
| númeroDasÉpocas | Número de épocas de formação. Deve ser um número inteiro positivo. | string |
| númeroDeTrabalhadores | Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. | string |
| otimizador | Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'. | string |
| randomSemente | Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. | string |
| stepLRGamma | Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. | string |
| stepLRStepSize | Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. | string |
| formaçãoBatchSize | Tamanho do lote de treinamento. Deve ser um número inteiro positivo. | string |
| formaçãoCropSize | Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de treinamento. Deve ser um número inteiro positivo. | string |
| validaçãoBatchSize | Tamanho do lote de validação. Deve ser um número inteiro positivo. | string |
| validaçãoCropSize | Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de validação. Deve ser um número inteiro positivo. | string |
| validationResizeSize | Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um número inteiro positivo. | string |
| aquecimentoCosineLRCycles | Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. | string |
| aquecimentoCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. | string |
| pesoDecaimento | Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. | string |
| perda ponderada | Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada. 1 para perda de peso com sqrt. (class_weights). 2 para perda de peso com class_weights. Deve ser 0 ou 1 ou 2. |
string |
ImageSweepSettings
| Designação | Descrição | Valor |
|---|---|---|
| Rescisão antecipada | Tipo de política de rescisão antecipada. | EarlyTerminationPolicy |
| samplingAlgorithm | [Obrigatório] Tipo de algoritmos de amostragem de hiperparâmetros. | 'Bayesiano' 'Grade' 'Aleatório' (obrigatório) |
ImageClassificationMultilabel
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | 'ImageClassificationMultilabel' (obrigatório) |
| limitSettings | [Obrigatório] Limite as configurações para o trabalho AutoML. | ImageLimitSettings (obrigatório) |
| modelSettings | Configurações usadas para treinar o modelo. | ImageModelSettingsClassification |
| primaryMetric | Métrica primária para otimizar esta tarefa. | 'AUCWeighted' 'Precisão' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
| sweepSettings | Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. | ImageSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
ImageInstanceSegmentation
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | 'ImageInstanceSegmentation' (obrigatório) |
| limitSettings | [Obrigatório] Limite as configurações para o trabalho AutoML. | ImageLimitSettings (obrigatório) |
| modelSettings | Configurações usadas para treinar o modelo. | ImageModelSettingsObjectDetection |
| primaryMetric | Métrica primária para otimizar esta tarefa. | 'MédiaPrecisão' |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | ImageModelDistributionSettingsObjectDetection [] |
| sweepSettings | Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. | ImageSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
ImageModelSettingsObjectDetection
| Designação | Descrição | Valor |
|---|---|---|
| avançadoConfigurações | Configurações para cenários avançados. | string |
| amsGradiente | Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. | Bool |
| aumentos | Configurações para usar Aumentos. | string |
| beta1 | Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | Int |
| beta2 | Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | Int |
| boxDetecçõesPerImage | Número máximo de deteções por imagem, para todas as classes. Deve ser um número inteiro positivo. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
Int |
| boxScoreThreshold | Durante a inferência, apenas retornam propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um flutuador na faixa[0, 1]. |
Int |
| ponto de verificaçãoFrequência | Frequência para armazenar pontos de verificação do modelo. Deve ser um número inteiro positivo. | Int |
| checkpointModel | O modelo de ponto de verificação pré-treinado para treinamento incremental. | MLFlowModelJobInput |
| ponto de verificaçãoRunId | A id de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. | string |
| distribuído | Se deve ou não usar o treinamento distribuído. | Bool |
| Parar cedoParar | Habilite a lógica de parada precoce durante o treinamento. | Bool |
| cedoParandoAtrasar | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um número inteiro positivo. |
Int |
| cedoParandoPaciência | Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo. |
Int |
| enableOnnxNormalization | Habilite a normalização ao exportar o modelo ONNX. | Bool |
| avaliaçãoFrequência | Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. | Int |
| gradientAcumulaçãoEtapa | Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo. |
Int |
| imageSize | Tamanho da imagem para trem e validação. Deve ser um número inteiro positivo. Nota: A corrida de treinamento pode entrar em CUDA OOM se o tamanho for muito grande. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
Int |
| camadasToFreeze | Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor Consulte: /azure/machine-learning/how-to-auto-train-image-models. |
Int |
| learningRate | Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. | Int |
| aprendizagemRateScheduler | Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. | 'Nenhuma' 'Passo' 'AquecimentoCosine' |
| logTrainingMetrics | Habilite métricas de treinamento de computação e registro. | 'Desativar' 'Habilitar' |
| logValidationLoss | Habilite a perda de validação de computação e registro. | 'Desativar' 'Habilitar' |
| maxTamanho | Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
Int |
| minTamanho | Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
Int |
| nome_modelo | Nome do modelo a utilizar na formação. Para mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| modelSize | Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho do modelo for muito grande. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
'ExtraGrande' 'Grande' 'Médio' 'Nenhuma' 'Pequeno' |
| Dinâmica | Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. | Int |
| multiescala | Habilite a imagem em várias escalas variando o tamanho da imagem em +/- 50%. Nota: a execução de treinamento pode entrar no CUDA OOM se não houver memória GPU suficiente. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
Bool |
| Nesterov | Ative o nesterov quando o otimizador for 'sgd'. | Bool |
| nmsIouThreshold | Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser um flutuador na faixa [0, 1]. | Int |
| númeroDasÉpocas | Número de épocas de formação. Deve ser um número inteiro positivo. | Int |
| númeroDeTrabalhadores | Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. | Int |
| otimizador | Tipo de otimizador. | 'Adão' 'Adamw' 'Nenhuma' 'Sgd' |
| randomSemente | Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. | Int |
| stepLRGamma | Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. | Int |
| stepLRStepSize | Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. | Int |
| tileGridSize | O tamanho da grade a ser usado para colocar lado a lado cada imagem. Nota: TileGridSize não deve ser Nenhum para habilitar a lógica de deteção de pequenos objetos. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| tileOverlapRatio | Razão de sobreposição entre blocos adjacentes em cada dimensão. Deve ser flutuante no intervalo [0, 1]. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
Int |
| tilePredictionsNmsThreshold | O limite de UO a ser usado para executar o NMS ao mesclar previsões de blocos e imagem. Utilizado na validação/inferência. Deve ser flutuante no intervalo [0, 1]. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
Int |
| formaçãoBatchSize | Tamanho do lote de treinamento. Deve ser um número inteiro positivo. | Int |
| validaçãoBatchSize | Tamanho do lote de validação. Deve ser um número inteiro positivo. | Int |
| validaçãoIouThreshold | Limite de UO a ser usado ao calcular a métrica de validação. Deve ser flutuante no intervalo [0, 1]. | Int |
| validaçãoMetricType | Método de cálculo métrico a utilizar para métricas de validação. | 'Coco' 'CocoVoc' 'Nenhuma' 'Voc' |
| aquecimentoCosineLRCycles | Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. | Int |
| aquecimentoCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. | Int |
| pesoDecaimento | Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. | Int |
ImageModelDistributionSettingsObjectDetection
| Designação | Descrição | Valor |
|---|---|---|
| amsGradiente | Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. | string |
| aumentos | Configurações para usar Aumentos. | string |
| beta1 | Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | string |
| beta2 | Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | string |
| boxDetecçõesPerImage | Número máximo de deteções por imagem, para todas as classes. Deve ser um número inteiro positivo. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| boxScoreThreshold | Durante a inferência, apenas retornam propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um flutuador na faixa[0, 1]. |
string |
| distribuído | Se deve ou não usar o treinamento de distribuidor. | string |
| Parar cedoParar | Habilite a lógica de parada precoce durante o treinamento. | string |
| cedoParandoAtrasar | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um número inteiro positivo. |
string |
| cedoParandoPaciência | Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo. |
string |
| enableOnnxNormalization | Habilite a normalização ao exportar o modelo ONNX. | string |
| avaliaçãoFrequência | Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. | string |
| gradientAcumulaçãoEtapa | Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo. |
string |
| imageSize | Tamanho da imagem para trem e validação. Deve ser um número inteiro positivo. Nota: A corrida de treinamento pode entrar em CUDA OOM se o tamanho for muito grande. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
string |
| camadasToFreeze | Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor Consulte: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| learningRate | Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. | string |
| aprendizagemRateScheduler | Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. | string |
| maxTamanho | Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| minTamanho | Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| nome_modelo | Nome do modelo a utilizar na formação. Para mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| modelSize | Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho do modelo for muito grande. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
string |
| Dinâmica | Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. | string |
| multiescala | Habilite a imagem em várias escalas variando o tamanho da imagem em +/- 50%. Nota: a execução de treinamento pode entrar no CUDA OOM se não houver memória GPU suficiente. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
string |
| Nesterov | Ative o nesterov quando o otimizador for 'sgd'. | string |
| nmsIouThreshold | Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser flutuante no intervalo [0, 1]. | string |
| númeroDasÉpocas | Número de épocas de formação. Deve ser um número inteiro positivo. | string |
| númeroDeTrabalhadores | Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. | string |
| otimizador | Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'. | string |
| randomSemente | Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. | string |
| stepLRGamma | Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. | string |
| stepLRStepSize | Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. | string |
| tileGridSize | O tamanho da grade a ser usado para colocar lado a lado cada imagem. Nota: TileGridSize não deve ser Nenhum para habilitar a lógica de deteção de pequenos objetos. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| tileOverlapRatio | Razão de sobreposição entre blocos adjacentes em cada dimensão. Deve ser flutuante no intervalo [0, 1]. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| tilePredictionsNmsThreshold | O limite de UO a ser usado para executar o NMS ao mesclar previsões de blocos e imagem. Utilizado na validação/inferência. Deve ser flutuante no intervalo [0, 1]. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. SMN: Supressão não máxima |
string |
| formaçãoBatchSize | Tamanho do lote de treinamento. Deve ser um número inteiro positivo. | string |
| validaçãoBatchSize | Tamanho do lote de validação. Deve ser um número inteiro positivo. | string |
| validaçãoIouThreshold | Limite de UO a ser usado ao calcular a métrica de validação. Deve ser flutuante no intervalo [0, 1]. | string |
| validaçãoMetricType | Método de cálculo métrico a utilizar para métricas de validação. Deve ser 'nenhum', 'coco', 'voc' ou 'coco_voc'. | string |
| aquecimentoCosineLRCycles | Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. | string |
| aquecimentoCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. | string |
| pesoDecaimento | Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. | string |
ImageObjectDetection
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | 'ImageObjectDetection' (obrigatório) |
| limitSettings | [Obrigatório] Limite as configurações para o trabalho AutoML. | ImageLimitSettings (obrigatório) |
| modelSettings | Configurações usadas para treinar o modelo. | ImageModelSettingsObjectDetection |
| primaryMetric | Métrica primária para otimizar esta tarefa. | 'MédiaPrecisão' |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | ImageModelDistributionSettingsObjectDetection [] |
| sweepSettings | Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. | ImageSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
Regressão
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | 'Regressão' (obrigatório) |
| cvSplitColumnNames | Colunas a serem usadas para dados CVSplit. | string[] |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | TableFixedParameters |
| limitSettings | Restrições de execução para AutoMLJob. | TableVerticalLimitSettings |
| nValidações cruzadas | Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
| primaryMetric | Métrica primária para tarefa de regressão. | 'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'Correlação de Spearman' |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | TableParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | TableSweepSettings |
| testData | Entrada de dados de teste. | MLTableJobInput |
| testDataSize | A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| formaçãoConfigurações | Entradas para a fase de treinamento para um trabalho AutoML. | RegressionTrainingSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| weightColumnName | O nome da coluna de peso da amostra. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
RegressionTrainingSettings
| Designação | Descrição | Valor |
|---|---|---|
| allowedTrainingAlgorithms | Modelos permitidos para tarefa de regressão. | Matriz de cadeia de caracteres contendo qualquer uma das: 'Árvore de decisão' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' «SGD» 'XGBoostRegressor' |
| blockedTrainingAlgorithms | Modelos bloqueados para tarefa de regressão. | Matriz de cadeia de caracteres contendo qualquer uma das: 'Árvore de decisão' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' «SGD» 'XGBoostRegressor' |
| enableDnnTraining | Habilite a recomendação de modelos DNN. | Bool |
| enableModelExplainability | Sinalize para ativar a explicabilidade no melhor modelo. | Bool |
| enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | Bool |
| enableStackEnsemble | Habilite a execução do conjunto de pilha. | Bool |
| enableVoteEnsemble | Habilite a execução do conjunto de votação. | Bool |
| ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
| stackEnsembleSettings | Configurações de conjunto de pilha para execução de conjunto de pilha. | StackEnsembleSettings |
| formaçãoModo de formação | Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'. Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos. Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos. |
'Auto' 'Distribuído' 'Não distribuído' |
Classificação de Texto
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | 'TextClassification' (obrigatório) |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | NlpFixedParameters |
| limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
| primaryMetric | Métrica primária para Text-Classification tarefa. | 'AUCWeighted' 'Precisão' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | NlpParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | NlpSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
NlpVerticalFeaturizationSettings
| Designação | Descrição | Valor |
|---|---|---|
| conjunto de dadosLinguagem | Linguagem do conjunto de dados, útil para os dados de texto. | string |
NlpFixedParameters
| Designação | Descrição | Valor |
|---|---|---|
| gradientAcumulaçãoEtapas | Número de etapas para acumular gradientes antes de executar uma passagem para trás. | Int |
| learningRate | A taxa de aprendizagem para o procedimento de formação. | Int |
| aprendizagemRateScheduler | O tipo de cronograma de taxa de aprendizagem a ser usado durante o procedimento de treinamento. | 'Constante' 'ConstantWithWarmup' 'Cosseno' 'CosineWithRestarts' 'Linear' 'Nenhuma' 'Polinômio' |
| nome_modelo | O nome do modelo a treinar. | string |
| númeroDasÉpocas | Número de épocas de formação. | Int |
| formaçãoBatchSize | O tamanho do lote para o procedimento de treinamento. | Int |
| validaçãoBatchSize | O tamanho do lote a ser usado durante a avaliação. | Int |
| warmupRatio | A relação de aquecimento, usada ao lado de LrSchedulerType. | Int |
| pesoDecaimento | O decaimento de peso para o procedimento de treinamento. | Int |
NlpVerticalLimitSettings
| Designação | Descrição | Valor |
|---|---|---|
| maxConcurrentTrials | Máximo de iterações simultâneas do AutoML. | Int |
| maxNós | Máximo de nós a serem usados para o experimento. | Int |
| maxEnsaios | Número de iterações AutoML. | Int |
| tempo limite | Tempo limite do trabalho AutoML. | string |
| trialTimeout | Tempo limite para ensaios individuais de DH. | string |
NlpParameterSubspace
| Designação | Descrição | Valor |
|---|---|---|
| gradientAcumulaçãoEtapas | Número de etapas para acumular gradientes antes de executar uma passagem para trás. | string |
| learningRate | A taxa de aprendizagem para o procedimento de formação. | string |
| aprendizagemRateScheduler | O tipo de cronograma de taxa de aprendizagem a ser usado durante o procedimento de treinamento. | string |
| nome_modelo | O nome do modelo a treinar. | string |
| númeroDasÉpocas | Número de épocas de formação. | string |
| formaçãoBatchSize | O tamanho do lote para o procedimento de treinamento. | string |
| validaçãoBatchSize | O tamanho do lote a ser usado durante a avaliação. | string |
| warmupRatio | A relação de aquecimento, usada ao lado de LrSchedulerType. | string |
| pesoDecaimento | O decaimento de peso para o procedimento de treinamento. | string |
NlpSweepSettings
| Designação | Descrição | Valor |
|---|---|---|
| Rescisão antecipada | Tipo de política de rescisão antecipada para o trabalho de varredura. | EarlyTerminationPolicy |
| samplingAlgorithm | [Obrigatório] Tipo de algoritmo de amostragem. | 'Bayesiano' 'Grade' 'Aleatório' (obrigatório) |
TextClassificationMultilabel
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | 'TextClassificationMultilabel' (obrigatório) |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | NlpFixedParameters |
| limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | NlpParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | NlpSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
TextNer
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | 'TextNER' (obrigatório) |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | NlpFixedParameters |
| limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | NlpParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | NlpSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
CommandJob
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | 'Comando' (obrigatório) |
| autologgerConfigurações | Configuração de distribuição do trabalho. Se definido, este deve ser um de Mpi, Tensorflow, PyTorch, ou null. | AutologgerSettings |
| codeId | ID do recurso ARM do ativo de código. | string |
| comando | [Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py" | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| Distribuição | Configuração de distribuição do trabalho. Se definido, este deve ser um de Mpi, Tensorflow, PyTorch, Ray, ou null. | DistributionConfiguration |
| environmentId | [Obrigatório] O ID do recurso ARM da especificação Ambiente para o trabalho. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| environmentVariables | Variáveis de ambiente incluídas no trabalho. | CommandJobEnvironmentVariables |
| Insumos | Mapeamento de ligações de dados de entrada usadas no trabalho. | CommandJobInputs |
| Limites | Limite de trabalho de comando. | CommandJobLimits |
| saídas | Mapeamento das ligações de dados de saída usadas no trabalho. | CommandJobOutputs |
| queueSettings | Configurações de fila para o trabalho | QueueSettings |
| Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
AutologgerSettings
| Designação | Descrição | Valor |
|---|---|---|
| mlflowAutologger | [Obrigatório] Indica se o mlflow autologger está habilitado. | 'Desativado' 'Ativado' (obrigatório) |
DistributionConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| tipo de distribuição | Definir o tipo de objeto |
Mpi PyTorch Ray TensorFlow (obrigatório) |
Mpi
| Designação | Descrição | Valor |
|---|---|---|
| tipo de distribuição | [Obrigatório] Especifica o tipo de estrutura de distribuição. | «Mpi» (obrigatório) |
| processCountPerInstance | Número de processos por nó MPI. | Int |
PyTorch
| Designação | Descrição | Valor |
|---|---|---|
| tipo de distribuição | [Obrigatório] Especifica o tipo de estrutura de distribuição. | 'PyTorch' (obrigatório) |
| processCountPerInstance | Número de processos por nó. | Int |
Raio
| Designação | Descrição | Valor |
|---|---|---|
| tipo de distribuição | [Obrigatório] Especifica o tipo de estrutura de distribuição. | 'Raio' (obrigatório) |
| Endereço | O endereço do nó principal de Ray. | string |
| dashboardPort | A porta à qual vincular o servidor do painel. | Int |
| headNodeAdditionalArgs | Argumentos adicionais passados para o raio começar no nó principal. | string |
| includeDashboard | Forneça esse argumento para iniciar a GUI do painel do Ray. | Bool |
| porto | A porta do processo de raio de cabeça. | Int |
| workerNodeAdditionalArgs | Argumentos adicionais passados para o início do raio no nó de trabalho. | string |
TensorFlow
| Designação | Descrição | Valor |
|---|---|---|
| tipo de distribuição | [Obrigatório] Especifica o tipo de estrutura de distribuição. | 'TensorFlow' (obrigatório) |
| parameterServerCount | Número de tarefas do servidor de parâmetros. | Int |
| trabalhadorContagem | Número de trabalhadores. Se não for especificado, o padrão será a contagem de instâncias. | Int |
CommandJobEnvironmentVariables
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
CommandJobInputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
JobInput
| Designação | Descrição | Valor |
|---|---|---|
| Descrição | Descrição da entrada. | string |
| jobInputType | Definir o tipo de objeto |
custom_model literal mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobInput
| Designação | Descrição | Valor |
|---|---|---|
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'custom_model' (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | 'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
LiteralJobInput
| Designação | Descrição | Valor |
|---|---|---|
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'literal' (obrigatório) |
| valor | [Obrigatório] Valor literal para a entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
TritonModelJobInput
| Designação | Descrição | Valor |
|---|---|---|
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'triton_model' (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | 'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFileJobInput
| Designação | Descrição | Valor |
|---|---|---|
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'uri_file' (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | 'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFolderJobInput
| Designação | Descrição | Valor |
|---|---|---|
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'uri_folder' (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | 'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
CommandJobLimits
| Designação | Descrição | Valor |
|---|---|---|
| jobLimitsType | [Obrigatório] Tipo JobLimit. | 'Comando' 'Varredura' (obrigatório) |
| tempo limite | A duração máxima de execução no formato ISO 8601, após a qual o trabalho será cancelado. Suporta apenas a duração com uma precisão tão baixa como segundos. | string |
CommandJobSaídas
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobOutput |
LabelingJobProperties
| Designação | Descrição | Valor |
|---|---|---|
| componentId | ID do recurso ARM do recurso componente. | string |
| computeId | ID do recurso ARM do recurso de computação. | string |
| dataConfiguration | Configuração dos dados utilizados no trabalho. | LabelingDataConfiguration |
| Descrição | O texto da descrição do ativo. | string |
| displayName | Exibir nome do trabalho. | string |
| nome da experiência | O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". | string |
| identidade | Configuração de identidade. Se definido, este deve ser um dos AmlToken, ManagedIdentity, UserIdentity ou null. O padrão é AmlToken se null. |
IdentityConfiguration |
| isArquivado | O ativo está arquivado? | Bool |
| jobInstruções | Instruções de etiquetagem do trabalho. | LabelingJobInstructions |
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | 'AutoML' 'Comando' 'Rotulagem' 'Gasoduto' 'Faísca' 'Varredura' (obrigatório) |
| labelCategorias | Rotule as categorias do trabalho. | LabelingJobLabelCategories |
| labelingJobMediaProperties | Propriedades específicas do tipo de mídia no trabalho. | LabelingJobMediaProperties |
| mlAssistConfiguration | Configuração do recurso MLAssist no trabalho. | MLAssistConfiguration |
| notificationSetting | Configuração de notificação para o trabalho | NotificationSetting |
| propriedades | O dicionário de propriedades de ativos. | ResourceBaseProperties |
| secretsConfiguration | Configuração para segredos a serem disponibilizados durante o tempo de execução. | JobBaseSecretsConfiguration |
| serviços | Lista de JobEndpoints. Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject. |
JobBaseServices |
| Etiquetas | Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas. | objeto |
LabelingDataConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| DataId | ID do recurso do ativo de dados para executar a rotulagem. | string |
| incrementalDataRefresh | Indica se a atualização incremental de dados deve ser habilitada. | 'Desativado' 'Habilitado' |
RotulagemInstruções de trabalho
| Designação | Descrição | Valor |
|---|---|---|
| URI | O link para uma página com instruções detalhadas de rotulagem para rotuladoras. | string |
RotulagemJobLabelCategorias
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | LabelCategory |
LabelCategory
| Designação | Descrição | Valor |
|---|---|---|
| Aulas | Dicionário de classes de rótulos nesta categoria. | LabelCategoryClasses |
| displayName | Nome para exibição da categoria de rótulo. | string |
| multiSelecionar | Indica se é permitido selecionar várias classes nesta categoria. | 'Desativado' 'Habilitado' |
LabelCategoryClasses
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | LabelClass |
LabelClass
| Designação | Descrição | Valor |
|---|---|---|
| displayName | Nome para exibição da classe de rótulo. | string |
| Subclasses | Dicionário de subclasses da classe label. | LabelClassSubclasses |
LabelClassSubclasses
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | LabelClass |
LabelingJobMediaProperties
| Designação | Descrição | Valor |
|---|---|---|
| MediaType | Definir o tipo de objeto |
Imagem de texto (obrigatório) |
LabelingJobImageProperties
| Designação | Descrição | Valor |
|---|---|---|
| MediaType | [Obrigatório] Tipo de mídia do trabalho. | 'Imagem' (obrigatório) |
| annotationType | Tipo de anotação do trabalho de etiquetagem de imagem. | 'BoundingBox' 'Classificação' 'SegmentaçãoInstância' |
LabelingJobTextProperties
| Designação | Descrição | Valor |
|---|---|---|
| MediaType | [Obrigatório] Tipo de mídia do trabalho. | 'Texto' (obrigatório) |
| annotationType | Tipo de anotação do trabalho de etiquetagem de texto. | 'Classificação' 'NamedEntityRecognition' |
MLAssistConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| mlAssist [en] | Definir o tipo de objeto |
Deficientes ativado (obrigatório) |
MLAssistConfigurationDisabled
| Designação | Descrição | Valor |
|---|---|---|
| mlAssist [en] | [Obrigatório] Indica se o recurso MLAssist está habilitado. | 'Desativado' (obrigatório) |
MLAssistConfigurationEnabled
| Designação | Descrição | Valor |
|---|---|---|
| mlAssist [en] | [Obrigatório] Indica se o recurso MLAssist está habilitado. | 'Ativado' (obrigatório) |
| inferencingComputeBinding | [Obrigatório] Ligação de computação AML usada na inferência. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| formaçãoComputeBinding | [Obrigatório] Ligação de computação AML usada em treinamento. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
PipelineJob
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | «Gasoduto» (obrigatório) |
| Insumos | Insumos para o trabalho de pipeline. | PipelineJobInputs |
| empregos | Os trabalhos constroem o trabalho de pipeline. | PipelineJobJobs |
| saídas | Saídas para o trabalho de pipeline | PipelineJobOutputs |
| Configurações | Configurações de pipeline, para coisas como ContinueRunOnStepFailure etc. | Para o Bicep, você pode usar a função any(). |
| fonteJobId | ID do recurso ARM do trabalho de origem. | string |
PipelineJobInputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
PipelineJobJobs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | Para o Bicep, você pode usar a função any(). |
PipelineJobSaídas
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobOutput |
Faísca
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | 'Faísca' (obrigatório) |
| Arquivos | Arquivar arquivos usados no trabalho. | string[] |
| Args | Argumentos a favor do trabalho. | string |
| codeId | [Obrigatório] ID do recurso ARM do ativo de código. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| conf | Propriedades configuradas do Spark. | SparkJobConf |
| entrada | [Obrigatório] A entrada para executar na inicialização do trabalho. | SparkJobEntry (obrigatório) |
| environmentId | O ID do recurso ARM da especificação Ambiente para o trabalho. | string |
| environmentVariables | Variáveis de ambiente incluídas no trabalho. | SparkJobEnvironmentVariables |
| ficheiros | Arquivos usados no trabalho. | string[] |
| Insumos | Mapeamento de ligações de dados de entrada usadas no trabalho. | SparkJobInputs |
| frascos | Jar arquivos usados no trabalho. | string[] |
| saídas | Mapeamento das ligações de dados de saída usadas no trabalho. | SparkJobOutputs |
| Arquivos py | Arquivos Python usados no trabalho. | string[] |
| queueSettings | Configurações de fila para o trabalho | QueueSettings |
| Recursos | Configuração de recursos de computação para o trabalho. | SparkResourceConfiguration |
SparkJobConf
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
SparkJobEntry
| Designação | Descrição | Valor |
|---|---|---|
| sparkJobEntryType | Definir o tipo de objeto |
SparkJobPythonEntry SparkJobScalaEntry (obrigatório) |
SparkJobPythonEntry
| Designação | Descrição | Valor |
|---|---|---|
| sparkJobEntryType | [Obrigatório] Tipo de ponto de entrada do trabalho. | 'SparkJobPythonEntry' (obrigatório) |
| arquivo | [Obrigatório] Caminho relativo do arquivo python para o ponto de entrada do trabalho. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SparkJobScalaEntry
| Designação | Descrição | Valor |
|---|---|---|
| sparkJobEntryType | [Obrigatório] Tipo de ponto de entrada do trabalho. | 'SparkJobScalaEntry' (obrigatório) |
| className | [Obrigatório] Nome da classe Scala usado como ponto de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SparkJobEnvironmentVariables
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
SparkJobInputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
SparkJobOutputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobOutput |
SparkResourceConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| tipo de instância | Tipo opcional de VM usado conforme suportado pelo destino de computação. | string |
| runtimeVersion | Versão do tempo de execução do spark usado para o trabalho. | string |
Varredura
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | 'Varredura' (obrigatório) |
| componentConfiguration | Configuração de componentes para varredura sobre componentes | ComponentConfiguration |
| Rescisão antecipada | As políticas de rescisão antecipada permitem cancelar execuções com baixo desempenho antes que elas sejam concluídas | EarlyTerminationPolicy |
| Insumos | Mapeamento de ligações de dados de entrada usadas no trabalho. | SweepJobInputs |
| Limites | Limite de trabalho de varredura. | SweepJobLimits |
| objetivo | [Obrigatório] Objetivo de otimização. | Objetivo (obrigatório) |
| saídas | Mapeamento das ligações de dados de saída usadas no trabalho. | SweepJobOutputs |
| queueSettings | Configurações de fila para o trabalho | QueueSettings |
| Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
| samplingAlgorithm | [Obrigatório] O algoritmo de amostragem de hiperparâmetros | SamplingAlgorithm (obrigatório) |
| espaço de pesquisa | [Obrigatório] Um dicionário contendo cada parâmetro e sua distribuição. A chave do dicionário é o nome do parâmetro | Para o Bicep, você pode usar a função any(). (obrigatório) |
| julgamento | [Obrigatório] Definição do componente experimental. | TrialComponent (obrigatório) |
Configuração do componente
| Designação | Descrição | Valor |
|---|---|---|
| pipelineConfigurações: | Configurações de pipeline, para coisas como ContinueRunOnStepFailure etc. | Para o Bicep, você pode usar a função any(). |
SweepJobInputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
SweepJobLimits
| Designação | Descrição | Valor |
|---|---|---|
| jobLimitsType | [Obrigatório] Tipo JobLimit. | 'Comando' 'Varredura' (obrigatório) |
| maxConcurrentTrials | Varrer o Job max testes simultâneos. | Int |
| maxTotalTrials | Varrer o total de testes do Sweep Job. | Int |
| tempo limite | A duração máxima de execução no formato ISO 8601, após a qual o trabalho será cancelado. Suporta apenas a duração com uma precisão tão baixa como segundos. | string |
| trialTimeout | Valor do tempo limite da Avaliação do Trabalho de Varredura. | string |
Objetivo
| Designação | Descrição | Valor |
|---|---|---|
| Objetivo | [Obrigatório] Define metas métricas suportadas para ajuste de hiperparâmetros | 'Maximizar' 'Minimizar' (obrigatório) |
| primaryMetric | [Obrigatório] Nome da métrica a ser otimizada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SweepJobOutputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobOutput |
SamplingAlgorithm
| Designação | Descrição | Valor |
|---|---|---|
| samplingAlgorithmType | Definir o tipo de objeto |
Bayesian Grid aleatório (obrigatório) |
BayesianSamplingAlgorithm
| Designação | Descrição | Valor |
|---|---|---|
| samplingAlgorithmType | [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | 'Bayesiano' (obrigatório) |
GridSamplingAlgorithm
| Designação | Descrição | Valor |
|---|---|---|
| samplingAlgorithmType | [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | 'Grade' (obrigatório) |
RandomSamplingAlgorithm
| Designação | Descrição | Valor |
|---|---|---|
| samplingAlgorithmType | [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | 'Aleatório' (obrigatório) |
| Base de registo | Um número positivo opcional ou e em formato string a utilizar como base para amostragem aleatória logarítmica | string |
| regra | O tipo específico de algoritmo aleatório | 'Aleatório' 'Sobol' |
| sementes | Um inteiro opcional para usar como semente para geração de números aleatórios | Int |
TrialComponent
| Designação | Descrição | Valor |
|---|---|---|
| codeId | ID do recurso ARM do ativo de código. | string |
| comando | [Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py" | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| Distribuição | Configuração de distribuição do trabalho. Se definido, este deve ser um de Mpi, Tensorflow, PyTorch, ou null. | DistributionConfiguration |
| environmentId | [Obrigatório] O ID do recurso ARM da especificação Ambiente para o trabalho. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| environmentVariables | Variáveis de ambiente incluídas no trabalho. | TrialComponentEnvironmentVariables |
| Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
CreateMonitorAction
| Designação | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação da agenda | 'CreateMonitor' (obrigatório) |
| monitorDefinição | [Obrigatório] Define o monitor. | MonitorDefinition (obrigatório) |
MonitorDefinition
| Designação | Descrição | Valor |
|---|---|---|
| alertNotificationSettings | As configurações de notificação do monitor. | MonitorNotificationSettings |
| computeConfiguration | [Obrigatório] O ID do recurso ARM do recurso de computação no qual executar o trabalho de monitoramento. | MonitorComputeConfigurationBase (obrigatório) |
| monitorizaçãoAlvo | A ID do recurso ARM do modelo ou da implantação visada por este monitor. | MonitoringTarget |
| sinais | [Obrigatório] Os sinais a monitorizar. | MonitorDefinitionSignals (obrigatório) |
MonitorNotificationSettings
| Designação | Descrição | Valor |
|---|---|---|
| emailNotificationSettings | As configurações de e-mail de notificação AML. | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
| Designação | Descrição | Valor |
|---|---|---|
| E-mails | Esta é a lista de destinatários de e-mail que tem uma limitação de 499 caracteres no total. | string[] |
MonitorComputeConfigurationBase
| Designação | Descrição | Valor |
|---|---|---|
| computeType | Definir o tipo de objeto | ServerlessSpark (obrigatório) |
MonitorServerlessSparkCompute
MonitorComputeIdentityBase
| Designação | Descrição | Valor |
|---|---|---|
| computeIdentityType | Definir o tipo de objeto |
AmlToken ManagedIdentity (obrigatório) |
AmlTokenComputeIdentity
| Designação | Descrição | Valor |
|---|---|---|
| computeIdentityType | [Obrigatório] Monitore o tipo de identidade de computação enum. | 'AmlToken' (obrigatório) |
ManagedComputeIdentity
ManagedServiceIdentity
| Designação | Descrição | Valor |
|---|---|---|
| tipo | Tipo de identidade de serviço gerenciado (onde os tipos SystemAssigned e UserAssigned são permitidos). | 'Nenhuma' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (obrigatório) |
| userAssignedIdentities | O conjunto de identidades atribuídas pelo usuário associadas ao recurso. As chaves do dicionário userAssignedIdentities serão ids de recurso ARM no formato: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Os valores de dicionário podem ser objetos vazios ({}) em solicitações. | UserAssignedIdentities |
UserAssignedIdentities
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | UserAssignedIdentity |
UserAssignedIdentity
Este objeto não contém nenhuma propriedade a ser definida durante a implantação. Todas as propriedades são ReadOnly.
MonitorizaçãoAlvo
| Designação | Descrição | Valor |
|---|---|---|
| deploymentId | O ID do recurso ARM da implantação visada por este monitor. | string |
| modelId | O ID do recurso ARM do modelo visado por este monitor. | string |
| Tipo de tarefa | [Obrigatório] O tipo de tarefa de aprendizado de máquina do modelo. | 'Classificação' 'PerguntaResposta' 'Regressão' (obrigatório) |
MonitorDefinitionSignals
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | MonitoringSignalBase |
MonitoringSignalBase
| Designação | Descrição | Valor |
|---|---|---|
| notificationTypes | O modo de notificação atual para este sinal. | Matriz de cadeia de caracteres contendo qualquer uma das: 'AmlNotification' 'AzureMonitor' |
| propriedades | Dicionário de propriedades. As propriedades podem ser adicionadas, mas não removidas ou alteradas. | MonitoringSignalBaseProperties |
| Tipo de sinal | Definir o tipo de objeto |
personalizados DataDrift DataQuality FeatureAttributionDrift GeraçãoSegurançaQualidade GenerationTokenStatistics ModelPerformance PredictionDrift (obrigatório) |
MonitoringSignalBaseProperties
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
CustomMonitoringSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'Personalizado' (obrigatório) |
| componentId | [Obrigatório] ID do recurso ARM do recurso de componente usado para calcular as métricas personalizadas. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| inputAtivos | Monitoramento de ativos a serem tomados como entrada. A chave é o nome da porta de entrada do componente, o valor é o ativo de dados. | CustomMonitoringSignalInputAssets |
| Insumos | Parâmetros de componentes extras a serem tomados como entrada. Key é o nome da porta de entrada literal do componente, value é o valor do parâmetro. | CustomMonitoringSignalInputs |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | CustomMetricThreshold[] (obrigatório) |
| workspaceConnection | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | MonitoringWorkspaceConnection (obrigatório) |
CustomMonitoringSignalInputAssets
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | MonitoringInputDataBase |
MonitoringInputDataBase
| Designação | Descrição | Valor |
|---|---|---|
| colunas | Mapeamento de nomes de colunas para usos especiais. | MonitoringInputDataBaseColumns |
| dataContext | Os metadados de contexto da fonte de dados. | string |
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'custom_model' 'literal' 'mlflow_model' 'Mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório) |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| inputDataType | Definir o tipo de objeto |
Fixo Rolling estático (obrigatório) |
MonitoringInputDataBaseColumns
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
FixedInputData
| Designação | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'Fixo' (obrigatório) |
RollingInputData
| Designação | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'Laminação' (obrigatório) |
| pré-processamentoComponentId | O ID do recurso ARM do recurso componente usado para pré-processar os dados. | string |
| windowDeslocamento | [Obrigatório] O deslocamento de tempo entre o final da janela de dados e o tempo de execução atual do monitor. | string (obrigatório) |
| windowSize | [Obrigatório] O tamanho da janela de dados à direita. | string (obrigatório) |
StaticInputData
| Designação | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'Estática' (obrigatório) |
| pré-processamentoComponentId | O ID do recurso ARM do recurso componente usado para pré-processar os dados. | string |
| janelaFim de janela | [Obrigatório] A data final da janela de dados. | string (obrigatório) |
| janelaIniciar | [Obrigatório] A data de início da janela de dados. | string (obrigatório) |
CustomMonitoringSignalInputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
CustomMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Métrica | [Obrigatório] A métrica definida pelo usuário para calcular. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
MonitoramentoLimiar
| Designação | Descrição | Valor |
|---|---|---|
| valor | O valor limite. Se null, o padrão definido depende do tipo de métrica. | Int |
MonitoringWorkspaceConnection
| Designação | Descrição | Valor |
|---|---|---|
| environmentVariables | As propriedades de uma conexão de serviço de espaço de trabalho para armazenar como variáveis de ambiente nos trabalhos enviados. A chave é o caminho da propriedade de conexão do espaço de trabalho, o nome é a chave da variável de ambiente. |
MonitoringWorkspaceConnectionEnvironmentVariables |
| segredos | As propriedades de uma conexão de serviço de espaço de trabalho para armazenar como segredos nos trabalhos enviados. A chave é o caminho da propriedade de conexão do espaço de trabalho, o nome é a chave secreta. |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
MonitoringWorkspaceConnectionSecrets
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
DataDriftMonitoringSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'DataDrift' (obrigatório) |
| dataSegment | O segmento de dados usado para delimitar um subconjunto da população de dados. | MonitoringDataSegment |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados. | DataDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | FeatureImportanceSettings |
| caraterísticas | O filtro de recurso que identifica qual recurso calcular desvio. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataDriftMetricThresholdBase[] (obrigatório) |
| produçãoDados | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
| dados de referência | [Obrigatório] Os dados para calcular o desvio contra. | MonitoringInputDataBase (obrigatório) |
MonitoringDataSegment
| Designação | Descrição | Valor |
|---|---|---|
| Funcionalidade | O recurso para segmentar os dados. | string |
| valores | Filtra apenas os valores especificados do recurso segmentado fornecido. | string[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | 'Categórico' 'Numérico' |
FeatureImportanceSettings
| Designação | Descrição | Valor |
|---|---|---|
| modo | O modo de operação para a computação característica importância. | 'Desativado' 'Habilitado' |
| targetColumn | O nome da coluna de destino dentro do ativo de dados de entrada. | string |
MonitoringFeatureFilterBase
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de filtro | Definir o tipo de objeto |
AllFeatures FeatureSubset TopNByAttribution (obrigatório) |
Todos os recursos
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de filtro | [Obrigatório] Especifica o filtro de recursos a ser aproveitado ao selecionar recursos para calcular métricas. | 'AllFeatures' (obrigatório) |
FeatureSubset
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de filtro | [Obrigatório] Especifica o filtro de recursos a ser aproveitado ao selecionar recursos para calcular métricas. | 'FeatureSubset' (obrigatório) |
| caraterísticas | [Obrigatório] A lista de recursos a serem incluídos. | string[] (obrigatório) |
TopNFeaturesByAttribution
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de filtro | [Obrigatório] Especifica o filtro de recursos a ser aproveitado ao selecionar recursos para calcular métricas. | 'TopNByAttribution' (obrigatório) |
| Início | O número de principais recursos a serem incluídos. | Int |
DataDriftMetricThresholdBase
| Designação | Descrição | Valor |
|---|---|---|
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Tipo de dados | Definir o tipo de objeto |
categórica Numérica (obrigatório) |
CategoricalDataDriftMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | 'Categórico' (obrigatório) |
| Métrica | [Obrigatório] A métrica de desvio de dados categóricos para calcular. | 'JensenShannonDistância' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (obrigatório) |
NumericalDataDriftMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | 'Numérico' (obrigatório) |
| Métrica | [Obrigatório] A métrica de desvio de dados numéricos para calcular. | 'JensenShannonDistância' 'Distância normalizada de Wasserstein' 'Índice de Estabilidade da População' 'TwoSampleKolmogorovSmirnovTest' (obrigatório) |
DataQualityMonitoringSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'DataQuality' (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados. | DataQualityMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | FeatureImportanceSettings |
| caraterísticas | Os recursos para calcular o drift over. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataQualityMetricThresholdBase[] (obrigatório) |
| produçãoDados | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
| dados de referência | [Obrigatório] Os dados para calcular o desvio contra. | MonitoringInputDataBase (obrigatório) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | 'Categórico' 'Numérico' |
DataQualityMetricThresholdBase
| Designação | Descrição | Valor |
|---|---|---|
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Tipo de dados | Definir o tipo de objeto |
categórica Numérica (obrigatório) |
CategoricalDataQualityMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | 'Categórico' (obrigatório) |
| Métrica | [Obrigatório] A métrica de qualidade de dados categóricos a ser calculada. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obrigatório) |
NumericalDataQualityMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | 'Numérico' (obrigatório) |
| Métrica | [Obrigatório] A métrica de qualidade de dados numéricos a ser calculada. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obrigatório) |
FeatureAttributionDriftMonitoringSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'FeatureAttributionDrift' (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados. | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | FeatureImportanceSettings |
| metricThreshold | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | FeatureAttributionMetricThreshold (obrigatório) |
| produçãoDados | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase[] (obrigatório) |
| dados de referência | [Obrigatório] Os dados para calcular o desvio contra. | MonitoringInputDataBase (obrigatório) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | 'Categórico' 'Numérico' |
FeatureAttributionMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Métrica | [Obrigatório] A métrica de atribuição de recursos para calcular. | 'NormalizedDiscountedCumulativeGain' (obrigatório) |
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
GeraçãoSegurançaQualidadeMonitorizaçãoSinal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'GenerationSafetyQuality' (obrigatório) |
| metricThresholds | [Obrigatório] Obtém ou define as métricas a serem calculadas e os limites correspondentes. | GenerationSafetyQualityMetricThreshold[] (obrigatório) |
| produçãoDados | Obtém ou define os dados de produção para métricas de computação. | MonitoringInputDataBase [] |
| amostragemTaxa | [Obrigatório] A taxa de amostragem dos dados de produção, deve ser superior a 0 e no máximo 1. | int (obrigatório) |
| workspaceConnectionId | Obtém ou define a ID de conexão do espaço de trabalho usada para se conectar ao ponto de extremidade de geração de conteúdo. | string |
GeraçãoSegurançaQualidadeLimiar Métrico
| Designação | Descrição | Valor |
|---|---|---|
| Métrica | [Obrigatório] Obtém ou define a métrica de atribuição de recurso a ser calculada. | 'AcceptableCoherenceScorePerInstance' 'AcceptableFluencyScorePerInstance' 'AcceptableGroundednessScorePerInstance' 'AcceptableRelevanceScorePerInstance' 'AcceptableSimilarityScorePerInstance' 'Coerência agregadaPassRate' 'AggregatedFluencyPassRate' 'AggregatedGroundednessPassRate' 'AggregatedRelevancePassRate' 'AggregatedSimilarityPassRate' (obrigatório) |
| limiar | Obtém ou define o valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. |
MonitoringThreshold |
GenerationTokenUsageSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'GenerationTokenStatistics' (obrigatório) |
| metricThresholds | [Obrigatório] Obtém ou define as métricas a serem calculadas e os limites correspondentes. | GenerationTokenUsageMetricThreshold[] (obrigatório) |
| produçãoDados | Obtém ou define os dados de produção para métricas de computação. | MonitoringInputDataBase [] |
| amostragemTaxa | [Obrigatório] A taxa de amostragem dos dados de produção, deve ser superior a 0 e no máximo 1. | int (obrigatório) |
GenerationTokenUsageMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Métrica | [Obrigatório] Obtém ou define a métrica de atribuição de recurso a ser calculada. | 'TotalTokenCount' 'TotalTokenCountPerGroup' (obrigatório) |
| limiar | Obtém ou define o valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. |
MonitoringThreshold |
ModelPerformanceSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'ModelPerformance' (obrigatório) |
| dataSegment | O segmento de dados. | MonitoringDataSegment |
| metricThreshold | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | ModelPerformanceMetricThresholdBase (obrigatório) |
| produçãoDados | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o desempenho será calculado. | MonitoringInputDataBase[] (obrigatório) |
| dados de referência | [Obrigatório] Os dados de referência utilizados como base para calcular o desempenho do modelo. | MonitoringInputDataBase (obrigatório) |
ModelPerformanceMetricThresholdBase
| Designação | Descrição | Valor |
|---|---|---|
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Tipo de modelo | Definir o tipo de objeto |
Classificação de regressão (obrigatório) |
ClassificationModelPerformanceMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de modelo | [Obrigatório] Especifica o tipo de dados do limite métrico. | «Classificação» (obrigatório) |
| Métrica | [Obrigatório] O desempenho do modelo de classificação a ser calculado. | 'Precisão' 'Precisão' 'Recall' (obrigatório) |
RegressionModelPerformanceMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de modelo | [Obrigatório] Especifica o tipo de dados do limite métrico. | 'Regressão' (obrigatório) |
| Métrica | [Obrigatório] A métrica de desempenho do modelo de regressão a ser calculada. | 'MeanAbsoluteError' 'MeanSquaredError' 'RootMeanSquaredError' (obrigatório) |
PrevisãoDriftMonitoramentoSinal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'PredictionDrift' (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados. | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | PredictionDriftMetricThresholdBase[] (obrigatório) |
| produçãoDados | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
| dados de referência | [Obrigatório] Os dados para calcular o desvio contra. | MonitoringInputDataBase (obrigatório) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | 'Categórico' 'Numérico' |
PrevisãoDriftMetricThresholdBase
| Designação | Descrição | Valor |
|---|---|---|
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Tipo de dados | Definir o tipo de objeto |
categórica Numérica (obrigatório) |
CategoricalPredictionDriftMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | 'Categórico' (obrigatório) |
| Métrica | [Obrigatório] A métrica de desvio de previsão categórica para calcular. | 'JensenShannonDistância' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (obrigatório) |
NumericalPredictionDriftMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | 'Numérico' (obrigatório) |
| Métrica | [Obrigatório] A métrica de desvio de previsão numérica para calcular. | 'JensenShannonDistância' 'Distância normalizada de Wasserstein' 'Índice de Estabilidade da População' 'TwoSampleKolmogorovSmirnovTest' (obrigatório) |
ImportDataAction
| Designação | 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) |
Importação de dados
| Designação | Descrição | Valor |
|---|---|---|
| nome_do_ativo | Nome do ativo para o trabalho de importação de dados a ser criado | string |
| autoDeleteSetting | Especifica a configuração do ciclo de vida do ativo de dados gerenciado. | AutoDeleteSetting |
| Tipo de dados | [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 |
string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| Descrição | O texto da descrição do ativo. | string |
| Propriedade intelectual | Detalhes de Propriedade Intelectual. Utilizado se os dados forem uma Propriedade Intelectual. | de Propriedade Intelectual |
| isAnonymous | Se a versão do nome for gerada pelo sistema (registo anónimo). Para tipos em que Stage é definido, quando Stage é fornecido, ele será usado para preencher IsAnonymous | Bool |
| isArquivado | O ativo está arquivado? Para tipos em que Stage é definido, quando Stage é fornecido, ele será usado para preencher IsArchived | Bool |
| propriedades | O dicionário de propriedades de ativos. | ResourceBaseProperties |
| fonte | Dados de origem do ativo a ser importado | DataImportSource |
| estágio | Estágio no ciclo de vida dos dados atribuído a este ativo de dados | string |
| Etiquetas | Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas. | objeto |
Propriedade Intelectual
| Designação | Descrição | Valor |
|---|---|---|
| proteçãoNível de proteção | Nível de proteção da Propriedade Intelectual. | 'Todos' 'Nenhuma' |
| editora | [Obrigatório] Editora da Propriedade Intelectual. Deve ser o mesmo que o nome do editor do Registro. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
DataImportSource
| Designação | Descrição | Valor |
|---|---|---|
| conexão | Conexão de espaço de trabalho para armazenamento de fonte de importação de dados | string |
| Tipo de fonte | Definir o tipo de objeto |
banco de dados file_system (obrigatório) |
Fonte de banco de dados
DatabaseSourceStoredProcedureParamsItem
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
FileSystemSource
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de fonte | [Obrigatório] Especifica o tipo de dados. | 'file_system' (obrigatório) |
| caminho | Caminho na origem do sistema de arquivos de importação de dados | string |
EndpointScheduleAction
| Designação | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação da agenda | 'InvokeBatchEndpoint' (obrigatório) |
| endpointInvocationDefinition | [Obrigatório] Define os detalhes da definição da ação Agendar. {ver href="TBD" /} |
Para o Bicep, você pode usar a função any(). (obrigatório) |
Base de gatilhos
| Designação | Descrição | Valor |
|---|---|---|
| Tempo de Fim | Especifica a hora de término do agendamento na ISO 8601, mas sem um deslocamento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601.O formato recomentado seria "2022-06-01T00:00:01" Se não estiver presente, o horário será executado por tempo indeterminado |
string |
| startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC. | string |
| Fuso horário | Especifica o fuso horário no qual a agenda é executada. O fuso horário deve seguir o formato de fuso horário do Windows. Referência: /windows-hardware/manufature/desktop/default-time-zones /> |
string |
| Tipo de gatilho | Definir o tipo de objeto |
Cron de recorrência (obrigatório) |
CronTrigger
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de gatilho | [Obrigatório] | 'Cron' (obrigatório) |
| expressão | [Obrigatório] Especifica a expressão cron da agenda. A expressão deve seguir o formato NCronTab. |
string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
RecorrênciaTrigger
| Designação | Descrição | Valor |
|---|---|---|
| Tempo de Fim | Especifica a hora de término do agendamento na ISO 8601, mas sem um deslocamento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601.O formato recomentado seria "2022-06-01T00:00:01" Se não estiver presente, o horário será executado por tempo indeterminado |
string |
| FREQUÊNCIA | [Obrigatório] A frequência para acionar o cronograma. | 'Dia' 'Hora' 'Minuto' 'Mês' 'Semana' (obrigatório) |
| intervalo | [Obrigatório] Especifica o intervalo de programação em conjunto com a frequência | int (obrigatório) |
| Horário | O esquema de recorrência. | RecurrenceSchedule |
| startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC. | string |
| Fuso horário | Especifica o fuso horário no qual a agenda é executada. O fuso horário deve seguir o formato de fuso horário do Windows. Referência: /windows-hardware/manufature/desktop/default-time-zones |
string |
| Tipo de gatilho | [Obrigatório] | 'Cron' «Recorrência» (obrigatório) |
RecorrênciaCronograma
| Designação | Descrição | Valor |
|---|---|---|
| Horas | [Obrigatório] Lista de horas para o horário. | int[] (obrigatório) |
| minutos | [Obrigatório] Lista de atas para a programação. | int[] (obrigatório) |
| mêsDias | Lista de dias do mês para o cronograma | int[] |
| dias úteis | Lista de dias para o calendário. | Matriz de cadeia de caracteres contendo qualquer uma das: 'Sexta-feira' 'Segunda-feira' 'Sábado' 'Domingo' 'Quinta-feira' 'Terça-feira' 'Quarta-feira' |
Definição de recurso de modelo ARM
O tipo de recurso espaços de trabalho/agendas pode ser implantado com operações que visam:
- Grupos de recursos - Consulte comandos de implantação de grupo de recursos
Para obter uma lista de propriedades alteradas em cada versão da API, consulte log de alterações.
Formato do recurso
Para criar um recurso Microsoft.MachineLearningServices/workspaces/schedules, adicione o seguinte JSON ao seu modelo.
{
"type": "Microsoft.MachineLearningServices/workspaces/schedules",
"apiVersion": "2023-08-01-preview",
"name": "string",
"properties": {
"action": {
"actionType": "string"
// For remaining properties, see ScheduleActionBase objects
},
"description": "string",
"displayName": "string",
"isEnabled": "bool",
"properties": {
"{customized property}": "string"
},
"tags": {},
"trigger": {
"endTime": "string",
"startTime": "string",
"timeZone": "string",
"triggerType": "string"
// For remaining properties, see TriggerBase objects
}
}
}
Objetos ScheduleActionBase
Defina a propriedade actionType para especificar o tipo de objeto.
Para CreateJob , use:
"actionType": "CreateJob",
"jobDefinition": {
"componentId": "string",
"computeId": "string",
"description": "string",
"displayName": "string",
"experimentName": "string",
"identity": {
"identityType": "string"
// For remaining properties, see IdentityConfiguration objects
},
"isArchived": "bool",
"notificationSetting": {
"emailOn": [ "string" ],
"emails": [ "string" ],
"webhooks": {
"{customized property}": {
"eventType": "string",
"webhookType": "string"
// For remaining properties, see Webhook objects
}
}
},
"properties": {
"{customized property}": "string"
},
"secretsConfiguration": {
"{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"
}
}
},
"tags": {},
"jobType": "string"
// For remaining properties, see JobBaseProperties objects
}
Para CreateMonitor , use:
"actionType": "CreateMonitor",
"monitorDefinition": {
"alertNotificationSettings": {
"emailNotificationSettings": {
"emails": [ "string" ]
}
},
"computeConfiguration": {
"computeType": "string"
// For remaining properties, see MonitorComputeConfigurationBase objects
},
"monitoringTarget": {
"deploymentId": "string",
"modelId": "string",
"taskType": "string"
},
"signals": {
"{customized property}": {
"notificationTypes": [ "string" ],
"properties": {
"{customized property}": "string"
},
"signalType": "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Para ImportData , use:
"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"
},
"source": {
"connection": "string",
"sourceType": "string"
// For remaining properties, see DataImportSource objects
},
"stage": "string",
"tags": {}
}
Para InvokeBatchEndpoint, use:
"actionType": "InvokeBatchEndpoint",
"endpointInvocationDefinition": {}
Objetos JobBaseProperties
Defina a propriedade jobType para especificar o tipo de objeto.
Para AutoML, use:
"jobType": "AutoML",
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"queueSettings": {
"jobTier": "string",
"priority": "int"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"locations": [ "string" ],
"maxInstanceCount": "int",
"properties": {
"{customized property}": {}
},
"shmSize": "string"
},
"taskDetails": {
"logVerbosity": "string",
"targetColumnName": "string",
"trainingData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"taskType": "string"
// For remaining properties, see AutoMLVertical objects
}
Para Command, use:
"jobType": "Command",
"autologgerSettings": {
"mlflowAutologger": "string"
},
"codeId": "string",
"command": "string",
"distribution": {
"distributionType": "string"
// For remaining properties, see DistributionConfiguration objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"limits": {
"jobLimitsType": "string",
"timeout": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"queueSettings": {
"jobTier": "string",
"priority": "int"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"locations": [ "string" ],
"maxInstanceCount": "int",
"properties": {
"{customized property}": {}
},
"shmSize": "string"
}
Para de rotulagem, use:
"jobType": "Labeling",
"dataConfiguration": {
"dataId": "string",
"incrementalDataRefresh": "string"
},
"jobInstructions": {
"uri": "string"
},
"labelCategories": {
"{customized property}": {
"classes": {
"{customized property}": {
"displayName": "string",
"subclasses": {
"{customized property}": {}
}
},
"displayName": "string",
"multiSelect": "string"
}
},
"labelingJobMediaProperties": {
"mediaType": "string"
// For remaining properties, see LabelingJobMediaProperties objects
},
"mlAssistConfiguration": {
"mlAssist": "string"
// For remaining properties, see MLAssistConfiguration objects
}
Para Pipeline, use:
"jobType": "Pipeline",
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"jobs": {
"{customized property}": {}
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"settings": {},
"sourceJobId": "string"
Para Spark, use:
"jobType": "Spark",
"archives": [ "string" ],
"args": "string",
"codeId": "string",
"conf": {
"{customized property}": "string"
},
"entry": {
"sparkJobEntryType": "string"
// For remaining properties, see SparkJobEntry objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"files": [ "string" ],
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"jars": [ "string" ],
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"pyFiles": [ "string" ],
"queueSettings": {
"jobTier": "string",
"priority": "int"
},
"resources": {
"instanceType": "string",
"runtimeVersion": "string"
}
Para Varredura, use:
"jobType": "Sweep",
"componentConfiguration": {
"pipelineSettings": {}
},
"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"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"locations": [ "string" ],
"maxInstanceCount": "int",
"properties": {
"{customized property}": {}
},
"shmSize": "string"
},
"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}": {}
},
"shmSize": "string"
}
}
Objetos IdentityConfiguration
Defina a propriedade identityType para especificar o tipo de objeto.
Para AMLToken, use:
"identityType": "AMLToken"
Para Managed, use:
"identityType": "Managed",
"clientId": "string",
"objectId": "string",
"resourceId": "string"
Para UserIdentity , use:
"identityType": "UserIdentity"
Objetos Webhook
Defina a propriedade webhookType para especificar o tipo de objeto.
Para AzureDevOps, use:
"webhookType": "AzureDevOps"
Objetos de nós
Defina a propriedade nodesValueType para especificar o tipo de objeto.
Para todos os, use:
"nodesValueType": "All"
Objetos JobOutput
Defina a propriedade jobOutputType para especificar o tipo de objeto.
Para custom_model, utilize:
"jobOutputType": "custom_model",
"assetName": "string",
"assetVersion": "string",
"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, use:
"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 de previsão, utilize:
"taskType": "Forecasting",
"cvSplitColumnNames": [ "string" ],
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"fixedParameters": {
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "int",
"maxBin": "int",
"maxDepth": "int",
"maxLeaves": "int",
"minDataInLeaf": "int",
"minSplitGain": "int",
"modelName": "string",
"nEstimators": "int",
"numLeaves": "int",
"preprocessorName": "string",
"regAlpha": "int",
"regLambda": "int",
"subsample": "int",
"subsampleFreq": "int",
"treeMethod": "string",
"withMean": "bool",
"withStd": "bool"
},
"forecastingSettings": {
"countryOrRegionForHolidays": "string",
"cvStepSize": "int",
"featureLags": "string",
"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 , use:
"taskType": "ImageClassification",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "int",
"nesterov": "bool",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"trainingBatchSize": "int",
"trainingCropSize": "int",
"validationBatchSize": "int",
"validationCropSize": "int",
"validationResizeSize": "int",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int",
"weightedLoss": "int"
},
"primaryMetric": "string",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "string",
"nesterov": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"trainingBatchSize": "string",
"trainingCropSize": "string",
"validationBatchSize": "string",
"validationCropSize": "string",
"validationResizeSize": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string",
"weightedLoss": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Para ImageClassificationMultilabel , use:
"taskType": "ImageClassificationMultilabel",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "int",
"nesterov": "bool",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"trainingBatchSize": "int",
"trainingCropSize": "int",
"validationBatchSize": "int",
"validationCropSize": "int",
"validationResizeSize": "int",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int",
"weightedLoss": "int"
},
"primaryMetric": "string",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "string",
"nesterov": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"trainingBatchSize": "string",
"trainingCropSize": "string",
"validationBatchSize": "string",
"validationCropSize": "string",
"validationResizeSize": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string",
"weightedLoss": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Para ImageInstanceSegmentation , use:
"taskType": "ImageInstanceSegmentation",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"boxDetectionsPerImage": "int",
"boxScoreThreshold": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"imageSize": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"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 , use:
"taskType": "ImageObjectDetection",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"boxDetectionsPerImage": "int",
"boxScoreThreshold": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"imageSize": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"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"
Parade regressão
"taskType": "Regression",
"cvSplitColumnNames": [ "string" ],
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"fixedParameters": {
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "int",
"maxBin": "int",
"maxDepth": "int",
"maxLeaves": "int",
"minDataInLeaf": "int",
"minSplitGain": "int",
"modelName": "string",
"nEstimators": "int",
"numLeaves": "int",
"preprocessorName": "string",
"regAlpha": "int",
"regLambda": "int",
"subsample": "int",
"subsampleFreq": "int",
"treeMethod": "string",
"withMean": "bool",
"withStd": "bool"
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxNodes": "int",
"maxTrials": "int",
"sweepConcurrentTrials": "int",
"sweepTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"primaryMetric": "string",
"searchSpace": [
{
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "string",
"maxBin": "string",
"maxDepth": "string",
"maxLeaves": "string",
"minDataInLeaf": "string",
"minSplitGain": "string",
"modelName": "string",
"nEstimators": "string",
"numLeaves": "string",
"preprocessorName": "string",
"regAlpha": "string",
"regLambda": "string",
"subsample": "string",
"subsampleFreq": "string",
"treeMethod": "string",
"withMean": "string",
"withStd": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"testData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int",
"trainingSettings": {
"allowedTrainingAlgorithms": [ "string" ],
"blockedTrainingAlgorithms": [ "string" ],
"enableDnnTraining": "bool",
"enableModelExplainability": "bool",
"enableOnnxCompatibleModels": "bool",
"enableStackEnsemble": "bool",
"enableVoteEnsemble": "bool",
"ensembleModelDownloadTimeout": "string",
"stackEnsembleSettings": {
"stackMetaLearnerKWargs": {},
"stackMetaLearnerTrainPercentage": "int",
"stackMetaLearnerType": "string"
},
"trainingMode": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
Para TextClassification , use:
"taskType": "TextClassification",
"featurizationSettings": {
"datasetLanguage": "string"
},
"fixedParameters": {
"gradientAccumulationSteps": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"warmupRatio": "int",
"weightDecay": "int"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxNodes": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"primaryMetric": "string",
"searchSpace": [
{
"gradientAccumulationSteps": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"warmupRatio": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
Para TextClassificationMultilabel , use:
"taskType": "TextClassificationMultilabel",
"featurizationSettings": {
"datasetLanguage": "string"
},
"fixedParameters": {
"gradientAccumulationSteps": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"warmupRatio": "int",
"weightDecay": "int"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxNodes": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"searchSpace": [
{
"gradientAccumulationSteps": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"warmupRatio": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
Para TextNER, use:
"taskType": "TextNER",
"featurizationSettings": {
"datasetLanguage": "string"
},
"fixedParameters": {
"gradientAccumulationSteps": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"warmupRatio": "int",
"weightDecay": "int"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxNodes": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"searchSpace": [
{
"gradientAccumulationSteps": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"warmupRatio": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
Objetos NCrossValidations
Defina o modo propriedade para especificar o tipo de objeto.
Para automático, use:
"mode": "Auto"
Para Custom, use:
"mode": "Custom",
"value": "int"
Objetos EarlyTerminationPolicy
Defina a propriedade policyType para especificar o tipo de objeto.
Para Bandit, use:
"policyType": "Bandit",
"slackAmount": "int",
"slackFactor": "int"
Para MedianStopping , use:
"policyType": "MedianStopping"
Para TruncationSelection , use:
"policyType": "TruncationSelection",
"truncationPercentage": "int"
Objetos ForecastHorizon
Defina o modo propriedade para especificar o tipo de objeto.
Para automático, use:
"mode": "Auto"
Para Custom, use:
"mode": "Custom",
"value": "int"
Objetos de sazonalidade
Defina o modo propriedade para especificar o tipo de objeto.
Para automático, use:
"mode": "Auto"
Para Custom, use:
"mode": "Custom",
"value": "int"
Objetos TargetLags
Defina o modo propriedade para especificar o tipo de objeto.
Para automático, use:
"mode": "Auto"
Para Custom, use:
"mode": "Custom",
"values": [ "int" ]
Objetos TargetRollingWindowSize
Defina o modo propriedade para especificar o tipo de objeto.
Para automático, use:
"mode": "Auto"
Para Custom, use:
"mode": "Custom",
"value": "int"
Objetos DistributionConfiguration
Defina a propriedade distributionType para especificar o tipo de objeto.
Para Mpi, use:
"distributionType": "Mpi",
"processCountPerInstance": "int"
Para PyTorch, use:
"distributionType": "PyTorch",
"processCountPerInstance": "int"
Para Ray, use:
"distributionType": "Ray",
"address": "string",
"dashboardPort": "int",
"headNodeAdditionalArgs": "string",
"includeDashboard": "bool",
"port": "int",
"workerNodeAdditionalArgs": "string"
Para TensorFlow , use:
"distributionType": "TensorFlow",
"parameterServerCount": "int",
"workerCount": "int"
Objetos JobInput
Defina a propriedade jobInputType para especificar o tipo de objeto.
Para custom_model, utilize:
"jobInputType": "custom_model",
"mode": "string",
"uri": "string"
Para literal , use:
"jobInputType": "literal",
"value": "string"
Para mlflow_model, utilize:
"jobInputType": "mlflow_model",
"mode": "string",
"uri": "string"
Para mltable, use:
"jobInputType": "mltable",
"mode": "string",
"uri": "string"
Para triton_model, utilize:
"jobInputType": "triton_model",
"mode": "string",
"uri": "string"
Para uri_file, utilize:
"jobInputType": "uri_file",
"mode": "string",
"uri": "string"
Para uri_folder, utilize:
"jobInputType": "uri_folder",
"mode": "string",
"uri": "string"
Objetos LabelingJobMediaProperties
Defina a propriedade mediaType para especificar o tipo de objeto.
Para de imagem, use:
"mediaType": "Image",
"annotationType": "string"
Para de texto , use:
"mediaType": "Text",
"annotationType": "string"
Objetos MLAssistConfiguration
Defina a propriedade mlAssist para especificar o tipo de objeto.
Para com deficiência, use:
"mlAssist": "Disabled"
Para Enabled, use:
"mlAssist": "Enabled",
"inferencingComputeBinding": "string",
"trainingComputeBinding": "string"
Objetos SparkJobEntry
Defina a propriedade sparkJobEntryType para especificar o tipo de objeto.
Para SparkJobPythonEntry , use:
"sparkJobEntryType": "SparkJobPythonEntry",
"file": "string"
Para SparkJobScalaEntry , use:
"sparkJobEntryType": "SparkJobScalaEntry",
"className": "string"
Objetos SamplingAlgorithm
Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.
Para Bayesian, use:
"samplingAlgorithmType": "Bayesian"
Para Grid, use:
"samplingAlgorithmType": "Grid"
Para Random, use:
"samplingAlgorithmType": "Random",
"logbase": "string",
"rule": "string",
"seed": "int"
Objetos MonitorComputeConfigurationBase
Defina a propriedade computeType para especificar o tipo de objeto.
Para ServerlessSpark, use:
"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 , use:
"computeIdentityType": "AmlToken"
Para ManagedIdentity , use:
"computeIdentityType": "ManagedIdentity",
"identity": {
"type": "string",
"userAssignedIdentities": {
"{customized property}": {}
}
}
Objetos MonitoringSignalBase
Defina a propriedade signalType para especificar o tipo de objeto.
Para Custom, use:
"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 , use:
"signalType": "DataDrift",
"dataSegment": {
"feature": "string",
"values": [ "string" ]
},
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "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 DataQuality , use:
"signalType": "DataQuality",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "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 , use:
"signalType": "FeatureAttributionDrift",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "string"
},
"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 , use:
"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 , use:
"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 , use:
"signalType": "PredictionDrift",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see PredictionDriftMetricThresholdBase 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
}
Objetos MonitoringInputDataBase
Defina a propriedade inputDataType para especificar o tipo de objeto.
Para Fixo, use:
"inputDataType": "Fixed"
Para Rolling, utilize:
"inputDataType": "Rolling",
"preprocessingComponentId": "string",
"windowOffset": "string",
"windowSize": "string"
Para estático , use:
"inputDataType": "Static",
"preprocessingComponentId": "string",
"windowEnd": "string",
"windowStart": "string"
Objetos MonitoringFeatureFilterBase
Defina a propriedade filterType para especificar o tipo de objeto.
Para AllFeatures, use:
"filterType": "AllFeatures"
Para FeatureSubset , use:
"filterType": "FeatureSubset",
"features": [ "string" ]
Para TopNByAttribution , use:
"filterType": "TopNByAttribution",
"top": "int"
Objetos DataDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para categórica, use:
"dataType": "Categorical",
"metric": "string"
Para Numérica, utilize:
"dataType": "Numerical",
"metric": "string"
Objetos DataQualityMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para categórica, use:
"dataType": "Categorical",
"metric": "string"
Para Numérica, utilize:
"dataType": "Numerical",
"metric": "string"
Objetos ModelPerformanceMetricThresholdBase
Defina a propriedade modelType para especificar o tipo de objeto.
Para Classificação, utilize:
"modelType": "Classification",
"metric": "string"
Parade regressão
"modelType": "Regression",
"metric": "string"
Objetos PredictionDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para categórica, use:
"dataType": "Categorical",
"metric": "string"
Para Numérica, utilize:
"dataType": "Numerical",
"metric": "string"
Objetos DataImportSource
Defina a propriedade sourceType para especificar o tipo de objeto.
Para banco de dados, use:
"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, use:
"triggerType": "Cron",
"expression": "string"
Para de recorrência, utilize:
"triggerType": "Recurrence",
"frequency": "string",
"interval": "int",
"schedule": {
"hours": [ "int" ],
"minutes": [ "int" ],
"monthDays": [ "int" ],
"weekDays": [ "string" ]
}
Valores de propriedade
espaços de trabalho/horários
| Designação | Descrição | Valor |
|---|---|---|
| tipo | O tipo de recurso | 'Microsoft.MachineLearningServices/workspaces/schedules' |
| apiVersion | A versão da api de recursos | '2023-08-01-pré-visualização' |
| Designação | O nome do recurso Veja como definir nomes e tipos para recursos filho em modelos JSON ARM. |
string (obrigatório) |
| propriedades | [Obrigatório] Atributos adicionais da entidade. | ScheduleProperties (obrigatório) |
ScheduleProperties
ScheduleActionBase
| Designação | Descrição | Valor |
|---|---|---|
| actionType | Definir o tipo de objeto |
CreateJob CreateMonitor ImportData InvokeBatchEndpoint (obrigatório) |
JobScheduleAction
JobBaseProperties
| Designação | Descrição | Valor |
|---|---|---|
| componentId | ID do recurso ARM do recurso componente. | string |
| computeId | ID do recurso ARM do recurso de computação. | string |
| Descrição | O texto da descrição do ativo. | string |
| displayName | Exibir nome do trabalho. | string |
| nome da experiência | O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". | string |
| identidade | Configuração de identidade. Se definido, este deve ser um dos AmlToken, ManagedIdentity, UserIdentity ou null. O padrão é AmlToken se null. |
IdentityConfiguration |
| isArquivado | O ativo está arquivado? | Bool |
| notificationSetting | Configuração de notificação para o trabalho | NotificationSetting |
| propriedades | O dicionário de propriedades de ativos. | ResourceBaseProperties |
| secretsConfiguration | Configuração para segredos a serem disponibilizados durante o tempo de execução. | JobBaseSecretsConfiguration |
| serviços | Lista de JobEndpoints. Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject. |
JobBaseServices |
| Etiquetas | Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas. | objeto |
| Tipo de trabalho | Definir o tipo de objeto |
AutoML de comando Rotulagem Pipeline Spark Varredura (obrigatório) |
IdentityConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| identityType | Definir o tipo de objeto |
AMLToken Gestão UserIdentity (obrigatório) |
AmlToken
| Designação | Descrição | Valor |
|---|---|---|
| identityType | [Obrigatório] Especifica o tipo de estrutura de identidade. | 'AMLToken' (obrigatório) |
Identidade gerenciada
| Designação | Descrição | Valor |
|---|---|---|
| identityType | [Obrigatório] Especifica o tipo de estrutura de identidade. | 'Gerenciado' (obrigatório) |
| ID do cliente | Especifica uma identidade atribuída pelo usuário por ID do cliente. Para sistema atribuído, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| objectId | Especifica uma identidade atribuída pelo usuário por ID de objeto. Para sistema atribuído, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| resourceId | Especifica uma identidade atribuída pelo usuário por ID de recurso ARM. Para sistema atribuído, não defina este campo. | string |
Identidade do usuário
| Designação | Descrição | Valor |
|---|---|---|
| identityType | [Obrigatório] Especifica o tipo de estrutura de identidade. | 'UserIdentity' (obrigatório) |
NotificationSetting
| Designação | Descrição | Valor |
|---|---|---|
| e-mailOn | Enviar notificação por e-mail para o usuário no tipo de notificação especificado | Matriz de cadeia de caracteres contendo qualquer uma das: 'TrabalhoCancelado' 'TrabalhoConcluído' 'JobFailed' |
| E-mails | Esta é a lista de destinatários de e-mail que tem uma limitação de 499 caracteres no total concat com separador de vírgula | string[] |
| ganchos de teia | Enviar retorno de chamada webhook para um serviço. Key é um nome fornecido pelo usuário para o webhook. | NotificationSettingWebhooks |
NotificationSettingWebhooks
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | Webhook |
Gancho de teia
| Designação | Descrição | Valor |
|---|---|---|
| eventType | Enviar retorno de chamada em um evento de notificação especificado | string |
| webhookType | Definir o tipo de objeto | AzureDevOps (obrigatório) |
AzureDevOpsWebhook
| Designação | Descrição | Valor |
|---|---|---|
| webhookType | [Obrigatório] Especifica o tipo de serviço para enviar um retorno de chamada | 'AzureDevOps' (obrigatório) |
ResourceBaseProperties
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
JobBaseSecretsConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | SecretConfiguration |
SecretConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| URI | Uri secreto. Uri de amostra: https://myvault.vault.azure.net/secrets/mysecretname/secretversion |
string |
| workspaceSecretName | Nome do segredo no cofre de chaves do espaço de trabalho. | string |
JobBaseServices
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobService |
Serviço de Emprego
| Designação | Descrição | Valor |
|---|---|---|
| Ponto final | Url para o ponto de extremidade. | string |
| jobServiceType | Tipo de ponto final. | string |
| nós | Nós nos quais o usuário gostaria de iniciar o serviço. Se Nós não estiver definido ou definido como nulo, o serviço só será iniciado no nó líder. |
de nós |
| porto | Porta para ponto de extremidade definida pelo usuário. | Int |
| propriedades | Propriedades adicionais a serem definidas no ponto de extremidade. | JobServiceProperties |
Nós
| Designação | Descrição | Valor |
|---|---|---|
| nósValueType | Definir o tipo de objeto | Todos os (obrigatório) |
AllNodes
| Designação | Descrição | Valor |
|---|---|---|
| nósValueType | [Obrigatório] Tipo do valor de Nós | 'Todos' (obrigatório) |
JobServiceProperties
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
AutoMLJob
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | 'AutoML' (obrigatório) |
| environmentId | O ID do recurso ARM da especificação Ambiente para o trabalho. Este é um valor opcional para fornecer, se não for fornecido, o AutoML assumirá como padrão a versão do ambiente com curadoria do AutoML de Produção ao executar o trabalho. |
string |
| environmentVariables | Variáveis de ambiente incluídas no trabalho. | AutoMLJobEnvironmentVariables |
| saídas | Mapeamento das ligações de dados de saída usadas no trabalho. | AutoMLJobOutputs |
| queueSettings | Configurações de fila para o trabalho | QueueSettings |
| Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
| taskDetalhes | [Obrigatório] Isso representa um cenário que pode ser um dos Tabelas/NLP/Imagem | AutoMLVertical (obrigatório) |
AutoMLJobEnvironmentVariables
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
AutoMLJobOutputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobOutput |
JobOutput
| Designação | Descrição | Valor |
|---|---|---|
| Descrição | Descrição da saída. | string |
| jobOutputType | Definir o tipo de objeto |
custom_model mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'custom_model' (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | 'Direto' 'ReadWriteMount' 'Carregar' |
| URI | URI do ativo de saída. | string |
AutoDeleteSetting
| Designação | Descrição | Valor |
|---|---|---|
| condição | Quando verificar se um ativo expirou | 'CriadoGreaterThan' 'LastAccessedGreaterThan' |
| valor | Valor da condição de expiração. | string |
MLFlowModelJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'mlflow_model' (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | 'Direto' 'ReadWriteMount' 'Carregar' |
| URI | URI do ativo de saída. | string |
MLTableJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'mltable' (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | 'Direto' 'ReadWriteMount' 'Carregar' |
| URI | URI do ativo de saída. | string |
TritonModelJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'triton_model' (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | 'Direto' 'ReadWriteMount' 'Carregar' |
| URI | URI do ativo de saída. | string |
UriFileJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'uri_file' (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | 'Direto' 'ReadWriteMount' 'Carregar' |
| URI | URI do ativo de saída. | string |
UriFolderJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | 'uri_folder' (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | 'Direto' 'ReadWriteMount' 'Carregar' |
| URI | URI do ativo de saída. | string |
Configurações da fila
| Designação | Descrição | Valor |
|---|---|---|
| nível de trabalho | Controla a camada de trabalho de computação | 'Básico' 'Nulo' 'Premium' 'Mancha' 'Padrão' |
| prioridade | Controla a prioridade do trabalho em uma computação. | Int |
JobResourceConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| dockerArgs | Argumentos extras para passar para o comando de execução do Docker. Isso substituiria quaisquer parâmetros que já tenham sido definidos pelo sistema ou nesta seção. Este parâmetro só tem suporte para tipos de computação do Azure ML. | string |
| instanceCount | Número opcional de instâncias ou nós usados pelo destino de computação. | Int |
| tipo de instância | Tipo opcional de VM usado conforme suportado pelo destino de computação. | string |
| Locais | Locais onde o trabalho pode ser executado. | string[] |
| maxInstanceCount | Número máximo permitido opcional de instâncias ou nós a serem usados pelo destino de computação. Para uso com treinamento elástico, atualmente suportado apenas pelo tipo de distribuição PyTorch. |
Int |
| propriedades | Saco de propriedades adicionais. | ResourceConfigurationProperties |
| shmTamanho | Tamanho do bloco de memória compartilhada do contêiner docker. Este deve ser no formato de (número)(unidade), onde o número é maior que 0 e a unidade pode ser um de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes). | string Restrições: Padrão = \d+[bBkKmMgG] |
ResourceConfigurationProperties
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} |
AutoMLVertical
| Designação | Descrição | Valor |
|---|---|---|
| logVerbosidade | Registre a verbosidade para o trabalho. | 'Crítica' 'Depuração' 'Erro' 'Informações' 'NotSet' 'Atenção' |
| targetColumnName | Nome da coluna de destino: Esta é a coluna de valores de previsão. Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação. |
string |
| formaçãoDados de formação | [Obrigatório] Introdução de dados de formação. | MLTableJobInput (obrigatório) |
| Tipo de tarefa | Definir o tipo de objeto |
Classificação Previsão ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regressão TextClassification TextClassificationMultilabel TextNER (obrigatório) |
MLTableJobInput
| Designação | Descrição | Valor |
|---|---|---|
| Descrição | Descrição da entrada. | string |
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'custom_model' 'literal' 'mlflow_model' 'Mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | 'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
Classificação
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | «Classificação» (obrigatório) |
| cvSplitColumnNames | Colunas a serem usadas para dados CVSplit. | string[] |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | TableFixedParameters |
| limitSettings | Restrições de execução para AutoMLJob. | TableVerticalLimitSettings |
| nValidações cruzadas | Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
| rótulo positivo | Rótulo positivo para cálculo de métricas binárias. | string |
| primaryMetric | Métrica primária para a tarefa. | 'AUCWeighted' 'Precisão' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | TableParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | TableSweepSettings |
| testData | Entrada de dados de teste. | MLTableJobInput |
| testDataSize | A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| formaçãoConfigurações | Entradas para a fase de treinamento para um trabalho AutoML. | ClassificaçãoFormaçãoConfigurações |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| weightColumnName | O nome da coluna de peso da amostra. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
TableVerticalFeaturizationSettings
| Designação | Descrição | Valor |
|---|---|---|
| blockedTransformers | Estes transformadores não devem ser utilizados na featurização. | Matriz de cadeia de caracteres contendo qualquer uma das: 'CatTargetEncoder' 'CountVectorizer' 'HashOneHotEncoder' 'LabelEncoder' 'NaiveBayes' 'OneHotEncoder' 'TextTargetEncoder' 'TfIdf' 'WoETargetEncoder' 'Incorporação de palavras' |
| columnNameAndTypes | Dicionário do nome da coluna e seu tipo (int, float, string, datetime etc). | TableVerticalFeaturizationSettingsColumnNameAndTypes |
| conjunto de dadosLinguagem | Linguagem do conjunto de dados, útil para os dados de texto. | string |
| enableDnnFeaturization | Determina se os featurizers baseados em Dnn devem ser usados para a featurização de dados. | Bool |
| modo | Modo de featurização - O usuário pode manter o modo 'Auto' padrão e o AutoML cuidará da transformação necessária dos dados na fase de featurização. Se 'Off' for selecionado, nenhuma featurização será feita. Se 'Personalizado' estiver selecionado, o usuário pode especificar entradas adicionais para personalizar como a featurização é feita. |
'Auto' 'Personalizado' 'Desligado' |
| transformadoresParams | O usuário pode especificar transformadores adicionais a serem usados juntamente com as colunas às quais seria aplicado e parâmetros para o construtor do transformador. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
TableVerticalFeaturizationSettingsTransformerParams
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | ColumnTransformer[] |
ColumnTransformer
| Designação | Descrição | Valor |
|---|---|---|
| campos | Campos para aplicar a lógica do transformador. | string[] |
| Parâmetros | Diferentes propriedades a serem passadas para o transformador. A entrada esperada é o dicionário de pares chave, valor no formato JSON. |
TableFixedParameters
| Designação | Descrição | Valor |
|---|---|---|
| reforço | Especifique o tipo de impulsionamento, por exemplo, gbdt para XGBoost. | string |
| boostingType | Especifique o tipo de impulsionamento, por exemplo, gbdt para LightGBM. | string |
| growPolicy | Especifique a política de crescimento, que controla a maneira como novos nós são adicionados à árvore. | string |
| learningRate | A taxa de aprendizagem para o procedimento de formação. | Int |
| maxBin [en] | Especifique o número máximo de compartimentos discretos para bucket de recursos contínuos. | Int |
| maxProfundidade | Especifique a profundidade máxima para limitar a profundidade da árvore explicitamente. | Int |
| maxFolhas | Especifique o máximo de folhas para limitar as folhas da árvore explicitamente. | Int |
| minDataInLeaf | O número mínimo de dados por folha. | Int |
| minSplitGain | Redução mínima de perda necessária para fazer uma nova partição em um nó de folha da árvore. | Int |
| nome_modelo | O nome do modelo a treinar. | string |
| nEstimadores | Especifique o número de árvores (ou rodadas) em um modelo. | Int |
| numFolhas | Especifique o número de folhas. | Int |
| pré-processadorNome | O nome do pré-processador a ser usado. | string |
| regAlpha | Termo de regularização L1 em pesos. | Int |
| regLambda | Termo de regularização L2 em pesos. | Int |
| subamostra | Rácio de subamostras da instância de formação. | Int |
| subsampleFreq | Frequência da subamostra. | Int |
| treeMethod | Especifique o método tree. | string |
| comMédia | Se verdadeiro, centralize antes de dimensionar os dados com StandardScalar. | Bool |
| comStd | Se verdadeiro, dimensione os dados com Variação de Unidade com StandardScalar. | Bool |
TableVerticalLimitSettings
| Designação | Descrição | Valor |
|---|---|---|
| habilitarRescisão antecipada | Habilite o encerramento antecipado, determine se o AutoMLJob será encerrado antecipadamente se não houver melhoria de pontuação nas últimas 20 iterações. | Bool |
| exitScore | Pontuação de saída para o trabalho AutoML. | Int |
| maxConcurrentTrials | Máximo de iterações simultâneas. | Int |
| maxCoresPerTrial | Máximo de núcleos por iteração. | Int |
| maxNós | Máximo de nós a serem usados para o experimento. | Int |
| maxEnsaios | Número de iterações. | Int |
| varreduraConcurrentTrials | Número de execuções de varredura simultâneas que o usuário deseja acionar. | Int |
| varredurasEnsaios | Número de execuções de varredura que o usuário deseja acionar. | Int |
| tempo limite | Tempo limite do trabalho AutoML. | string |
| trialTimeout | Tempo limite de iteração. | string |
NCrossValidações
| Designação | Descrição | Valor |
|---|---|---|
| modo | Definir o tipo de objeto |
Auto Custom (obrigatório) |
AutoNCrossValidações
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo para determinar validações N-Cross. | 'Auto' (obrigatório) |
CustomNCrossValidations
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo para determinar validações N-Cross. | 'Personalizado' (obrigatório) |
| valor | [Obrigatório] Valor de validações N-Cross. | int (obrigatório) |
TableParameterSubspace
| Designação | Descrição | Valor |
|---|---|---|
| reforço | Especifique o tipo de impulsionamento, por exemplo, gbdt para XGBoost. | string |
| boostingType | Especifique o tipo de impulsionamento, por exemplo, gbdt para LightGBM. | string |
| growPolicy | Especifique a política de crescimento, que controla a maneira como novos nós são adicionados à árvore. | string |
| learningRate | A taxa de aprendizagem para o procedimento de formação. | string |
| maxBin [en] | Especifique o número máximo de compartimentos discretos para bucket de recursos contínuos. | string |
| maxProfundidade | Especifique a profundidade máxima para limitar a profundidade da árvore explicitamente. | string |
| maxFolhas | Especifique o máximo de folhas para limitar as folhas da árvore explicitamente. | string |
| minDataInLeaf | O número mínimo de dados por folha. | string |
| minSplitGain | Redução mínima de perda necessária para fazer uma nova partição em um nó de folha da árvore. | string |
| nome_modelo | O nome do modelo a treinar. | string |
| nEstimadores | Especifique o número de árvores (ou rodadas) em um modelo. | string |
| numFolhas | Especifique o número de folhas. | string |
| pré-processadorNome | O nome do pré-processador a ser usado. | string |
| regAlpha | Termo de regularização L1 em pesos. | string |
| regLambda | Termo de regularização L2 em pesos. | string |
| subamostra | Rácio de subamostras da instância de formação. | string |
| subsampleFreq | Frequência da subamostra | string |
| treeMethod | Especifique o método tree. | string |
| comMédia | Se verdadeiro, centralize antes de dimensionar os dados com StandardScalar. | string |
| comStd | Se verdadeiro, dimensione os dados com Variação de Unidade com StandardScalar. | string |
TableSweepSettings
| Designação | Descrição | Valor |
|---|---|---|
| Rescisão antecipada | Tipo de política de rescisão antecipada para o trabalho de varredura. | EarlyTerminationPolicy |
| samplingAlgorithm | [Obrigatório] Tipo de algoritmo de amostragem. | 'Bayesiano' 'Grade' 'Aleatório' (obrigatório) |
Política de Rescisão Antecipada
| Designação | Descrição | Valor |
|---|---|---|
| delayAvaliação | Número de intervalos para adiar a primeira avaliação. | Int |
| avaliaçãoIntervalo | Intervalo (número de execuções) entre avaliações de políticas. | Int |
| policyType | Definir o tipo de objeto |
Bandido MedianStop TruncationSelection (obrigatório) |
BanditPolicy
| Designação | Descrição | Valor |
|---|---|---|
| policyType | [Obrigatório] Nome da configuração da política | 'Bandido' (obrigatório) |
| slackAmount | Distância absoluta permitida da corrida com melhor desempenho. | Int |
| slackFactor | Relação entre a distância permitida e a corrida com melhor desempenho. | Int |
MedianStoppingPolicy
| Designação | Descrição | Valor |
|---|---|---|
| policyType | [Obrigatório] Nome da configuração da política | 'MedianStopping' (obrigatório) |
TruncationSelectionPolicy
| Designação | Descrição | Valor |
|---|---|---|
| policyType | [Obrigatório] Nome da configuração da política | 'TruncationSelection' (obrigatório) |
| truncamentoPercentagem | A percentagem de corridas a cancelar em cada intervalo de avaliação. | Int |
ClassificaçãoFormaçãoConfigurações
| Designação | Descrição | Valor |
|---|---|---|
| allowedTrainingAlgorithms | Modelos permitidos para a tarefa de classificação. | Matriz de cadeia de caracteres contendo qualquer uma das: 'BernoulliNaiveBayes' 'Árvore de decisão' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'Regressão Logística' 'MultinomialNaiveBayes' 'RandomForest' «SGD» 'SVM' 'XGBoostClassifier' |
| blockedTrainingAlgorithms | Modelos bloqueados para tarefa de classificação. | Matriz de cadeia de caracteres contendo qualquer uma das: 'BernoulliNaiveBayes' 'Árvore de decisão' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'Regressão Logística' 'MultinomialNaiveBayes' 'RandomForest' «SGD» 'SVM' 'XGBoostClassifier' |
| enableDnnTraining | Habilite a recomendação de modelos DNN. | Bool |
| enableModelExplainability | Sinalize para ativar a explicabilidade no melhor modelo. | Bool |
| enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | Bool |
| enableStackEnsemble | Habilite a execução do conjunto de pilha. | Bool |
| enableVoteEnsemble | Habilite a execução do conjunto de votação. | Bool |
| ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
| stackEnsembleSettings | Configurações de conjunto de pilha para execução de conjunto de pilha. | StackEnsembleSettings |
| formaçãoModo de formação | Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'. Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos. Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos. |
'Auto' 'Distribuído' 'Não distribuído' |
StackEnsembleSettings
| Designação | Descrição | Valor |
|---|---|---|
| stackMetaLearnerKWargs | Parâmetros opcionais para passar para o inicializador do meta-aluno. | |
| stackMetaLearnerTrainPercentage | Especifica a proporção do conjunto de treinamento (ao escolher o tipo de treinamento de treinamento e validação) a ser reservada para o treinamento do meta-aluno. O valor padrão é 0,2. | Int |
| stackMetaLearnerType | O meta-aprendiz é um modelo treinado na saída dos modelos heterogêneos individuais. | 'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'Regressão Linear' 'Regressão Logística' 'LogisticRegressionCV' 'Nenhuma' |
Previsão
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | «Previsão» (obrigatório) |
| cvSplitColumnNames | Colunas a serem usadas para dados CVSplit. | string[] |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | TableFixedParameters |
| previsãoConfigurações | Previsão de entradas específicas da tarefa. | ForecastingSettings |
| limitSettings | Restrições de execução para AutoMLJob. | TableVerticalLimitSettings |
| nValidações cruzadas | Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
| primaryMetric | Métrica primária para a tarefa de previsão. | 'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'Correlação de Spearman' |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | TableParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | TableSweepSettings |
| testData | Entrada de dados de teste. | MLTableJobInput |
| testDataSize | A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| formaçãoConfigurações | Entradas para a fase de treinamento para um trabalho AutoML. | ForecastingTrainingSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| weightColumnName | O nome da coluna de peso da amostra. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
PrevisãoConfigurações
| Designação | Descrição | Valor |
|---|---|---|
| paísOrRegiãoParaFeriados | País ou região para feriados para tarefas de previsão. Estes devem ser códigos de país/região ISO 3166 de duas letras, por exemplo "EUA" ou "GB". |
string |
| cvStepTamanho | Número de períodos entre a hora de origem de uma dobra CV e a dobra seguinte. Para a Por exemplo, se CVStepSize = 3 para dados diários, o tempo de origem para cada dobra serácom três dias de intervalo. |
Int |
| featureLags | Sinalizador para gerar atrasos para os recursos numéricos com 'auto' ou null. | 'Auto' 'Nenhuma' |
| característicasUnknownAtForecastTime | As colunas de recursos que estão disponíveis para treinamento, mas desconhecidas no momento da previsão/inferência. Se features_unknown_at_forecast_time não estiver definido, presume-se que todas as colunas de feição no conjunto de dados são conhecidas no momento da inferência. |
string[] |
| forecastHorizon | O horizonte máximo de previsão desejado em unidades de frequência de séries cronológicas. | ForecastHorizon |
| FREQUÊNCIA | Ao fazer a previsão, este parâmetro representa o período com o qual a previsão é desejada, por exemplo, diariamente, semanalmente, anualmente, etc. A frequência de previsão é a frequência do conjunto de dados por padrão. | string |
| sazonalidade | Defina a sazonalidade das séries temporais como um múltiplo inteiro da frequência da série. Se a sazonalidade for definida como 'auto', ela será inferida. |
Sazonalidade |
| shortSeriesHandlingConfig | O parâmetro que define como se AutoML deve lidar com séries temporais curtas. | 'Auto' 'Gota' 'Nenhuma' 'Pad' |
| targetAggregateFunction | A função a ser usada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada pelo usuário. Se o TargetAggregateFunction estiver definido, ou seja, não 'Nenhum', mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "soma", "máx", "min" e "média". |
'Máx' 'Média' 'Min' 'Nenhuma' 'Soma' |
| targetLags | O número de períodos anteriores com atraso em relação à coluna de destino. | TargetLags |
| targetRollingWindowSize | O número de períodos passados usados para criar uma média de janela móvel da coluna de destino. | TargetRollingWindowSize |
| timeColumnName | O nome da coluna de tempo. Este parâmetro é necessário durante a previsão para especificar a coluna datetime nos dados de entrada usados para construir a série temporal e inferir sua frequência. | string |
| timeSeriesIdColumnNames | Os nomes das colunas usadas para agrupar uma série temporal. Ele pode ser usado para criar várias séries. Se o grão não estiver definido, o conjunto de dados é assumido como uma série temporal. Este parâmetro é usado com a previsão de tipo de tarefa. |
string[] |
| useStl | Configure a decomposição STL da coluna de destino da série temporal. | 'Nenhuma' 'Temporada' 'Tendência sazonal' |
ForecastHorizon
| Designação | Descrição | Valor |
|---|---|---|
| modo | Definir o tipo de objeto |
Auto Custom (obrigatório) |
AutoForecastHorizon
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Defina o modo de seleção de valores do horizonte de previsão. | 'Auto' (obrigatório) |
CustomForecastHorizon
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Defina o modo de seleção de valores do horizonte de previsão. | 'Personalizado' (obrigatório) |
| valor | [Obrigatório] Valor do horizonte de previsão. | int (obrigatório) |
Sazonalidade
| Designação | Descrição | Valor |
|---|---|---|
| modo | Definir o tipo de objeto |
Auto Custom (obrigatório) |
AutoSazonalidade
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo de sazonalidade. | 'Auto' (obrigatório) |
CustomSeasonality
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo de sazonalidade. | 'Personalizado' (obrigatório) |
| valor | [Obrigatório] Valor da sazonalidade. | int (obrigatório) |
TargetLags
| Designação | Descrição | Valor |
|---|---|---|
| modo | Definir o tipo de objeto |
Auto Custom (obrigatório) |
AutoTargetLags
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Definir o modo de atraso de destino - Auto/Custom | 'Auto' (obrigatório) |
CustomTargetLags
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Definir o modo de atraso de destino - Auto/Custom | 'Personalizado' (obrigatório) |
| valores | [Obrigatório] Defina valores de atraso de destino. | int[] (obrigatório) |
TargetRollingWindowSize
| Designação | Descrição | Valor |
|---|---|---|
| modo | Definir o tipo de objeto |
Auto Custom (obrigatório) |
AutoTargetRollingWindowSize
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | 'Auto' (obrigatório) |
CustomTargetRollingWindowSize
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | 'Personalizado' (obrigatório) |
| valor | [Obrigatório] Valor TargetRollingWindowSize. | int (obrigatório) |
PrevisãoFormaçãoConfigurações
| Designação | Descrição | Valor |
|---|---|---|
| allowedTrainingAlgorithms | Modelos permitidos para tarefa de previsão. | Matriz de cadeia de caracteres contendo qualquer uma das: 'Arimax' 'AutoArima' 'Média' 'Árvore de decisão' 'ElasticNet' 'Suavização Exponencial' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Ingênuo' 'Profeta' 'RandomForest' «SGD» 'Média sazonal' 'SazonalNaive' «TCNForecaster» 'XGBoostRegressor' |
| blockedTrainingAlgorithms | Modelos bloqueados para tarefa de previsão. | Matriz de cadeia de caracteres contendo qualquer uma das: 'Arimax' 'AutoArima' 'Média' 'Árvore de decisão' 'ElasticNet' 'Suavização Exponencial' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Ingênuo' 'Profeta' 'RandomForest' «SGD» 'Média sazonal' 'SazonalNaive' «TCNForecaster» 'XGBoostRegressor' |
| enableDnnTraining | Habilite a recomendação de modelos DNN. | Bool |
| enableModelExplainability | Sinalize para ativar a explicabilidade no melhor modelo. | Bool |
| enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | Bool |
| enableStackEnsemble | Habilite a execução do conjunto de pilha. | Bool |
| enableVoteEnsemble | Habilite a execução do conjunto de votação. | Bool |
| ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
| stackEnsembleSettings | Configurações de conjunto de pilha para execução de conjunto de pilha. | StackEnsembleSettings |
| formaçãoModo de formação | Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'. Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos. Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos. |
'Auto' 'Distribuído' 'Não distribuído' |
ImageClassification
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | 'ImageClassification' (obrigatório) |
| limitSettings | [Obrigatório] Limite as configurações para o trabalho AutoML. | ImageLimitSettings (obrigatório) |
| modelSettings | Configurações usadas para treinar o modelo. | ImageModelSettingsClassification |
| primaryMetric | Métrica primária para otimizar esta tarefa. | 'AUCWeighted' 'Precisão' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
| sweepSettings | Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. | ImageSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
ImageLimitSettings
| Designação | Descrição | Valor |
|---|---|---|
| maxConcurrentTrials | Número máximo de iterações simultâneas do AutoML. | Int |
| maxEnsaios | Número máximo de iterações AutoML. | Int |
| tempo limite | Tempo limite do trabalho AutoML. | string |
ImageModelSettingsClassification
| Designação | Descrição | Valor |
|---|---|---|
| avançadoConfigurações | Configurações para cenários avançados. | string |
| amsGradiente | Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. | Bool |
| aumentos | Configurações para usar Aumentos. | string |
| beta1 | Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | Int |
| beta2 | Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | Int |
| ponto de verificaçãoFrequência | Frequência para armazenar pontos de verificação do modelo. Deve ser um número inteiro positivo. | Int |
| checkpointModel | O modelo de ponto de verificação pré-treinado para treinamento incremental. | MLFlowModelJobInput |
| ponto de verificaçãoRunId | A id de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. | string |
| distribuído | Se deve ou não usar o treinamento distribuído. | Bool |
| Parar cedoParar | Habilite a lógica de parada precoce durante o treinamento. | Bool |
| cedoParandoAtrasar | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um número inteiro positivo. |
Int |
| cedoParandoPaciência | Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo. |
Int |
| enableOnnxNormalization | Habilite a normalização ao exportar o modelo ONNX. | Bool |
| avaliaçãoFrequência | Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. | Int |
| gradientAcumulaçãoEtapa | Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo. |
Int |
| camadasToFreeze | Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor Consulte: /azure/machine-learning/how-to-auto-train-image-models. |
Int |
| learningRate | Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. | Int |
| aprendizagemRateScheduler | Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. | 'Nenhuma' 'Passo' 'AquecimentoCosine' |
| nome_modelo | Nome do modelo a utilizar na formação. Para mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| Dinâmica | Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. | Int |
| Nesterov | Ative o nesterov quando o otimizador for 'sgd'. | Bool |
| númeroDasÉpocas | Número de épocas de formação. Deve ser um número inteiro positivo. | Int |
| númeroDeTrabalhadores | Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. | Int |
| otimizador | Tipo de otimizador. | 'Adão' 'Adamw' 'Nenhuma' 'Sgd' |
| randomSemente | Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. | Int |
| stepLRGamma | Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. | Int |
| stepLRStepSize | Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. | Int |
| formaçãoBatchSize | Tamanho do lote de treinamento. Deve ser um número inteiro positivo. | Int |
| formaçãoCropSize | Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de treinamento. Deve ser um número inteiro positivo. | Int |
| validaçãoBatchSize | Tamanho do lote de validação. Deve ser um número inteiro positivo. | Int |
| validaçãoCropSize | Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de validação. Deve ser um número inteiro positivo. | Int |
| validationResizeSize | Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um número inteiro positivo. | Int |
| aquecimentoCosineLRCycles | Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. | Int |
| aquecimentoCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. | Int |
| pesoDecaimento | Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. | Int |
| perda ponderada | Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada. 1 para perda de peso com sqrt. (class_weights). 2 para perda de peso com class_weights. Deve ser 0 ou 1 ou 2. |
Int |
MLFlowModelJobInput
| Designação | Descrição | Valor |
|---|---|---|
| Descrição | Descrição da entrada. | string |
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'custom_model' 'literal' 'mlflow_model' 'Mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | 'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
| Designação | Descrição | Valor |
|---|---|---|
| amsGradiente | Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. | string |
| aumentos | Configurações para usar Aumentos. | string |
| beta1 | Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | string |
| beta2 | Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | string |
| distribuído | Se deve ou não usar o treinamento de distribuidor. | string |
| Parar cedoParar | Habilite a lógica de parada precoce durante o treinamento. | string |
| cedoParandoAtrasar | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um número inteiro positivo. |
string |
| cedoParandoPaciência | Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo. |
string |
| enableOnnxNormalization | Habilite a normalização ao exportar o modelo ONNX. | string |
| avaliaçãoFrequência | Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. | string |
| gradientAcumulaçãoEtapa | Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo. |
string |
| camadasToFreeze | Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor Consulte: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| learningRate | Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. | string |
| aprendizagemRateScheduler | Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. | string |
| nome_modelo | Nome do modelo a utilizar na formação. Para mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| Dinâmica | Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. | string |
| Nesterov | Ative o nesterov quando o otimizador for 'sgd'. | string |
| númeroDasÉpocas | Número de épocas de formação. Deve ser um número inteiro positivo. | string |
| númeroDeTrabalhadores | Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. | string |
| otimizador | Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'. | string |
| randomSemente | Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. | string |
| stepLRGamma | Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. | string |
| stepLRStepSize | Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. | string |
| formaçãoBatchSize | Tamanho do lote de treinamento. Deve ser um número inteiro positivo. | string |
| formaçãoCropSize | Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de treinamento. Deve ser um número inteiro positivo. | string |
| validaçãoBatchSize | Tamanho do lote de validação. Deve ser um número inteiro positivo. | string |
| validaçãoCropSize | Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de validação. Deve ser um número inteiro positivo. | string |
| validationResizeSize | Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um número inteiro positivo. | string |
| aquecimentoCosineLRCycles | Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. | string |
| aquecimentoCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. | string |
| pesoDecaimento | Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. | string |
| perda ponderada | Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada. 1 para perda de peso com sqrt. (class_weights). 2 para perda de peso com class_weights. Deve ser 0 ou 1 ou 2. |
string |
ImageSweepSettings
| Designação | Descrição | Valor |
|---|---|---|
| Rescisão antecipada | Tipo de política de rescisão antecipada. | EarlyTerminationPolicy |
| samplingAlgorithm | [Obrigatório] Tipo de algoritmos de amostragem de hiperparâmetros. | 'Bayesiano' 'Grade' 'Aleatório' (obrigatório) |
ImageClassificationMultilabel
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | 'ImageClassificationMultilabel' (obrigatório) |
| limitSettings | [Obrigatório] Limite as configurações para o trabalho AutoML. | ImageLimitSettings (obrigatório) |
| modelSettings | Configurações usadas para treinar o modelo. | ImageModelSettingsClassification |
| primaryMetric | Métrica primária para otimizar esta tarefa. | 'AUCWeighted' 'Precisão' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
| sweepSettings | Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. | ImageSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
ImageInstanceSegmentation
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | 'ImageInstanceSegmentation' (obrigatório) |
| limitSettings | [Obrigatório] Limite as configurações para o trabalho AutoML. | ImageLimitSettings (obrigatório) |
| modelSettings | Configurações usadas para treinar o modelo. | ImageModelSettingsObjectDetection |
| primaryMetric | Métrica primária para otimizar esta tarefa. | 'MédiaPrecisão' |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | ImageModelDistributionSettingsObjectDetection [] |
| sweepSettings | Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. | ImageSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
ImageModelSettingsObjectDetection
| Designação | Descrição | Valor |
|---|---|---|
| avançadoConfigurações | Configurações para cenários avançados. | string |
| amsGradiente | Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. | Bool |
| aumentos | Configurações para usar Aumentos. | string |
| beta1 | Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | Int |
| beta2 | Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | Int |
| boxDetecçõesPerImage | Número máximo de deteções por imagem, para todas as classes. Deve ser um número inteiro positivo. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
Int |
| boxScoreThreshold | Durante a inferência, apenas retornam propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um flutuador na faixa[0, 1]. |
Int |
| ponto de verificaçãoFrequência | Frequência para armazenar pontos de verificação do modelo. Deve ser um número inteiro positivo. | Int |
| checkpointModel | O modelo de ponto de verificação pré-treinado para treinamento incremental. | MLFlowModelJobInput |
| ponto de verificaçãoRunId | A id de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. | string |
| distribuído | Se deve ou não usar o treinamento distribuído. | Bool |
| Parar cedoParar | Habilite a lógica de parada precoce durante o treinamento. | Bool |
| cedoParandoAtrasar | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um número inteiro positivo. |
Int |
| cedoParandoPaciência | Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo. |
Int |
| enableOnnxNormalization | Habilite a normalização ao exportar o modelo ONNX. | Bool |
| avaliaçãoFrequência | Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. | Int |
| gradientAcumulaçãoEtapa | Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo. |
Int |
| imageSize | Tamanho da imagem para trem e validação. Deve ser um número inteiro positivo. Nota: A corrida de treinamento pode entrar em CUDA OOM se o tamanho for muito grande. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
Int |
| camadasToFreeze | Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor Consulte: /azure/machine-learning/how-to-auto-train-image-models. |
Int |
| learningRate | Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. | Int |
| aprendizagemRateScheduler | Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. | 'Nenhuma' 'Passo' 'AquecimentoCosine' |
| logTrainingMetrics | Habilite métricas de treinamento de computação e registro. | 'Desativar' 'Habilitar' |
| logValidationLoss | Habilite a perda de validação de computação e registro. | 'Desativar' 'Habilitar' |
| maxTamanho | Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
Int |
| minTamanho | Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
Int |
| nome_modelo | Nome do modelo a utilizar na formação. Para mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| modelSize | Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho do modelo for muito grande. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
'ExtraGrande' 'Grande' 'Médio' 'Nenhuma' 'Pequeno' |
| Dinâmica | Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. | Int |
| multiescala | Habilite a imagem em várias escalas variando o tamanho da imagem em +/- 50%. Nota: a execução de treinamento pode entrar no CUDA OOM se não houver memória GPU suficiente. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
Bool |
| Nesterov | Ative o nesterov quando o otimizador for 'sgd'. | Bool |
| nmsIouThreshold | Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser um flutuador na faixa [0, 1]. | Int |
| númeroDasÉpocas | Número de épocas de formação. Deve ser um número inteiro positivo. | Int |
| númeroDeTrabalhadores | Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. | Int |
| otimizador | Tipo de otimizador. | 'Adão' 'Adamw' 'Nenhuma' 'Sgd' |
| randomSemente | Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. | Int |
| stepLRGamma | Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. | Int |
| stepLRStepSize | Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. | Int |
| tileGridSize | O tamanho da grade a ser usado para colocar lado a lado cada imagem. Nota: TileGridSize não deve ser Nenhum para habilitar a lógica de deteção de pequenos objetos. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| tileOverlapRatio | Razão de sobreposição entre blocos adjacentes em cada dimensão. Deve ser flutuante no intervalo [0, 1]. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
Int |
| tilePredictionsNmsThreshold | O limite de UO a ser usado para executar o NMS ao mesclar previsões de blocos e imagem. Utilizado na validação/inferência. Deve ser flutuante no intervalo [0, 1]. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
Int |
| formaçãoBatchSize | Tamanho do lote de treinamento. Deve ser um número inteiro positivo. | Int |
| validaçãoBatchSize | Tamanho do lote de validação. Deve ser um número inteiro positivo. | Int |
| validaçãoIouThreshold | Limite de UO a ser usado ao calcular a métrica de validação. Deve ser flutuante no intervalo [0, 1]. | Int |
| validaçãoMetricType | Método de cálculo métrico a utilizar para métricas de validação. | 'Coco' 'CocoVoc' 'Nenhuma' 'Voc' |
| aquecimentoCosineLRCycles | Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. | Int |
| aquecimentoCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. | Int |
| pesoDecaimento | Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. | Int |
ImageModelDistributionSettingsObjectDetection
| Designação | Descrição | Valor |
|---|---|---|
| amsGradiente | Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. | string |
| aumentos | Configurações para usar Aumentos. | string |
| beta1 | Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | string |
| beta2 | Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | string |
| boxDetecçõesPerImage | Número máximo de deteções por imagem, para todas as classes. Deve ser um número inteiro positivo. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| boxScoreThreshold | Durante a inferência, apenas retornam propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um flutuador na faixa[0, 1]. |
string |
| distribuído | Se deve ou não usar o treinamento de distribuidor. | string |
| Parar cedoParar | Habilite a lógica de parada precoce durante o treinamento. | string |
| cedoParandoAtrasar | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um número inteiro positivo. |
string |
| cedoParandoPaciência | Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo. |
string |
| enableOnnxNormalization | Habilite a normalização ao exportar o modelo ONNX. | string |
| avaliaçãoFrequência | Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. | string |
| gradientAcumulaçãoEtapa | Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo. |
string |
| imageSize | Tamanho da imagem para trem e validação. Deve ser um número inteiro positivo. Nota: A corrida de treinamento pode entrar em CUDA OOM se o tamanho for muito grande. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
string |
| camadasToFreeze | Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor Consulte: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| learningRate | Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. | string |
| aprendizagemRateScheduler | Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. | string |
| maxTamanho | Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| minTamanho | Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| nome_modelo | Nome do modelo a utilizar na formação. Para mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| modelSize | Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho do modelo for muito grande. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
string |
| Dinâmica | Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. | string |
| multiescala | Habilite a imagem em várias escalas variando o tamanho da imagem em +/- 50%. Nota: a execução de treinamento pode entrar no CUDA OOM se não houver memória GPU suficiente. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
string |
| Nesterov | Ative o nesterov quando o otimizador for 'sgd'. | string |
| nmsIouThreshold | Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser flutuante no intervalo [0, 1]. | string |
| númeroDasÉpocas | Número de épocas de formação. Deve ser um número inteiro positivo. | string |
| númeroDeTrabalhadores | Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. | string |
| otimizador | Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'. | string |
| randomSemente | Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. | string |
| stepLRGamma | Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. | string |
| stepLRStepSize | Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. | string |
| tileGridSize | O tamanho da grade a ser usado para colocar lado a lado cada imagem. Nota: TileGridSize não deve ser Nenhum para habilitar a lógica de deteção de pequenos objetos. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| tileOverlapRatio | Razão de sobreposição entre blocos adjacentes em cada dimensão. Deve ser flutuante no intervalo [0, 1]. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| tilePredictionsNmsThreshold | O limite de UO a ser usado para executar o NMS ao mesclar previsões de blocos e imagem. Utilizado na validação/inferência. Deve ser flutuante no intervalo [0, 1]. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. SMN: Supressão não máxima |
string |
| formaçãoBatchSize | Tamanho do lote de treinamento. Deve ser um número inteiro positivo. | string |
| validaçãoBatchSize | Tamanho do lote de validação. Deve ser um número inteiro positivo. | string |
| validaçãoIouThreshold | Limite de UO a ser usado ao calcular a métrica de validação. Deve ser flutuante no intervalo [0, 1]. | string |
| validaçãoMetricType | Método de cálculo métrico a utilizar para métricas de validação. Deve ser 'nenhum', 'coco', 'voc' ou 'coco_voc'. | string |
| aquecimentoCosineLRCycles | Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. | string |
| aquecimentoCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. | string |
| pesoDecaimento | Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. | string |
ImageObjectDetection
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | 'ImageObjectDetection' (obrigatório) |
| limitSettings | [Obrigatório] Limite as configurações para o trabalho AutoML. | ImageLimitSettings (obrigatório) |
| modelSettings | Configurações usadas para treinar o modelo. | ImageModelSettingsObjectDetection |
| primaryMetric | Métrica primária para otimizar esta tarefa. | 'MédiaPrecisão' |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | ImageModelDistributionSettingsObjectDetection [] |
| sweepSettings | Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. | ImageSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
Regressão
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | 'Regressão' (obrigatório) |
| cvSplitColumnNames | Colunas a serem usadas para dados CVSplit. | string[] |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | TableFixedParameters |
| limitSettings | Restrições de execução para AutoMLJob. | TableVerticalLimitSettings |
| nValidações cruzadas | Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
| primaryMetric | Métrica primária para tarefa de regressão. | 'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'Correlação de Spearman' |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | TableParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | TableSweepSettings |
| testData | Entrada de dados de teste. | MLTableJobInput |
| testDataSize | A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| formaçãoConfigurações | Entradas para a fase de treinamento para um trabalho AutoML. | RegressionTrainingSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| weightColumnName | O nome da coluna de peso da amostra. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
RegressionTrainingSettings
| Designação | Descrição | Valor |
|---|---|---|
| allowedTrainingAlgorithms | Modelos permitidos para tarefa de regressão. | Matriz de cadeia de caracteres contendo qualquer uma das: 'Árvore de decisão' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' «SGD» 'XGBoostRegressor' |
| blockedTrainingAlgorithms | Modelos bloqueados para tarefa de regressão. | Matriz de cadeia de caracteres contendo qualquer uma das: 'Árvore de decisão' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' «SGD» 'XGBoostRegressor' |
| enableDnnTraining | Habilite a recomendação de modelos DNN. | Bool |
| enableModelExplainability | Sinalize para ativar a explicabilidade no melhor modelo. | Bool |
| enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | Bool |
| enableStackEnsemble | Habilite a execução do conjunto de pilha. | Bool |
| enableVoteEnsemble | Habilite a execução do conjunto de votação. | Bool |
| ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
| stackEnsembleSettings | Configurações de conjunto de pilha para execução de conjunto de pilha. | StackEnsembleSettings |
| formaçãoModo de formação | Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'. Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos. Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos. |
'Auto' 'Distribuído' 'Não distribuído' |
Classificação de Texto
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | 'TextClassification' (obrigatório) |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | NlpFixedParameters |
| limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
| primaryMetric | Métrica primária para Text-Classification tarefa. | 'AUCWeighted' 'Precisão' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | NlpParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | NlpSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
NlpVerticalFeaturizationSettings
| Designação | Descrição | Valor |
|---|---|---|
| conjunto de dadosLinguagem | Linguagem do conjunto de dados, útil para os dados de texto. | string |
NlpFixedParameters
| Designação | Descrição | Valor |
|---|---|---|
| gradientAcumulaçãoEtapas | Número de etapas para acumular gradientes antes de executar uma passagem para trás. | Int |
| learningRate | A taxa de aprendizagem para o procedimento de formação. | Int |
| aprendizagemRateScheduler | O tipo de cronograma de taxa de aprendizagem a ser usado durante o procedimento de treinamento. | 'Constante' 'ConstantWithWarmup' 'Cosseno' 'CosineWithRestarts' 'Linear' 'Nenhuma' 'Polinômio' |
| nome_modelo | O nome do modelo a treinar. | string |
| númeroDasÉpocas | Número de épocas de formação. | Int |
| formaçãoBatchSize | O tamanho do lote para o procedimento de treinamento. | Int |
| validaçãoBatchSize | O tamanho do lote a ser usado durante a avaliação. | Int |
| warmupRatio | A relação de aquecimento, usada ao lado de LrSchedulerType. | Int |
| pesoDecaimento | O decaimento de peso para o procedimento de treinamento. | Int |
NlpVerticalLimitSettings
| Designação | Descrição | Valor |
|---|---|---|
| maxConcurrentTrials | Máximo de iterações simultâneas do AutoML. | Int |
| maxNós | Máximo de nós a serem usados para o experimento. | Int |
| maxEnsaios | Número de iterações AutoML. | Int |
| tempo limite | Tempo limite do trabalho AutoML. | string |
| trialTimeout | Tempo limite para ensaios individuais de DH. | string |
NlpParameterSubspace
| Designação | Descrição | Valor |
|---|---|---|
| gradientAcumulaçãoEtapas | Número de etapas para acumular gradientes antes de executar uma passagem para trás. | string |
| learningRate | A taxa de aprendizagem para o procedimento de formação. | string |
| aprendizagemRateScheduler | O tipo de cronograma de taxa de aprendizagem a ser usado durante o procedimento de treinamento. | string |
| nome_modelo | O nome do modelo a treinar. | string |
| númeroDasÉpocas | Número de épocas de formação. | string |
| formaçãoBatchSize | O tamanho do lote para o procedimento de treinamento. | string |
| validaçãoBatchSize | O tamanho do lote a ser usado durante a avaliação. | string |
| warmupRatio | A relação de aquecimento, usada ao lado de LrSchedulerType. | string |
| pesoDecaimento | O decaimento de peso para o procedimento de treinamento. | string |
NlpSweepSettings
| Designação | Descrição | Valor |
|---|---|---|
| Rescisão antecipada | Tipo de política de rescisão antecipada para o trabalho de varredura. | EarlyTerminationPolicy |
| samplingAlgorithm | [Obrigatório] Tipo de algoritmo de amostragem. | 'Bayesiano' 'Grade' 'Aleatório' (obrigatório) |
TextClassificationMultilabel
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | 'TextClassificationMultilabel' (obrigatório) |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | NlpFixedParameters |
| limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | NlpParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | NlpSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
TextNer
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | 'TextNER' (obrigatório) |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | NlpFixedParameters |
| limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | NlpParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | NlpSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
CommandJob
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | 'Comando' (obrigatório) |
| autologgerConfigurações | Configuração de distribuição do trabalho. Se definido, este deve ser um de Mpi, Tensorflow, PyTorch, ou null. | AutologgerSettings |
| codeId | ID do recurso ARM do ativo de código. | string |
| comando | [Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py" | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| Distribuição | Configuração de distribuição do trabalho. Se definido, este deve ser um de Mpi, Tensorflow, PyTorch, Ray, ou null. | DistributionConfiguration |
| environmentId | [Obrigatório] O ID do recurso ARM da especificação Ambiente para o trabalho. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| environmentVariables | Variáveis de ambiente incluídas no trabalho. | CommandJobEnvironmentVariables |
| Insumos | Mapeamento de ligações de dados de entrada usadas no trabalho. | CommandJobInputs |
| Limites | Limite de trabalho de comando. | CommandJobLimits |
| saídas | Mapeamento das ligações de dados de saída usadas no trabalho. | CommandJobOutputs |
| queueSettings | Configurações de fila para o trabalho | QueueSettings |
| Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
AutologgerSettings
| Designação | Descrição | Valor |
|---|---|---|
| mlflowAutologger | [Obrigatório] Indica se o mlflow autologger está habilitado. | 'Desativado' 'Ativado' (obrigatório) |
DistributionConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| tipo de distribuição | Definir o tipo de objeto |
Mpi PyTorch Ray TensorFlow (obrigatório) |
Mpi
| Designação | Descrição | Valor |
|---|---|---|
| tipo de distribuição | [Obrigatório] Especifica o tipo de estrutura de distribuição. | «Mpi» (obrigatório) |
| processCountPerInstance | Número de processos por nó MPI. | Int |
PyTorch
| Designação | Descrição | Valor |
|---|---|---|
| tipo de distribuição | [Obrigatório] Especifica o tipo de estrutura de distribuição. | 'PyTorch' (obrigatório) |
| processCountPerInstance | Número de processos por nó. | Int |
Raio
| Designação | Descrição | Valor |
|---|---|---|
| tipo de distribuição | [Obrigatório] Especifica o tipo de estrutura de distribuição. | 'Raio' (obrigatório) |
| Endereço | O endereço do nó principal de Ray. | string |
| dashboardPort | A porta à qual vincular o servidor do painel. | Int |
| headNodeAdditionalArgs | Argumentos adicionais passados para o raio começar no nó principal. | string |
| includeDashboard | Forneça esse argumento para iniciar a GUI do painel do Ray. | Bool |
| porto | A porta do processo de raio de cabeça. | Int |
| workerNodeAdditionalArgs | Argumentos adicionais passados para o início do raio no nó de trabalho. | string |
TensorFlow
| Designação | Descrição | Valor |
|---|---|---|
| tipo de distribuição | [Obrigatório] Especifica o tipo de estrutura de distribuição. | 'TensorFlow' (obrigatório) |
| parameterServerCount | Número de tarefas do servidor de parâmetros. | Int |
| trabalhadorContagem | Número de trabalhadores. Se não for especificado, o padrão será a contagem de instâncias. | Int |
CommandJobEnvironmentVariables
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
CommandJobInputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
JobInput
| Designação | Descrição | Valor |
|---|---|---|
| Descrição | Descrição da entrada. | string |
| jobInputType | Definir o tipo de objeto |
custom_model literal mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobInput
| Designação | Descrição | Valor |
|---|---|---|
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'custom_model' (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | 'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
LiteralJobInput
| Designação | Descrição | Valor |
|---|---|---|
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'literal' (obrigatório) |
| valor | [Obrigatório] Valor literal para a entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
TritonModelJobInput
| Designação | Descrição | Valor |
|---|---|---|
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'triton_model' (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | 'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFileJobInput
| Designação | Descrição | Valor |
|---|---|---|
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'uri_file' (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | 'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFolderJobInput
| Designação | Descrição | Valor |
|---|---|---|
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'uri_folder' (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | 'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
CommandJobLimits
| Designação | Descrição | Valor |
|---|---|---|
| jobLimitsType | [Obrigatório] Tipo JobLimit. | 'Comando' 'Varredura' (obrigatório) |
| tempo limite | A duração máxima de execução no formato ISO 8601, após a qual o trabalho será cancelado. Suporta apenas a duração com uma precisão tão baixa como segundos. | string |
CommandJobSaídas
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobOutput |
LabelingJobProperties
| Designação | Descrição | Valor |
|---|---|---|
| componentId | ID do recurso ARM do recurso componente. | string |
| computeId | ID do recurso ARM do recurso de computação. | string |
| dataConfiguration | Configuração dos dados utilizados no trabalho. | LabelingDataConfiguration |
| Descrição | O texto da descrição do ativo. | string |
| displayName | Exibir nome do trabalho. | string |
| nome da experiência | O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". | string |
| identidade | Configuração de identidade. Se definido, este deve ser um dos AmlToken, ManagedIdentity, UserIdentity ou null. O padrão é AmlToken se null. |
IdentityConfiguration |
| isArquivado | O ativo está arquivado? | Bool |
| jobInstruções | Instruções de etiquetagem do trabalho. | LabelingJobInstructions |
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | 'AutoML' 'Comando' 'Rotulagem' 'Gasoduto' 'Faísca' 'Varredura' (obrigatório) |
| labelCategorias | Rotule as categorias do trabalho. | LabelingJobLabelCategories |
| labelingJobMediaProperties | Propriedades específicas do tipo de mídia no trabalho. | LabelingJobMediaProperties |
| mlAssistConfiguration | Configuração do recurso MLAssist no trabalho. | MLAssistConfiguration |
| notificationSetting | Configuração de notificação para o trabalho | NotificationSetting |
| propriedades | O dicionário de propriedades de ativos. | ResourceBaseProperties |
| secretsConfiguration | Configuração para segredos a serem disponibilizados durante o tempo de execução. | JobBaseSecretsConfiguration |
| serviços | Lista de JobEndpoints. Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject. |
JobBaseServices |
| Etiquetas | Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas. | objeto |
LabelingDataConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| DataId | ID do recurso do ativo de dados para executar a rotulagem. | string |
| incrementalDataRefresh | Indica se a atualização incremental de dados deve ser habilitada. | 'Desativado' 'Habilitado' |
RotulagemInstruções de trabalho
| Designação | Descrição | Valor |
|---|---|---|
| URI | O link para uma página com instruções detalhadas de rotulagem para rotuladoras. | string |
RotulagemJobLabelCategorias
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | LabelCategory |
LabelCategory
| Designação | Descrição | Valor |
|---|---|---|
| Aulas | Dicionário de classes de rótulos nesta categoria. | LabelCategoryClasses |
| displayName | Nome para exibição da categoria de rótulo. | string |
| multiSelecionar | Indica se é permitido selecionar várias classes nesta categoria. | 'Desativado' 'Habilitado' |
LabelCategoryClasses
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | LabelClass |
LabelClass
| Designação | Descrição | Valor |
|---|---|---|
| displayName | Nome para exibição da classe de rótulo. | string |
| Subclasses | Dicionário de subclasses da classe label. | LabelClassSubclasses |
LabelClassSubclasses
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | LabelClass |
LabelingJobMediaProperties
| Designação | Descrição | Valor |
|---|---|---|
| MediaType | Definir o tipo de objeto |
Imagem de texto (obrigatório) |
LabelingJobImageProperties
| Designação | Descrição | Valor |
|---|---|---|
| MediaType | [Obrigatório] Tipo de mídia do trabalho. | 'Imagem' (obrigatório) |
| annotationType | Tipo de anotação do trabalho de etiquetagem de imagem. | 'BoundingBox' 'Classificação' 'SegmentaçãoInstância' |
LabelingJobTextProperties
| Designação | Descrição | Valor |
|---|---|---|
| MediaType | [Obrigatório] Tipo de mídia do trabalho. | 'Texto' (obrigatório) |
| annotationType | Tipo de anotação do trabalho de etiquetagem de texto. | 'Classificação' 'NamedEntityRecognition' |
MLAssistConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| mlAssist [en] | Definir o tipo de objeto |
Deficientes ativado (obrigatório) |
MLAssistConfigurationDisabled
| Designação | Descrição | Valor |
|---|---|---|
| mlAssist [en] | [Obrigatório] Indica se o recurso MLAssist está habilitado. | 'Desativado' (obrigatório) |
MLAssistConfigurationEnabled
| Designação | Descrição | Valor |
|---|---|---|
| mlAssist [en] | [Obrigatório] Indica se o recurso MLAssist está habilitado. | 'Ativado' (obrigatório) |
| inferencingComputeBinding | [Obrigatório] Ligação de computação AML usada na inferência. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| formaçãoComputeBinding | [Obrigatório] Ligação de computação AML usada em treinamento. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
PipelineJob
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | «Gasoduto» (obrigatório) |
| Insumos | Insumos para o trabalho de pipeline. | PipelineJobInputs |
| empregos | Os trabalhos constroem o trabalho de pipeline. | PipelineJobJobs |
| saídas | Saídas para o trabalho de pipeline | PipelineJobOutputs |
| Configurações | Configurações de pipeline, para coisas como ContinueRunOnStepFailure etc. | |
| fonteJobId | ID do recurso ARM do trabalho de origem. | string |
PipelineJobInputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
PipelineJobJobs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} |
PipelineJobSaídas
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobOutput |
Faísca
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | 'Faísca' (obrigatório) |
| Arquivos | Arquivar arquivos usados no trabalho. | string[] |
| Args | Argumentos a favor do trabalho. | string |
| codeId | [Obrigatório] ID do recurso ARM do ativo de código. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| conf | Propriedades configuradas do Spark. | SparkJobConf |
| entrada | [Obrigatório] A entrada para executar na inicialização do trabalho. | SparkJobEntry (obrigatório) |
| environmentId | O ID do recurso ARM da especificação Ambiente para o trabalho. | string |
| environmentVariables | Variáveis de ambiente incluídas no trabalho. | SparkJobEnvironmentVariables |
| ficheiros | Arquivos usados no trabalho. | string[] |
| Insumos | Mapeamento de ligações de dados de entrada usadas no trabalho. | SparkJobInputs |
| frascos | Jar arquivos usados no trabalho. | string[] |
| saídas | Mapeamento das ligações de dados de saída usadas no trabalho. | SparkJobOutputs |
| Arquivos py | Arquivos Python usados no trabalho. | string[] |
| queueSettings | Configurações de fila para o trabalho | QueueSettings |
| Recursos | Configuração de recursos de computação para o trabalho. | SparkResourceConfiguration |
SparkJobConf
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
SparkJobEntry
| Designação | Descrição | Valor |
|---|---|---|
| sparkJobEntryType | Definir o tipo de objeto |
SparkJobPythonEntry SparkJobScalaEntry (obrigatório) |
SparkJobPythonEntry
| Designação | Descrição | Valor |
|---|---|---|
| sparkJobEntryType | [Obrigatório] Tipo de ponto de entrada do trabalho. | 'SparkJobPythonEntry' (obrigatório) |
| arquivo | [Obrigatório] Caminho relativo do arquivo python para o ponto de entrada do trabalho. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SparkJobScalaEntry
| Designação | Descrição | Valor |
|---|---|---|
| sparkJobEntryType | [Obrigatório] Tipo de ponto de entrada do trabalho. | 'SparkJobScalaEntry' (obrigatório) |
| className | [Obrigatório] Nome da classe Scala usado como ponto de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SparkJobEnvironmentVariables
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
SparkJobInputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
SparkJobOutputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobOutput |
SparkResourceConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| tipo de instância | Tipo opcional de VM usado conforme suportado pelo destino de computação. | string |
| runtimeVersion | Versão do tempo de execução do spark usado para o trabalho. | string |
Varredura
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | 'Varredura' (obrigatório) |
| componentConfiguration | Configuração de componentes para varredura sobre componentes | ComponentConfiguration |
| Rescisão antecipada | As políticas de rescisão antecipada permitem cancelar execuções com baixo desempenho antes que elas sejam concluídas | EarlyTerminationPolicy |
| Insumos | Mapeamento de ligações de dados de entrada usadas no trabalho. | SweepJobInputs |
| Limites | Limite de trabalho de varredura. | SweepJobLimits |
| objetivo | [Obrigatório] Objetivo de otimização. | Objetivo (obrigatório) |
| saídas | Mapeamento das ligações de dados de saída usadas no trabalho. | SweepJobOutputs |
| queueSettings | Configurações de fila para o trabalho | QueueSettings |
| Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
| samplingAlgorithm | [Obrigatório] O algoritmo de amostragem de hiperparâmetros | SamplingAlgorithm (obrigatório) |
| espaço de pesquisa | [Obrigatório] Um dicionário contendo cada parâmetro e sua distribuição. A chave do dicionário é o nome do parâmetro | |
| julgamento | [Obrigatório] Definição do componente experimental. | TrialComponent (obrigatório) |
Configuração do componente
| Designação | Descrição | Valor |
|---|---|---|
| pipelineConfigurações: | Configurações de pipeline, para coisas como ContinueRunOnStepFailure etc. |
SweepJobInputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
SweepJobLimits
| Designação | Descrição | Valor |
|---|---|---|
| jobLimitsType | [Obrigatório] Tipo JobLimit. | 'Comando' 'Varredura' (obrigatório) |
| maxConcurrentTrials | Varrer o Job max testes simultâneos. | Int |
| maxTotalTrials | Varrer o total de testes do Sweep Job. | Int |
| tempo limite | A duração máxima de execução no formato ISO 8601, após a qual o trabalho será cancelado. Suporta apenas a duração com uma precisão tão baixa como segundos. | string |
| trialTimeout | Valor do tempo limite da Avaliação do Trabalho de Varredura. | string |
Objetivo
| Designação | Descrição | Valor |
|---|---|---|
| Objetivo | [Obrigatório] Define metas métricas suportadas para ajuste de hiperparâmetros | 'Maximizar' 'Minimizar' (obrigatório) |
| primaryMetric | [Obrigatório] Nome da métrica a ser otimizada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SweepJobOutputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobOutput |
SamplingAlgorithm
| Designação | Descrição | Valor |
|---|---|---|
| samplingAlgorithmType | Definir o tipo de objeto |
Bayesian Grid aleatório (obrigatório) |
BayesianSamplingAlgorithm
| Designação | Descrição | Valor |
|---|---|---|
| samplingAlgorithmType | [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | 'Bayesiano' (obrigatório) |
GridSamplingAlgorithm
| Designação | Descrição | Valor |
|---|---|---|
| samplingAlgorithmType | [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | 'Grade' (obrigatório) |
RandomSamplingAlgorithm
| Designação | Descrição | Valor |
|---|---|---|
| samplingAlgorithmType | [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | 'Aleatório' (obrigatório) |
| Base de registo | Um número positivo opcional ou e em formato string a utilizar como base para amostragem aleatória logarítmica | string |
| regra | O tipo específico de algoritmo aleatório | 'Aleatório' 'Sobol' |
| sementes | Um inteiro opcional para usar como semente para geração de números aleatórios | Int |
TrialComponent
| Designação | Descrição | Valor |
|---|---|---|
| codeId | ID do recurso ARM do ativo de código. | string |
| comando | [Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py" | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| Distribuição | Configuração de distribuição do trabalho. Se definido, este deve ser um de Mpi, Tensorflow, PyTorch, ou null. | DistributionConfiguration |
| environmentId | [Obrigatório] O ID do recurso ARM da especificação Ambiente para o trabalho. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| environmentVariables | Variáveis de ambiente incluídas no trabalho. | TrialComponentEnvironmentVariables |
| Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
CreateMonitorAction
| Designação | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação da agenda | 'CreateMonitor' (obrigatório) |
| monitorDefinição | [Obrigatório] Define o monitor. | MonitorDefinition (obrigatório) |
MonitorDefinition
| Designação | Descrição | Valor |
|---|---|---|
| alertNotificationSettings | As configurações de notificação do monitor. | MonitorNotificationSettings |
| computeConfiguration | [Obrigatório] O ID do recurso ARM do recurso de computação no qual executar o trabalho de monitoramento. | MonitorComputeConfigurationBase (obrigatório) |
| monitorizaçãoAlvo | A ID do recurso ARM do modelo ou da implantação visada por este monitor. | MonitoringTarget |
| sinais | [Obrigatório] Os sinais a monitorizar. | MonitorDefinitionSignals (obrigatório) |
MonitorNotificationSettings
| Designação | Descrição | Valor |
|---|---|---|
| emailNotificationSettings | As configurações de e-mail de notificação AML. | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
| Designação | Descrição | Valor |
|---|---|---|
| E-mails | Esta é a lista de destinatários de e-mail que tem uma limitação de 499 caracteres no total. | string[] |
MonitorComputeConfigurationBase
| Designação | Descrição | Valor |
|---|---|---|
| computeType | Definir o tipo de objeto | ServerlessSpark (obrigatório) |
MonitorServerlessSparkCompute
MonitorComputeIdentityBase
| Designação | Descrição | Valor |
|---|---|---|
| computeIdentityType | Definir o tipo de objeto |
AmlToken ManagedIdentity (obrigatório) |
AmlTokenComputeIdentity
| Designação | Descrição | Valor |
|---|---|---|
| computeIdentityType | [Obrigatório] Monitore o tipo de identidade de computação enum. | 'AmlToken' (obrigatório) |
ManagedComputeIdentity
ManagedServiceIdentity
| Designação | Descrição | Valor |
|---|---|---|
| tipo | Tipo de identidade de serviço gerenciado (onde os tipos SystemAssigned e UserAssigned são permitidos). | 'Nenhuma' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (obrigatório) |
| userAssignedIdentities | O conjunto de identidades atribuídas pelo usuário associadas ao recurso. As chaves do dicionário userAssignedIdentities serão ids de recurso ARM no formato: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Os valores de dicionário podem ser objetos vazios ({}) em solicitações. | UserAssignedIdentities |
UserAssignedIdentities
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | UserAssignedIdentity |
UserAssignedIdentity
Este objeto não contém nenhuma propriedade a ser definida durante a implantação. Todas as propriedades são ReadOnly.
MonitorizaçãoAlvo
| Designação | Descrição | Valor |
|---|---|---|
| deploymentId | O ID do recurso ARM da implantação visada por este monitor. | string |
| modelId | O ID do recurso ARM do modelo visado por este monitor. | string |
| Tipo de tarefa | [Obrigatório] O tipo de tarefa de aprendizado de máquina do modelo. | 'Classificação' 'PerguntaResposta' 'Regressão' (obrigatório) |
MonitorDefinitionSignals
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | MonitoringSignalBase |
MonitoringSignalBase
| Designação | Descrição | Valor |
|---|---|---|
| notificationTypes | O modo de notificação atual para este sinal. | Matriz de cadeia de caracteres contendo qualquer uma das: 'AmlNotification' 'AzureMonitor' |
| propriedades | Dicionário de propriedades. As propriedades podem ser adicionadas, mas não removidas ou alteradas. | MonitoringSignalBaseProperties |
| Tipo de sinal | Definir o tipo de objeto |
personalizados DataDrift DataQuality FeatureAttributionDrift GeraçãoSegurançaQualidade GenerationTokenStatistics ModelPerformance PredictionDrift (obrigatório) |
MonitoringSignalBaseProperties
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
CustomMonitoringSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'Personalizado' (obrigatório) |
| componentId | [Obrigatório] ID do recurso ARM do recurso de componente usado para calcular as métricas personalizadas. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| inputAtivos | Monitoramento de ativos a serem tomados como entrada. A chave é o nome da porta de entrada do componente, o valor é o ativo de dados. | CustomMonitoringSignalInputAssets |
| Insumos | Parâmetros de componentes extras a serem tomados como entrada. Key é o nome da porta de entrada literal do componente, value é o valor do parâmetro. | CustomMonitoringSignalInputs |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | CustomMetricThreshold[] (obrigatório) |
| workspaceConnection | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | MonitoringWorkspaceConnection (obrigatório) |
CustomMonitoringSignalInputAssets
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | MonitoringInputDataBase |
MonitoringInputDataBase
| Designação | Descrição | Valor |
|---|---|---|
| colunas | Mapeamento de nomes de colunas para usos especiais. | MonitoringInputDataBaseColumns |
| dataContext | Os metadados de contexto da fonte de dados. | string |
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'custom_model' 'literal' 'mlflow_model' 'Mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório) |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| inputDataType | Definir o tipo de objeto |
Fixo Rolling estático (obrigatório) |
MonitoringInputDataBaseColumns
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
FixedInputData
| Designação | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'Fixo' (obrigatório) |
RollingInputData
| Designação | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'Laminação' (obrigatório) |
| pré-processamentoComponentId | O ID do recurso ARM do recurso componente usado para pré-processar os dados. | string |
| windowDeslocamento | [Obrigatório] O deslocamento de tempo entre o final da janela de dados e o tempo de execução atual do monitor. | string (obrigatório) |
| windowSize | [Obrigatório] O tamanho da janela de dados à direita. | string (obrigatório) |
StaticInputData
| Designação | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'Estática' (obrigatório) |
| pré-processamentoComponentId | O ID do recurso ARM do recurso componente usado para pré-processar os dados. | string |
| janelaFim de janela | [Obrigatório] A data final da janela de dados. | string (obrigatório) |
| janelaIniciar | [Obrigatório] A data de início da janela de dados. | string (obrigatório) |
CustomMonitoringSignalInputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
CustomMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Métrica | [Obrigatório] A métrica definida pelo usuário para calcular. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
MonitoramentoLimiar
| Designação | Descrição | Valor |
|---|---|---|
| valor | O valor limite. Se null, o padrão definido depende do tipo de métrica. | Int |
MonitoringWorkspaceConnection
| Designação | Descrição | Valor |
|---|---|---|
| environmentVariables | As propriedades de uma conexão de serviço de espaço de trabalho para armazenar como variáveis de ambiente nos trabalhos enviados. A chave é o caminho da propriedade de conexão do espaço de trabalho, o nome é a chave da variável de ambiente. |
MonitoringWorkspaceConnectionEnvironmentVariables |
| segredos | As propriedades de uma conexão de serviço de espaço de trabalho para armazenar como segredos nos trabalhos enviados. A chave é o caminho da propriedade de conexão do espaço de trabalho, o nome é a chave secreta. |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
MonitoringWorkspaceConnectionSecrets
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
DataDriftMonitoringSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'DataDrift' (obrigatório) |
| dataSegment | O segmento de dados usado para delimitar um subconjunto da população de dados. | MonitoringDataSegment |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados. | DataDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | FeatureImportanceSettings |
| caraterísticas | O filtro de recurso que identifica qual recurso calcular desvio. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataDriftMetricThresholdBase[] (obrigatório) |
| produçãoDados | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
| dados de referência | [Obrigatório] Os dados para calcular o desvio contra. | MonitoringInputDataBase (obrigatório) |
MonitoringDataSegment
| Designação | Descrição | Valor |
|---|---|---|
| Funcionalidade | O recurso para segmentar os dados. | string |
| valores | Filtra apenas os valores especificados do recurso segmentado fornecido. | string[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | 'Categórico' 'Numérico' |
FeatureImportanceSettings
| Designação | Descrição | Valor |
|---|---|---|
| modo | O modo de operação para a computação característica importância. | 'Desativado' 'Habilitado' |
| targetColumn | O nome da coluna de destino dentro do ativo de dados de entrada. | string |
MonitoringFeatureFilterBase
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de filtro | Definir o tipo de objeto |
AllFeatures FeatureSubset TopNByAttribution (obrigatório) |
Todos os recursos
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de filtro | [Obrigatório] Especifica o filtro de recursos a ser aproveitado ao selecionar recursos para calcular métricas. | 'AllFeatures' (obrigatório) |
FeatureSubset
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de filtro | [Obrigatório] Especifica o filtro de recursos a ser aproveitado ao selecionar recursos para calcular métricas. | 'FeatureSubset' (obrigatório) |
| caraterísticas | [Obrigatório] A lista de recursos a serem incluídos. | string[] (obrigatório) |
TopNFeaturesByAttribution
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de filtro | [Obrigatório] Especifica o filtro de recursos a ser aproveitado ao selecionar recursos para calcular métricas. | 'TopNByAttribution' (obrigatório) |
| Início | O número de principais recursos a serem incluídos. | Int |
DataDriftMetricThresholdBase
| Designação | Descrição | Valor |
|---|---|---|
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Tipo de dados | Definir o tipo de objeto |
categórica Numérica (obrigatório) |
CategoricalDataDriftMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | 'Categórico' (obrigatório) |
| Métrica | [Obrigatório] A métrica de desvio de dados categóricos para calcular. | 'JensenShannonDistância' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (obrigatório) |
NumericalDataDriftMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | 'Numérico' (obrigatório) |
| Métrica | [Obrigatório] A métrica de desvio de dados numéricos para calcular. | 'JensenShannonDistância' 'Distância normalizada de Wasserstein' 'Índice de Estabilidade da População' 'TwoSampleKolmogorovSmirnovTest' (obrigatório) |
DataQualityMonitoringSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'DataQuality' (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados. | DataQualityMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | FeatureImportanceSettings |
| caraterísticas | Os recursos para calcular o drift over. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataQualityMetricThresholdBase[] (obrigatório) |
| produçãoDados | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
| dados de referência | [Obrigatório] Os dados para calcular o desvio contra. | MonitoringInputDataBase (obrigatório) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | 'Categórico' 'Numérico' |
DataQualityMetricThresholdBase
| Designação | Descrição | Valor |
|---|---|---|
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Tipo de dados | Definir o tipo de objeto |
categórica Numérica (obrigatório) |
CategoricalDataQualityMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | 'Categórico' (obrigatório) |
| Métrica | [Obrigatório] A métrica de qualidade de dados categóricos a ser calculada. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obrigatório) |
NumericalDataQualityMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | 'Numérico' (obrigatório) |
| Métrica | [Obrigatório] A métrica de qualidade de dados numéricos a ser calculada. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obrigatório) |
FeatureAttributionDriftMonitoringSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'FeatureAttributionDrift' (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados. | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | FeatureImportanceSettings |
| metricThreshold | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | FeatureAttributionMetricThreshold (obrigatório) |
| produçãoDados | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase[] (obrigatório) |
| dados de referência | [Obrigatório] Os dados para calcular o desvio contra. | MonitoringInputDataBase (obrigatório) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | 'Categórico' 'Numérico' |
FeatureAttributionMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Métrica | [Obrigatório] A métrica de atribuição de recursos para calcular. | 'NormalizedDiscountedCumulativeGain' (obrigatório) |
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
GeraçãoSegurançaQualidadeMonitorizaçãoSinal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'GenerationSafetyQuality' (obrigatório) |
| metricThresholds | [Obrigatório] Obtém ou define as métricas a serem calculadas e os limites correspondentes. | GenerationSafetyQualityMetricThreshold[] (obrigatório) |
| produçãoDados | Obtém ou define os dados de produção para métricas de computação. | MonitoringInputDataBase [] |
| amostragemTaxa | [Obrigatório] A taxa de amostragem dos dados de produção, deve ser superior a 0 e no máximo 1. | int (obrigatório) |
| workspaceConnectionId | Obtém ou define a ID de conexão do espaço de trabalho usada para se conectar ao ponto de extremidade de geração de conteúdo. | string |
GeraçãoSegurançaQualidadeLimiar Métrico
| Designação | Descrição | Valor |
|---|---|---|
| Métrica | [Obrigatório] Obtém ou define a métrica de atribuição de recurso a ser calculada. | 'AcceptableCoherenceScorePerInstance' 'AcceptableFluencyScorePerInstance' 'AcceptableGroundednessScorePerInstance' 'AcceptableRelevanceScorePerInstance' 'AcceptableSimilarityScorePerInstance' 'Coerência agregadaPassRate' 'AggregatedFluencyPassRate' 'AggregatedGroundednessPassRate' 'AggregatedRelevancePassRate' 'AggregatedSimilarityPassRate' (obrigatório) |
| limiar | Obtém ou define o valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. |
MonitoringThreshold |
GenerationTokenUsageSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'GenerationTokenStatistics' (obrigatório) |
| metricThresholds | [Obrigatório] Obtém ou define as métricas a serem calculadas e os limites correspondentes. | GenerationTokenUsageMetricThreshold[] (obrigatório) |
| produçãoDados | Obtém ou define os dados de produção para métricas de computação. | MonitoringInputDataBase [] |
| amostragemTaxa | [Obrigatório] A taxa de amostragem dos dados de produção, deve ser superior a 0 e no máximo 1. | int (obrigatório) |
GenerationTokenUsageMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Métrica | [Obrigatório] Obtém ou define a métrica de atribuição de recurso a ser calculada. | 'TotalTokenCount' 'TotalTokenCountPerGroup' (obrigatório) |
| limiar | Obtém ou define o valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. |
MonitoringThreshold |
ModelPerformanceSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'ModelPerformance' (obrigatório) |
| dataSegment | O segmento de dados. | MonitoringDataSegment |
| metricThreshold | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | ModelPerformanceMetricThresholdBase (obrigatório) |
| produçãoDados | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o desempenho será calculado. | MonitoringInputDataBase[] (obrigatório) |
| dados de referência | [Obrigatório] Os dados de referência utilizados como base para calcular o desempenho do modelo. | MonitoringInputDataBase (obrigatório) |
ModelPerformanceMetricThresholdBase
| Designação | Descrição | Valor |
|---|---|---|
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Tipo de modelo | Definir o tipo de objeto |
Classificação de regressão (obrigatório) |
ClassificationModelPerformanceMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de modelo | [Obrigatório] Especifica o tipo de dados do limite métrico. | «Classificação» (obrigatório) |
| Métrica | [Obrigatório] O desempenho do modelo de classificação a ser calculado. | 'Precisão' 'Precisão' 'Recall' (obrigatório) |
RegressionModelPerformanceMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de modelo | [Obrigatório] Especifica o tipo de dados do limite métrico. | 'Regressão' (obrigatório) |
| Métrica | [Obrigatório] A métrica de desempenho do modelo de regressão a ser calculada. | 'MeanAbsoluteError' 'MeanSquaredError' 'RootMeanSquaredError' (obrigatório) |
PrevisãoDriftMonitoramentoSinal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | 'PredictionDrift' (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados. | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | PredictionDriftMetricThresholdBase[] (obrigatório) |
| produçãoDados | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
| dados de referência | [Obrigatório] Os dados para calcular o desvio contra. | MonitoringInputDataBase (obrigatório) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | 'Categórico' 'Numérico' |
PrevisãoDriftMetricThresholdBase
| Designação | Descrição | Valor |
|---|---|---|
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Tipo de dados | Definir o tipo de objeto |
categórica Numérica (obrigatório) |
CategoricalPredictionDriftMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | 'Categórico' (obrigatório) |
| Métrica | [Obrigatório] A métrica de desvio de previsão categórica para calcular. | 'JensenShannonDistância' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (obrigatório) |
NumericalPredictionDriftMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | 'Numérico' (obrigatório) |
| Métrica | [Obrigatório] A métrica de desvio de previsão numérica para calcular. | 'JensenShannonDistância' 'Distância normalizada de Wasserstein' 'Índice de Estabilidade da População' 'TwoSampleKolmogorovSmirnovTest' (obrigatório) |
ImportDataAction
| Designação | 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) |
Importação de dados
| Designação | Descrição | Valor |
|---|---|---|
| nome_do_ativo | Nome do ativo para o trabalho de importação de dados a ser criado | string |
| autoDeleteSetting | Especifica a configuração do ciclo de vida do ativo de dados gerenciado. | AutoDeleteSetting |
| Tipo de dados | [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 |
string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| Descrição | O texto da descrição do ativo. | string |
| Propriedade intelectual | Detalhes de Propriedade Intelectual. Utilizado se os dados forem uma Propriedade Intelectual. | de Propriedade Intelectual |
| isAnonymous | Se a versão do nome for gerada pelo sistema (registo anónimo). Para tipos em que Stage é definido, quando Stage é fornecido, ele será usado para preencher IsAnonymous | Bool |
| isArquivado | O ativo está arquivado? Para tipos em que Stage é definido, quando Stage é fornecido, ele será usado para preencher IsArchived | Bool |
| propriedades | O dicionário de propriedades de ativos. | ResourceBaseProperties |
| fonte | Dados de origem do ativo a ser importado | DataImportSource |
| estágio | Estágio no ciclo de vida dos dados atribuído a este ativo de dados | string |
| Etiquetas | Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas. | objeto |
Propriedade Intelectual
| Designação | Descrição | Valor |
|---|---|---|
| proteçãoNível de proteção | Nível de proteção da Propriedade Intelectual. | 'Todos' 'Nenhuma' |
| editora | [Obrigatório] Editora da Propriedade Intelectual. Deve ser o mesmo que o nome do editor do Registro. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
DataImportSource
| Designação | Descrição | Valor |
|---|---|---|
| conexão | Conexão de espaço de trabalho para armazenamento de fonte de importação de dados | string |
| Tipo de fonte | Definir o tipo de objeto |
banco de dados file_system (obrigatório) |
Fonte de banco de dados
DatabaseSourceStoredProcedureParamsItem
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
FileSystemSource
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de fonte | [Obrigatório] Especifica o tipo de dados. | 'file_system' (obrigatório) |
| caminho | Caminho na origem do sistema de arquivos de importação de dados | string |
EndpointScheduleAction
| Designação | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação da agenda | 'InvokeBatchEndpoint' (obrigatório) |
| endpointInvocationDefinition | [Obrigatório] Define os detalhes da definição da ação Agendar. {ver href="TBD" /} |
Base de gatilhos
| Designação | Descrição | Valor |
|---|---|---|
| Tempo de Fim | Especifica a hora de término do agendamento na ISO 8601, mas sem um deslocamento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601.O formato recomentado seria "2022-06-01T00:00:01" Se não estiver presente, o horário será executado por tempo indeterminado |
string |
| startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC. | string |
| Fuso horário | Especifica o fuso horário no qual a agenda é executada. O fuso horário deve seguir o formato de fuso horário do Windows. Referência: /windows-hardware/manufature/desktop/default-time-zones /> |
string |
| Tipo de gatilho | Definir o tipo de objeto |
Cron de recorrência (obrigatório) |
CronTrigger
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de gatilho | [Obrigatório] | 'Cron' (obrigatório) |
| expressão | [Obrigatório] Especifica a expressão cron da agenda. A expressão deve seguir o formato NCronTab. |
string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
RecorrênciaTrigger
| Designação | Descrição | Valor |
|---|---|---|
| Tempo de Fim | Especifica a hora de término do agendamento na ISO 8601, mas sem um deslocamento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601.O formato recomentado seria "2022-06-01T00:00:01" Se não estiver presente, o horário será executado por tempo indeterminado |
string |
| FREQUÊNCIA | [Obrigatório] A frequência para acionar o cronograma. | 'Dia' 'Hora' 'Minuto' 'Mês' 'Semana' (obrigatório) |
| intervalo | [Obrigatório] Especifica o intervalo de programação em conjunto com a frequência | int (obrigatório) |
| Horário | O esquema de recorrência. | RecurrenceSchedule |
| startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC. | string |
| Fuso horário | Especifica o fuso horário no qual a agenda é executada. O fuso horário deve seguir o formato de fuso horário do Windows. Referência: /windows-hardware/manufature/desktop/default-time-zones |
string |
| Tipo de gatilho | [Obrigatório] | 'Cron' «Recorrência» (obrigatório) |
RecorrênciaCronograma
| Designação | Descrição | Valor |
|---|---|---|
| Horas | [Obrigatório] Lista de horas para o horário. | int[] (obrigatório) |
| minutos | [Obrigatório] Lista de atas para a programação. | int[] (obrigatório) |
| mêsDias | Lista de dias do mês para o cronograma | int[] |
| dias úteis | Lista de dias para o calendário. | Matriz de cadeia de caracteres contendo qualquer uma das: 'Sexta-feira' 'Segunda-feira' 'Sábado' 'Domingo' 'Quinta-feira' 'Terça-feira' 'Quarta-feira' |
Definição de recursos Terraform (provedor AzAPI)
O tipo de recurso espaços de trabalho/agendas pode ser implantado com operações que visam:
- Grupos de recursos
Para obter uma lista de propriedades alteradas em cada versão da API, consulte log de alterações.
Formato do recurso
Para criar um recurso Microsoft.MachineLearningServices/workspaces/schedules, adicione o seguinte Terraform ao seu modelo.
resource "azapi_resource" "symbolicname" {
type = "Microsoft.MachineLearningServices/workspaces/schedules@2023-08-01-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"
}
tags = {}
trigger = {
endTime = "string"
startTime = "string"
timeZone = "string"
triggerType = "string"
// For remaining properties, see TriggerBase objects
}
}
})
}
Objetos ScheduleActionBase
Defina a propriedade actionType para especificar o tipo de objeto.
Para CreateJob , use:
actionType = "CreateJob"
jobDefinition = {
componentId = "string"
computeId = "string"
description = "string"
displayName = "string"
experimentName = "string"
identity {
identityType = "string"
// For remaining properties, see IdentityConfiguration objects
}
isArchived = bool
notificationSetting = {
emailOn = [
"string"
]
emails = [
"string"
]
webhooks = {
{customized property} = {
eventType = "string"
webhookType = "string"
// For remaining properties, see Webhook objects
}
}
}
properties = {
{customized property} = "string"
}
secretsConfiguration = {
{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"
}
}
}
tags = {}
jobType = "string"
// For remaining properties, see JobBaseProperties objects
}
Para CreateMonitor , use:
actionType = "CreateMonitor"
monitorDefinition = {
alertNotificationSettings = {
emailNotificationSettings = {
emails = [
"string"
]
}
}
computeConfiguration = {
computeType = "string"
// For remaining properties, see MonitorComputeConfigurationBase objects
}
monitoringTarget = {
deploymentId = "string"
modelId = "string"
taskType = "string"
}
signals = {
{customized property} = {
notificationTypes = [
"string"
]
properties = {
{customized property} = "string"
}
signalType = "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Para ImportData , use:
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"
}
source = {
connection = "string"
sourceType = "string"
// For remaining properties, see DataImportSource objects
}
stage = "string"
tags = {}
}
Para InvokeBatchEndpoint, use:
actionType = "InvokeBatchEndpoint"
Objetos JobBaseProperties
Defina a propriedade jobType para especificar o tipo de objeto.
Para AutoML, use:
jobType = "AutoML"
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
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 Command, use:
jobType = "Command"
autologgerSettings = {
mlflowAutologger = "string"
}
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
limits = {
jobLimitsType = "string"
timeout = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
queueSettings = {
jobTier = "string"
priority = int
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
locations = [
"string"
]
maxInstanceCount = int
properties = {}
shmSize = "string"
}
Para de rotulagem, use:
jobType = "Labeling"
dataConfiguration = {
dataId = "string"
incrementalDataRefresh = "string"
}
jobInstructions = {
uri = "string"
}
labelCategories = {
{customized property} = {
classes = {
{customized property} = {
displayName = "string"
subclasses = {
{customized property} = {}
}
}
displayName = "string"
multiSelect = "string"
}
}
labelingJobMediaProperties = {
mediaType = "string"
// For remaining properties, see LabelingJobMediaProperties objects
}
mlAssistConfiguration = {
mlAssist = "string"
// For remaining properties, see MLAssistConfiguration objects
}
Para Pipeline, use:
jobType = "Pipeline"
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
jobs = {}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
sourceJobId = "string"
Para Spark, use:
jobType = "Spark"
archives = [
"string"
]
args = "string"
codeId = "string"
conf = {
{customized property} = "string"
}
entry = {
sparkJobEntryType = "string"
// For remaining properties, see SparkJobEntry objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
files = [
"string"
]
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
jars = [
"string"
]
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
pyFiles = [
"string"
]
queueSettings = {
jobTier = "string"
priority = int
}
resources = {
instanceType = "string"
runtimeVersion = "string"
}
Para Varredura, use:
jobType = "Sweep"
componentConfiguration = {}
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
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
locations = [
"string"
]
maxInstanceCount = int
properties = {}
shmSize = "string"
}
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, use:
identityType = "AMLToken"
Para Managed, use:
identityType = "Managed"
clientId = "string"
objectId = "string"
resourceId = "string"
Para UserIdentity , use:
identityType = "UserIdentity"
Objetos Webhook
Defina a propriedade webhookType para especificar o tipo de objeto.
Para AzureDevOps, use:
webhookType = "AzureDevOps"
Objetos de nós
Defina a propriedade nodesValueType para especificar o tipo de objeto.
Para todos os, use:
nodesValueType = "All"
Objetos JobOutput
Defina a propriedade jobOutputType para especificar o tipo de objeto.
Para custom_model, utilize:
jobOutputType = "custom_model"
assetName = "string"
assetVersion = "string"
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, use:
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 de previsão, utilize:
taskType = "Forecasting"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
fixedParameters = {
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = int
maxBin = int
maxDepth = int
maxLeaves = int
minDataInLeaf = int
minSplitGain = int
modelName = "string"
nEstimators = int
numLeaves = int
preprocessorName = "string"
regAlpha = int
regLambda = int
subsample = int
subsampleFreq = int
treeMethod = "string"
withMean = bool
withStd = bool
}
forecastingSettings = {
countryOrRegionForHolidays = "string"
cvStepSize = int
featureLags = "string"
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 , use:
taskType = "ImageClassification"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
momentum = int
nesterov = bool
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
trainingBatchSize = int
trainingCropSize = int
validationBatchSize = int
validationCropSize = int
validationResizeSize = int
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
weightedLoss = int
}
primaryMetric = "string"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
momentum = "string"
nesterov = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
trainingBatchSize = "string"
trainingCropSize = "string"
validationBatchSize = "string"
validationCropSize = "string"
validationResizeSize = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
weightedLoss = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Para ImageClassificationMultilabel , use:
taskType = "ImageClassificationMultilabel"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
momentum = int
nesterov = bool
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
trainingBatchSize = int
trainingCropSize = int
validationBatchSize = int
validationCropSize = int
validationResizeSize = int
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
weightedLoss = int
}
primaryMetric = "string"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
momentum = "string"
nesterov = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
trainingBatchSize = "string"
trainingCropSize = "string"
validationBatchSize = "string"
validationCropSize = "string"
validationResizeSize = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
weightedLoss = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Para ImageInstanceSegmentation , use:
taskType = "ImageInstanceSegmentation"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
boxDetectionsPerImage = int
boxScoreThreshold = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
imageSize = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
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 , use:
taskType = "ImageObjectDetection"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
boxDetectionsPerImage = int
boxScoreThreshold = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
imageSize = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
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
Parade regressão
taskType = "Regression"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
fixedParameters = {
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = int
maxBin = int
maxDepth = int
maxLeaves = int
minDataInLeaf = int
minSplitGain = int
modelName = "string"
nEstimators = int
numLeaves = int
preprocessorName = "string"
regAlpha = int
regLambda = int
subsample = int
subsampleFreq = int
treeMethod = "string"
withMean = bool
withStd = bool
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxNodes = int
maxTrials = int
sweepConcurrentTrials = int
sweepTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
primaryMetric = "string"
searchSpace = [
{
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = "string"
maxBin = "string"
maxDepth = "string"
maxLeaves = "string"
minDataInLeaf = "string"
minSplitGain = "string"
modelName = "string"
nEstimators = "string"
numLeaves = "string"
preprocessorName = "string"
regAlpha = "string"
regLambda = "string"
subsample = "string"
subsampleFreq = "string"
treeMethod = "string"
withMean = "string"
withStd = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
testData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
trainingSettings = {
allowedTrainingAlgorithms = [
"string"
]
blockedTrainingAlgorithms = [
"string"
]
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
trainingMode = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
Para TextClassification , use:
taskType = "TextClassification"
featurizationSettings = {
datasetLanguage = "string"
}
fixedParameters = {
gradientAccumulationSteps = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = int
trainingBatchSize = int
validationBatchSize = int
warmupRatio = int
weightDecay = int
}
limitSettings = {
maxConcurrentTrials = int
maxNodes = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
primaryMetric = "string"
searchSpace = [
{
gradientAccumulationSteps = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
warmupRatio = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
Para TextClassificationMultilabel , use:
taskType = "TextClassificationMultilabel"
featurizationSettings = {
datasetLanguage = "string"
}
fixedParameters = {
gradientAccumulationSteps = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = int
trainingBatchSize = int
validationBatchSize = int
warmupRatio = int
weightDecay = int
}
limitSettings = {
maxConcurrentTrials = int
maxNodes = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
searchSpace = [
{
gradientAccumulationSteps = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
warmupRatio = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
Para TextNER, use:
taskType = "TextNER"
featurizationSettings = {
datasetLanguage = "string"
}
fixedParameters = {
gradientAccumulationSteps = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = int
trainingBatchSize = int
validationBatchSize = int
warmupRatio = int
weightDecay = int
}
limitSettings = {
maxConcurrentTrials = int
maxNodes = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
searchSpace = [
{
gradientAccumulationSteps = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
warmupRatio = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
Objetos NCrossValidations
Defina o modo propriedade para especificar o tipo de objeto.
Para automático, use:
mode = "Auto"
Para Custom, use:
mode = "Custom"
value = int
Objetos EarlyTerminationPolicy
Defina a propriedade policyType para especificar o tipo de objeto.
Para Bandit, use:
policyType = "Bandit"
slackAmount = int
slackFactor = int
Para MedianStopping , use:
policyType = "MedianStopping"
Para TruncationSelection , use:
policyType = "TruncationSelection"
truncationPercentage = int
Objetos ForecastHorizon
Defina o modo propriedade para especificar o tipo de objeto.
Para automático, use:
mode = "Auto"
Para Custom, use:
mode = "Custom"
value = int
Objetos de sazonalidade
Defina o modo propriedade para especificar o tipo de objeto.
Para automático, use:
mode = "Auto"
Para Custom, use:
mode = "Custom"
value = int
Objetos TargetLags
Defina o modo propriedade para especificar o tipo de objeto.
Para automático, use:
mode = "Auto"
Para Custom, use:
mode = "Custom"
values = [
int
]
Objetos TargetRollingWindowSize
Defina o modo propriedade para especificar o tipo de objeto.
Para automático, use:
mode = "Auto"
Para Custom, use:
mode = "Custom"
value = int
Objetos DistributionConfiguration
Defina a propriedade distributionType para especificar o tipo de objeto.
Para Mpi, use:
distributionType = "Mpi"
processCountPerInstance = int
Para PyTorch, use:
distributionType = "PyTorch"
processCountPerInstance = int
Para Ray, use:
distributionType = "Ray"
address = "string"
dashboardPort = int
headNodeAdditionalArgs = "string"
includeDashboard = bool
port = int
workerNodeAdditionalArgs = "string"
Para TensorFlow , use:
distributionType = "TensorFlow"
parameterServerCount = int
workerCount = int
Objetos JobInput
Defina a propriedade jobInputType para especificar o tipo de objeto.
Para custom_model, utilize:
jobInputType = "custom_model"
mode = "string"
uri = "string"
Para literal , use:
jobInputType = "literal"
value = "string"
Para mlflow_model, utilize:
jobInputType = "mlflow_model"
mode = "string"
uri = "string"
Para mltable, use:
jobInputType = "mltable"
mode = "string"
uri = "string"
Para triton_model, utilize:
jobInputType = "triton_model"
mode = "string"
uri = "string"
Para uri_file, utilize:
jobInputType = "uri_file"
mode = "string"
uri = "string"
Para uri_folder, utilize:
jobInputType = "uri_folder"
mode = "string"
uri = "string"
Objetos LabelingJobMediaProperties
Defina a propriedade mediaType para especificar o tipo de objeto.
Para de imagem, use:
mediaType = "Image"
annotationType = "string"
Para de texto , use:
mediaType = "Text"
annotationType = "string"
Objetos MLAssistConfiguration
Defina a propriedade mlAssist para especificar o tipo de objeto.
Para com deficiência, use:
mlAssist = "Disabled"
Para Enabled, use:
mlAssist = "Enabled"
inferencingComputeBinding = "string"
trainingComputeBinding = "string"
Objetos SparkJobEntry
Defina a propriedade sparkJobEntryType para especificar o tipo de objeto.
Para SparkJobPythonEntry , use:
sparkJobEntryType = "SparkJobPythonEntry"
file = "string"
Para SparkJobScalaEntry , use:
sparkJobEntryType = "SparkJobScalaEntry"
className = "string"
Objetos SamplingAlgorithm
Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.
Para Bayesian, use:
samplingAlgorithmType = "Bayesian"
Para Grid, use:
samplingAlgorithmType = "Grid"
Para Random, use:
samplingAlgorithmType = "Random"
logbase = "string"
rule = "string"
seed = int
Objetos MonitorComputeConfigurationBase
Defina a propriedade computeType para especificar o tipo de objeto.
Para ServerlessSpark, use:
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 , use:
computeIdentityType = "AmlToken"
Para ManagedIdentity , use:
computeIdentityType = "ManagedIdentity"
identity {
type = "string"
identity_ids = []
}
Objetos MonitoringSignalBase
Defina a propriedade signalType para especificar o tipo de objeto.
Para Custom, use:
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 , use:
signalType = "DataDrift"
dataSegment = {
feature = "string"
values = [
"string"
]
}
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "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 DataQuality , use:
signalType = "DataQuality"
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "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 , use:
signalType = "FeatureAttributionDrift"
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "string"
}
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 , use:
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 , use:
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 , use:
signalType = "PredictionDrift"
featureDataTypeOverride = {
{customized property} = "string"
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see PredictionDriftMetricThresholdBase 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
}
Objetos MonitoringInputDataBase
Defina a propriedade inputDataType para especificar o tipo de objeto.
Para Fixo, use:
inputDataType = "Fixed"
Para Rolling, utilize:
inputDataType = "Rolling"
preprocessingComponentId = "string"
windowOffset = "string"
windowSize = "string"
Para estático , use:
inputDataType = "Static"
preprocessingComponentId = "string"
windowEnd = "string"
windowStart = "string"
Objetos MonitoringFeatureFilterBase
Defina a propriedade filterType para especificar o tipo de objeto.
Para AllFeatures, use:
filterType = "AllFeatures"
Para FeatureSubset , use:
filterType = "FeatureSubset"
features = [
"string"
]
Para TopNByAttribution , use:
filterType = "TopNByAttribution"
top = int
Objetos DataDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para categórica, use:
dataType = "Categorical"
metric = "string"
Para Numérica, utilize:
dataType = "Numerical"
metric = "string"
Objetos DataQualityMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para categórica, use:
dataType = "Categorical"
metric = "string"
Para Numérica, utilize:
dataType = "Numerical"
metric = "string"
Objetos ModelPerformanceMetricThresholdBase
Defina a propriedade modelType para especificar o tipo de objeto.
Para Classificação, utilize:
modelType = "Classification"
metric = "string"
Parade regressão
modelType = "Regression"
metric = "string"
Objetos PredictionDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para categórica, use:
dataType = "Categorical"
metric = "string"
Para Numérica, utilize:
dataType = "Numerical"
metric = "string"
Objetos DataImportSource
Defina a propriedade sourceType para especificar o tipo de objeto.
Para banco de dados, use:
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, use:
triggerType = "Cron"
expression = "string"
Para de recorrência, utilize:
triggerType = "Recurrence"
frequency = "string"
interval = int
schedule = {
hours = [
int
]
minutes = [
int
]
monthDays = [
int
]
weekDays = [
"string"
]
}
Valores de propriedade
espaços de trabalho/horários
| Designação | Descrição | Valor |
|---|---|---|
| tipo | O tipo de recurso | "Microsoft.MachineLearningServices/workspaces/schedules@2023-08-01-preview" |
| Designação | O nome do recurso | string (obrigatório) |
| parent_id | A ID do recurso que é o pai para este recurso. | ID do recurso do tipo: espaços de trabalho |
| propriedades | [Obrigatório] Atributos adicionais da entidade. | ScheduleProperties (obrigatório) |
ScheduleProperties
ScheduleActionBase
| Designação | Descrição | Valor |
|---|---|---|
| actionType | Definir o tipo de objeto |
CreateJob CreateMonitor ImportData InvokeBatchEndpoint (obrigatório) |
JobScheduleAction
JobBaseProperties
| Designação | Descrição | Valor |
|---|---|---|
| componentId | ID do recurso ARM do recurso componente. | string |
| computeId | ID do recurso ARM do recurso de computação. | string |
| Descrição | O texto da descrição do ativo. | string |
| displayName | Exibir nome do trabalho. | string |
| nome da experiência | O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". | string |
| identidade | Configuração de identidade. Se definido, este deve ser um dos AmlToken, ManagedIdentity, UserIdentity ou null. O padrão é AmlToken se null. |
IdentityConfiguration |
| isArquivado | O ativo está arquivado? | Bool |
| notificationSetting | Configuração de notificação para o trabalho | NotificationSetting |
| propriedades | O dicionário de propriedades de ativos. | ResourceBaseProperties |
| secretsConfiguration | Configuração para segredos a serem disponibilizados durante o tempo de execução. | JobBaseSecretsConfiguration |
| serviços | Lista de JobEndpoints. Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject. |
JobBaseServices |
| Etiquetas | Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas. | objeto |
| Tipo de trabalho | Definir o tipo de objeto |
AutoML de comando Rotulagem Pipeline Spark Varredura (obrigatório) |
IdentityConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| identityType | Definir o tipo de objeto |
AMLToken Gestão UserIdentity (obrigatório) |
AmlToken
| Designação | Descrição | Valor |
|---|---|---|
| identityType | [Obrigatório] Especifica o tipo de estrutura de identidade. | "AMLToken" (obrigatório) |
Identidade gerenciada
| Designação | Descrição | Valor |
|---|---|---|
| identityType | [Obrigatório] Especifica o tipo de estrutura de identidade. | "Gerenciado" (obrigatório) |
| ID do cliente | Especifica uma identidade atribuída pelo usuário por ID do cliente. Para sistema atribuído, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| objectId | Especifica uma identidade atribuída pelo usuário por ID de objeto. Para sistema atribuído, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| resourceId | Especifica uma identidade atribuída pelo usuário por ID de recurso ARM. Para sistema atribuído, não defina este campo. | string |
Identidade do usuário
| Designação | Descrição | Valor |
|---|---|---|
| identityType | [Obrigatório] Especifica o tipo de estrutura de identidade. | "UserIdentity" (obrigatório) |
NotificationSetting
| Designação | Descrição | Valor |
|---|---|---|
| e-mailOn | Enviar notificação por e-mail para o usuário no tipo de notificação especificado | Matriz de cadeia de caracteres contendo qualquer uma das: "TrabalhoCancelado" "TrabalhoConcluído" "JobFailed" |
| E-mails | Esta é a lista de destinatários de e-mail que tem uma limitação de 499 caracteres no total concat com separador de vírgula | string[] |
| ganchos de teia | Enviar retorno de chamada webhook para um serviço. Key é um nome fornecido pelo usuário para o webhook. | NotificationSettingWebhooks |
NotificationSettingWebhooks
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | Webhook |
Gancho de teia
| Designação | Descrição | Valor |
|---|---|---|
| eventType | Enviar retorno de chamada em um evento de notificação especificado | string |
| webhookType | Definir o tipo de objeto | AzureDevOps (obrigatório) |
AzureDevOpsWebhook
| Designação | Descrição | Valor |
|---|---|---|
| webhookType | [Obrigatório] Especifica o tipo de serviço para enviar um retorno de chamada | "AzureDevOps" (obrigatório) |
ResourceBaseProperties
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
JobBaseSecretsConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | SecretConfiguration |
SecretConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| URI | Uri secreto. Uri de amostra: https://myvault.vault.azure.net/secrets/mysecretname/secretversion |
string |
| workspaceSecretName | Nome do segredo no cofre de chaves do espaço de trabalho. | string |
JobBaseServices
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobService |
Serviço de Emprego
| Designação | Descrição | Valor |
|---|---|---|
| Ponto final | Url para o ponto de extremidade. | string |
| jobServiceType | Tipo de ponto final. | string |
| nós | Nós nos quais o usuário gostaria de iniciar o serviço. Se Nós não estiver definido ou definido como nulo, o serviço só será iniciado no nó líder. |
de nós |
| porto | Porta para ponto de extremidade definida pelo usuário. | Int |
| propriedades | Propriedades adicionais a serem definidas no ponto de extremidade. | JobServiceProperties |
Nós
| Designação | Descrição | Valor |
|---|---|---|
| nósValueType | Definir o tipo de objeto | Todos os (obrigatório) |
AllNodes
| Designação | Descrição | Valor |
|---|---|---|
| nósValueType | [Obrigatório] Tipo do valor de Nós | "Todos" (obrigatório) |
JobServiceProperties
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
AutoMLJob
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | "AutoML" (obrigatório) |
| environmentId | O ID do recurso ARM da especificação Ambiente para o trabalho. Este é um valor opcional para fornecer, se não for fornecido, o AutoML assumirá como padrão a versão do ambiente com curadoria do AutoML de Produção ao executar o trabalho. |
string |
| environmentVariables | Variáveis de ambiente incluídas no trabalho. | AutoMLJobEnvironmentVariables |
| saídas | Mapeamento das ligações de dados de saída usadas no trabalho. | AutoMLJobOutputs |
| queueSettings | Configurações de fila para o trabalho | QueueSettings |
| Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
| taskDetalhes | [Obrigatório] Isso representa um cenário que pode ser um dos Tabelas/NLP/Imagem | AutoMLVertical (obrigatório) |
AutoMLJobEnvironmentVariables
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
AutoMLJobOutputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobOutput |
JobOutput
| Designação | Descrição | Valor |
|---|---|---|
| Descrição | Descrição da saída. | string |
| jobOutputType | Definir o tipo de objeto |
custom_model mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | "custom_model" (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
| URI | URI do ativo de saída. | string |
AutoDeleteSetting
| Designação | Descrição | Valor |
|---|---|---|
| condição | Quando verificar se um ativo expirou | "CriadoGreaterThan" "LastAccessedGreaterThan" |
| valor | Valor da condição de expiração. | string |
MLFlowModelJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | "mlflow_model" (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
| URI | URI do ativo de saída. | string |
MLTableJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | "mltable" (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
| URI | URI do ativo de saída. | string |
TritonModelJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | "triton_model" (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
| URI | URI do ativo de saída. | string |
UriFileJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | "uri_file" (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
| URI | URI do ativo de saída. | string |
UriFolderJobOutput
| Designação | Descrição | Valor |
|---|---|---|
| jobOutputType | [Obrigatório] Especifica o tipo de trabalho. | "uri_folder" (obrigatório) |
| nome_do_ativo | Nome do ativo de saída. | string |
| assetVersion | Versão do ativo de saída. | string |
| autoDeleteSetting | Configuração de exclusão automática do ativo de dados de saída. | AutoDeleteSetting |
| modo | Modo de Entrega de Ativos de Saída. | "Direto" "ReadWriteMount" "Carregar" |
| URI | URI do ativo de saída. | string |
Configurações da fila
| Designação | Descrição | Valor |
|---|---|---|
| nível de trabalho | Controla a camada de trabalho de computação | "Básico" "Nulo" "Premium" "Localização" "Padrão" |
| prioridade | Controla a prioridade do trabalho em uma computação. | Int |
JobResourceConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| dockerArgs | Argumentos extras para passar para o comando de execução do Docker. Isso substituiria quaisquer parâmetros que já tenham sido definidos pelo sistema ou nesta seção. Este parâmetro só tem suporte para tipos de computação do Azure ML. | string |
| instanceCount | Número opcional de instâncias ou nós usados pelo destino de computação. | Int |
| tipo de instância | Tipo opcional de VM usado conforme suportado pelo destino de computação. | string |
| Locais | Locais onde o trabalho pode ser executado. | string[] |
| maxInstanceCount | Número máximo permitido opcional de instâncias ou nós a serem usados pelo destino de computação. Para uso com treinamento elástico, atualmente suportado apenas pelo tipo de distribuição PyTorch. |
Int |
| propriedades | Saco de propriedades adicionais. | ResourceConfigurationProperties |
| shmTamanho | Tamanho do bloco de memória compartilhada do contêiner docker. Este deve ser no formato de (número)(unidade), onde o número é maior que 0 e a unidade pode ser um de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes). | string Restrições: Padrão = \d+[bBkKmMgG] |
ResourceConfigurationProperties
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} |
AutoMLVertical
| Designação | Descrição | Valor |
|---|---|---|
| logVerbosidade | Registre a verbosidade para o trabalho. | "Crítica" "Depurar" "Erro" "Informações" "NotSet" "Atenção" |
| targetColumnName | Nome da coluna de destino: Esta é a coluna de valores de previsão. Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação. |
string |
| formaçãoDados de formação | [Obrigatório] Introdução de dados de formação. | MLTableJobInput (obrigatório) |
| Tipo de tarefa | Definir o tipo de objeto |
Classificação Previsão ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regressão TextClassification TextClassificationMultilabel TextNER (obrigatório) |
MLTableJobInput
| Designação | Descrição | Valor |
|---|---|---|
| Descrição | Descrição da entrada. | string |
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | "custom_model" "Literal" "mlflow_model" "Mltable" "triton_model" "uri_file" "uri_folder" (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | "Direto" "Baixar" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
Classificação
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Classificação" (obrigatório) |
| cvSplitColumnNames | Colunas a serem usadas para dados CVSplit. | string[] |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | TableFixedParameters |
| limitSettings | Restrições de execução para AutoMLJob. | TableVerticalLimitSettings |
| nValidações cruzadas | Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
| rótulo positivo | Rótulo positivo para cálculo de métricas binárias. | string |
| primaryMetric | Métrica primária para a tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | TableParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | TableSweepSettings |
| testData | Entrada de dados de teste. | MLTableJobInput |
| testDataSize | A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| formaçãoConfigurações | Entradas para a fase de treinamento para um trabalho AutoML. | ClassificaçãoFormaçãoConfigurações |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| weightColumnName | O nome da coluna de peso da amostra. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
TableVerticalFeaturizationSettings
| Designação | Descrição | Valor |
|---|---|---|
| blockedTransformers | Estes transformadores não devem ser utilizados na featurização. | Matriz de cadeia de caracteres contendo qualquer uma das: "CatTargetEncoder" "CountVectorizer" "HashOneHotEncoder" "LabelEncoder" "NaiveBayes" "OneHotEncoder" "TextTargetEncoder" "TfIdf" "WoETargetEncoder" "Incorporação de palavras" |
| columnNameAndTypes | Dicionário do nome da coluna e seu tipo (int, float, string, datetime etc). | TableVerticalFeaturizationSettingsColumnNameAndTypes |
| conjunto de dadosLinguagem | Linguagem do conjunto de dados, útil para os dados de texto. | string |
| enableDnnFeaturization | Determina se os featurizers baseados em Dnn devem ser usados para a featurização de dados. | Bool |
| modo | Modo de featurização - O usuário pode manter o modo 'Auto' padrão e o AutoML cuidará da transformação necessária dos dados na fase de featurização. Se 'Off' for selecionado, nenhuma featurização será feita. Se 'Personalizado' estiver selecionado, o usuário pode especificar entradas adicionais para personalizar como a featurização é feita. |
"Auto" "Personalizado" "Desligado" |
| transformadoresParams | O usuário pode especificar transformadores adicionais a serem usados juntamente com as colunas às quais seria aplicado e parâmetros para o construtor do transformador. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
TableVerticalFeaturizationSettingsTransformerParams
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | ColumnTransformer[] |
ColumnTransformer
| Designação | Descrição | Valor |
|---|---|---|
| campos | Campos para aplicar a lógica do transformador. | string[] |
| Parâmetros | Diferentes propriedades a serem passadas para o transformador. A entrada esperada é o dicionário de pares chave, valor no formato JSON. |
TableFixedParameters
| Designação | Descrição | Valor |
|---|---|---|
| reforço | Especifique o tipo de impulsionamento, por exemplo, gbdt para XGBoost. | string |
| boostingType | Especifique o tipo de impulsionamento, por exemplo, gbdt para LightGBM. | string |
| growPolicy | Especifique a política de crescimento, que controla a maneira como novos nós são adicionados à árvore. | string |
| learningRate | A taxa de aprendizagem para o procedimento de formação. | Int |
| maxBin [en] | Especifique o número máximo de compartimentos discretos para bucket de recursos contínuos. | Int |
| maxProfundidade | Especifique a profundidade máxima para limitar a profundidade da árvore explicitamente. | Int |
| maxFolhas | Especifique o máximo de folhas para limitar as folhas da árvore explicitamente. | Int |
| minDataInLeaf | O número mínimo de dados por folha. | Int |
| minSplitGain | Redução mínima de perda necessária para fazer uma nova partição em um nó de folha da árvore. | Int |
| nome_modelo | O nome do modelo a treinar. | string |
| nEstimadores | Especifique o número de árvores (ou rodadas) em um modelo. | Int |
| numFolhas | Especifique o número de folhas. | Int |
| pré-processadorNome | O nome do pré-processador a ser usado. | string |
| regAlpha | Termo de regularização L1 em pesos. | Int |
| regLambda | Termo de regularização L2 em pesos. | Int |
| subamostra | Rácio de subamostras da instância de formação. | Int |
| subsampleFreq | Frequência da subamostra. | Int |
| treeMethod | Especifique o método tree. | string |
| comMédia | Se verdadeiro, centralize antes de dimensionar os dados com StandardScalar. | Bool |
| comStd | Se verdadeiro, dimensione os dados com Variação de Unidade com StandardScalar. | Bool |
TableVerticalLimitSettings
| Designação | Descrição | Valor |
|---|---|---|
| habilitarRescisão antecipada | Habilite o encerramento antecipado, determine se o AutoMLJob será encerrado antecipadamente se não houver melhoria de pontuação nas últimas 20 iterações. | Bool |
| exitScore | Pontuação de saída para o trabalho AutoML. | Int |
| maxConcurrentTrials | Máximo de iterações simultâneas. | Int |
| maxCoresPerTrial | Máximo de núcleos por iteração. | Int |
| maxNós | Máximo de nós a serem usados para o experimento. | Int |
| maxEnsaios | Número de iterações. | Int |
| varreduraConcurrentTrials | Número de execuções de varredura simultâneas que o usuário deseja acionar. | Int |
| varredurasEnsaios | Número de execuções de varredura que o usuário deseja acionar. | Int |
| tempo limite | Tempo limite do trabalho AutoML. | string |
| trialTimeout | Tempo limite de iteração. | string |
NCrossValidações
| Designação | Descrição | Valor |
|---|---|---|
| modo | Definir o tipo de objeto |
Auto Custom (obrigatório) |
AutoNCrossValidações
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo para determinar validações N-Cross. | "Auto" (obrigatório) |
CustomNCrossValidations
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo para determinar validações N-Cross. | "Personalizado" (obrigatório) |
| valor | [Obrigatório] Valor de validações N-Cross. | int (obrigatório) |
TableParameterSubspace
| Designação | Descrição | Valor |
|---|---|---|
| reforço | Especifique o tipo de impulsionamento, por exemplo, gbdt para XGBoost. | string |
| boostingType | Especifique o tipo de impulsionamento, por exemplo, gbdt para LightGBM. | string |
| growPolicy | Especifique a política de crescimento, que controla a maneira como novos nós são adicionados à árvore. | string |
| learningRate | A taxa de aprendizagem para o procedimento de formação. | string |
| maxBin [en] | Especifique o número máximo de compartimentos discretos para bucket de recursos contínuos. | string |
| maxProfundidade | Especifique a profundidade máxima para limitar a profundidade da árvore explicitamente. | string |
| maxFolhas | Especifique o máximo de folhas para limitar as folhas da árvore explicitamente. | string |
| minDataInLeaf | O número mínimo de dados por folha. | string |
| minSplitGain | Redução mínima de perda necessária para fazer uma nova partição em um nó de folha da árvore. | string |
| nome_modelo | O nome do modelo a treinar. | string |
| nEstimadores | Especifique o número de árvores (ou rodadas) em um modelo. | string |
| numFolhas | Especifique o número de folhas. | string |
| pré-processadorNome | O nome do pré-processador a ser usado. | string |
| regAlpha | Termo de regularização L1 em pesos. | string |
| regLambda | Termo de regularização L2 em pesos. | string |
| subamostra | Rácio de subamostras da instância de formação. | string |
| subsampleFreq | Frequência da subamostra | string |
| treeMethod | Especifique o método tree. | string |
| comMédia | Se verdadeiro, centralize antes de dimensionar os dados com StandardScalar. | string |
| comStd | Se verdadeiro, dimensione os dados com Variação de Unidade com StandardScalar. | string |
TableSweepSettings
| Designação | Descrição | Valor |
|---|---|---|
| Rescisão antecipada | Tipo de política de rescisão antecipada para o trabalho de varredura. | EarlyTerminationPolicy |
| samplingAlgorithm | [Obrigatório] Tipo de algoritmo de amostragem. | "Bayesiano" "Grade" "Aleatório" (obrigatório) |
Política de Rescisão Antecipada
| Designação | Descrição | Valor |
|---|---|---|
| delayAvaliação | Número de intervalos para adiar a primeira avaliação. | Int |
| avaliaçãoIntervalo | Intervalo (número de execuções) entre avaliações de políticas. | Int |
| policyType | Definir o tipo de objeto |
Bandido MedianStop TruncationSelection (obrigatório) |
BanditPolicy
| Designação | Descrição | Valor |
|---|---|---|
| policyType | [Obrigatório] Nome da configuração da política | "Bandido" (obrigatório) |
| slackAmount | Distância absoluta permitida da corrida com melhor desempenho. | Int |
| slackFactor | Relação entre a distância permitida e a corrida com melhor desempenho. | Int |
MedianStoppingPolicy
| Designação | Descrição | Valor |
|---|---|---|
| policyType | [Obrigatório] Nome da configuração da política | "MedianStopping" (obrigatório) |
TruncationSelectionPolicy
| Designação | Descrição | Valor |
|---|---|---|
| policyType | [Obrigatório] Nome da configuração da política | "TruncationSelection" (obrigatório) |
| truncamentoPercentagem | A percentagem de corridas a cancelar em cada intervalo de avaliação. | Int |
ClassificaçãoFormaçãoConfigurações
| Designação | Descrição | Valor |
|---|---|---|
| allowedTrainingAlgorithms | Modelos permitidos para a tarefa de classificação. | Matriz de cadeia de caracteres contendo qualquer uma das: "BernoulliNaiveBayes" "Árvore de decisão" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LuzGBM" "LinearSVM" "Regressão Logística" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier" |
| blockedTrainingAlgorithms | Modelos bloqueados para tarefa de classificação. | Matriz de cadeia de caracteres contendo qualquer uma das: "BernoulliNaiveBayes" "Árvore de decisão" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LuzGBM" "LinearSVM" "Regressão Logística" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier" |
| enableDnnTraining | Habilite a recomendação de modelos DNN. | Bool |
| enableModelExplainability | Sinalize para ativar a explicabilidade no melhor modelo. | Bool |
| enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | Bool |
| enableStackEnsemble | Habilite a execução do conjunto de pilha. | Bool |
| enableVoteEnsemble | Habilite a execução do conjunto de votação. | Bool |
| ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
| stackEnsembleSettings | Configurações de conjunto de pilha para execução de conjunto de pilha. | StackEnsembleSettings |
| formaçãoModo de formação | Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'. Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos. Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos. |
"Auto" "Distribuído" "Não distribuído" |
StackEnsembleSettings
| Designação | Descrição | Valor |
|---|---|---|
| stackMetaLearnerKWargs | Parâmetros opcionais para passar para o inicializador do meta-aluno. | |
| stackMetaLearnerTrainPercentage | Especifica a proporção do conjunto de treinamento (ao escolher o tipo de treinamento de treinamento e validação) a ser reservada para o treinamento do meta-aluno. O valor padrão é 0,2. | Int |
| stackMetaLearnerType | O meta-aprendiz é um modelo treinado na saída dos modelos heterogêneos individuais. | "ElasticNet" "ElasticNetCV" "LightGBMClassifier" "LightGBMRegressor" "Regressão Linear" "Regressão Logística" "LogisticRegressionCV" "Nenhuma" |
Previsão
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Previsão" (obrigatório) |
| cvSplitColumnNames | Colunas a serem usadas para dados CVSplit. | string[] |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | TableFixedParameters |
| previsãoConfigurações | Previsão de entradas específicas da tarefa. | ForecastingSettings |
| limitSettings | Restrições de execução para AutoMLJob. | TableVerticalLimitSettings |
| nValidações cruzadas | Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
| primaryMetric | Métrica primária para a tarefa de previsão. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "Correlação de Spearman" |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | TableParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | TableSweepSettings |
| testData | Entrada de dados de teste. | MLTableJobInput |
| testDataSize | A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| formaçãoConfigurações | Entradas para a fase de treinamento para um trabalho AutoML. | ForecastingTrainingSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| weightColumnName | O nome da coluna de peso da amostra. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
PrevisãoConfigurações
| Designação | Descrição | Valor |
|---|---|---|
| paísOrRegiãoParaFeriados | País ou região para feriados para tarefas de previsão. Estes devem ser códigos de país/região ISO 3166 de duas letras, por exemplo "EUA" ou "GB". |
string |
| cvStepTamanho | Número de períodos entre a hora de origem de uma dobra CV e a dobra seguinte. Para a Por exemplo, se CVStepSize = 3 para dados diários, o tempo de origem para cada dobra serácom três dias de intervalo. |
Int |
| featureLags | Sinalizador para gerar atrasos para os recursos numéricos com 'auto' ou null. | "Auto" "Nenhuma" |
| característicasUnknownAtForecastTime | As colunas de recursos que estão disponíveis para treinamento, mas desconhecidas no momento da previsão/inferência. Se features_unknown_at_forecast_time não estiver definido, presume-se que todas as colunas de feição no conjunto de dados são conhecidas no momento da inferência. |
string[] |
| forecastHorizon | O horizonte máximo de previsão desejado em unidades de frequência de séries cronológicas. | ForecastHorizon |
| FREQUÊNCIA | Ao fazer a previsão, este parâmetro representa o período com o qual a previsão é desejada, por exemplo, diariamente, semanalmente, anualmente, etc. A frequência de previsão é a frequência do conjunto de dados por padrão. | string |
| sazonalidade | Defina a sazonalidade das séries temporais como um múltiplo inteiro da frequência da série. Se a sazonalidade for definida como 'auto', ela será inferida. |
Sazonalidade |
| shortSeriesHandlingConfig | O parâmetro que define como se AutoML deve lidar com séries temporais curtas. | "Auto" "Gota" "Nenhuma" "Almofada" |
| targetAggregateFunction | A função a ser usada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada pelo usuário. Se o TargetAggregateFunction estiver definido, ou seja, não 'Nenhum', mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "soma", "máx", "min" e "média". |
"Máx" "Péssimo" "Min" "Nenhuma" "Soma" |
| targetLags | O número de períodos anteriores com atraso em relação à coluna de destino. | TargetLags |
| targetRollingWindowSize | O número de períodos passados usados para criar uma média de janela móvel da coluna de destino. | TargetRollingWindowSize |
| timeColumnName | O nome da coluna de tempo. Este parâmetro é necessário durante a previsão para especificar a coluna datetime nos dados de entrada usados para construir a série temporal e inferir sua frequência. | string |
| timeSeriesIdColumnNames | Os nomes das colunas usadas para agrupar uma série temporal. Ele pode ser usado para criar várias séries. Se o grão não estiver definido, o conjunto de dados é assumido como uma série temporal. Este parâmetro é usado com a previsão de tipo de tarefa. |
string[] |
| useStl | Configure a decomposição STL da coluna de destino da série temporal. | "Nenhuma" "Temporada" "Tendência da estação" |
ForecastHorizon
| Designação | Descrição | Valor |
|---|---|---|
| modo | Definir o tipo de objeto |
Auto Custom (obrigatório) |
AutoForecastHorizon
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Defina o modo de seleção de valores do horizonte de previsão. | "Auto" (obrigatório) |
CustomForecastHorizon
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Defina o modo de seleção de valores do horizonte de previsão. | "Personalizado" (obrigatório) |
| valor | [Obrigatório] Valor do horizonte de previsão. | int (obrigatório) |
Sazonalidade
| Designação | Descrição | Valor |
|---|---|---|
| modo | Definir o tipo de objeto |
Auto Custom (obrigatório) |
AutoSazonalidade
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo de sazonalidade. | "Auto" (obrigatório) |
CustomSeasonality
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo de sazonalidade. | "Personalizado" (obrigatório) |
| valor | [Obrigatório] Valor da sazonalidade. | int (obrigatório) |
TargetLags
| Designação | Descrição | Valor |
|---|---|---|
| modo | Definir o tipo de objeto |
Auto Custom (obrigatório) |
AutoTargetLags
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Definir o modo de atraso de destino - Auto/Custom | "Auto" (obrigatório) |
CustomTargetLags
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Definir o modo de atraso de destino - Auto/Custom | "Personalizado" (obrigatório) |
| valores | [Obrigatório] Defina valores de atraso de destino. | int[] (obrigatório) |
TargetRollingWindowSize
| Designação | Descrição | Valor |
|---|---|---|
| modo | Definir o tipo de objeto |
Auto Custom (obrigatório) |
AutoTargetRollingWindowSize
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | "Auto" (obrigatório) |
CustomTargetRollingWindowSize
| Designação | Descrição | Valor |
|---|---|---|
| modo | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | "Personalizado" (obrigatório) |
| valor | [Obrigatório] Valor TargetRollingWindowSize. | int (obrigatório) |
PrevisãoFormaçãoConfigurações
| Designação | Descrição | Valor |
|---|---|---|
| allowedTrainingAlgorithms | Modelos permitidos para tarefa de previsão. | Matriz de cadeia de caracteres contendo qualquer uma das: "Arimax" "AutoArima" "Péssimo" "Árvore de decisão" "ElasticNet" "Suavização Exponencial" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LuzGBM" "Ingênuo" "Profeta" "RandomForest" "SGD" "Média sazonal" "SazonalNaive" "TCNForecaster" "XGBoostRegressor" |
| blockedTrainingAlgorithms | Modelos bloqueados para tarefa de previsão. | Matriz de cadeia de caracteres contendo qualquer uma das: "Arimax" "AutoArima" "Péssimo" "Árvore de decisão" "ElasticNet" "Suavização Exponencial" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LuzGBM" "Ingênuo" "Profeta" "RandomForest" "SGD" "Média sazonal" "SazonalNaive" "TCNForecaster" "XGBoostRegressor" |
| enableDnnTraining | Habilite a recomendação de modelos DNN. | Bool |
| enableModelExplainability | Sinalize para ativar a explicabilidade no melhor modelo. | Bool |
| enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | Bool |
| enableStackEnsemble | Habilite a execução do conjunto de pilha. | Bool |
| enableVoteEnsemble | Habilite a execução do conjunto de votação. | Bool |
| ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
| stackEnsembleSettings | Configurações de conjunto de pilha para execução de conjunto de pilha. | StackEnsembleSettings |
| formaçãoModo de formação | Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'. Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos. Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos. |
"Auto" "Distribuído" "Não distribuído" |
ImageClassification
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageClassification" (obrigatório) |
| limitSettings | [Obrigatório] Limite as configurações para o trabalho AutoML. | ImageLimitSettings (obrigatório) |
| modelSettings | Configurações usadas para treinar o modelo. | ImageModelSettingsClassification |
| primaryMetric | Métrica primária para otimizar esta tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
| sweepSettings | Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. | ImageSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
ImageLimitSettings
| Designação | Descrição | Valor |
|---|---|---|
| maxConcurrentTrials | Número máximo de iterações simultâneas do AutoML. | Int |
| maxEnsaios | Número máximo de iterações AutoML. | Int |
| tempo limite | Tempo limite do trabalho AutoML. | string |
ImageModelSettingsClassification
| Designação | Descrição | Valor |
|---|---|---|
| avançadoConfigurações | Configurações para cenários avançados. | string |
| amsGradiente | Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. | Bool |
| aumentos | Configurações para usar Aumentos. | string |
| beta1 | Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | Int |
| beta2 | Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | Int |
| ponto de verificaçãoFrequência | Frequência para armazenar pontos de verificação do modelo. Deve ser um número inteiro positivo. | Int |
| checkpointModel | O modelo de ponto de verificação pré-treinado para treinamento incremental. | MLFlowModelJobInput |
| ponto de verificaçãoRunId | A id de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. | string |
| distribuído | Se deve ou não usar o treinamento distribuído. | Bool |
| Parar cedoParar | Habilite a lógica de parada precoce durante o treinamento. | Bool |
| cedoParandoAtrasar | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um número inteiro positivo. |
Int |
| cedoParandoPaciência | Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo. |
Int |
| enableOnnxNormalization | Habilite a normalização ao exportar o modelo ONNX. | Bool |
| avaliaçãoFrequência | Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. | Int |
| gradientAcumulaçãoEtapa | Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo. |
Int |
| camadasToFreeze | Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor Consulte: /azure/machine-learning/how-to-auto-train-image-models. |
Int |
| learningRate | Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. | Int |
| aprendizagemRateScheduler | Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. | "Nenhuma" "Passo" "AquecimentoCosine" |
| nome_modelo | Nome do modelo a utilizar na formação. Para mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| Dinâmica | Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. | Int |
| Nesterov | Ative o nesterov quando o otimizador for 'sgd'. | Bool |
| númeroDasÉpocas | Número de épocas de formação. Deve ser um número inteiro positivo. | Int |
| númeroDeTrabalhadores | Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. | Int |
| otimizador | Tipo de otimizador. | "Adão" "Adamw" "Nenhuma" "Sgd" |
| randomSemente | Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. | Int |
| stepLRGamma | Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. | Int |
| stepLRStepSize | Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. | Int |
| formaçãoBatchSize | Tamanho do lote de treinamento. Deve ser um número inteiro positivo. | Int |
| formaçãoCropSize | Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de treinamento. Deve ser um número inteiro positivo. | Int |
| validaçãoBatchSize | Tamanho do lote de validação. Deve ser um número inteiro positivo. | Int |
| validaçãoCropSize | Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de validação. Deve ser um número inteiro positivo. | Int |
| validationResizeSize | Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um número inteiro positivo. | Int |
| aquecimentoCosineLRCycles | Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. | Int |
| aquecimentoCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. | Int |
| pesoDecaimento | Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. | Int |
| perda ponderada | Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada. 1 para perda de peso com sqrt. (class_weights). 2 para perda de peso com class_weights. Deve ser 0 ou 1 ou 2. |
Int |
MLFlowModelJobInput
| Designação | Descrição | Valor |
|---|---|---|
| Descrição | Descrição da entrada. | string |
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | "custom_model" "Literal" "mlflow_model" "Mltable" "triton_model" "uri_file" "uri_folder" (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | "Direto" "Baixar" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
| Designação | Descrição | Valor |
|---|---|---|
| amsGradiente | Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. | string |
| aumentos | Configurações para usar Aumentos. | string |
| beta1 | Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | string |
| beta2 | Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | string |
| distribuído | Se deve ou não usar o treinamento de distribuidor. | string |
| Parar cedoParar | Habilite a lógica de parada precoce durante o treinamento. | string |
| cedoParandoAtrasar | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um número inteiro positivo. |
string |
| cedoParandoPaciência | Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo. |
string |
| enableOnnxNormalization | Habilite a normalização ao exportar o modelo ONNX. | string |
| avaliaçãoFrequência | Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. | string |
| gradientAcumulaçãoEtapa | Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo. |
string |
| camadasToFreeze | Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor Consulte: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| learningRate | Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. | string |
| aprendizagemRateScheduler | Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. | string |
| nome_modelo | Nome do modelo a utilizar na formação. Para mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| Dinâmica | Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. | string |
| Nesterov | Ative o nesterov quando o otimizador for 'sgd'. | string |
| númeroDasÉpocas | Número de épocas de formação. Deve ser um número inteiro positivo. | string |
| númeroDeTrabalhadores | Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. | string |
| otimizador | Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'. | string |
| randomSemente | Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. | string |
| stepLRGamma | Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. | string |
| stepLRStepSize | Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. | string |
| formaçãoBatchSize | Tamanho do lote de treinamento. Deve ser um número inteiro positivo. | string |
| formaçãoCropSize | Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de treinamento. Deve ser um número inteiro positivo. | string |
| validaçãoBatchSize | Tamanho do lote de validação. Deve ser um número inteiro positivo. | string |
| validaçãoCropSize | Tamanho de corte de imagem que é entrada na rede neural para o conjunto de dados de validação. Deve ser um número inteiro positivo. | string |
| validationResizeSize | Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um número inteiro positivo. | string |
| aquecimentoCosineLRCycles | Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. | string |
| aquecimentoCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. | string |
| pesoDecaimento | Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. | string |
| perda ponderada | Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada. 1 para perda de peso com sqrt. (class_weights). 2 para perda de peso com class_weights. Deve ser 0 ou 1 ou 2. |
string |
ImageSweepSettings
| Designação | Descrição | Valor |
|---|---|---|
| Rescisão antecipada | Tipo de política de rescisão antecipada. | EarlyTerminationPolicy |
| samplingAlgorithm | [Obrigatório] Tipo de algoritmos de amostragem de hiperparâmetros. | "Bayesiano" "Grade" "Aleatório" (obrigatório) |
ImageClassificationMultilabel
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageClassificationMultilabel" (obrigatório) |
| limitSettings | [Obrigatório] Limite as configurações para o trabalho AutoML. | ImageLimitSettings (obrigatório) |
| modelSettings | Configurações usadas para treinar o modelo. | ImageModelSettingsClassification |
| primaryMetric | Métrica primária para otimizar esta tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted" |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
| sweepSettings | Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. | ImageSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
ImageInstanceSegmentation
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageInstanceSegmentation" (obrigatório) |
| limitSettings | [Obrigatório] Limite as configurações para o trabalho AutoML. | ImageLimitSettings (obrigatório) |
| modelSettings | Configurações usadas para treinar o modelo. | ImageModelSettingsObjectDetection |
| primaryMetric | Métrica primária para otimizar esta tarefa. | "MédiaPrecisão" |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | ImageModelDistributionSettingsObjectDetection [] |
| sweepSettings | Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. | ImageSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
ImageModelSettingsObjectDetection
| Designação | Descrição | Valor |
|---|---|---|
| avançadoConfigurações | Configurações para cenários avançados. | string |
| amsGradiente | Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. | Bool |
| aumentos | Configurações para usar Aumentos. | string |
| beta1 | Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | Int |
| beta2 | Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | Int |
| boxDetecçõesPerImage | Número máximo de deteções por imagem, para todas as classes. Deve ser um número inteiro positivo. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
Int |
| boxScoreThreshold | Durante a inferência, apenas retornam propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um flutuador na faixa[0, 1]. |
Int |
| ponto de verificaçãoFrequência | Frequência para armazenar pontos de verificação do modelo. Deve ser um número inteiro positivo. | Int |
| checkpointModel | O modelo de ponto de verificação pré-treinado para treinamento incremental. | MLFlowModelJobInput |
| ponto de verificaçãoRunId | A id de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental. | string |
| distribuído | Se deve ou não usar o treinamento distribuído. | Bool |
| Parar cedoParar | Habilite a lógica de parada precoce durante o treinamento. | Bool |
| cedoParandoAtrasar | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um número inteiro positivo. |
Int |
| cedoParandoPaciência | Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo. |
Int |
| enableOnnxNormalization | Habilite a normalização ao exportar o modelo ONNX. | Bool |
| avaliaçãoFrequência | Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. | Int |
| gradientAcumulaçãoEtapa | Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo. |
Int |
| imageSize | Tamanho da imagem para trem e validação. Deve ser um número inteiro positivo. Nota: A corrida de treinamento pode entrar em CUDA OOM se o tamanho for muito grande. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
Int |
| camadasToFreeze | Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor Consulte: /azure/machine-learning/how-to-auto-train-image-models. |
Int |
| learningRate | Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. | Int |
| aprendizagemRateScheduler | Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. | "Nenhuma" "Passo" "AquecimentoCosine" |
| logTrainingMetrics | Habilite métricas de treinamento de computação e registro. | "Desativar" "Habilitar" |
| logValidationLoss | Habilite a perda de validação de computação e registro. | "Desativar" "Habilitar" |
| maxTamanho | Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
Int |
| minTamanho | Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
Int |
| nome_modelo | Nome do modelo a utilizar na formação. Para mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| modelSize | Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho do modelo for muito grande. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
"Extragrande" "Grande" "Médio" "Nenhuma" "Pequeno" |
| Dinâmica | Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. | Int |
| multiescala | Habilite a imagem em várias escalas variando o tamanho da imagem em +/- 50%. Nota: a execução de treinamento pode entrar no CUDA OOM se não houver memória GPU suficiente. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
Bool |
| Nesterov | Ative o nesterov quando o otimizador for 'sgd'. | Bool |
| nmsIouThreshold | Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser um flutuador na faixa [0, 1]. | Int |
| númeroDasÉpocas | Número de épocas de formação. Deve ser um número inteiro positivo. | Int |
| númeroDeTrabalhadores | Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. | Int |
| otimizador | Tipo de otimizador. | "Adão" "Adamw" "Nenhuma" "Sgd" |
| randomSemente | Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. | Int |
| stepLRGamma | Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. | Int |
| stepLRStepSize | Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. | Int |
| tileGridSize | O tamanho da grade a ser usado para colocar lado a lado cada imagem. Nota: TileGridSize não deve ser Nenhum para habilitar a lógica de deteção de pequenos objetos. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| tileOverlapRatio | Razão de sobreposição entre blocos adjacentes em cada dimensão. Deve ser flutuante no intervalo [0, 1]. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
Int |
| tilePredictionsNmsThreshold | O limite de UO a ser usado para executar o NMS ao mesclar previsões de blocos e imagem. Utilizado na validação/inferência. Deve ser flutuante no intervalo [0, 1]. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
Int |
| formaçãoBatchSize | Tamanho do lote de treinamento. Deve ser um número inteiro positivo. | Int |
| validaçãoBatchSize | Tamanho do lote de validação. Deve ser um número inteiro positivo. | Int |
| validaçãoIouThreshold | Limite de UO a ser usado ao calcular a métrica de validação. Deve ser flutuante no intervalo [0, 1]. | Int |
| validaçãoMetricType | Método de cálculo métrico a utilizar para métricas de validação. | "Coco" "CocoVoc" "Nenhuma" "Voc" |
| aquecimentoCosineLRCycles | Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. | Int |
| aquecimentoCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. | Int |
| pesoDecaimento | Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. | Int |
ImageModelDistributionSettingsObjectDetection
| Designação | Descrição | Valor |
|---|---|---|
| amsGradiente | Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. | string |
| aumentos | Configurações para usar Aumentos. | string |
| beta1 | Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | string |
| beta2 | Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1]. | string |
| boxDetecçõesPerImage | Número máximo de deteções por imagem, para todas as classes. Deve ser um número inteiro positivo. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| boxScoreThreshold | Durante a inferência, apenas retornam propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um flutuador na faixa[0, 1]. |
string |
| distribuído | Se deve ou não usar o treinamento de distribuidor. | string |
| Parar cedoParar | Habilite a lógica de parada precoce durante o treinamento. | string |
| cedoParandoAtrasar | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um número inteiro positivo. |
string |
| cedoParandoPaciência | Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo. |
string |
| enableOnnxNormalization | Habilite a normalização ao exportar o modelo ONNX. | string |
| avaliaçãoFrequência | Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo. | string |
| gradientAcumulaçãoEtapa | Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo. |
string |
| imageSize | Tamanho da imagem para trem e validação. Deve ser um número inteiro positivo. Nota: A corrida de treinamento pode entrar em CUDA OOM se o tamanho for muito grande. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
string |
| camadasToFreeze | Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor Consulte: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| learningRate | Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1]. | string |
| aprendizagemRateScheduler | Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. | string |
| maxTamanho | Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| minTamanho | Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho for muito grande. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| nome_modelo | Nome do modelo a utilizar na formação. Para mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models. |
string |
| modelSize | Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'. Nota: a corrida de treinamento pode entrar no CUDA OOM se o tamanho do modelo for muito grande. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
string |
| Dinâmica | Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1]. | string |
| multiescala | Habilite a imagem em várias escalas variando o tamanho da imagem em +/- 50%. Nota: a execução de treinamento pode entrar no CUDA OOM se não houver memória GPU suficiente. Nota: Esta configuração só é suportada para o algoritmo 'yolov5'. |
string |
| Nesterov | Ative o nesterov quando o otimizador for 'sgd'. | string |
| nmsIouThreshold | Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser flutuante no intervalo [0, 1]. | string |
| númeroDasÉpocas | Número de épocas de formação. Deve ser um número inteiro positivo. | string |
| númeroDeTrabalhadores | Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo. | string |
| otimizador | Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'. | string |
| randomSemente | Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico. | string |
| stepLRGamma | Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1]. | string |
| stepLRStepSize | Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo. | string |
| tileGridSize | O tamanho da grade a ser usado para colocar lado a lado cada imagem. Nota: TileGridSize não deve ser Nenhum para habilitar a lógica de deteção de pequenos objetos. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| tileOverlapRatio | Razão de sobreposição entre blocos adjacentes em cada dimensão. Deve ser flutuante no intervalo [0, 1]. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. |
string |
| tilePredictionsNmsThreshold | O limite de UO a ser usado para executar o NMS ao mesclar previsões de blocos e imagem. Utilizado na validação/inferência. Deve ser flutuante no intervalo [0, 1]. Nota: Esta configuração não é suportada para o algoritmo 'yolov5'. SMN: Supressão não máxima |
string |
| formaçãoBatchSize | Tamanho do lote de treinamento. Deve ser um número inteiro positivo. | string |
| validaçãoBatchSize | Tamanho do lote de validação. Deve ser um número inteiro positivo. | string |
| validaçãoIouThreshold | Limite de UO a ser usado ao calcular a métrica de validação. Deve ser flutuante no intervalo [0, 1]. | string |
| validaçãoMetricType | Método de cálculo métrico a utilizar para métricas de validação. Deve ser 'nenhum', 'coco', 'voc' ou 'coco_voc'. | string |
| aquecimentoCosineLRCycles | Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1]. | string |
| aquecimentoCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo. | string |
| pesoDecaimento | Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1]. | string |
ImageObjectDetection
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageObjectDetection" (obrigatório) |
| limitSettings | [Obrigatório] Limite as configurações para o trabalho AutoML. | ImageLimitSettings (obrigatório) |
| modelSettings | Configurações usadas para treinar o modelo. | ImageModelSettingsObjectDetection |
| primaryMetric | Métrica primária para otimizar esta tarefa. | "MédiaPrecisão" |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | ImageModelDistributionSettingsObjectDetection [] |
| sweepSettings | Configurações relacionadas à varredura de modelos e à varredura de hiperparâmetros. | ImageSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
Regressão
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Regressão" (obrigatório) |
| cvSplitColumnNames | Colunas a serem usadas para dados CVSplit. | string[] |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | TableFixedParameters |
| limitSettings | Restrições de execução para AutoMLJob. | TableVerticalLimitSettings |
| nValidações cruzadas | Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
| primaryMetric | Métrica primária para tarefa de regressão. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "Correlação de Spearman" |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | TableParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | TableSweepSettings |
| testData | Entrada de dados de teste. | MLTableJobInput |
| testDataSize | A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| formaçãoConfigurações | Entradas para a fase de treinamento para um trabalho AutoML. | RegressionTrainingSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
| validaçãoDataSize | A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
Int |
| weightColumnName | O nome da coluna de peso da amostra. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
RegressionTrainingSettings
| Designação | Descrição | Valor |
|---|---|---|
| allowedTrainingAlgorithms | Modelos permitidos para tarefa de regressão. | Matriz de cadeia de caracteres contendo qualquer uma das: "Árvore de decisão" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LuzGBM" "RandomForest" "SGD" "XGBoostRegressor" |
| blockedTrainingAlgorithms | Modelos bloqueados para tarefa de regressão. | Matriz de cadeia de caracteres contendo qualquer uma das: "Árvore de decisão" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LuzGBM" "RandomForest" "SGD" "XGBoostRegressor" |
| enableDnnTraining | Habilite a recomendação de modelos DNN. | Bool |
| enableModelExplainability | Sinalize para ativar a explicabilidade no melhor modelo. | Bool |
| enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | Bool |
| enableStackEnsemble | Habilite a execução do conjunto de pilha. | Bool |
| enableVoteEnsemble | Habilite a execução do conjunto de votação. | Bool |
| ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções infantis anteriores são baixados. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
| stackEnsembleSettings | Configurações de conjunto de pilha para execução de conjunto de pilha. | StackEnsembleSettings |
| formaçãoModo de formação | Modo TrainingMode - Definir como 'auto' é o mesmo que defini-lo como 'não distribuído' por enquanto, no entanto, no futuro, pode resultar em modo misto ou seleção de modo baseado em heurística. O padrão é 'auto'. Se 'Distribuído', então apenas a featurização distribuída é usada e algoritmos distribuídos são escolhidos. Se 'Não distribuído', então apenas algoritmos não distribuídos são escolhidos. |
"Auto" "Distribuído" "Não distribuído" |
Classificação de Texto
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextClassification" (obrigatório) |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | NlpFixedParameters |
| limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
| primaryMetric | Métrica primária para Text-Classification tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | NlpParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | NlpSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
NlpVerticalFeaturizationSettings
| Designação | Descrição | Valor |
|---|---|---|
| conjunto de dadosLinguagem | Linguagem do conjunto de dados, útil para os dados de texto. | string |
NlpFixedParameters
| Designação | Descrição | Valor |
|---|---|---|
| gradientAcumulaçãoEtapas | Número de etapas para acumular gradientes antes de executar uma passagem para trás. | Int |
| learningRate | A taxa de aprendizagem para o procedimento de formação. | Int |
| aprendizagemRateScheduler | O tipo de cronograma de taxa de aprendizagem a ser usado durante o procedimento de treinamento. | "Constante" "ConstantWithWarmup" "Cosseno" "CosineWithRestarts" "Linear" "Nenhuma" "Polinômio" |
| nome_modelo | O nome do modelo a treinar. | string |
| númeroDasÉpocas | Número de épocas de formação. | Int |
| formaçãoBatchSize | O tamanho do lote para o procedimento de treinamento. | Int |
| validaçãoBatchSize | O tamanho do lote a ser usado durante a avaliação. | Int |
| warmupRatio | A relação de aquecimento, usada ao lado de LrSchedulerType. | Int |
| pesoDecaimento | O decaimento de peso para o procedimento de treinamento. | Int |
NlpVerticalLimitSettings
| Designação | Descrição | Valor |
|---|---|---|
| maxConcurrentTrials | Máximo de iterações simultâneas do AutoML. | Int |
| maxNós | Máximo de nós a serem usados para o experimento. | Int |
| maxEnsaios | Número de iterações AutoML. | Int |
| tempo limite | Tempo limite do trabalho AutoML. | string |
| trialTimeout | Tempo limite para ensaios individuais de DH. | string |
NlpParameterSubspace
| Designação | Descrição | Valor |
|---|---|---|
| gradientAcumulaçãoEtapas | Número de etapas para acumular gradientes antes de executar uma passagem para trás. | string |
| learningRate | A taxa de aprendizagem para o procedimento de formação. | string |
| aprendizagemRateScheduler | O tipo de cronograma de taxa de aprendizagem a ser usado durante o procedimento de treinamento. | string |
| nome_modelo | O nome do modelo a treinar. | string |
| númeroDasÉpocas | Número de épocas de formação. | string |
| formaçãoBatchSize | O tamanho do lote para o procedimento de treinamento. | string |
| validaçãoBatchSize | O tamanho do lote a ser usado durante a avaliação. | string |
| warmupRatio | A relação de aquecimento, usada ao lado de LrSchedulerType. | string |
| pesoDecaimento | O decaimento de peso para o procedimento de treinamento. | string |
NlpSweepSettings
| Designação | Descrição | Valor |
|---|---|---|
| Rescisão antecipada | Tipo de política de rescisão antecipada para o trabalho de varredura. | EarlyTerminationPolicy |
| samplingAlgorithm | [Obrigatório] Tipo de algoritmo de amostragem. | "Bayesiano" "Grade" "Aleatório" (obrigatório) |
TextClassificationMultilabel
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextClassificationMultilabel" (obrigatório) |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | NlpFixedParameters |
| limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | NlpParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | NlpSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
TextNer
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de tarefa | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextNER" (obrigatório) |
| featurizationSettings | Insumos de featurização necessários para o trabalho AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Parâmetros de modelo/treino que permanecerão constantes ao longo do treino. | NlpFixedParameters |
| limitSettings | Restrições de execução para AutoMLJob. | NlpVerticalLimitSettings |
| espaço de pesquisa | Espaço de pesquisa para amostragem de diferentes combinações de modelos e seus hiperparâmetros. | NlpParameterSubspace[] |
| sweepSettings | Configurações para varredura de modelo e ajuste de hiperparâmetros. | NlpSweepSettings |
| validaçãoDados | Entradas de dados de validação. | MLTableJobInput |
CommandJob
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | "Comando" (obrigatório) |
| autologgerConfigurações | Configuração de distribuição do trabalho. Se definido, este deve ser um de Mpi, Tensorflow, PyTorch, ou null. | AutologgerSettings |
| codeId | ID do recurso ARM do ativo de código. | string |
| comando | [Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py" | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| Distribuição | Configuração de distribuição do trabalho. Se definido, este deve ser um de Mpi, Tensorflow, PyTorch, Ray, ou null. | DistributionConfiguration |
| environmentId | [Obrigatório] O ID do recurso ARM da especificação Ambiente para o trabalho. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| environmentVariables | Variáveis de ambiente incluídas no trabalho. | CommandJobEnvironmentVariables |
| Insumos | Mapeamento de ligações de dados de entrada usadas no trabalho. | CommandJobInputs |
| Limites | Limite de trabalho de comando. | CommandJobLimits |
| saídas | Mapeamento das ligações de dados de saída usadas no trabalho. | CommandJobOutputs |
| queueSettings | Configurações de fila para o trabalho | QueueSettings |
| Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
AutologgerSettings
| Designação | Descrição | Valor |
|---|---|---|
| mlflowAutologger | [Obrigatório] Indica se o mlflow autologger está habilitado. | "Desativado" "Ativado" (obrigatório) |
DistributionConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| tipo de distribuição | Definir o tipo de objeto |
Mpi PyTorch Ray TensorFlow (obrigatório) |
Mpi
| Designação | Descrição | Valor |
|---|---|---|
| tipo de distribuição | [Obrigatório] Especifica o tipo de estrutura de distribuição. | "Mpi" (obrigatório) |
| processCountPerInstance | Número de processos por nó MPI. | Int |
PyTorch
| Designação | Descrição | Valor |
|---|---|---|
| tipo de distribuição | [Obrigatório] Especifica o tipo de estrutura de distribuição. | "PyTorch" (obrigatório) |
| processCountPerInstance | Número de processos por nó. | Int |
Raio
| Designação | Descrição | Valor |
|---|---|---|
| tipo de distribuição | [Obrigatório] Especifica o tipo de estrutura de distribuição. | "Ray" (obrigatório) |
| Endereço | O endereço do nó principal de Ray. | string |
| dashboardPort | A porta à qual vincular o servidor do painel. | Int |
| headNodeAdditionalArgs | Argumentos adicionais passados para o raio começar no nó principal. | string |
| includeDashboard | Forneça esse argumento para iniciar a GUI do painel do Ray. | Bool |
| porto | A porta do processo de raio de cabeça. | Int |
| workerNodeAdditionalArgs | Argumentos adicionais passados para o início do raio no nó de trabalho. | string |
TensorFlow
| Designação | Descrição | Valor |
|---|---|---|
| tipo de distribuição | [Obrigatório] Especifica o tipo de estrutura de distribuição. | "TensorFlow" (obrigatório) |
| parameterServerCount | Número de tarefas do servidor de parâmetros. | Int |
| trabalhadorContagem | Número de trabalhadores. Se não for especificado, o padrão será a contagem de instâncias. | Int |
CommandJobEnvironmentVariables
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
CommandJobInputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
JobInput
| Designação | Descrição | Valor |
|---|---|---|
| Descrição | Descrição da entrada. | string |
| jobInputType | Definir o tipo de objeto |
custom_model literal mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobInput
| Designação | Descrição | Valor |
|---|---|---|
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | "custom_model" (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | "Direto" "Baixar" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
LiteralJobInput
| Designação | Descrição | Valor |
|---|---|---|
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | "literal" (obrigatório) |
| valor | [Obrigatório] Valor literal para a entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
TritonModelJobInput
| Designação | Descrição | Valor |
|---|---|---|
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | "triton_model" (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | "Direto" "Baixar" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFileJobInput
| Designação | Descrição | Valor |
|---|---|---|
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | "uri_file" (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | "Direto" "Baixar" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFolderJobInput
| Designação | Descrição | Valor |
|---|---|---|
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | "uri_folder" (obrigatório) |
| modo | Modo de entrega de ativos de entrada. | "Direto" "Baixar" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
CommandJobLimits
| Designação | Descrição | Valor |
|---|---|---|
| jobLimitsType | [Obrigatório] Tipo JobLimit. | "Comando" "Varredura" (obrigatório) |
| tempo limite | A duração máxima de execução no formato ISO 8601, após a qual o trabalho será cancelado. Suporta apenas a duração com uma precisão tão baixa como segundos. | string |
CommandJobSaídas
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobOutput |
LabelingJobProperties
| Designação | Descrição | Valor |
|---|---|---|
| componentId | ID do recurso ARM do recurso componente. | string |
| computeId | ID do recurso ARM do recurso de computação. | string |
| dataConfiguration | Configuração dos dados utilizados no trabalho. | LabelingDataConfiguration |
| Descrição | O texto da descrição do ativo. | string |
| displayName | Exibir nome do trabalho. | string |
| nome da experiência | O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão". | string |
| identidade | Configuração de identidade. Se definido, este deve ser um dos AmlToken, ManagedIdentity, UserIdentity ou null. O padrão é AmlToken se null. |
IdentityConfiguration |
| isArquivado | O ativo está arquivado? | Bool |
| jobInstruções | Instruções de etiquetagem do trabalho. | LabelingJobInstructions |
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | "AutoML" "Comando" "Rotulagem" "Gasoduto" "Faísca" "Varredura" (obrigatório) |
| labelCategorias | Rotule as categorias do trabalho. | LabelingJobLabelCategories |
| labelingJobMediaProperties | Propriedades específicas do tipo de mídia no trabalho. | LabelingJobMediaProperties |
| mlAssistConfiguration | Configuração do recurso MLAssist no trabalho. | MLAssistConfiguration |
| notificationSetting | Configuração de notificação para o trabalho | NotificationSetting |
| propriedades | O dicionário de propriedades de ativos. | ResourceBaseProperties |
| secretsConfiguration | Configuração para segredos a serem disponibilizados durante o tempo de execução. | JobBaseSecretsConfiguration |
| serviços | Lista de JobEndpoints. Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject. |
JobBaseServices |
| Etiquetas | Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas. | objeto |
LabelingDataConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| DataId | ID do recurso do ativo de dados para executar a rotulagem. | string |
| incrementalDataRefresh | Indica se a atualização incremental de dados deve ser habilitada. | "Desativado" "Habilitado" |
RotulagemInstruções de trabalho
| Designação | Descrição | Valor |
|---|---|---|
| URI | O link para uma página com instruções detalhadas de rotulagem para rotuladoras. | string |
RotulagemJobLabelCategorias
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | LabelCategory |
LabelCategory
| Designação | Descrição | Valor |
|---|---|---|
| Aulas | Dicionário de classes de rótulos nesta categoria. | LabelCategoryClasses |
| displayName | Nome para exibição da categoria de rótulo. | string |
| multiSelecionar | Indica se é permitido selecionar várias classes nesta categoria. | "Desativado" "Habilitado" |
LabelCategoryClasses
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | LabelClass |
LabelClass
| Designação | Descrição | Valor |
|---|---|---|
| displayName | Nome para exibição da classe de rótulo. | string |
| Subclasses | Dicionário de subclasses da classe label. | LabelClassSubclasses |
LabelClassSubclasses
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | LabelClass |
LabelingJobMediaProperties
| Designação | Descrição | Valor |
|---|---|---|
| MediaType | Definir o tipo de objeto |
Imagem de texto (obrigatório) |
LabelingJobImageProperties
| Designação | Descrição | Valor |
|---|---|---|
| MediaType | [Obrigatório] Tipo de mídia do trabalho. | "Imagem" (obrigatório) |
| annotationType | Tipo de anotação do trabalho de etiquetagem de imagem. | "BoundingBox" "Classificação" "Segmentação de instâncias" |
LabelingJobTextProperties
| Designação | Descrição | Valor |
|---|---|---|
| MediaType | [Obrigatório] Tipo de mídia do trabalho. | "Texto" (obrigatório) |
| annotationType | Tipo de anotação do trabalho de etiquetagem de texto. | "Classificação" "NamedEntityRecognition" |
MLAssistConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| mlAssist [en] | Definir o tipo de objeto |
Deficientes ativado (obrigatório) |
MLAssistConfigurationDisabled
| Designação | Descrição | Valor |
|---|---|---|
| mlAssist [en] | [Obrigatório] Indica se o recurso MLAssist está habilitado. | "Desativado" (obrigatório) |
MLAssistConfigurationEnabled
| Designação | Descrição | Valor |
|---|---|---|
| mlAssist [en] | [Obrigatório] Indica se o recurso MLAssist está habilitado. | "Ativado" (obrigatório) |
| inferencingComputeBinding | [Obrigatório] Ligação de computação AML usada na inferência. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| formaçãoComputeBinding | [Obrigatório] Ligação de computação AML usada em treinamento. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
PipelineJob
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | "Pipeline" (obrigatório) |
| Insumos | Insumos para o trabalho de pipeline. | PipelineJobInputs |
| empregos | Os trabalhos constroem o trabalho de pipeline. | PipelineJobJobs |
| saídas | Saídas para o trabalho de pipeline | PipelineJobOutputs |
| Configurações | Configurações de pipeline, para coisas como ContinueRunOnStepFailure etc. | |
| fonteJobId | ID do recurso ARM do trabalho de origem. | string |
PipelineJobInputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
PipelineJobJobs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} |
PipelineJobSaídas
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobOutput |
Faísca
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | "Faísca" (obrigatório) |
| Arquivos | Arquivar arquivos usados no trabalho. | string[] |
| Args | Argumentos a favor do trabalho. | string |
| codeId | [Obrigatório] ID do recurso ARM do ativo de código. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| conf | Propriedades configuradas do Spark. | SparkJobConf |
| entrada | [Obrigatório] A entrada para executar na inicialização do trabalho. | SparkJobEntry (obrigatório) |
| environmentId | O ID do recurso ARM da especificação Ambiente para o trabalho. | string |
| environmentVariables | Variáveis de ambiente incluídas no trabalho. | SparkJobEnvironmentVariables |
| ficheiros | Arquivos usados no trabalho. | string[] |
| Insumos | Mapeamento de ligações de dados de entrada usadas no trabalho. | SparkJobInputs |
| frascos | Jar arquivos usados no trabalho. | string[] |
| saídas | Mapeamento das ligações de dados de saída usadas no trabalho. | SparkJobOutputs |
| Arquivos py | Arquivos Python usados no trabalho. | string[] |
| queueSettings | Configurações de fila para o trabalho | QueueSettings |
| Recursos | Configuração de recursos de computação para o trabalho. | SparkResourceConfiguration |
SparkJobConf
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
SparkJobEntry
| Designação | Descrição | Valor |
|---|---|---|
| sparkJobEntryType | Definir o tipo de objeto |
SparkJobPythonEntry SparkJobScalaEntry (obrigatório) |
SparkJobPythonEntry
| Designação | Descrição | Valor |
|---|---|---|
| sparkJobEntryType | [Obrigatório] Tipo de ponto de entrada do trabalho. | "SparkJobPythonEntry" (obrigatório) |
| arquivo | [Obrigatório] Caminho relativo do arquivo python para o ponto de entrada do trabalho. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SparkJobScalaEntry
| Designação | Descrição | Valor |
|---|---|---|
| sparkJobEntryType | [Obrigatório] Tipo de ponto de entrada do trabalho. | "SparkJobScalaEntry" (obrigatório) |
| className | [Obrigatório] Nome da classe Scala usado como ponto de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SparkJobEnvironmentVariables
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
SparkJobInputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
SparkJobOutputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobOutput |
SparkResourceConfiguration
| Designação | Descrição | Valor |
|---|---|---|
| tipo de instância | Tipo opcional de VM usado conforme suportado pelo destino de computação. | string |
| runtimeVersion | Versão do tempo de execução do spark usado para o trabalho. | string |
Varredura
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de trabalho | [Obrigatório] Especifica o tipo de trabalho. | "Varredura" (obrigatório) |
| componentConfiguration | Configuração de componentes para varredura sobre componentes | ComponentConfiguration |
| Rescisão antecipada | As políticas de rescisão antecipada permitem cancelar execuções com baixo desempenho antes que elas sejam concluídas | EarlyTerminationPolicy |
| Insumos | Mapeamento de ligações de dados de entrada usadas no trabalho. | SweepJobInputs |
| Limites | Limite de trabalho de varredura. | SweepJobLimits |
| objetivo | [Obrigatório] Objetivo de otimização. | Objetivo (obrigatório) |
| saídas | Mapeamento das ligações de dados de saída usadas no trabalho. | SweepJobOutputs |
| queueSettings | Configurações de fila para o trabalho | QueueSettings |
| Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
| samplingAlgorithm | [Obrigatório] O algoritmo de amostragem de hiperparâmetros | SamplingAlgorithm (obrigatório) |
| espaço de pesquisa | [Obrigatório] Um dicionário contendo cada parâmetro e sua distribuição. A chave do dicionário é o nome do parâmetro | |
| julgamento | [Obrigatório] Definição do componente experimental. | TrialComponent (obrigatório) |
Configuração do componente
| Designação | Descrição | Valor |
|---|---|---|
| pipelineConfigurações: | Configurações de pipeline, para coisas como ContinueRunOnStepFailure etc. |
SweepJobInputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
SweepJobLimits
| Designação | Descrição | Valor |
|---|---|---|
| jobLimitsType | [Obrigatório] Tipo JobLimit. | "Comando" "Varredura" (obrigatório) |
| maxConcurrentTrials | Varrer o Job max testes simultâneos. | Int |
| maxTotalTrials | Varrer o total de testes do Sweep Job. | Int |
| tempo limite | A duração máxima de execução no formato ISO 8601, após a qual o trabalho será cancelado. Suporta apenas a duração com uma precisão tão baixa como segundos. | string |
| trialTimeout | Valor do tempo limite da Avaliação do Trabalho de Varredura. | string |
Objetivo
| Designação | Descrição | Valor |
|---|---|---|
| Objetivo | [Obrigatório] Define metas métricas suportadas para ajuste de hiperparâmetros | "Maximizar" "Minimizar" (obrigatório) |
| primaryMetric | [Obrigatório] Nome da métrica a ser otimizada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SweepJobOutputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobOutput |
SamplingAlgorithm
| Designação | Descrição | Valor |
|---|---|---|
| samplingAlgorithmType | Definir o tipo de objeto |
Bayesian Grid aleatório (obrigatório) |
BayesianSamplingAlgorithm
| Designação | Descrição | Valor |
|---|---|---|
| samplingAlgorithmType | [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Bayesiano" (obrigatório) |
GridSamplingAlgorithm
| Designação | Descrição | Valor |
|---|---|---|
| samplingAlgorithmType | [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Grade" (obrigatório) |
RandomSamplingAlgorithm
| Designação | Descrição | Valor |
|---|---|---|
| samplingAlgorithmType | [Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Aleatório" (obrigatório) |
| Base de registo | Um número positivo opcional ou e em formato string a utilizar como base para amostragem aleatória logarítmica | string |
| regra | O tipo específico de algoritmo aleatório | "Aleatório" "Sobol" |
| sementes | Um inteiro opcional para usar como semente para geração de números aleatórios | Int |
TrialComponent
| Designação | Descrição | Valor |
|---|---|---|
| codeId | ID do recurso ARM do ativo de código. | string |
| comando | [Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py" | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| Distribuição | Configuração de distribuição do trabalho. Se definido, este deve ser um de Mpi, Tensorflow, PyTorch, ou null. | DistributionConfiguration |
| environmentId | [Obrigatório] O ID do recurso ARM da especificação Ambiente para o trabalho. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| environmentVariables | Variáveis de ambiente incluídas no trabalho. | TrialComponentEnvironmentVariables |
| Recursos | Configuração de recursos de computação para o trabalho. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
CreateMonitorAction
| Designação | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação da agenda | "CreateMonitor" (obrigatório) |
| monitorDefinição | [Obrigatório] Define o monitor. | MonitorDefinition (obrigatório) |
MonitorDefinition
| Designação | Descrição | Valor |
|---|---|---|
| alertNotificationSettings | As configurações de notificação do monitor. | MonitorNotificationSettings |
| computeConfiguration | [Obrigatório] O ID do recurso ARM do recurso de computação no qual executar o trabalho de monitoramento. | MonitorComputeConfigurationBase (obrigatório) |
| monitorizaçãoAlvo | A ID do recurso ARM do modelo ou da implantação visada por este monitor. | MonitoringTarget |
| sinais | [Obrigatório] Os sinais a monitorizar. | MonitorDefinitionSignals (obrigatório) |
MonitorNotificationSettings
| Designação | Descrição | Valor |
|---|---|---|
| emailNotificationSettings | As configurações de e-mail de notificação AML. | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
| Designação | Descrição | Valor |
|---|---|---|
| E-mails | Esta é a lista de destinatários de e-mail que tem uma limitação de 499 caracteres no total. | string[] |
MonitorComputeConfigurationBase
| Designação | Descrição | Valor |
|---|---|---|
| computeType | Definir o tipo de objeto | ServerlessSpark (obrigatório) |
MonitorServerlessSparkCompute
MonitorComputeIdentityBase
| Designação | Descrição | Valor |
|---|---|---|
| computeIdentityType | Definir o tipo de objeto |
AmlToken ManagedIdentity (obrigatório) |
AmlTokenComputeIdentity
| Designação | Descrição | Valor |
|---|---|---|
| computeIdentityType | [Obrigatório] Monitore o tipo de identidade de computação enum. | "AmlToken" (obrigatório) |
ManagedComputeIdentity
ManagedServiceIdentity
| Designação | Descrição | Valor |
|---|---|---|
| tipo | Tipo de identidade de serviço gerenciado (onde os tipos SystemAssigned e UserAssigned são permitidos). | "SystemAssigned" "SystemAssigned,UserAssigned" "UserAssigned" (obrigatório) |
| identity_ids | O conjunto de identidades atribuídas pelo usuário associadas ao recurso. As chaves do dicionário userAssignedIdentities serão ids de recurso ARM no formato: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Os valores de dicionário podem ser objetos vazios ({}) em solicitações. | Matriz de IDs de identidade do usuário. |
UserAssignedIdentities
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | UserAssignedIdentity |
UserAssignedIdentity
Este objeto não contém nenhuma propriedade a ser definida durante a implantação. Todas as propriedades são ReadOnly.
MonitorizaçãoAlvo
| Designação | Descrição | Valor |
|---|---|---|
| deploymentId | O ID do recurso ARM da implantação visada por este monitor. | string |
| modelId | O ID do recurso ARM do modelo visado por este monitor. | string |
| Tipo de tarefa | [Obrigatório] O tipo de tarefa de aprendizado de máquina do modelo. | "Classificação" "PerguntaResposta" "Regressão" (obrigatório) |
MonitorDefinitionSignals
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | MonitoringSignalBase |
MonitoringSignalBase
| Designação | Descrição | Valor |
|---|---|---|
| notificationTypes | O modo de notificação atual para este sinal. | Matriz de cadeia de caracteres contendo qualquer uma das: "AmlNotification" "AzureMonitor" |
| propriedades | Dicionário de propriedades. As propriedades podem ser adicionadas, mas não removidas ou alteradas. | MonitoringSignalBaseProperties |
| Tipo de sinal | Definir o tipo de objeto |
personalizados DataDrift DataQuality FeatureAttributionDrift GeraçãoSegurançaQualidade GenerationTokenStatistics ModelPerformance PredictionDrift (obrigatório) |
MonitoringSignalBaseProperties
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
CustomMonitoringSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | "Personalizado" (obrigatório) |
| componentId | [Obrigatório] ID do recurso ARM do recurso de componente usado para calcular as métricas personalizadas. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| inputAtivos | Monitoramento de ativos a serem tomados como entrada. A chave é o nome da porta de entrada do componente, o valor é o ativo de dados. | CustomMonitoringSignalInputAssets |
| Insumos | Parâmetros de componentes extras a serem tomados como entrada. Key é o nome da porta de entrada literal do componente, value é o valor do parâmetro. | CustomMonitoringSignalInputs |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | CustomMetricThreshold[] (obrigatório) |
| workspaceConnection | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | MonitoringWorkspaceConnection (obrigatório) |
CustomMonitoringSignalInputAssets
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | MonitoringInputDataBase |
MonitoringInputDataBase
| Designação | Descrição | Valor |
|---|---|---|
| colunas | Mapeamento de nomes de colunas para usos especiais. | MonitoringInputDataBaseColumns |
| dataContext | Os metadados de contexto da fonte de dados. | string |
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | "custom_model" "Literal" "mlflow_model" "Mltable" "triton_model" "uri_file" "uri_folder" (obrigatório) |
| URI | [Obrigatório] URI do ativo de entrada. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| inputDataType | Definir o tipo de objeto |
Fixo Rolling estático (obrigatório) |
MonitoringInputDataBaseColumns
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
FixedInputData
| Designação | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorar. | "Fixo" (obrigatório) |
RollingInputData
| Designação | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorar. | "Rolling" (obrigatório) |
| pré-processamentoComponentId | O ID do recurso ARM do recurso componente usado para pré-processar os dados. | string |
| windowDeslocamento | [Obrigatório] O deslocamento de tempo entre o final da janela de dados e o tempo de execução atual do monitor. | string (obrigatório) |
| windowSize | [Obrigatório] O tamanho da janela de dados à direita. | string (obrigatório) |
StaticInputData
| Designação | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a monitorar. | "Estático" (obrigatório) |
| pré-processamentoComponentId | O ID do recurso ARM do recurso componente usado para pré-processar os dados. | string |
| janelaFim de janela | [Obrigatório] A data final da janela de dados. | string (obrigatório) |
| janelaIniciar | [Obrigatório] A data de início da janela de dados. | string (obrigatório) |
CustomMonitoringSignalInputs
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | JobInput |
CustomMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Métrica | [Obrigatório] A métrica definida pelo usuário para calcular. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
MonitoramentoLimiar
| Designação | Descrição | Valor |
|---|---|---|
| valor | O valor limite. Se null, o padrão definido depende do tipo de métrica. | Int |
MonitoringWorkspaceConnection
| Designação | Descrição | Valor |
|---|---|---|
| environmentVariables | As propriedades de uma conexão de serviço de espaço de trabalho para armazenar como variáveis de ambiente nos trabalhos enviados. A chave é o caminho da propriedade de conexão do espaço de trabalho, o nome é a chave da variável de ambiente. |
MonitoringWorkspaceConnectionEnvironmentVariables |
| segredos | As propriedades de uma conexão de serviço de espaço de trabalho para armazenar como segredos nos trabalhos enviados. A chave é o caminho da propriedade de conexão do espaço de trabalho, o nome é a chave secreta. |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
MonitoringWorkspaceConnectionSecrets
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
DataDriftMonitoringSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | "DataDrift" (obrigatório) |
| dataSegment | O segmento de dados usado para delimitar um subconjunto da população de dados. | MonitoringDataSegment |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados. | DataDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | FeatureImportanceSettings |
| caraterísticas | O filtro de recurso que identifica qual recurso calcular desvio. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataDriftMetricThresholdBase[] (obrigatório) |
| produçãoDados | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
| dados de referência | [Obrigatório] Os dados para calcular o desvio contra. | MonitoringInputDataBase (obrigatório) |
MonitoringDataSegment
| Designação | Descrição | Valor |
|---|---|---|
| Funcionalidade | O recurso para segmentar os dados. | string |
| valores | Filtra apenas os valores especificados do recurso segmentado fornecido. | string[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | "Categórico" "Numérico" |
FeatureImportanceSettings
| Designação | Descrição | Valor |
|---|---|---|
| modo | O modo de operação para a computação característica importância. | "Desativado" "Habilitado" |
| targetColumn | O nome da coluna de destino dentro do ativo de dados de entrada. | string |
MonitoringFeatureFilterBase
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de filtro | Definir o tipo de objeto |
AllFeatures FeatureSubset TopNByAttribution (obrigatório) |
Todos os recursos
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de filtro | [Obrigatório] Especifica o filtro de recursos a ser aproveitado ao selecionar recursos para calcular métricas. | "AllFeatures" (obrigatório) |
FeatureSubset
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de filtro | [Obrigatório] Especifica o filtro de recursos a ser aproveitado ao selecionar recursos para calcular métricas. | "FeatureSubset" (obrigatório) |
| caraterísticas | [Obrigatório] A lista de recursos a serem incluídos. | string[] (obrigatório) |
TopNFeaturesByAttribution
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de filtro | [Obrigatório] Especifica o filtro de recursos a ser aproveitado ao selecionar recursos para calcular métricas. | "TopNByAttribution" (obrigatório) |
| Início | O número de principais recursos a serem incluídos. | Int |
DataDriftMetricThresholdBase
| Designação | Descrição | Valor |
|---|---|---|
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Tipo de dados | Definir o tipo de objeto |
categórica Numérica (obrigatório) |
CategoricalDataDriftMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | "Categórico" (obrigatório) |
| Métrica | [Obrigatório] A métrica de desvio de dados categóricos para calcular. | "JensenShannonDistância" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (obrigatório) |
NumericalDataDriftMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | "Numérico" (obrigatório) |
| Métrica | [Obrigatório] A métrica de desvio de dados numéricos para calcular. | "JensenShannonDistância" "Distância normalizada de Wasserstein" "Índice de Estabilidade da População" "TwoSampleKolmogorovSmirnovTest" (obrigatório) |
DataQualityMonitoringSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | "DataQuality" (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados. | DataQualityMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | FeatureImportanceSettings |
| caraterísticas | Os recursos para calcular o drift over. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataQualityMetricThresholdBase[] (obrigatório) |
| produçãoDados | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
| dados de referência | [Obrigatório] Os dados para calcular o desvio contra. | MonitoringInputDataBase (obrigatório) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | "Categórico" "Numérico" |
DataQualityMetricThresholdBase
| Designação | Descrição | Valor |
|---|---|---|
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Tipo de dados | Definir o tipo de objeto |
categórica Numérica (obrigatório) |
CategoricalDataQualityMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | "Categórico" (obrigatório) |
| Métrica | [Obrigatório] A métrica de qualidade de dados categóricos a ser calculada. | "DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (obrigatório) |
NumericalDataQualityMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | "Numérico" (obrigatório) |
| Métrica | [Obrigatório] A métrica de qualidade de dados numéricos a ser calculada. | "DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (obrigatório) |
FeatureAttributionDriftMonitoringSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | "FeatureAttributionDrift" (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados. | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | FeatureImportanceSettings |
| metricThreshold | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | FeatureAttributionMetricThreshold (obrigatório) |
| produçãoDados | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase[] (obrigatório) |
| dados de referência | [Obrigatório] Os dados para calcular o desvio contra. | MonitoringInputDataBase (obrigatório) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | "Categórico" "Numérico" |
FeatureAttributionMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Métrica | [Obrigatório] A métrica de atribuição de recursos para calcular. | "NormalizedDiscountedCumulativeGain" (obrigatório) |
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
GeraçãoSegurançaQualidadeMonitorizaçãoSinal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | "GenerationSafetyQuality" (obrigatório) |
| metricThresholds | [Obrigatório] Obtém ou define as métricas a serem calculadas e os limites correspondentes. | GenerationSafetyQualityMetricThreshold[] (obrigatório) |
| produçãoDados | Obtém ou define os dados de produção para métricas de computação. | MonitoringInputDataBase [] |
| amostragemTaxa | [Obrigatório] A taxa de amostragem dos dados de produção, deve ser superior a 0 e no máximo 1. | int (obrigatório) |
| workspaceConnectionId | Obtém ou define a ID de conexão do espaço de trabalho usada para se conectar ao ponto de extremidade de geração de conteúdo. | string |
GeraçãoSegurançaQualidadeLimiar Métrico
| Designação | Descrição | Valor |
|---|---|---|
| Métrica | [Obrigatório] Obtém ou define a métrica de atribuição de recurso a ser calculada. | "AcceptableCoherenceScorePerInstance" "AcceptableFluencyScorePerInstance" "AcceptableGroundednessScorePerInstance" "AcceptableRelevanceScorePerInstance" "AcceptableSimilarityScorePerInstance" "AggregatedCoherencePassRate" "FluencyPassRate agregado" "AggregatedGroundednessPassRate" "AggregatedRelevancePassRate" "AggregatedSimilarityPassRate" (obrigatório) |
| limiar | Obtém ou define o valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. |
MonitoringThreshold |
GenerationTokenUsageSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | "GenerationTokenStatistics" (obrigatório) |
| metricThresholds | [Obrigatório] Obtém ou define as métricas a serem calculadas e os limites correspondentes. | GenerationTokenUsageMetricThreshold[] (obrigatório) |
| produçãoDados | Obtém ou define os dados de produção para métricas de computação. | MonitoringInputDataBase [] |
| amostragemTaxa | [Obrigatório] A taxa de amostragem dos dados de produção, deve ser superior a 0 e no máximo 1. | int (obrigatório) |
GenerationTokenUsageMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Métrica | [Obrigatório] Obtém ou define a métrica de atribuição de recurso a ser calculada. | "TotalTokenCount" "TotalTokenCountPerGroup" (obrigatório) |
| limiar | Obtém ou define o valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. |
MonitoringThreshold |
ModelPerformanceSignal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | "ModelPerformance" (obrigatório) |
| dataSegment | O segmento de dados. | MonitoringDataSegment |
| metricThreshold | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | ModelPerformanceMetricThresholdBase (obrigatório) |
| produçãoDados | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o desempenho será calculado. | MonitoringInputDataBase[] (obrigatório) |
| dados de referência | [Obrigatório] Os dados de referência utilizados como base para calcular o desempenho do modelo. | MonitoringInputDataBase (obrigatório) |
ModelPerformanceMetricThresholdBase
| Designação | Descrição | Valor |
|---|---|---|
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Tipo de modelo | Definir o tipo de objeto |
Classificação de regressão (obrigatório) |
ClassificationModelPerformanceMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de modelo | [Obrigatório] Especifica o tipo de dados do limite métrico. | "Classificação" (obrigatório) |
| Métrica | [Obrigatório] O desempenho do modelo de classificação a ser calculado. | "Precisão" "Precisão" "Recall" (obrigatório) |
RegressionModelPerformanceMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de modelo | [Obrigatório] Especifica o tipo de dados do limite métrico. | "Regressão" (obrigatório) |
| Métrica | [Obrigatório] A métrica de desempenho do modelo de regressão a ser calculada. | "MeanAbsoluteError" "MeanSquaredError" "RootMeanSquaredError" (obrigatório) |
PrevisãoDriftMonitoramentoSinal
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de sinal | [Obrigatório] Especifica o tipo de sinal a monitorar. | "PredictionDrift" (obrigatório) |
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados. | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | PredictionDriftMetricThresholdBase[] (obrigatório) |
| produçãoDados | [Obrigatório] Os dados para os quais o desvio será calculado. | MonitoringInputDataBase (obrigatório) |
| dados de referência | [Obrigatório] Os dados para calcular o desvio contra. | MonitoringInputDataBase (obrigatório) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | "Categórico" "Numérico" |
PrevisãoDriftMetricThresholdBase
| Designação | Descrição | Valor |
|---|---|---|
| limiar | O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
| Tipo de dados | Definir o tipo de objeto |
categórica Numérica (obrigatório) |
CategoricalPredictionDriftMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | "Categórico" (obrigatório) |
| Métrica | [Obrigatório] A métrica de desvio de previsão categórica para calcular. | "JensenShannonDistância" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (obrigatório) |
NumericalPredictionDriftMetricThreshold
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de dados | [Obrigatório] Especifica o tipo de dados do limite métrico. | "Numérico" (obrigatório) |
| Métrica | [Obrigatório] A métrica de desvio de previsão numérica para calcular. | "JensenShannonDistância" "Distância normalizada de Wasserstein" "Índice de Estabilidade da População" "TwoSampleKolmogorovSmirnovTest" (obrigatório) |
ImportDataAction
| Designação | 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) |
Importação de dados
| Designação | Descrição | Valor |
|---|---|---|
| nome_do_ativo | Nome do ativo para o trabalho de importação de dados a ser criado | string |
| autoDeleteSetting | Especifica a configuração do ciclo de vida do ativo de dados gerenciado. | AutoDeleteSetting |
| Tipo de dados | [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 |
string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
| Descrição | O texto da descrição do ativo. | string |
| Propriedade intelectual | Detalhes de Propriedade Intelectual. Utilizado se os dados forem uma Propriedade Intelectual. | de Propriedade Intelectual |
| isAnonymous | Se a versão do nome for gerada pelo sistema (registo anónimo). Para tipos em que Stage é definido, quando Stage é fornecido, ele será usado para preencher IsAnonymous | Bool |
| isArquivado | O ativo está arquivado? Para tipos em que Stage é definido, quando Stage é fornecido, ele será usado para preencher IsArchived | Bool |
| propriedades | O dicionário de propriedades de ativos. | ResourceBaseProperties |
| fonte | Dados de origem do ativo a ser importado | DataImportSource |
| estágio | Estágio no ciclo de vida dos dados atribuído a este ativo de dados | string |
| Etiquetas | Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas. | objeto |
Propriedade Intelectual
| Designação | Descrição | Valor |
|---|---|---|
| proteçãoNível de proteção | Nível de proteção da Propriedade Intelectual. | "Tudo" "Nenhuma" |
| editora | [Obrigatório] Editora da Propriedade Intelectual. Deve ser o mesmo que o nome do editor do Registro. | string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
DataImportSource
| Designação | Descrição | Valor |
|---|---|---|
| conexão | Conexão de espaço de trabalho para armazenamento de fonte de importação de dados | string |
| Tipo de fonte | Definir o tipo de objeto |
banco de dados file_system (obrigatório) |
Fonte de banco de dados
DatabaseSourceStoredProcedureParamsItem
| Designação | Descrição | Valor |
|---|---|---|
| {propriedade personalizada} | string |
FileSystemSource
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de fonte | [Obrigatório] Especifica o tipo de dados. | "file_system" (obrigatório) |
| caminho | Caminho na origem do sistema de arquivos de importação de dados | string |
EndpointScheduleAction
| Designação | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação da agenda | "InvokeBatchEndpoint" (obrigatório) |
| endpointInvocationDefinition | [Obrigatório] Define os detalhes da definição da ação Agendar. {ver href="TBD" /} |
Base de gatilhos
| Designação | Descrição | Valor |
|---|---|---|
| Tempo de Fim | Especifica a hora de término do agendamento na ISO 8601, mas sem um deslocamento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601.O formato recomentado seria "2022-06-01T00:00:01" Se não estiver presente, o horário será executado por tempo indeterminado |
string |
| startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC. | string |
| Fuso horário | Especifica o fuso horário no qual a agenda é executada. O fuso horário deve seguir o formato de fuso horário do Windows. Referência: /windows-hardware/manufature/desktop/default-time-zones /> |
string |
| Tipo de gatilho | Definir o tipo de objeto |
Cron de recorrência (obrigatório) |
CronTrigger
| Designação | Descrição | Valor |
|---|---|---|
| Tipo de gatilho | [Obrigatório] | "Cron" (obrigatório) |
| expressão | [Obrigatório] Especifica a expressão cron da agenda. A expressão deve seguir o formato NCronTab. |
string (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
RecorrênciaTrigger
| Designação | Descrição | Valor |
|---|---|---|
| Tempo de Fim | Especifica a hora de término do agendamento na ISO 8601, mas sem um deslocamento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601.O formato recomentado seria "2022-06-01T00:00:01" Se não estiver presente, o horário será executado por tempo indeterminado |
string |
| FREQUÊNCIA | [Obrigatório] A frequência para acionar o cronograma. | "Dia" "Hora" "Minuto" "Mês" "Semana" (obrigatório) |
| intervalo | [Obrigatório] Especifica o intervalo de programação em conjunto com a frequência | int (obrigatório) |
| Horário | O esquema de recorrência. | RecurrenceSchedule |
| startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC. | string |
| Fuso horário | Especifica o fuso horário no qual a agenda é executada. O fuso horário deve seguir o formato de fuso horário do Windows. Referência: /windows-hardware/manufature/desktop/default-time-zones |
string |
| Tipo de gatilho | [Obrigatório] | "Cron" "Recorrência" (obrigatório) |
RecorrênciaCronograma
| Designação | Descrição | Valor |
|---|---|---|
| Horas | [Obrigatório] Lista de horas para o horário. | int[] (obrigatório) |
| minutos | [Obrigatório] Lista de atas para a programação. | int[] (obrigatório) |
| mêsDias | Lista de dias do mês para o cronograma | int[] |
| dias úteis | Lista de dias para o calendário. | Matriz de cadeia de caracteres contendo qualquer uma das: "Sexta-feira" "Segunda-feira" "Sábado" "Domingo" "Quinta-feira" "Terça-feira" "Quarta-feira" |