Espaços de trabalho/agendas Microsoft.MachineLearningServices 2025-04-01

• Últimas notícias
• 2025-07-01-visualização
• 2025-06-01
• 2025-04-01
• 2025-04-01-visualização
• 2025-01-01-visualização
• 2024-10-01
• 2024-10-01-pré-visualização
• 2024-07-01-visualização
• 2024-04-01
• 2024-04-01-visualização
• 2024-01-01-pré-visualização
• 2023-10-01
• 2023-08-01-PREVIEW
• 2023-06-01-visualização
• 2023-04-01
• 2023-04-01-visualização
• 2023-02-01-visualização
• 2022-12-01-pré-visualização
• 2022-10-01
• 2022-10-01-pré-visualização
• 2022-06-01-pré-visualização

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@2025-04-01' = {
  parent: resourceSymbolicName
  name: 'string'
  properties: {
    action: {
      actionType: 'string'
      // For remaining properties, see ScheduleActionBase objects
    }
    description: 'string'
    displayName: 'string'
    isEnabled: bool
    properties: {
      {customized property}: 'string'
    }
    tags: {
      {customized property}: 'string'
    }
    trigger: {
      endTime: 'string'
      startTime: 'string'
      timeZone: 'string'
      triggerType: 'string'
      // For remaining properties, see TriggerBase objects
    }
  }
}

Objetos IdentityConfiguration

Defina a propriedade identityType para especificar o tipo de objeto.

Para AMLToken, utilize:

{
  identityType: 'AMLToken'
}

Para Gerenciado, use:

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

Para UserIdentity, use:

{
  identityType: 'UserIdentity'
}

Objetos MonitorComputeConfigurationBase

Defina a propriedade computeType para especificar o tipo de objeto.

Para ServerlessSpark, use:

{
  computeIdentity: {
    computeIdentityType: 'string'
    // For remaining properties, see MonitorComputeIdentityBase objects
  }
  computeType: 'ServerlessSpark'
  instanceType: 'string'
  runtimeVersion: 'string'
}

Objetos NCrossValidations

Defina a propriedade mode para especificar o tipo de objeto.

Para Auto, use:

{
  mode: 'Auto'
}

Para Personalizado, use:

{
  mode: 'Custom'
  value: int
}

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'
    }
    services: {
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        nodes: {
          nodesValueType: 'string'
          // For remaining properties, see Nodes objects
        }
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
    }
    tags: {
      {customized property}: 'string'
    }
    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 InvokeBatchEndpoint, use:

{
  actionType: 'InvokeBatchEndpoint'
  endpointInvocationDefinition: any(...)
}

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 PredictionDriftMetricThresholdBase

Defina a propriedade dataType para especificar o tipo de objeto.

Para Categórico, use:

{
  dataType: 'Categorical'
  metric: 'string'
}

Para Numérico, use:

{
  dataType: 'Numerical'
  metric: 'string'
}

Objetos ForecastHorizon

Defina a propriedade mode para especificar o tipo de objeto.

Para Auto, use:

{
  mode: 'Auto'
}

Para Personalizado, use:

{
  mode: 'Custom'
  value: int
}

Objetos TriggerBase

Defina a propriedade triggerType para especificar o tipo de objeto.

Para Cron, utilize:

{
  expression: 'string'
  triggerType: 'Cron'
}

Para Recorrência, use:

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

Objetos de nós

Defina a propriedade nodesValueType para especificar o tipo de objeto.

Para todos, use:

{
  nodesValueType: 'All'
}

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 AutoMLVertical

Defina a propriedade taskType para especificar o tipo de objeto.

Para Classificação, use:

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

Para Previsão, use:

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

Para ImageClassification, use:

{
  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'
  }
  taskType: 'ImageClassification'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

Para ImageClassificationMultilabel, use:

{
  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'
  }
  taskType: 'ImageClassificationMultilabel'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

Para ImageInstanceSegmentation, use:

{
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    boxDetectionsPerImage: int
    boxScoreThreshold: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    imageSize: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    maxSize: int
    minSize: int
    modelName: 'string'
    modelSize: 'string'
    momentum: int
    multiScale: bool
    nesterov: bool
    nmsIouThreshold: int
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    tileGridSize: 'string'
    tileOverlapRatio: int
    tilePredictionsNmsThreshold: int
    trainingBatchSize: int
    validationBatchSize: int
    validationIouThreshold: int
    validationMetricType: 'string'
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
  }
  primaryMetric: 'string'
  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'
  }
  taskType: 'ImageInstanceSegmentation'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

Para ImageObjectDetection, use:

{
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    boxDetectionsPerImage: int
    boxScoreThreshold: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    imageSize: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    maxSize: int
    minSize: int
    modelName: 'string'
    modelSize: 'string'
    momentum: int
    multiScale: bool
    nesterov: bool
    nmsIouThreshold: int
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    tileGridSize: 'string'
    tileOverlapRatio: int
    tilePredictionsNmsThreshold: int
    trainingBatchSize: int
    validationBatchSize: int
    validationIouThreshold: int
    validationMetricType: 'string'
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
  }
  primaryMetric: 'string'
  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'
  }
  taskType: 'ImageObjectDetection'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

Para Regressão, use:

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

Para TextClassification, use:

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

Para TextClassificationMultilabel, use:

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

Para TextNER, use:

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

Objetos DistributionConfiguration

Defina a propriedade distributionType para especificar o tipo de objeto.

Para Mpi, utilize:

{
  distributionType: 'Mpi'
  processCountPerInstance: int
}

Para PyTorch, use:

{
  distributionType: 'PyTorch'
  processCountPerInstance: int
}

Para TensorFlow, use:

{
  distributionType: 'TensorFlow'
  parameterServerCount: int
  workerCount: int
}

Objetos MonitoringInputDataBase

Defina a propriedade inputDataType para especificar o tipo de objeto.

Para Fixo, use:

{
  inputDataType: 'Fixed'
}

Para laminação, use:

{
  inputDataType: 'Rolling'
  preprocessingComponentId: 'string'
  windowOffset: 'string'
  windowSize: 'string'
}

Para estático , use:

{
  inputDataType: 'Static'
  preprocessingComponentId: 'string'
  windowEnd: 'string'
  windowStart: 'string'
}

Objetos JobBaseProperties

Defina a propriedade jobType para especificar o tipo de objeto.

Para AutoML, use:

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

Para Comando, use:

{
  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
    }
  }
  jobType: 'Command'
  limits: {
    jobLimitsType: 'string'
    timeout: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    properties: {
      {customized property}: any(...)
    }
    shmSize: 'string'
  }
}

Para Pipeline, use:

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

Para o Spark, utilize:

{
  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'
  ]
  jobType: 'Spark'
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  pyFiles: [
    'string'
  ]
  queueSettings: {
    jobTier: 'string'
  }
  resources: {
    instanceType: 'string'
    runtimeVersion: 'string'
  }
}

Para varredura, use:

{
  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
    }
  }
  jobType: 'Sweep'
  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'
  }
  samplingAlgorithm: {
    samplingAlgorithmType: 'string'
    // For remaining properties, see SamplingAlgorithm objects
  }
  searchSpace: any(...)
  trial: {
    codeId: 'string'
    command: 'string'
    distribution: {
      distributionType: 'string'
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId: 'string'
    environmentVariables: {
      {customized property}: 'string'
    }
    resources: {
      dockerArgs: 'string'
      instanceCount: int
      instanceType: 'string'
      properties: {
        {customized property}: any(...)
      }
      shmSize: 'string'
    }
  }
}

Objetos MonitoringFeatureFilterBase

Defina a propriedade filterType para especificar o tipo de objeto.

Para AllFeatures, use:

{
  filterType: 'AllFeatures'
}

Para FeatureSubset, use:

{
  features: [
    'string'
  ]
  filterType: 'FeatureSubset'
}

Para TopNByAttribution, use:

{
  filterType: 'TopNByAttribution'
  top: int
}

Objetos JobOutput

Defina a propriedade jobOutputType para especificar o tipo de objeto.

Para custom_model, utilize:

{
  jobOutputType: 'custom_model'
  mode: 'string'
  uri: 'string'
}

Para mlflow_model, utilize:

{
  jobOutputType: 'mlflow_model'
  mode: 'string'
  uri: 'string'
}

Para mltable, use:

{
  jobOutputType: 'mltable'
  mode: 'string'
  uri: 'string'
}

Para triton_model, utilize:

{
  jobOutputType: 'triton_model'
  mode: 'string'
  uri: 'string'
}

Para uri_file, utilize:

{
  jobOutputType: 'uri_file'
  mode: 'string'
  uri: 'string'
}

Para uri_folder, utilize:

{
  jobOutputType: 'uri_folder'
  mode: 'string'
  uri: 'string'
}

Objetos MonitoringSignalBase

Defina a propriedade signalType para especificar o tipo de objeto.

Para Personalizado, use:

{
  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
      }
    }
  ]
  signalType: 'Custom'
}

Para DataDrift, use:

{
  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
  }
  signalType: 'DataDrift'
}

Para DataQuality, use:

{
  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
  }
  signalType: 'DataQuality'
}

Para FeatureAttributionDrift, use:

{
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  featureImportanceSettings: {
    mode: 'string'
    targetColumn: 'string'
  }
  metricThreshold: {
    metric: 'string'
    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
  }
  signalType: 'FeatureAttributionDrift'
}

Para PredictionDrift, use:

{
  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
  }
  signalType: 'PredictionDrift'
}

Objetos TargetRollingWindowSize

Defina a propriedade mode para especificar o tipo de objeto.

Para Auto, use:

{
  mode: 'Auto'
}

Para Personalizado, use:

{
  mode: 'Custom'
  value: int
}

Objetos Webhook

Defina a propriedade webhookType para especificar o tipo de objeto.

Para AzureDevOps, use:

{
  webhookType: 'AzureDevOps'
}

Objetos de sazonalidade

Defina a propriedade mode para especificar o tipo de objeto.

Para Auto, use:

{
  mode: 'Auto'
}

Para Personalizado, use:

{
  mode: 'Custom'
  value: int
}

Objetos SparkJobEntry

Defina a propriedade sparkJobEntryType para especificar o tipo de objeto.

Para SparkJobPythonEntry, use:

{
  file: 'string'
  sparkJobEntryType: 'SparkJobPythonEntry'
}

Para SparkJobScalaEntry, use:

{
  className: 'string'
  sparkJobEntryType: 'SparkJobScalaEntry'
}

Objetos DataQualityMetricThresholdBase

Defina a propriedade dataType para especificar o tipo de objeto.

Para Categórico, use:

{
  dataType: 'Categorical'
  metric: 'string'
}

Para Numérico, use:

{
  dataType: 'Numerical'
  metric: '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:

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

Objetos DataDriftMetricThresholdBase

Defina a propriedade dataType para especificar o tipo de objeto.

Para Categórico, use:

{
  dataType: 'Categorical'
  metric: 'string'
}

Para Numérico, use:

{
  dataType: 'Numerical'
  metric: 'string'
}

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 TargetLags

Defina a propriedade mode para especificar o tipo de objeto.

Para Auto, use:

{
  mode: 'Auto'
}

Para Personalizado, use:

{
  mode: 'Custom'
  values: [
    int
  ]
}

Valores de propriedade

Microsoft.MachineLearningServices/espaços de trabalho/agendas

Nome	Descrição	Valor
nome	O nome do recurso	cadeia de caracteres Restrições: Padrão = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (obrigatório)
elemento principal	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)

Todos os recursos

Nome	Descrição	Valor
Tipo de filtro	[Obrigatório] Especifica o filtro de recursos a ser aproveitado ao selecionar recursos para calcular métricas.	'AllFeatures' (obrigatório)

AllNodes

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

AmlToken

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

AmlTokenComputeIdentity

Nome	Descrição	Valor
computeIdentityType	[Obrigatório] Especifica o tipo de identidade a ser usada nos trabalhos de monitoramento.	'AmlToken' (obrigatório)

AutoForecastHorizon

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

AutoMLJob

Nome	Descrição	Valor
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.	cadeia (de caracteres)
variáveis de ambiente	Variáveis de ambiente incluídas no trabalho.	AutoMLJobEnvironmentVariables
Tipo de trabalho	[Obrigatório] Especifica o tipo de trabalho.	'AutoML' (obrigatório)
saídas	Mapeamento das ligações de dados de saída usadas no trabalho.	AutoMLJobOutputs
queueSettings	Configurações de fila para o trabalho	Configurações da fila
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

Nome	Descrição	Valor

AutoMLJobOutputs

Nome	Descrição	Valor

AutoMLVertical

Nome	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.	cadeia (de caracteres)
Tipo de tarefa	Defina como 'Classificação' para a classificação do tipo. Defina como 'Previsão' para o tipo Previsão. Defina como 'ImageClassification' para o tipo ImageClassification. Defina como 'ImageClassificationMultilabel' para o tipo ImageClassificationMultilabel. Defina como 'ImageInstanceSegmentation' para o tipo ImageInstanceSegmentation. Defina como 'ImageObjectDetection' para o tipo ImageObjectDetection. Defina como 'Regressão' para o tipo Regressão. Defina como 'TextClassification' para o tipo TextClassification. Defina como 'TextClassificationMultilabel' para o tipo TextClassificationMultilabel. Defina como 'TextNER' para o tipo TextNer.	'Classificação' 'Previsão' 'ImageClassification' 'ImageClassificationMultilabel' 'ImageInstanceSegmentation' 'ImageObjectDetection' 'Regressão' 'Classificação de texto' 'TextClassificationMultilabel' 'TextNER' (obrigatório)
formaçãoDados de formação	[Obrigatório] Introdução de dados de formação.	MLTableJobInput (obrigatório)

AutoNCrossValidações

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

AutoSazonalidade

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

AutoTargetLags

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

AutoTargetRollingWindowSize

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

AzureDevOpsWebhook

Nome	Descrição	Valor
webhookType	[Obrigatório] Especifica o tipo de serviço para enviar um retorno de chamada	'AzureDevOps' (obrigatório)

BanditPolicy

Nome	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

BayesianSamplingAlgorithm

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

CategoricalDataDriftMetricThreshold

Nome	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)

CategoricalDataQualityMetricThreshold

Nome	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)

CategoricalPredictionDriftMetricThreshold

Nome	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)

Classificação

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	TableVerticalLimitSettings
nValidações cruzadas	Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido.	NCrossValidações
rótulo positivo	Rótulo positivo para cálculo de métricas binárias.	cadeia (de caracteres)
primaryMetric	Métrica primária para a tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	«Classificação» (obrigatório)
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.	cadeia (de caracteres)

ClassificaçãoFormaçãoConfigurações

Nome	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.	cadeia (de caracteres)
stackEnsembleSettings	Configurações de conjunto de pilha para execução de conjunto de pilha.	StackEnsembleSettings

ColumnTransformer

Nome	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.	qualquer

CommandJob

Nome	Descrição	Valor
codeId	ID do recurso ARM do ativo de código.	cadeia (de caracteres)
comando	[Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py"	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
variáveis de ambiente	Variáveis de ambiente incluídas no trabalho.	CommandJobEnvironmentVariables
Insumos	Mapeamento de ligações de dados de entrada usadas no trabalho.	CommandJobInputs
Tipo de trabalho	[Obrigatório] Especifica o tipo de trabalho.	'Comando' (obrigatório)
limites	Limite de trabalho de comando.	CommandJobLimits
saídas	Mapeamento das ligações de dados de saída usadas no trabalho.	CommandJobSaídas
queueSettings	Configurações de fila para o trabalho	Configurações da fila
Recursos	Configuração de recursos de computação para o trabalho.	JobResourceConfiguration

CommandJobEnvironmentVariables

Nome	Descrição	Valor

CommandJobInputs

Nome	Descrição	Valor

CommandJobLimits

Nome	Descrição	Valor
jobLimitsType	[Obrigatório] Tipo JobLimit.	'Comando' 'Varredura' (obrigatório)
tempo de espera	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.	cadeia (de caracteres)

CommandJobSaídas

Nome	Descrição	Valor

CreateMonitorAction

Nome	Descrição	Valor
tipo de ação	[Obrigatório] Especifica o tipo de ação da agenda	'CreateMonitor' (obrigatório)
monitorDefinição	[Obrigatório] Define o monitor.	MonitorDefinition (obrigatório)

CronTrigger

Nome	Descrição	Valor
expressão	[Obrigatório] Especifica a expressão cron da agenda. A expressão deve seguir o formato NCronTab.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
Tipo de gatilho	[Obrigatório]	'Cron' (obrigatório)

CustomForecastHorizon

Nome	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)

CustomMetricThreshold

Nome	Descrição	Valor
métrica	[Obrigatório] A métrica definida pelo usuário para calcular.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
limiar	O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada.	MonitoramentoLimiar

CustomModelJobInput

Nome	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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

CustomModelJobOutput

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

CustomMonitoringSignal

Nome	Descrição	Valor
componentId	[Obrigatório] Referência ao ativo de componente usado para calcular as métricas personalizadas.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
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)
Tipo de sinal	[Obrigatório] Especifica o tipo de sinal a monitorar.	'Personalizado' (obrigatório)

CustomMonitoringSignalInputAssets

Nome	Descrição	Valor

CustomMonitoringSignalInputs

Nome	Descrição	Valor

CustomNCrossValidations

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

CustomSeasonality

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

CustomTargetLags

Nome	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)

CustomTargetRollingWindowSize

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

DataDriftMetricThresholdBase

Nome	Descrição	Valor
Tipo de dados	Defina como 'Categorical' para o tipo CategoricalDataDriftMetricThreshold. Defina como 'Numerical' para o tipo NumericalDataDriftMetricThreshold.	'Categórico' 'Numérico' (obrigatório)
limiar	O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada.	MonitoramentoLimiar

DataDriftMonitoringSignal

Nome	Descrição	Valor
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
funcionalidades	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)
Tipo de sinal	[Obrigatório] Especifica o tipo de sinal a monitorar.	'DataDrift' (obrigatório)

DataDriftMonitoringSignalFeatureDataTypeOverride

Nome	Descrição	Valor

DataQualityMetricThresholdBase

Nome	Descrição	Valor
Tipo de dados	Defina como 'Categorical' para o tipo CategoricalDataQualityMetricThreshold. Defina como 'Numerical' para o tipo NumericalDataQualityMetricThreshold.	'Categórico' 'Numérico' (obrigatório)
limiar	O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada.	MonitoramentoLimiar

DataQualityMonitoringSignal

Nome	Descrição	Valor
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
funcionalidades	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)
Tipo de sinal	[Obrigatório] Especifica o tipo de sinal a monitorar.	'DataQuality' (obrigatório)

DataQualityMonitoringSignalFeatureDataTypeOverride

Nome	Descrição	Valor

DistributionConfiguration

Nome	Descrição	Valor
tipo de distribuição	Defina como 'Mpi' para o tipo Mpi. Defina como 'PyTorch' para o tipo PyTorch. Defina como 'TensorFlow' para o tipo TensorFlow.	«Mpi» 'PyTorch' 'TensorFlow' (obrigatório)

Política de Rescisão Antecipada

Nome	Descrição	Valor
delayAvaliação	Número de intervalos para adiar a primeira avaliação.	Int
avaliaçãoIntervalo	Intervalo (número de execuções) entre avaliações de políticas.	Int
policyType	Defina como 'Bandit' para o tipo BanditPolicy. Defina como 'MedianStopping' para o tipo MedianStoppingPolicy. Defina como 'TruncationSelection' para o tipo TruncationSelectionPolicy.	'Bandido' 'MedianStopping' 'TruncationSelection' (obrigatório)

EndpointScheduleAction

Nome	Descrição	Valor
tipo de ação	[Obrigatório] Especifica o tipo de ação da agenda	'InvokeBatchEndpoint' (obrigatório)
endpointInvocationDefinition	[Obrigatório] Define os detalhes da definição da ação Agendar. <ver href="TBD" />	qualquer (obrigatório)

FeatureAttributionDriftMonitoringSignal

Nome	Descrição	Valor
featureDataTypeOverride	Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados.	FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	[Obrigatório] As configurações para a importância do recurso de computação.	FeatureImportanceSettings (obrigatório)
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)
Tipo de sinal	[Obrigatório] Especifica o tipo de sinal a monitorar.	'FeatureAttributionDrift' (obrigatório)

FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride

Nome	Descrição	Valor

FeatureAttributionMetricThreshold

Nome	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.	MonitoramentoLimiar

FeatureImportanceSettings

Nome	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.	cadeia (de caracteres)

FeatureSubset

Nome	Descrição	Valor
funcionalidades	[Obrigatório] A lista de recursos a serem incluídos.	string[] (obrigatório)
Tipo de filtro	[Obrigatório] Especifica o filtro de recursos a ser aproveitado ao selecionar recursos para calcular métricas.	'FeatureSubset' (obrigatório)

FixedInputData

Nome	Descrição	Valor
inputDataType	[Obrigatório] Especifica o tipo de sinal a monitorar.	'Fixo' (obrigatório)

ForecastHorizon

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoForecastHorizon. Defina como 'Custom' para o tipo CustomForecastHorizon.	'Auto' 'Personalizado' (obrigatório)

Previsão

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	TableVerticalFeaturizationSettings
previsãoConfigurações	Previsão de entradas específicas da tarefa.	PrevisãoConfigurações
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.	NCrossValidações
primaryMetric	Métrica primária para a tarefa de previsão.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'Correlação de Spearman'
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	«Previsão» (obrigatório)
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.	PrevisãoFormaçãoConfigurações
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.	cadeia (de caracteres)

PrevisãoConfigurações

Nome	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".	cadeia (de caracteres)
cvStepTamanho	Número de períodos entre a hora de origem de uma dobra CV e a dobra seguinte. Para a exemplo, se CVStepSize = 3 para dados diários, o tempo de origem para cada dobra será com três dias de intervalo.	Int
featureLags	Sinalizador para gerar atrasos para os recursos numéricos com 'auto' ou null.	'Auto' 'Nenhuma'
forecastHorizon	O horizonte máximo de previsão desejado em unidades de frequência de séries cronológicas.	ForecastHorizon
frequência	Ao fazer a previsão, este parâmetro representa o período com o qual a previsão é desejada, por exemplo, diariamente, semanalmente, anualmente, etc. A frequência de previsão é a frequência do conjunto de dados por padrão.	cadeia (de caracteres)
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.	cadeia (de caracteres)
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'

PrevisãoFormaçãoConfigurações

Nome	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' 'Média sazonal' 'SazonalNaive' «SGD» «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' 'Média sazonal' 'SazonalNaive' «SGD» «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.	cadeia (de caracteres)
stackEnsembleSettings	Configurações de conjunto de pilha para execução de conjunto de pilha.	StackEnsembleSettings

GridSamplingAlgorithm

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

IdentityConfiguration

Nome	Descrição	Valor
tipo de identidade	Defina como 'AMLToken' para o tipo AmlToken. Defina como 'Managed' para o tipo ManagedIdentity. Defina como 'UserIdentity' para o tipo UserIdentity.	'AMLToken' 'Gerido' 'UserIdentity' (obrigatório)

ImageClassification

Nome	Descrição	Valor
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.	'Precisão' 'AUCWeighted' '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
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageClassification' (obrigatório)
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

ImageClassificationMultilabel

Nome	Descrição	Valor
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.	'Precisão' 'AUCWeighted' '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
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageClassificationMultilabel' (obrigatório)
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

Nome	Descrição	Valor
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
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageInstanceSegmentation' (obrigatório)
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

Nome	Descrição	Valor
maxConcurrentTrials	Número máximo de iterações simultâneas do AutoML.	Int
maxEnsaios	Número máximo de iterações AutoML.	Int
tempo de espera	Tempo limite do trabalho AutoML.	cadeia (de caracteres)

ImageModelDistributionSettingsClassification

Nome	Descrição	Valor
amsGradiente	Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'.	cadeia (de caracteres)
aumentos	Configurações para usar Aumentos.	cadeia (de caracteres)
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
distribuído	Se deve ou não usar o treinamento de distribuidor.	cadeia (de caracteres)
Parar cedoParar	Habilite a lógica de parada precoce durante o treinamento.	cadeia (de caracteres)
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.	cadeia (de caracteres)
cedoParandoPaciência	Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo.	cadeia (de caracteres)
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	cadeia (de caracteres)
avaliaçãoFrequência	Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo.	cadeia (de caracteres)
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.	cadeia (de caracteres)
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.	cadeia (de caracteres)
learningRate	Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
aprendizagemRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'.	cadeia (de caracteres)
nome do 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.	cadeia (de caracteres)
Dinâmica	Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
Nesterov	Ative o nesterov quando o otimizador for 'sgd'.	cadeia (de caracteres)
númeroDasÉpocas	Número de épocas de formação. Deve ser um número inteiro positivo.	cadeia (de caracteres)
númeroDeTrabalhadores	Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo.	cadeia (de caracteres)
otimizador	Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'.	cadeia (de caracteres)
randomSemente	Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico.	cadeia (de caracteres)
stepLRGamma	Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo.	cadeia (de caracteres)
formaçãoBatchSize	Tamanho do lote de treinamento. Deve ser um número inteiro positivo.	cadeia (de caracteres)
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.	cadeia (de caracteres)
validaçãoBatchSize	Tamanho do lote de validação. Deve ser um número inteiro positivo.	cadeia (de caracteres)
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.	cadeia (de caracteres)
validationResizeSize	Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um número inteiro positivo.	cadeia (de caracteres)
aquecimentoCosineLRCycles	Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
aquecimentoCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo.	cadeia (de caracteres)
pesoDecaimento	Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1].	cadeia (de caracteres)
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.	cadeia (de caracteres)

ImageModelDistributionSettingsObjectDetection

Nome	Descrição	Valor
amsGradiente	Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'.	cadeia (de caracteres)
aumentos	Configurações para usar Aumentos.	cadeia (de caracteres)
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
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'.	cadeia (de caracteres)
boxScoreThreshold	Durante a inferência, apenas retornam propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um flutuador na faixa[0, 1].	cadeia (de caracteres)
distribuído	Se deve ou não usar o treinamento de distribuidor.	cadeia (de caracteres)
Parar cedoParar	Habilite a lógica de parada precoce durante o treinamento.	cadeia (de caracteres)
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.	cadeia (de caracteres)
cedoParandoPaciência	Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo.	cadeia (de caracteres)
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	cadeia (de caracteres)
avaliaçãoFrequência	Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo.	cadeia (de caracteres)
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.	cadeia (de caracteres)
tamanho da imagem	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'.	cadeia (de caracteres)
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.	cadeia (de caracteres)
learningRate	Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
aprendizagemRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'.	cadeia (de caracteres)
tamanhoMáximo	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'.	cadeia (de caracteres)
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'.	cadeia (de caracteres)
nome do 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.	cadeia (de caracteres)
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'.	cadeia (de caracteres)
Dinâmica	Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
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'.	cadeia (de caracteres)
Nesterov	Ative o nesterov quando o otimizador for 'sgd'.	cadeia (de caracteres)
nmsIouThreshold	Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser flutuante no intervalo [0, 1].	cadeia (de caracteres)
númeroDasÉpocas	Número de épocas de formação. Deve ser um número inteiro positivo.	cadeia (de caracteres)
númeroDeTrabalhadores	Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo.	cadeia (de caracteres)
otimizador	Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'.	cadeia (de caracteres)
randomSemente	Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico.	cadeia (de caracteres)
stepLRGamma	Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo.	cadeia (de caracteres)
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'.	cadeia (de caracteres)
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'.	cadeia (de caracteres)
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	cadeia (de caracteres)
formaçãoBatchSize	Tamanho do lote de treinamento. Deve ser um número inteiro positivo.	cadeia (de caracteres)
validaçãoBatchSize	Tamanho do lote de validação. Deve ser um número inteiro positivo.	cadeia (de caracteres)
validaçãoIouThreshold	Limite de UO a ser usado ao calcular a métrica de validação. Deve ser flutuante no intervalo [0, 1].	cadeia (de caracteres)
validaçãoMetricType	Método de cálculo métrico a utilizar para métricas de validação. Deve ser 'nenhum', 'coco', 'voc' ou 'coco_voc'.	cadeia (de caracteres)
aquecimentoCosineLRCycles	Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
aquecimentoCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo.	cadeia (de caracteres)
pesoDecaimento	Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1].	cadeia (de caracteres)

ImageModelSettingsClassification

Nome	Descrição	Valor
avançadoConfigurações	Configurações para cenários avançados.	cadeia (de caracteres)
amsGradiente	Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'.	Bool
aumentos	Configurações para usar Aumentos.	cadeia (de caracteres)
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.	cadeia (de caracteres)
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 do 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.	cadeia (de caracteres)
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

ImageModelSettingsObjectDetection

Nome	Descrição	Valor
avançadoConfigurações	Configurações para cenários avançados.	cadeia (de caracteres)
amsGradiente	Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'.	Bool
aumentos	Configurações para usar Aumentos.	cadeia (de caracteres)
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.	cadeia (de caracteres)
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
tamanho da imagem	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'
tamanhoMáximo	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 do 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.	cadeia (de caracteres)
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'.	cadeia (de caracteres)
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

ImageObjectDetection

Nome	Descrição	Valor
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
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageObjectDetection' (obrigatório)
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

ImageSweepSettings

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

JobBaseProperties

Nome	Descrição	Valor
componentId	ID do recurso ARM do recurso componente.	cadeia (de caracteres)
computeId	ID do recurso ARM do recurso de computação.	cadeia (de caracteres)
descrição	O texto da descrição do ativo.	cadeia (de caracteres)
nome de exibição	Exibir nome do trabalho.	cadeia (de caracteres)
nome da experiência	O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão".	cadeia (de caracteres)
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
Tipo de trabalho	Defina como 'AutoML' para o tipo AutoMLJob. Defina como 'Command' para o tipo CommandJob. Defina como 'Pipeline' para o tipo PipelineJob. Defina como 'Spark' para o tipo SparkJob. Defina como 'Sweep' para o tipo SweepJob.	'AutoML' 'Comando' 'Gasoduto' 'Faísca' 'Varredura' (obrigatório)
notificationSetting	Configuração de notificação para o trabalho	NotificationSetting
propriedades	O dicionário de propriedades de ativos.	ResourceBaseProperties
serviços	Lista de JobEndpoints. Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.	JobBaseServices
etiquetas	Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas.	ResourceBaseTags

JobBaseServices

Nome	Descrição	Valor

JobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	cadeia (de caracteres)
jobInputType	Defina como 'custom_model' para o tipo CustomModelJobInput. Defina como 'literal' para o tipo LiteralJobInput. Defina como 'mlflow_model' para o tipo MLFlowModelJobInput. Defina como 'mltable' para o tipo MLTableJobInput. Defina como 'triton_model' para o tipo TritonModelJobInput. Defina como 'uri_file' para o tipo UriFileJobInput. Defina como 'uri_folder' para o tipo UriFolderJobInput.	'custom_model' 'literal' 'mlflow_model' 'Mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)

JobOutput

Nome	Descrição	Valor
descrição	Descrição da saída.	cadeia (de caracteres)
jobOutputType	Defina como 'custom_model' para o tipo CustomModelJobOutput. Defina como 'mlflow_model' para o tipo MLFlowModelJobOutput. Defina como 'mltable' para o tipo MLTableJobOutput. Defina como 'triton_model' para o tipo TritonModelJobOutput. Defina como 'uri_file' para o tipo UriFileJobOutput. Defina como 'uri_folder' para o tipo UriFolderJobOutput.	'custom_model' 'mlflow_model' 'Mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)

JobResourceConfiguration

Nome	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.	cadeia (de caracteres)
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.	cadeia (de caracteres)
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).	cadeia de caracteres Restrições: Padrão = \d+[bBkKmMgG]

JobScheduleAction

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

Serviço de Emprego

Nome	Descrição	Valor
ponto final	Url para o ponto de extremidade.	cadeia (de caracteres)
jobServiceType	Tipo de ponto final.	cadeia (de caracteres)
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.	Nós
porta	Porta para endpoint.	Int
propriedades	Propriedades adicionais a serem definidas no ponto de extremidade.	JobServiceProperties

JobServiceProperties

Nome	Descrição	Valor

LiteralJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'literal' (obrigatório)
valor	[Obrigatório] Valor literal para a entrada.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

ManagedComputeIdentity

Nome	Descrição	Valor
computeIdentityType	[Obrigatório] Especifica o tipo de identidade a ser usada nos trabalhos de monitoramento.	'ManagedIdentity' (obrigatório)
identidade	A identidade que será alavancada pelos trabalhos de monitoramento.	ManagedServiceIdentity

Identidade gerenciada

Nome	Descrição	Valor
ID do cliente	Especifica uma identidade atribuída pelo usuário por ID do cliente. Para sistema atribuído, não defina este campo.	cadeia de caracteres Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
tipo de identidade	[Obrigatório] Especifica o tipo de estrutura de identidade.	'Gerenciado' (obrigatório)
objectId	Especifica uma identidade atribuída pelo usuário por ID de objeto. Para sistema atribuído, não defina este campo.	cadeia de caracteres Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identificadorDeRecurso	Especifica uma identidade atribuída pelo usuário por ID de recurso ARM. Para sistema atribuído, não defina este campo.	cadeia (de caracteres)

Identidade de Serviço Gerido (ManagedServiceIdentity)

Nome	Descrição	Valor
tipo	Tipo de identidade de serviço gerenciado (onde os tipos SystemAssigned e UserAssigned são permitidos).	'Nenhuma' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (obrigatório)
identidades atribuídas pelo utilizador	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 do dicionário podem ser objetos vazios ({}) em solicitações.	UserAssignedIdentities

MedianStoppingPolicy

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

MLFlowModelJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'mlflow_model' (obrigatório)
modo	Modo de entrega de ativos de entrada.	'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

MLFlowModelJobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	cadeia (de caracteres)
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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

MLFlowModelJobOutput

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

MLTableJobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	cadeia (de caracteres)
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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

MLTableJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'mltable' (obrigatório)
modo	Modo de entrega de ativos de entrada.	'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

MLTableJobOutput

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

MonitorComputeConfigurationBase

Nome	Descrição	Valor
computeType	Defina como 'ServerlessSpark' para o tipo MonitorServerlessSparkCompute.	'ServerlessSpark' (obrigatório)

MonitorComputeIdentityBase

Nome	Descrição	Valor
computeIdentityType	Defina como 'AmlToken' para o tipo AmlTokenComputeIdentity. Defina como 'ManagedIdentity' para o tipo ManagedComputeIdentity.	'AmlToken' 'ManagedIdentity' (obrigatório)

MonitorDefinition

Nome	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	As entidades visadas pelo monitor.	MonitorizaçãoAlvo
sinais	[Obrigatório] Os sinais a monitorizar.	MonitorDefinitionSignals (obrigatório)

MonitorDefinitionSignals

Nome	Descrição	Valor

MonitorEmailNotificationSettings

Nome	Descrição	Valor
e-mails	A lista de destinatários de e-mail que tem uma limitação de 499 caracteres no total.	string[]

MonitoringFeatureFilterBase

Nome	Descrição	Valor
Tipo de filtro	Defina como 'AllFeatures' para o tipo AllFeatures. Defina como 'FeatureSubset' para o tipo FeatureSubset. Defina como 'TopNByAttribution' para o tipo TopNFeaturesByAttribution.	'Todos os recursos' 'FeatureSubset' 'TopNByAttribution' (obrigatório)

MonitoringInputDataBase

Nome	Descrição	Valor
colunas	Mapeamento de nomes de colunas para usos especiais.	MonitoringInputDataBaseColumns
dataContext	Os metadados de contexto da fonte de dados.	cadeia (de caracteres)
inputDataType	Defina como 'Fixo' para o tipo FixedInputData. Defina como 'Rolling' para o tipo RollingInputData. Defina como 'Static' para o tipo StaticInputData.	'Fixo' 'Rolagem' 'Estática' (obrigatório)
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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

MonitoringInputDataBaseColumns

Nome	Descrição	Valor

MonitoringSignalBase

Nome	Descrição	Valor
notificationTypes	O modo de notificação atual para este sinal.	Matriz de cadeia de caracteres contendo qualquer uma das: 'AmlNotification'
propriedades	Dicionário de propriedades. As propriedades podem ser adicionadas, mas não removidas ou alteradas.	MonitoringSignalBaseProperties
Tipo de sinal	Defina como 'Custom' para o tipo CustomMonitoringSignal. Defina como 'DataDrift' para o tipo DataDriftMonitoringSignal. Defina como 'DataQuality' para o tipo DataQualityMonitoringSignal. Defina como 'FeatureAttributionDrift' para o tipo FeatureAttributionDriftMonitoringSignal. Defina como 'PredictionDrift' para o tipo PredictionDriftMonitoringSignal.	'Personalizado' 'DataDrift' 'Qualidade de dados' 'FeatureAttributionDrift' 'PredictionDrift' (obrigatório)

MonitoringSignalBaseProperties

Nome	Descrição	Valor

MonitorizaçãoAlvo

Nome	Descrição	Valor
deploymentId	Referência ao ativo de implantação visado por este monitor.	cadeia (de caracteres)
modelId	Referência ao ativo modelo visado por este monitor.	cadeia (de caracteres)
Tipo de tarefa	[Obrigatório] O tipo de tarefa de aprendizado de máquina do modelo monitorado.	'Classificação' 'Regressão' (obrigatório)

MonitoramentoLimiar

Nome	Descrição	Valor
valor	O valor limite. Se null, o padrão definido depende do tipo de métrica.	Int

MonitorNotificationSettings

Nome	Descrição	Valor
emailNotificationSettings	As configurações de e-mail de notificação AML.	MonitorEmailNotificationSettings

MonitorServerlessSparkCompute

Nome	Descrição	Valor
computeIdentity	[Obrigatório] O esquema de identidade aproveitado pelos trabalhos de faísca em execução no Spark sem servidor.	MonitorComputeIdentityBase (obrigatório)
computeType	[Obrigatório] Especifica o tipo de sinal a monitorar.	'ServerlessSpark' (obrigatório)
tipo de instância	[Obrigatório] O tipo de instância que executa o trabalho do Spark.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
runtimeVersion	[Obrigatório] A versão de tempo de execução do Spark.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = ^[0-9]+\.[0-9]+$ (obrigatório)

Mpi

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

NCrossValidações

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoNCrossValidations. Defina como 'Custom' para o tipo CustomNCrossValidations.	'Auto' 'Personalizado' (obrigatório)

NlpVerticalFeaturizationSettings

Nome	Descrição	Valor
conjunto de dadosLinguagem	Linguagem do conjunto de dados, útil para os dados de texto.	cadeia (de caracteres)

NlpVerticalLimitSettings

Nome	Descrição	Valor
maxConcurrentTrials	Máximo de iterações simultâneas do AutoML.	Int
maxEnsaios	Número de iterações AutoML.	Int
tempo de espera	Tempo limite do trabalho AutoML.	cadeia (de caracteres)

Nodos

Nome	Descrição	Valor
nósValueType	Defina como 'Todos' para o tipo AllNodes.	'Todos' (obrigatório)

NotificationSetting

Nome	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

Nome	Descrição	Valor

NumericalDataDriftMetricThreshold

Nome	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)

NumericalDataQualityMetricThreshold

Nome	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)

NumericalPredictionDriftMetricThreshold

Nome	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)

Objetivo

Nome	Descrição	Valor
objetivo	[Obrigatório] Define metas métricas suportadas para ajuste de hiperparâmetros	'Maximizar' 'Minimizar' (obrigatório)
primaryMetric	[Obrigatório] Nome da métrica a ser otimizada.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

PipelineJob

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

PipelineJobInputs

Nome	Descrição	Valor

PipelineJobJobs

Nome	Descrição	Valor

PipelineJobSaídas

Nome	Descrição	Valor

PrevisãoDriftMetricThresholdBase

Nome	Descrição	Valor
Tipo de dados	Defina como 'Categorical' para o tipo CategoricalPredictionDriftMetricThreshold. Defina como 'Numerical' para o tipo NumericalPredictionDriftMetricThreshold.	'Categórico' 'Numérico' (obrigatório)
limiar	O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada.	MonitoramentoLimiar

PrevisãoDriftMonitoramentoSinal

Nome	Descrição	Valor
featureDataTypeOverride	Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados.	PredictionDriftMonitoringSignalFeatureDataTypeOverride
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)
Tipo de sinal	[Obrigatório] Especifica o tipo de sinal a monitorar.	'PredictionDrift' (obrigatório)

PredictionDriftMonitoringSignalFeatureDataTypeOverride

Nome	Descrição	Valor

PyTorch

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

Configurações da fila

Nome	Descrição	Valor
nível de trabalho	Controla a camada de trabalho de computação	'Básico' 'Nulo' 'Premium' 'Mancha' 'Padrão'

RandomSamplingAlgorithm

Nome	Descrição	Valor
regra	O tipo específico de algoritmo aleatório	'Aleatório' 'Sobol'
samplingAlgorithmType	[Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração	'Aleatório' (obrigatório)
sementes	Um inteiro opcional para usar como semente para geração de números aleatórios	Int

RecorrênciaCronograma

Nome	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'

RecorrênciaTrigger

Nome	Descrição	Valor
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)
cronograma	O esquema de recorrência.	RecorrênciaCronograma
Tipo de gatilho	[Obrigatório]	«Recorrência» (obrigatório)

Regressão

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	TableVerticalLimitSettings
nValidações cruzadas	Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido.	NCrossValidações
primaryMetric	Métrica primária para tarefa de regressão.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'Correlação de Spearman'
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'Regressão' (obrigatório)
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.	cadeia (de caracteres)

RegressionTrainingSettings

Nome	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.	cadeia (de caracteres)
stackEnsembleSettings	Configurações de conjunto de pilha para execução de conjunto de pilha.	StackEnsembleSettings

ResourceBaseProperties

Nome	Descrição	Valor

ResourceBaseProperties

Nome	Descrição	Valor

ResourceBaseTags

Nome	Descrição	Valor

ResourceBaseTags

Nome	Descrição	Valor

ResourceConfigurationProperties

Nome	Descrição	Valor

RollingInputData

Nome	Descrição	Valor
inputDataType	[Obrigatório] Especifica o tipo de sinal a monitorar.	'Laminação' (obrigatório)
pré-processamentoComponentId	Referência ao ativo do componente usado para pré-processar os dados.	cadeia (de caracteres)
windowDeslocamento	[Obrigatório] O deslocamento de tempo entre o final da janela de dados e o tempo de execução atual do monitor.	string (obrigatório)
tamanho da janela	[Obrigatório] O tamanho da janela de dados contínuos.	string (obrigatório)

SamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	Defina como 'Bayesian' para o tipo BayesianSamplingAlgorithm. Defina como 'Grid' para o tipo GridSamplingAlgorithm. Defina como 'Random' para o tipo RandomSamplingAlgorithm.	'Bayesiano' 'Grade' 'Aleatório' (obrigatório)

ScheduleActionBase

Nome	Descrição	Valor
tipo de ação	Defina como 'CreateJob' para o tipo JobScheduleAction. Defina como 'CreateMonitor' para o tipo CreateMonitorAction. Defina como 'InvokeBatchEndpoint' para o tipo EndpointScheduleAction.	'CriarEmprego' 'CreateMonitor' 'InvokeBatchEndpoint' (obrigatório)

ScheduleProperties

Nome	Descrição	Valor
ação	[Obrigatório] Especifica a ação da agenda	ScheduleActionBase (obrigatório)
descrição	O texto da descrição do ativo.	cadeia (de caracteres)
nome de exibição	Nome de exibição da agenda.	cadeia (de caracteres)
estáAtivado	O agendamento está habilitado?	Bool
propriedades	O dicionário de propriedades de ativos.	ResourceBaseProperties
etiquetas	Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas.	ResourceBaseTags
accionador	[Obrigatório] Especifica os detalhes do gatilho	TriggerBase (obrigatório)

Sazonalidade

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoSeasonality. Defina como 'Custom' para o tipo CustomSeasonality.	'Auto' 'Personalizado' (obrigatório)

Faísca

Nome	Descrição	Valor
Arquivos	Arquivar arquivos usados no trabalho.	string[]
Args	Argumentos a favor do trabalho.	cadeia (de caracteres)
codeId	[Obrigatório] arm-id do ativo de código.	string (obrigatório)
conf	Propriedades configuradas do Spark.	SparkJobConf
introdução	[Obrigatório] A entrada para executar na inicialização do trabalho.	SparkJobEntry (obrigatório)
environmentId	O ID do recurso ARM da especificação Ambiente para o trabalho.	cadeia (de caracteres)
variáveis de ambiente	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[]
Tipo de trabalho	[Obrigatório] Especifica o tipo de trabalho.	'Faísca' (obrigatório)
saídas	Mapeamento das ligações de dados de saída usadas no trabalho.	SparkJobOutputs
Ficheiros py	Arquivos Python usados no trabalho.	string[]
queueSettings	Configurações de fila para o trabalho	Configurações da fila
Recursos	Configuração de recursos de computação para o trabalho.	SparkResourceConfiguration

SparkJobConf

Nome	Descrição	Valor

SparkJobEntry

Nome	Descrição	Valor
sparkJobEntryType	Defina como 'SparkJobPythonEntry' para o tipo SparkJobPythonEntry. Defina como 'SparkJobScalaEntry' para o tipo SparkJobScalaEntry.	'SparkJobPythonEntry' 'SparkJobScalaEntry' (obrigatório)

SparkJobEnvironmentVariables

Nome	Descrição	Valor

SparkJobInputs

Nome	Descrição	Valor

SparkJobOutputs

Nome	Descrição	Valor

SparkJobPythonEntry

Nome	Descrição	Valor
ficheiro	[Obrigatório] Caminho relativo do arquivo python para o ponto de entrada do trabalho.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
sparkJobEntryType	[Obrigatório] Tipo de ponto de entrada do trabalho.	'SparkJobPythonEntry' (obrigatório)

SparkJobScalaEntry

Nome	Descrição	Valor
className	[Obrigatório] Nome da classe Scala usado como ponto de entrada.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
sparkJobEntryType	[Obrigatório] Tipo de ponto de entrada do trabalho.	'SparkJobScalaEntry' (obrigatório)

SparkResourceConfiguration

Nome	Descrição	Valor
tipo de instância	Tipo opcional de VM usado conforme suportado pelo destino de computação.	cadeia (de caracteres)
runtimeVersion	Versão do tempo de execução do spark usado para o trabalho.	cadeia (de caracteres)

StackEnsembleSettings

Nome	Descrição	Valor
stackMetaLearnerKWargs	Parâmetros opcionais para passar para o inicializador do meta-aluno.	qualquer
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'

StaticInputData

Nome	Descrição	Valor
inputDataType	[Obrigatório] Especifica o tipo de sinal a monitorar.	'Estática' (obrigatório)
pré-processamentoComponentId	Referência ao ativo do componente usado para pré-processar os dados.	cadeia (de caracteres)
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)

Varredura

Nome	Descrição	Valor
Rescisão antecipada	As políticas de rescisão antecipada permitem cancelar execuções com baixo desempenho antes que elas sejam concluídas	Política de Rescisão Antecipada
Insumos	Mapeamento de ligações de dados de entrada usadas no trabalho.	SweepJobInputs
Tipo de trabalho	[Obrigatório] Especifica o tipo de trabalho.	'Varredura' (obrigatório)
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	Configurações da fila
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	qualquer (obrigatório)
avaliação	[Obrigatório] Definição do componente experimental.	TrialComponent (obrigatório)

SweepJobInputs

Nome	Descrição	Valor

SweepJobLimits

Nome	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 de espera	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.	cadeia (de caracteres)
trialTimeout	Valor do tempo limite da Avaliação do Trabalho de Varredura.	cadeia (de caracteres)

SweepJobOutputs

Nome	Descrição	Valor

TableVerticalFeaturizationSettings

Nome	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.	cadeia (de caracteres)
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

Nome	Descrição	Valor

TableVerticalFeaturizationSettingsTransformerParams

Nome	Descrição	Valor

TableVerticalLimitSettings

Nome	Descrição	Valor
habilitarRescisão antecipada	Habilite o encerramento antecipado, determine se o AutoMLJob será encerrado antecipadamente se não houver melhoria de pontuação nas últimas 20 iterações.	Bool
exitScore	Pontuação de saída para o trabalho AutoML.	Int
maxConcurrentTrials	Máximo de iterações simultâneas.	Int
maxCoresPerTrial	Máximo de núcleos por iteração.	Int
maxEnsaios	Número de iterações.	Int
tempo de espera	Tempo limite do trabalho AutoML.	cadeia (de caracteres)
trialTimeout	Tempo limite de iteração.	cadeia (de caracteres)

TargetLags

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoTargetLags. Defina como 'Custom' para o tipo CustomTargetLags.	'Auto' 'Personalizado' (obrigatório)

TargetRollingWindowSize

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoTargetRollingWindowSize. Defina como 'Custom' para o tipo CustomTargetRollingWindowSize.	'Auto' 'Personalizado' (obrigatório)

TensorFlow

Nome	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

Classificação de Texto

Nome	Descrição	Valor
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
primaryMetric	Métrica primária para Text-Classification tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextClassification' (obrigatório)
validaçãoDados	Entradas de dados de validação.	MLTableJobInput

TextClassificationMultilabel

Nome	Descrição	Valor
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextClassificationMultilabel' (obrigatório)
validaçãoDados	Entradas de dados de validação.	MLTableJobInput

TextNer

Nome	Descrição	Valor
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextNER' (obrigatório)
validaçãoDados	Entradas de dados de validação.	MLTableJobInput

TopNFeaturesByAttribution

Nome	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

TrialComponent

Nome	Descrição	Valor
codeId	ID do recurso ARM do ativo de código.	cadeia (de caracteres)
comando	[Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py"	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
variáveis de ambiente	Variáveis de ambiente incluídas no trabalho.	TrialComponentEnvironmentVariables
Recursos	Configuração de recursos de computação para o trabalho.	JobResourceConfiguration

TrialComponentEnvironmentVariables

Nome	Descrição	Valor

Base de gatilhos

Nome	Descrição	Valor
Hora de Término	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	cadeia (de caracteres)
horaDeInício	Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC.	cadeia (de caracteres)
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?view=windows-11	cadeia (de caracteres)
Tipo de gatilho	Defina como 'Cron' para o tipo CronTrigger. Defina como 'Recorrência' para o tipo RecurrenceTrigger.	'Cron' «Recorrência» (obrigatório)

TritonModelJobInput

Nome	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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

TritonModelJobOutput

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

TruncationSelectionPolicy

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

UriFileJobInput

Nome	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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

UriFileJobOutput

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

UriFolderJobInput

Nome	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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

UriFolderJobOutput

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

UserAssignedIdentities

Nome	Descrição	Valor

IdentidadeAtribuídaPeloUtilizador

Nome	Descrição	Valor

Identidade do usuário

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

Gancho de teia

Nome	Descrição	Valor
tipo de evento	Enviar retorno de chamada em um evento de notificação especificado	cadeia (de caracteres)
webhookType	Defina como 'AzureDevOps' para o tipo AzureDevOpsWebhook.	'AzureDevOps' (obrigatório)

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": "2025-04-01",
  "name": "string",
  "properties": {
    "action": {
      "actionType": "string"
      // For remaining properties, see ScheduleActionBase objects
    },
    "description": "string",
    "displayName": "string",
    "isEnabled": "bool",
    "properties": {
      "{customized property}": "string"
    },
    "tags": {
      "{customized property}": "string"
    },
    "trigger": {
      "endTime": "string",
      "startTime": "string",
      "timeZone": "string",
      "triggerType": "string"
      // For remaining properties, see TriggerBase objects
    }
  }
}

Objetos IdentityConfiguration

Defina a propriedade identityType para especificar o tipo de objeto.

Para AMLToken, utilize:

{
  "identityType": "AMLToken"
}

Para Gerenciado, use:

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

Para UserIdentity, use:

{
  "identityType": "UserIdentity"
}

Objetos MonitorComputeConfigurationBase

Defina a propriedade computeType para especificar o tipo de objeto.

Para ServerlessSpark, use:

{
  "computeIdentity": {
    "computeIdentityType": "string"
    // For remaining properties, see MonitorComputeIdentityBase objects
  },
  "computeType": "ServerlessSpark",
  "instanceType": "string",
  "runtimeVersion": "string"
}

Objetos NCrossValidations

Defina a propriedade mode para especificar o tipo de objeto.

Para Auto, use:

{
  "mode": "Auto"
}

Para Personalizado, use:

{
  "mode": "Custom",
  "value": "int"
}

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"
    },
    "services": {
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "nodes": {
          "nodesValueType": "string"
          // For remaining properties, see Nodes objects
        },
        "port": "int",
        "properties": {
          "{customized property}": "string"
        }
      }
    },
    "tags": {
      "{customized property}": "string"
    },
    "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 InvokeBatchEndpoint, use:

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

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 PredictionDriftMetricThresholdBase

Defina a propriedade dataType para especificar o tipo de objeto.

Para Categórico, use:

{
  "dataType": "Categorical",
  "metric": "string"
}

Para Numérico, use:

{
  "dataType": "Numerical",
  "metric": "string"
}

Objetos ForecastHorizon

Defina a propriedade mode para especificar o tipo de objeto.

Para Auto, use:

{
  "mode": "Auto"
}

Para Personalizado, use:

{
  "mode": "Custom",
  "value": "int"
}

Objetos TriggerBase

Defina a propriedade triggerType para especificar o tipo de objeto.

Para Cron, utilize:

{
  "expression": "string",
  "triggerType": "Cron"
}

Para Recorrência, use:

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

Objetos de nós

Defina a propriedade nodesValueType para especificar o tipo de objeto.

Para todos, use:

{
  "nodesValueType": "All"
}

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 AutoMLVertical

Defina a propriedade taskType para especificar o tipo de objeto.

Para Classificação, use:

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

Para Previsão, use:

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

Para ImageClassification, use:

{
  "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"
  },
  "taskType": "ImageClassification",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"
}

Para ImageClassificationMultilabel, use:

{
  "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"
  },
  "taskType": "ImageClassificationMultilabel",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"
}

Para ImageInstanceSegmentation, use:

{
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "boxDetectionsPerImage": "int",
    "boxScoreThreshold": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "imageSize": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "maxSize": "int",
    "minSize": "int",
    "modelName": "string",
    "modelSize": "string",
    "momentum": "int",
    "multiScale": "bool",
    "nesterov": "bool",
    "nmsIouThreshold": "int",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "tileGridSize": "string",
    "tileOverlapRatio": "int",
    "tilePredictionsNmsThreshold": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "validationIouThreshold": "int",
    "validationMetricType": "string",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int"
  },
  "primaryMetric": "string",
  "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"
  },
  "taskType": "ImageInstanceSegmentation",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"
}

Para ImageObjectDetection, use:

{
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "boxDetectionsPerImage": "int",
    "boxScoreThreshold": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "imageSize": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "maxSize": "int",
    "minSize": "int",
    "modelName": "string",
    "modelSize": "string",
    "momentum": "int",
    "multiScale": "bool",
    "nesterov": "bool",
    "nmsIouThreshold": "int",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "tileGridSize": "string",
    "tileOverlapRatio": "int",
    "tilePredictionsNmsThreshold": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "validationIouThreshold": "int",
    "validationMetricType": "string",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int"
  },
  "primaryMetric": "string",
  "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"
  },
  "taskType": "ImageObjectDetection",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"
}

Para Regressão, use:

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

Para TextClassification, use:

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

Para TextClassificationMultilabel, use:

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

Para TextNER, use:

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

Objetos DistributionConfiguration

Defina a propriedade distributionType para especificar o tipo de objeto.

Para Mpi, utilize:

{
  "distributionType": "Mpi",
  "processCountPerInstance": "int"
}

Para PyTorch, use:

{
  "distributionType": "PyTorch",
  "processCountPerInstance": "int"
}

Para TensorFlow, use:

{
  "distributionType": "TensorFlow",
  "parameterServerCount": "int",
  "workerCount": "int"
}

Objetos MonitoringInputDataBase

Defina a propriedade inputDataType para especificar o tipo de objeto.

Para Fixo, use:

{
  "inputDataType": "Fixed"
}

Para laminação, use:

{
  "inputDataType": "Rolling",
  "preprocessingComponentId": "string",
  "windowOffset": "string",
  "windowSize": "string"
}

Para estático , use:

{
  "inputDataType": "Static",
  "preprocessingComponentId": "string",
  "windowEnd": "string",
  "windowStart": "string"
}

Objetos JobBaseProperties

Defina a propriedade jobType para especificar o tipo de objeto.

Para AutoML, use:

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

Para Comando, use:

{
  "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
    }
  },
  "jobType": "Command",
  "limits": {
    "jobLimitsType": "string",
    "timeout": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "queueSettings": {
    "jobTier": "string"
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "properties": {
      "{customized property}": {}
    },
    "shmSize": "string"
  }
}

Para Pipeline, use:

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

Para o Spark, utilize:

{
  "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" ],
  "jobType": "Spark",
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "pyFiles": [ "string" ],
  "queueSettings": {
    "jobTier": "string"
  },
  "resources": {
    "instanceType": "string",
    "runtimeVersion": "string"
  }
}

Para varredura, use:

{
  "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
    }
  },
  "jobType": "Sweep",
  "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"
  },
  "samplingAlgorithm": {
    "samplingAlgorithmType": "string"
    // For remaining properties, see SamplingAlgorithm objects
  },
  "searchSpace": {},
  "trial": {
    "codeId": "string",
    "command": "string",
    "distribution": {
      "distributionType": "string"
      // For remaining properties, see DistributionConfiguration objects
    },
    "environmentId": "string",
    "environmentVariables": {
      "{customized property}": "string"
    },
    "resources": {
      "dockerArgs": "string",
      "instanceCount": "int",
      "instanceType": "string",
      "properties": {
        "{customized property}": {}
      },
      "shmSize": "string"
    }
  }
}

Objetos MonitoringFeatureFilterBase

Defina a propriedade filterType para especificar o tipo de objeto.

Para AllFeatures, use:

{
  "filterType": "AllFeatures"
}

Para FeatureSubset, use:

{
  "features": [ "string" ],
  "filterType": "FeatureSubset"
}

Para TopNByAttribution, use:

{
  "filterType": "TopNByAttribution",
  "top": "int"
}

Objetos JobOutput

Defina a propriedade jobOutputType para especificar o tipo de objeto.

Para custom_model, utilize:

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

Para mlflow_model, utilize:

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

Para mltable, use:

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

Para triton_model, utilize:

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

Para uri_file, utilize:

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

Para uri_folder, utilize:

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

Objetos MonitoringSignalBase

Defina a propriedade signalType para especificar o tipo de objeto.

Para Personalizado, use:

{
  "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"
      }
    }
  ],
  "signalType": "Custom"
}

Para DataDrift, use:

{
  "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
  },
  "signalType": "DataDrift"
}

Para DataQuality, use:

{
  "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
  },
  "signalType": "DataQuality"
}

Para FeatureAttributionDrift, use:

{
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "featureImportanceSettings": {
    "mode": "string",
    "targetColumn": "string"
  },
  "metricThreshold": {
    "metric": "string",
    "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
  },
  "signalType": "FeatureAttributionDrift"
}

Para PredictionDrift, use:

{
  "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
  },
  "signalType": "PredictionDrift"
}

Objetos TargetRollingWindowSize

Defina a propriedade mode para especificar o tipo de objeto.

Para Auto, use:

{
  "mode": "Auto"
}

Para Personalizado, use:

{
  "mode": "Custom",
  "value": "int"
}

Objetos Webhook

Defina a propriedade webhookType para especificar o tipo de objeto.

Para AzureDevOps, use:

{
  "webhookType": "AzureDevOps"
}

Objetos de sazonalidade

Defina a propriedade mode para especificar o tipo de objeto.

Para Auto, use:

{
  "mode": "Auto"
}

Para Personalizado, use:

{
  "mode": "Custom",
  "value": "int"
}

Objetos SparkJobEntry

Defina a propriedade sparkJobEntryType para especificar o tipo de objeto.

Para SparkJobPythonEntry, use:

{
  "file": "string",
  "sparkJobEntryType": "SparkJobPythonEntry"
}

Para SparkJobScalaEntry, use:

{
  "className": "string",
  "sparkJobEntryType": "SparkJobScalaEntry"
}

Objetos DataQualityMetricThresholdBase

Defina a propriedade dataType para especificar o tipo de objeto.

Para Categórico, use:

{
  "dataType": "Categorical",
  "metric": "string"
}

Para Numérico, use:

{
  "dataType": "Numerical",
  "metric": "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:

{
  "rule": "string",
  "samplingAlgorithmType": "Random",
  "seed": "int"
}

Objetos DataDriftMetricThresholdBase

Defina a propriedade dataType para especificar o tipo de objeto.

Para Categórico, use:

{
  "dataType": "Categorical",
  "metric": "string"
}

Para Numérico, use:

{
  "dataType": "Numerical",
  "metric": "string"
}

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 TargetLags

Defina a propriedade mode para especificar o tipo de objeto.

Para Auto, use:

{
  "mode": "Auto"
}

Para Personalizado, use:

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

Valores de propriedade

Microsoft.MachineLearningServices/espaços de trabalho/agendas

Nome	Descrição	Valor
Versão da API	A versão api	'2025-04-01'
nome	O nome do recurso	cadeia de caracteres Restrições: Padrão = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (obrigatório)
propriedades	[Obrigatório] Atributos adicionais da entidade.	ScheduleProperties (obrigatório)
tipo	O tipo de recurso	'Microsoft.MachineLearningServices/workspaces/schedules'

Todos os recursos

Nome	Descrição	Valor
Tipo de filtro	[Obrigatório] Especifica o filtro de recursos a ser aproveitado ao selecionar recursos para calcular métricas.	'AllFeatures' (obrigatório)

AllNodes

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

AmlToken

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

AmlTokenComputeIdentity

Nome	Descrição	Valor
computeIdentityType	[Obrigatório] Especifica o tipo de identidade a ser usada nos trabalhos de monitoramento.	'AmlToken' (obrigatório)

AutoForecastHorizon

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

AutoMLJob

Nome	Descrição	Valor
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.	cadeia (de caracteres)
variáveis de ambiente	Variáveis de ambiente incluídas no trabalho.	AutoMLJobEnvironmentVariables
Tipo de trabalho	[Obrigatório] Especifica o tipo de trabalho.	'AutoML' (obrigatório)
saídas	Mapeamento das ligações de dados de saída usadas no trabalho.	AutoMLJobOutputs
queueSettings	Configurações de fila para o trabalho	Configurações da fila
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

Nome	Descrição	Valor

AutoMLJobOutputs

Nome	Descrição	Valor

AutoMLVertical

Nome	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.	cadeia (de caracteres)
Tipo de tarefa	Defina como 'Classificação' para a classificação do tipo. Defina como 'Previsão' para o tipo Previsão. Defina como 'ImageClassification' para o tipo ImageClassification. Defina como 'ImageClassificationMultilabel' para o tipo ImageClassificationMultilabel. Defina como 'ImageInstanceSegmentation' para o tipo ImageInstanceSegmentation. Defina como 'ImageObjectDetection' para o tipo ImageObjectDetection. Defina como 'Regressão' para o tipo Regressão. Defina como 'TextClassification' para o tipo TextClassification. Defina como 'TextClassificationMultilabel' para o tipo TextClassificationMultilabel. Defina como 'TextNER' para o tipo TextNer.	'Classificação' 'Previsão' 'ImageClassification' 'ImageClassificationMultilabel' 'ImageInstanceSegmentation' 'ImageObjectDetection' 'Regressão' 'Classificação de texto' 'TextClassificationMultilabel' 'TextNER' (obrigatório)
formaçãoDados de formação	[Obrigatório] Introdução de dados de formação.	MLTableJobInput (obrigatório)

AutoNCrossValidações

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

AutoSazonalidade

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

AutoTargetLags

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

AutoTargetRollingWindowSize

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

AzureDevOpsWebhook

Nome	Descrição	Valor
webhookType	[Obrigatório] Especifica o tipo de serviço para enviar um retorno de chamada	'AzureDevOps' (obrigatório)

BanditPolicy

Nome	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

BayesianSamplingAlgorithm

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

CategoricalDataDriftMetricThreshold

Nome	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)

CategoricalDataQualityMetricThreshold

Nome	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)

CategoricalPredictionDriftMetricThreshold

Nome	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)

Classificação

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	TableVerticalLimitSettings
nValidações cruzadas	Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido.	NCrossValidações
rótulo positivo	Rótulo positivo para cálculo de métricas binárias.	cadeia (de caracteres)
primaryMetric	Métrica primária para a tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	«Classificação» (obrigatório)
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.	cadeia (de caracteres)

ClassificaçãoFormaçãoConfigurações

Nome	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.	cadeia (de caracteres)
stackEnsembleSettings	Configurações de conjunto de pilha para execução de conjunto de pilha.	StackEnsembleSettings

ColumnTransformer

Nome	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.	qualquer

CommandJob

Nome	Descrição	Valor
codeId	ID do recurso ARM do ativo de código.	cadeia (de caracteres)
comando	[Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py"	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
variáveis de ambiente	Variáveis de ambiente incluídas no trabalho.	CommandJobEnvironmentVariables
Insumos	Mapeamento de ligações de dados de entrada usadas no trabalho.	CommandJobInputs
Tipo de trabalho	[Obrigatório] Especifica o tipo de trabalho.	'Comando' (obrigatório)
limites	Limite de trabalho de comando.	CommandJobLimits
saídas	Mapeamento das ligações de dados de saída usadas no trabalho.	CommandJobSaídas
queueSettings	Configurações de fila para o trabalho	Configurações da fila
Recursos	Configuração de recursos de computação para o trabalho.	JobResourceConfiguration

CommandJobEnvironmentVariables

Nome	Descrição	Valor

CommandJobInputs

Nome	Descrição	Valor

CommandJobLimits

Nome	Descrição	Valor
jobLimitsType	[Obrigatório] Tipo JobLimit.	'Comando' 'Varredura' (obrigatório)
tempo de espera	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.	cadeia (de caracteres)

CommandJobSaídas

Nome	Descrição	Valor

CreateMonitorAction

Nome	Descrição	Valor
tipo de ação	[Obrigatório] Especifica o tipo de ação da agenda	'CreateMonitor' (obrigatório)
monitorDefinição	[Obrigatório] Define o monitor.	MonitorDefinition (obrigatório)

CronTrigger

Nome	Descrição	Valor
expressão	[Obrigatório] Especifica a expressão cron da agenda. A expressão deve seguir o formato NCronTab.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
Tipo de gatilho	[Obrigatório]	'Cron' (obrigatório)

CustomForecastHorizon

Nome	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)

CustomMetricThreshold

Nome	Descrição	Valor
métrica	[Obrigatório] A métrica definida pelo usuário para calcular.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
limiar	O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada.	MonitoramentoLimiar

CustomModelJobInput

Nome	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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

CustomModelJobOutput

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

CustomMonitoringSignal

Nome	Descrição	Valor
componentId	[Obrigatório] Referência ao ativo de componente usado para calcular as métricas personalizadas.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
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)
Tipo de sinal	[Obrigatório] Especifica o tipo de sinal a monitorar.	'Personalizado' (obrigatório)

CustomMonitoringSignalInputAssets

Nome	Descrição	Valor

CustomMonitoringSignalInputs

Nome	Descrição	Valor

CustomNCrossValidations

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

CustomSeasonality

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

CustomTargetLags

Nome	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)

CustomTargetRollingWindowSize

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

DataDriftMetricThresholdBase

Nome	Descrição	Valor
Tipo de dados	Defina como 'Categorical' para o tipo CategoricalDataDriftMetricThreshold. Defina como 'Numerical' para o tipo NumericalDataDriftMetricThreshold.	'Categórico' 'Numérico' (obrigatório)
limiar	O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada.	MonitoramentoLimiar

DataDriftMonitoringSignal

Nome	Descrição	Valor
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
funcionalidades	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)
Tipo de sinal	[Obrigatório] Especifica o tipo de sinal a monitorar.	'DataDrift' (obrigatório)

DataDriftMonitoringSignalFeatureDataTypeOverride

Nome	Descrição	Valor

DataQualityMetricThresholdBase

Nome	Descrição	Valor
Tipo de dados	Defina como 'Categorical' para o tipo CategoricalDataQualityMetricThreshold. Defina como 'Numerical' para o tipo NumericalDataQualityMetricThreshold.	'Categórico' 'Numérico' (obrigatório)
limiar	O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada.	MonitoramentoLimiar

DataQualityMonitoringSignal

Nome	Descrição	Valor
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
funcionalidades	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)
Tipo de sinal	[Obrigatório] Especifica o tipo de sinal a monitorar.	'DataQuality' (obrigatório)

DataQualityMonitoringSignalFeatureDataTypeOverride

Nome	Descrição	Valor

DistributionConfiguration

Nome	Descrição	Valor
tipo de distribuição	Defina como 'Mpi' para o tipo Mpi. Defina como 'PyTorch' para o tipo PyTorch. Defina como 'TensorFlow' para o tipo TensorFlow.	«Mpi» 'PyTorch' 'TensorFlow' (obrigatório)

Política de Rescisão Antecipada

Nome	Descrição	Valor
delayAvaliação	Número de intervalos para adiar a primeira avaliação.	Int
avaliaçãoIntervalo	Intervalo (número de execuções) entre avaliações de políticas.	Int
policyType	Defina como 'Bandit' para o tipo BanditPolicy. Defina como 'MedianStopping' para o tipo MedianStoppingPolicy. Defina como 'TruncationSelection' para o tipo TruncationSelectionPolicy.	'Bandido' 'MedianStopping' 'TruncationSelection' (obrigatório)

EndpointScheduleAction

Nome	Descrição	Valor
tipo de ação	[Obrigatório] Especifica o tipo de ação da agenda	'InvokeBatchEndpoint' (obrigatório)
endpointInvocationDefinition	[Obrigatório] Define os detalhes da definição da ação Agendar. <ver href="TBD" />	qualquer (obrigatório)

FeatureAttributionDriftMonitoringSignal

Nome	Descrição	Valor
featureDataTypeOverride	Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados.	FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	[Obrigatório] As configurações para a importância do recurso de computação.	FeatureImportanceSettings (obrigatório)
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)
Tipo de sinal	[Obrigatório] Especifica o tipo de sinal a monitorar.	'FeatureAttributionDrift' (obrigatório)

FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride

Nome	Descrição	Valor

FeatureAttributionMetricThreshold

Nome	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.	MonitoramentoLimiar

FeatureImportanceSettings

Nome	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.	cadeia (de caracteres)

FeatureSubset

Nome	Descrição	Valor
funcionalidades	[Obrigatório] A lista de recursos a serem incluídos.	string[] (obrigatório)
Tipo de filtro	[Obrigatório] Especifica o filtro de recursos a ser aproveitado ao selecionar recursos para calcular métricas.	'FeatureSubset' (obrigatório)

FixedInputData

Nome	Descrição	Valor
inputDataType	[Obrigatório] Especifica o tipo de sinal a monitorar.	'Fixo' (obrigatório)

ForecastHorizon

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoForecastHorizon. Defina como 'Custom' para o tipo CustomForecastHorizon.	'Auto' 'Personalizado' (obrigatório)

Previsão

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	TableVerticalFeaturizationSettings
previsãoConfigurações	Previsão de entradas específicas da tarefa.	PrevisãoConfigurações
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.	NCrossValidações
primaryMetric	Métrica primária para a tarefa de previsão.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'Correlação de Spearman'
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	«Previsão» (obrigatório)
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.	PrevisãoFormaçãoConfigurações
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.	cadeia (de caracteres)

PrevisãoConfigurações

Nome	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".	cadeia (de caracteres)
cvStepTamanho	Número de períodos entre a hora de origem de uma dobra CV e a dobra seguinte. Para a exemplo, se CVStepSize = 3 para dados diários, o tempo de origem para cada dobra será com três dias de intervalo.	Int
featureLags	Sinalizador para gerar atrasos para os recursos numéricos com 'auto' ou null.	'Auto' 'Nenhuma'
forecastHorizon	O horizonte máximo de previsão desejado em unidades de frequência de séries cronológicas.	ForecastHorizon
frequência	Ao fazer a previsão, este parâmetro representa o período com o qual a previsão é desejada, por exemplo, diariamente, semanalmente, anualmente, etc. A frequência de previsão é a frequência do conjunto de dados por padrão.	cadeia (de caracteres)
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.	cadeia (de caracteres)
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'

PrevisãoFormaçãoConfigurações

Nome	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' 'Média sazonal' 'SazonalNaive' «SGD» «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' 'Média sazonal' 'SazonalNaive' «SGD» «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.	cadeia (de caracteres)
stackEnsembleSettings	Configurações de conjunto de pilha para execução de conjunto de pilha.	StackEnsembleSettings

GridSamplingAlgorithm

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

IdentityConfiguration

Nome	Descrição	Valor
tipo de identidade	Defina como 'AMLToken' para o tipo AmlToken. Defina como 'Managed' para o tipo ManagedIdentity. Defina como 'UserIdentity' para o tipo UserIdentity.	'AMLToken' 'Gerido' 'UserIdentity' (obrigatório)

ImageClassification

Nome	Descrição	Valor
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.	'Precisão' 'AUCWeighted' '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
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageClassification' (obrigatório)
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

ImageClassificationMultilabel

Nome	Descrição	Valor
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.	'Precisão' 'AUCWeighted' '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
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageClassificationMultilabel' (obrigatório)
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

Nome	Descrição	Valor
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
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageInstanceSegmentation' (obrigatório)
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

Nome	Descrição	Valor
maxConcurrentTrials	Número máximo de iterações simultâneas do AutoML.	Int
maxEnsaios	Número máximo de iterações AutoML.	Int
tempo de espera	Tempo limite do trabalho AutoML.	cadeia (de caracteres)

ImageModelDistributionSettingsClassification

Nome	Descrição	Valor
amsGradiente	Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'.	cadeia (de caracteres)
aumentos	Configurações para usar Aumentos.	cadeia (de caracteres)
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
distribuído	Se deve ou não usar o treinamento de distribuidor.	cadeia (de caracteres)
Parar cedoParar	Habilite a lógica de parada precoce durante o treinamento.	cadeia (de caracteres)
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.	cadeia (de caracteres)
cedoParandoPaciência	Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo.	cadeia (de caracteres)
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	cadeia (de caracteres)
avaliaçãoFrequência	Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo.	cadeia (de caracteres)
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.	cadeia (de caracteres)
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.	cadeia (de caracteres)
learningRate	Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
aprendizagemRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'.	cadeia (de caracteres)
nome do 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.	cadeia (de caracteres)
Dinâmica	Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
Nesterov	Ative o nesterov quando o otimizador for 'sgd'.	cadeia (de caracteres)
númeroDasÉpocas	Número de épocas de formação. Deve ser um número inteiro positivo.	cadeia (de caracteres)
númeroDeTrabalhadores	Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo.	cadeia (de caracteres)
otimizador	Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'.	cadeia (de caracteres)
randomSemente	Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico.	cadeia (de caracteres)
stepLRGamma	Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo.	cadeia (de caracteres)
formaçãoBatchSize	Tamanho do lote de treinamento. Deve ser um número inteiro positivo.	cadeia (de caracteres)
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.	cadeia (de caracteres)
validaçãoBatchSize	Tamanho do lote de validação. Deve ser um número inteiro positivo.	cadeia (de caracteres)
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.	cadeia (de caracteres)
validationResizeSize	Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um número inteiro positivo.	cadeia (de caracteres)
aquecimentoCosineLRCycles	Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
aquecimentoCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo.	cadeia (de caracteres)
pesoDecaimento	Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1].	cadeia (de caracteres)
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.	cadeia (de caracteres)

ImageModelDistributionSettingsObjectDetection

Nome	Descrição	Valor
amsGradiente	Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'.	cadeia (de caracteres)
aumentos	Configurações para usar Aumentos.	cadeia (de caracteres)
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
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'.	cadeia (de caracteres)
boxScoreThreshold	Durante a inferência, apenas retornam propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um flutuador na faixa[0, 1].	cadeia (de caracteres)
distribuído	Se deve ou não usar o treinamento de distribuidor.	cadeia (de caracteres)
Parar cedoParar	Habilite a lógica de parada precoce durante o treinamento.	cadeia (de caracteres)
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.	cadeia (de caracteres)
cedoParandoPaciência	Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo.	cadeia (de caracteres)
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	cadeia (de caracteres)
avaliaçãoFrequência	Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo.	cadeia (de caracteres)
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.	cadeia (de caracteres)
tamanho da imagem	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'.	cadeia (de caracteres)
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.	cadeia (de caracteres)
learningRate	Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
aprendizagemRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'.	cadeia (de caracteres)
tamanhoMáximo	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'.	cadeia (de caracteres)
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'.	cadeia (de caracteres)
nome do 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.	cadeia (de caracteres)
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'.	cadeia (de caracteres)
Dinâmica	Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
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'.	cadeia (de caracteres)
Nesterov	Ative o nesterov quando o otimizador for 'sgd'.	cadeia (de caracteres)
nmsIouThreshold	Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser flutuante no intervalo [0, 1].	cadeia (de caracteres)
númeroDasÉpocas	Número de épocas de formação. Deve ser um número inteiro positivo.	cadeia (de caracteres)
númeroDeTrabalhadores	Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo.	cadeia (de caracteres)
otimizador	Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'.	cadeia (de caracteres)
randomSemente	Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico.	cadeia (de caracteres)
stepLRGamma	Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo.	cadeia (de caracteres)
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'.	cadeia (de caracteres)
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'.	cadeia (de caracteres)
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	cadeia (de caracteres)
formaçãoBatchSize	Tamanho do lote de treinamento. Deve ser um número inteiro positivo.	cadeia (de caracteres)
validaçãoBatchSize	Tamanho do lote de validação. Deve ser um número inteiro positivo.	cadeia (de caracteres)
validaçãoIouThreshold	Limite de UO a ser usado ao calcular a métrica de validação. Deve ser flutuante no intervalo [0, 1].	cadeia (de caracteres)
validaçãoMetricType	Método de cálculo métrico a utilizar para métricas de validação. Deve ser 'nenhum', 'coco', 'voc' ou 'coco_voc'.	cadeia (de caracteres)
aquecimentoCosineLRCycles	Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
aquecimentoCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo.	cadeia (de caracteres)
pesoDecaimento	Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1].	cadeia (de caracteres)

ImageModelSettingsClassification

Nome	Descrição	Valor
avançadoConfigurações	Configurações para cenários avançados.	cadeia (de caracteres)
amsGradiente	Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'.	Bool
aumentos	Configurações para usar Aumentos.	cadeia (de caracteres)
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.	cadeia (de caracteres)
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 do 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.	cadeia (de caracteres)
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

ImageModelSettingsObjectDetection

Nome	Descrição	Valor
avançadoConfigurações	Configurações para cenários avançados.	cadeia (de caracteres)
amsGradiente	Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'.	Bool
aumentos	Configurações para usar Aumentos.	cadeia (de caracteres)
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.	cadeia (de caracteres)
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
tamanho da imagem	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'
tamanhoMáximo	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 do 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.	cadeia (de caracteres)
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'.	cadeia (de caracteres)
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

ImageObjectDetection

Nome	Descrição	Valor
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
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageObjectDetection' (obrigatório)
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

ImageSweepSettings

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

JobBaseProperties

Nome	Descrição	Valor
componentId	ID do recurso ARM do recurso componente.	cadeia (de caracteres)
computeId	ID do recurso ARM do recurso de computação.	cadeia (de caracteres)
descrição	O texto da descrição do ativo.	cadeia (de caracteres)
nome de exibição	Exibir nome do trabalho.	cadeia (de caracteres)
nome da experiência	O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão".	cadeia (de caracteres)
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
Tipo de trabalho	Defina como 'AutoML' para o tipo AutoMLJob. Defina como 'Command' para o tipo CommandJob. Defina como 'Pipeline' para o tipo PipelineJob. Defina como 'Spark' para o tipo SparkJob. Defina como 'Sweep' para o tipo SweepJob.	'AutoML' 'Comando' 'Gasoduto' 'Faísca' 'Varredura' (obrigatório)
notificationSetting	Configuração de notificação para o trabalho	NotificationSetting
propriedades	O dicionário de propriedades de ativos.	ResourceBaseProperties
serviços	Lista de JobEndpoints. Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.	JobBaseServices
etiquetas	Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas.	ResourceBaseTags

JobBaseServices

Nome	Descrição	Valor

JobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	cadeia (de caracteres)
jobInputType	Defina como 'custom_model' para o tipo CustomModelJobInput. Defina como 'literal' para o tipo LiteralJobInput. Defina como 'mlflow_model' para o tipo MLFlowModelJobInput. Defina como 'mltable' para o tipo MLTableJobInput. Defina como 'triton_model' para o tipo TritonModelJobInput. Defina como 'uri_file' para o tipo UriFileJobInput. Defina como 'uri_folder' para o tipo UriFolderJobInput.	'custom_model' 'literal' 'mlflow_model' 'Mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)

JobOutput

Nome	Descrição	Valor
descrição	Descrição da saída.	cadeia (de caracteres)
jobOutputType	Defina como 'custom_model' para o tipo CustomModelJobOutput. Defina como 'mlflow_model' para o tipo MLFlowModelJobOutput. Defina como 'mltable' para o tipo MLTableJobOutput. Defina como 'triton_model' para o tipo TritonModelJobOutput. Defina como 'uri_file' para o tipo UriFileJobOutput. Defina como 'uri_folder' para o tipo UriFolderJobOutput.	'custom_model' 'mlflow_model' 'Mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)

JobResourceConfiguration

Nome	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.	cadeia (de caracteres)
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.	cadeia (de caracteres)
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).	cadeia de caracteres Restrições: Padrão = \d+[bBkKmMgG]

JobScheduleAction

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

Serviço de Emprego

Nome	Descrição	Valor
ponto final	Url para o ponto de extremidade.	cadeia (de caracteres)
jobServiceType	Tipo de ponto final.	cadeia (de caracteres)
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.	Nós
porta	Porta para endpoint.	Int
propriedades	Propriedades adicionais a serem definidas no ponto de extremidade.	JobServiceProperties

JobServiceProperties

Nome	Descrição	Valor

LiteralJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'literal' (obrigatório)
valor	[Obrigatório] Valor literal para a entrada.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

ManagedComputeIdentity

Nome	Descrição	Valor
computeIdentityType	[Obrigatório] Especifica o tipo de identidade a ser usada nos trabalhos de monitoramento.	'ManagedIdentity' (obrigatório)
identidade	A identidade que será alavancada pelos trabalhos de monitoramento.	ManagedServiceIdentity

Identidade gerenciada

Nome	Descrição	Valor
ID do cliente	Especifica uma identidade atribuída pelo usuário por ID do cliente. Para sistema atribuído, não defina este campo.	cadeia de caracteres Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
tipo de identidade	[Obrigatório] Especifica o tipo de estrutura de identidade.	'Gerenciado' (obrigatório)
objectId	Especifica uma identidade atribuída pelo usuário por ID de objeto. Para sistema atribuído, não defina este campo.	cadeia de caracteres Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identificadorDeRecurso	Especifica uma identidade atribuída pelo usuário por ID de recurso ARM. Para sistema atribuído, não defina este campo.	cadeia (de caracteres)

Identidade de Serviço Gerido (ManagedServiceIdentity)

Nome	Descrição	Valor
tipo	Tipo de identidade de serviço gerenciado (onde os tipos SystemAssigned e UserAssigned são permitidos).	'Nenhuma' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (obrigatório)
identidades atribuídas pelo utilizador	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 do dicionário podem ser objetos vazios ({}) em solicitações.	UserAssignedIdentities

MedianStoppingPolicy

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

MLFlowModelJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'mlflow_model' (obrigatório)
modo	Modo de entrega de ativos de entrada.	'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

MLFlowModelJobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	cadeia (de caracteres)
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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

MLFlowModelJobOutput

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

MLTableJobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	cadeia (de caracteres)
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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

MLTableJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'mltable' (obrigatório)
modo	Modo de entrega de ativos de entrada.	'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

MLTableJobOutput

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

MonitorComputeConfigurationBase

Nome	Descrição	Valor
computeType	Defina como 'ServerlessSpark' para o tipo MonitorServerlessSparkCompute.	'ServerlessSpark' (obrigatório)

MonitorComputeIdentityBase

Nome	Descrição	Valor
computeIdentityType	Defina como 'AmlToken' para o tipo AmlTokenComputeIdentity. Defina como 'ManagedIdentity' para o tipo ManagedComputeIdentity.	'AmlToken' 'ManagedIdentity' (obrigatório)

MonitorDefinition

Nome	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	As entidades visadas pelo monitor.	MonitorizaçãoAlvo
sinais	[Obrigatório] Os sinais a monitorizar.	MonitorDefinitionSignals (obrigatório)

MonitorDefinitionSignals

Nome	Descrição	Valor

MonitorEmailNotificationSettings

Nome	Descrição	Valor
e-mails	A lista de destinatários de e-mail que tem uma limitação de 499 caracteres no total.	string[]

MonitoringFeatureFilterBase

Nome	Descrição	Valor
Tipo de filtro	Defina como 'AllFeatures' para o tipo AllFeatures. Defina como 'FeatureSubset' para o tipo FeatureSubset. Defina como 'TopNByAttribution' para o tipo TopNFeaturesByAttribution.	'Todos os recursos' 'FeatureSubset' 'TopNByAttribution' (obrigatório)

MonitoringInputDataBase

Nome	Descrição	Valor
colunas	Mapeamento de nomes de colunas para usos especiais.	MonitoringInputDataBaseColumns
dataContext	Os metadados de contexto da fonte de dados.	cadeia (de caracteres)
inputDataType	Defina como 'Fixo' para o tipo FixedInputData. Defina como 'Rolling' para o tipo RollingInputData. Defina como 'Static' para o tipo StaticInputData.	'Fixo' 'Rolagem' 'Estática' (obrigatório)
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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

MonitoringInputDataBaseColumns

Nome	Descrição	Valor

MonitoringSignalBase

Nome	Descrição	Valor
notificationTypes	O modo de notificação atual para este sinal.	Matriz de cadeia de caracteres contendo qualquer uma das: 'AmlNotification'
propriedades	Dicionário de propriedades. As propriedades podem ser adicionadas, mas não removidas ou alteradas.	MonitoringSignalBaseProperties
Tipo de sinal	Defina como 'Custom' para o tipo CustomMonitoringSignal. Defina como 'DataDrift' para o tipo DataDriftMonitoringSignal. Defina como 'DataQuality' para o tipo DataQualityMonitoringSignal. Defina como 'FeatureAttributionDrift' para o tipo FeatureAttributionDriftMonitoringSignal. Defina como 'PredictionDrift' para o tipo PredictionDriftMonitoringSignal.	'Personalizado' 'DataDrift' 'Qualidade de dados' 'FeatureAttributionDrift' 'PredictionDrift' (obrigatório)

MonitoringSignalBaseProperties

Nome	Descrição	Valor

MonitorizaçãoAlvo

Nome	Descrição	Valor
deploymentId	Referência ao ativo de implantação visado por este monitor.	cadeia (de caracteres)
modelId	Referência ao ativo modelo visado por este monitor.	cadeia (de caracteres)
Tipo de tarefa	[Obrigatório] O tipo de tarefa de aprendizado de máquina do modelo monitorado.	'Classificação' 'Regressão' (obrigatório)

MonitoramentoLimiar

Nome	Descrição	Valor
valor	O valor limite. Se null, o padrão definido depende do tipo de métrica.	Int

MonitorNotificationSettings

Nome	Descrição	Valor
emailNotificationSettings	As configurações de e-mail de notificação AML.	MonitorEmailNotificationSettings

MonitorServerlessSparkCompute

Nome	Descrição	Valor
computeIdentity	[Obrigatório] O esquema de identidade aproveitado pelos trabalhos de faísca em execução no Spark sem servidor.	MonitorComputeIdentityBase (obrigatório)
computeType	[Obrigatório] Especifica o tipo de sinal a monitorar.	'ServerlessSpark' (obrigatório)
tipo de instância	[Obrigatório] O tipo de instância que executa o trabalho do Spark.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
runtimeVersion	[Obrigatório] A versão de tempo de execução do Spark.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = ^[0-9]+\.[0-9]+$ (obrigatório)

Mpi

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

NCrossValidações

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoNCrossValidations. Defina como 'Custom' para o tipo CustomNCrossValidations.	'Auto' 'Personalizado' (obrigatório)

NlpVerticalFeaturizationSettings

Nome	Descrição	Valor
conjunto de dadosLinguagem	Linguagem do conjunto de dados, útil para os dados de texto.	cadeia (de caracteres)

NlpVerticalLimitSettings

Nome	Descrição	Valor
maxConcurrentTrials	Máximo de iterações simultâneas do AutoML.	Int
maxEnsaios	Número de iterações AutoML.	Int
tempo de espera	Tempo limite do trabalho AutoML.	cadeia (de caracteres)

Nodos

Nome	Descrição	Valor
nósValueType	Defina como 'Todos' para o tipo AllNodes.	'Todos' (obrigatório)

NotificationSetting

Nome	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

Nome	Descrição	Valor

NumericalDataDriftMetricThreshold

Nome	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)

NumericalDataQualityMetricThreshold

Nome	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)

NumericalPredictionDriftMetricThreshold

Nome	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)

Objetivo

Nome	Descrição	Valor
objetivo	[Obrigatório] Define metas métricas suportadas para ajuste de hiperparâmetros	'Maximizar' 'Minimizar' (obrigatório)
primaryMetric	[Obrigatório] Nome da métrica a ser otimizada.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

PipelineJob

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

PipelineJobInputs

Nome	Descrição	Valor

PipelineJobJobs

Nome	Descrição	Valor

PipelineJobSaídas

Nome	Descrição	Valor

PrevisãoDriftMetricThresholdBase

Nome	Descrição	Valor
Tipo de dados	Defina como 'Categorical' para o tipo CategoricalPredictionDriftMetricThreshold. Defina como 'Numerical' para o tipo NumericalPredictionDriftMetricThreshold.	'Categórico' 'Numérico' (obrigatório)
limiar	O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada.	MonitoramentoLimiar

PrevisãoDriftMonitoramentoSinal

Nome	Descrição	Valor
featureDataTypeOverride	Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados.	PredictionDriftMonitoringSignalFeatureDataTypeOverride
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)
Tipo de sinal	[Obrigatório] Especifica o tipo de sinal a monitorar.	'PredictionDrift' (obrigatório)

PredictionDriftMonitoringSignalFeatureDataTypeOverride

Nome	Descrição	Valor

PyTorch

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

Configurações da fila

Nome	Descrição	Valor
nível de trabalho	Controla a camada de trabalho de computação	'Básico' 'Nulo' 'Premium' 'Mancha' 'Padrão'

RandomSamplingAlgorithm

Nome	Descrição	Valor
regra	O tipo específico de algoritmo aleatório	'Aleatório' 'Sobol'
samplingAlgorithmType	[Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração	'Aleatório' (obrigatório)
sementes	Um inteiro opcional para usar como semente para geração de números aleatórios	Int

RecorrênciaCronograma

Nome	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'

RecorrênciaTrigger

Nome	Descrição	Valor
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)
cronograma	O esquema de recorrência.	RecorrênciaCronograma
Tipo de gatilho	[Obrigatório]	«Recorrência» (obrigatório)

Regressão

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	TableVerticalLimitSettings
nValidações cruzadas	Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido.	NCrossValidações
primaryMetric	Métrica primária para tarefa de regressão.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'Correlação de Spearman'
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'Regressão' (obrigatório)
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.	cadeia (de caracteres)

RegressionTrainingSettings

Nome	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.	cadeia (de caracteres)
stackEnsembleSettings	Configurações de conjunto de pilha para execução de conjunto de pilha.	StackEnsembleSettings

ResourceBaseProperties

Nome	Descrição	Valor

ResourceBaseProperties

Nome	Descrição	Valor

ResourceBaseTags

Nome	Descrição	Valor

ResourceBaseTags

Nome	Descrição	Valor

ResourceConfigurationProperties

Nome	Descrição	Valor

RollingInputData

Nome	Descrição	Valor
inputDataType	[Obrigatório] Especifica o tipo de sinal a monitorar.	'Laminação' (obrigatório)
pré-processamentoComponentId	Referência ao ativo do componente usado para pré-processar os dados.	cadeia (de caracteres)
windowDeslocamento	[Obrigatório] O deslocamento de tempo entre o final da janela de dados e o tempo de execução atual do monitor.	string (obrigatório)
tamanho da janela	[Obrigatório] O tamanho da janela de dados contínuos.	string (obrigatório)

SamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	Defina como 'Bayesian' para o tipo BayesianSamplingAlgorithm. Defina como 'Grid' para o tipo GridSamplingAlgorithm. Defina como 'Random' para o tipo RandomSamplingAlgorithm.	'Bayesiano' 'Grade' 'Aleatório' (obrigatório)

ScheduleActionBase

Nome	Descrição	Valor
tipo de ação	Defina como 'CreateJob' para o tipo JobScheduleAction. Defina como 'CreateMonitor' para o tipo CreateMonitorAction. Defina como 'InvokeBatchEndpoint' para o tipo EndpointScheduleAction.	'CriarEmprego' 'CreateMonitor' 'InvokeBatchEndpoint' (obrigatório)

ScheduleProperties

Nome	Descrição	Valor
ação	[Obrigatório] Especifica a ação da agenda	ScheduleActionBase (obrigatório)
descrição	O texto da descrição do ativo.	cadeia (de caracteres)
nome de exibição	Nome de exibição da agenda.	cadeia (de caracteres)
estáAtivado	O agendamento está habilitado?	Bool
propriedades	O dicionário de propriedades de ativos.	ResourceBaseProperties
etiquetas	Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas.	ResourceBaseTags
accionador	[Obrigatório] Especifica os detalhes do gatilho	TriggerBase (obrigatório)

Sazonalidade

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoSeasonality. Defina como 'Custom' para o tipo CustomSeasonality.	'Auto' 'Personalizado' (obrigatório)

Faísca

Nome	Descrição	Valor
Arquivos	Arquivar arquivos usados no trabalho.	string[]
Args	Argumentos a favor do trabalho.	cadeia (de caracteres)
codeId	[Obrigatório] arm-id do ativo de código.	string (obrigatório)
conf	Propriedades configuradas do Spark.	SparkJobConf
introdução	[Obrigatório] A entrada para executar na inicialização do trabalho.	SparkJobEntry (obrigatório)
environmentId	O ID do recurso ARM da especificação Ambiente para o trabalho.	cadeia (de caracteres)
variáveis de ambiente	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[]
Tipo de trabalho	[Obrigatório] Especifica o tipo de trabalho.	'Faísca' (obrigatório)
saídas	Mapeamento das ligações de dados de saída usadas no trabalho.	SparkJobOutputs
Ficheiros py	Arquivos Python usados no trabalho.	string[]
queueSettings	Configurações de fila para o trabalho	Configurações da fila
Recursos	Configuração de recursos de computação para o trabalho.	SparkResourceConfiguration

SparkJobConf

Nome	Descrição	Valor

SparkJobEntry

Nome	Descrição	Valor
sparkJobEntryType	Defina como 'SparkJobPythonEntry' para o tipo SparkJobPythonEntry. Defina como 'SparkJobScalaEntry' para o tipo SparkJobScalaEntry.	'SparkJobPythonEntry' 'SparkJobScalaEntry' (obrigatório)

SparkJobEnvironmentVariables

Nome	Descrição	Valor

SparkJobInputs

Nome	Descrição	Valor

SparkJobOutputs

Nome	Descrição	Valor

SparkJobPythonEntry

Nome	Descrição	Valor
ficheiro	[Obrigatório] Caminho relativo do arquivo python para o ponto de entrada do trabalho.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
sparkJobEntryType	[Obrigatório] Tipo de ponto de entrada do trabalho.	'SparkJobPythonEntry' (obrigatório)

SparkJobScalaEntry

Nome	Descrição	Valor
className	[Obrigatório] Nome da classe Scala usado como ponto de entrada.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
sparkJobEntryType	[Obrigatório] Tipo de ponto de entrada do trabalho.	'SparkJobScalaEntry' (obrigatório)

SparkResourceConfiguration

Nome	Descrição	Valor
tipo de instância	Tipo opcional de VM usado conforme suportado pelo destino de computação.	cadeia (de caracteres)
runtimeVersion	Versão do tempo de execução do spark usado para o trabalho.	cadeia (de caracteres)

StackEnsembleSettings

Nome	Descrição	Valor
stackMetaLearnerKWargs	Parâmetros opcionais para passar para o inicializador do meta-aluno.	qualquer
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'

StaticInputData

Nome	Descrição	Valor
inputDataType	[Obrigatório] Especifica o tipo de sinal a monitorar.	'Estática' (obrigatório)
pré-processamentoComponentId	Referência ao ativo do componente usado para pré-processar os dados.	cadeia (de caracteres)
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)

Varredura

Nome	Descrição	Valor
Rescisão antecipada	As políticas de rescisão antecipada permitem cancelar execuções com baixo desempenho antes que elas sejam concluídas	Política de Rescisão Antecipada
Insumos	Mapeamento de ligações de dados de entrada usadas no trabalho.	SweepJobInputs
Tipo de trabalho	[Obrigatório] Especifica o tipo de trabalho.	'Varredura' (obrigatório)
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	Configurações da fila
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	qualquer (obrigatório)
avaliação	[Obrigatório] Definição do componente experimental.	TrialComponent (obrigatório)

SweepJobInputs

Nome	Descrição	Valor

SweepJobLimits

Nome	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 de espera	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.	cadeia (de caracteres)
trialTimeout	Valor do tempo limite da Avaliação do Trabalho de Varredura.	cadeia (de caracteres)

SweepJobOutputs

Nome	Descrição	Valor

TableVerticalFeaturizationSettings

Nome	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.	cadeia (de caracteres)
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

Nome	Descrição	Valor

TableVerticalFeaturizationSettingsTransformerParams

Nome	Descrição	Valor

TableVerticalLimitSettings

Nome	Descrição	Valor
habilitarRescisão antecipada	Habilite o encerramento antecipado, determine se o AutoMLJob será encerrado antecipadamente se não houver melhoria de pontuação nas últimas 20 iterações.	Bool
exitScore	Pontuação de saída para o trabalho AutoML.	Int
maxConcurrentTrials	Máximo de iterações simultâneas.	Int
maxCoresPerTrial	Máximo de núcleos por iteração.	Int
maxEnsaios	Número de iterações.	Int
tempo de espera	Tempo limite do trabalho AutoML.	cadeia (de caracteres)
trialTimeout	Tempo limite de iteração.	cadeia (de caracteres)

TargetLags

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoTargetLags. Defina como 'Custom' para o tipo CustomTargetLags.	'Auto' 'Personalizado' (obrigatório)

TargetRollingWindowSize

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoTargetRollingWindowSize. Defina como 'Custom' para o tipo CustomTargetRollingWindowSize.	'Auto' 'Personalizado' (obrigatório)

TensorFlow

Nome	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

Classificação de Texto

Nome	Descrição	Valor
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
primaryMetric	Métrica primária para Text-Classification tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextClassification' (obrigatório)
validaçãoDados	Entradas de dados de validação.	MLTableJobInput

TextClassificationMultilabel

Nome	Descrição	Valor
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextClassificationMultilabel' (obrigatório)
validaçãoDados	Entradas de dados de validação.	MLTableJobInput

TextNer

Nome	Descrição	Valor
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextNER' (obrigatório)
validaçãoDados	Entradas de dados de validação.	MLTableJobInput

TopNFeaturesByAttribution

Nome	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

TrialComponent

Nome	Descrição	Valor
codeId	ID do recurso ARM do ativo de código.	cadeia (de caracteres)
comando	[Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py"	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
variáveis de ambiente	Variáveis de ambiente incluídas no trabalho.	TrialComponentEnvironmentVariables
Recursos	Configuração de recursos de computação para o trabalho.	JobResourceConfiguration

TrialComponentEnvironmentVariables

Nome	Descrição	Valor

Base de gatilhos

Nome	Descrição	Valor
Hora de Término	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	cadeia (de caracteres)
horaDeInício	Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC.	cadeia (de caracteres)
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?view=windows-11	cadeia (de caracteres)
Tipo de gatilho	Defina como 'Cron' para o tipo CronTrigger. Defina como 'Recorrência' para o tipo RecurrenceTrigger.	'Cron' «Recorrência» (obrigatório)

TritonModelJobInput

Nome	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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

TritonModelJobOutput

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

TruncationSelectionPolicy

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

UriFileJobInput

Nome	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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

UriFileJobOutput

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

UriFolderJobInput

Nome	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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

UriFolderJobOutput

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

UserAssignedIdentities

Nome	Descrição	Valor

IdentidadeAtribuídaPeloUtilizador

Nome	Descrição	Valor

Identidade do usuário

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

Gancho de teia

Nome	Descrição	Valor
tipo de evento	Enviar retorno de chamada em um evento de notificação especificado	cadeia (de caracteres)
webhookType	Defina como 'AzureDevOps' para o tipo AzureDevOpsWebhook.	'AzureDevOps' (obrigatório)

Exemplos de uso

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@2025-04-01"
  name = "string"
  parent_id = "string"
  body = {
    properties = {
      action = {
        actionType = "string"
        // For remaining properties, see ScheduleActionBase objects
      }
      description = "string"
      displayName = "string"
      isEnabled = bool
      properties = {
        {customized property} = "string"
      }
      tags = {
        {customized property} = "string"
      }
      trigger = {
        endTime = "string"
        startTime = "string"
        timeZone = "string"
        triggerType = "string"
        // For remaining properties, see TriggerBase objects
      }
    }
  }
}

Objetos IdentityConfiguration

Defina a propriedade identityType para especificar o tipo de objeto.

Para AMLToken, utilize:

{
  identityType = "AMLToken"
}

Para Gerenciado, use:

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

Para UserIdentity, use:

{
  identityType = "UserIdentity"
}

Objetos MonitorComputeConfigurationBase

Defina a propriedade computeType para especificar o tipo de objeto.

Para ServerlessSpark, use:

{
  computeIdentity = {
    computeIdentityType = "string"
    // For remaining properties, see MonitorComputeIdentityBase objects
  }
  computeType = "ServerlessSpark"
  instanceType = "string"
  runtimeVersion = "string"
}

Objetos NCrossValidations

Defina a propriedade mode para especificar o tipo de objeto.

Para Auto, use:

{
  mode = "Auto"
}

Para Personalizado, use:

{
  mode = "Custom"
  value = int
}

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"
    }
    services = {
      {customized property} = {
        endpoint = "string"
        jobServiceType = "string"
        nodes = {
          nodesValueType = "string"
          // For remaining properties, see Nodes objects
        }
        port = int
        properties = {
          {customized property} = "string"
        }
      }
    }
    tags = {
      {customized property} = "string"
    }
    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 InvokeBatchEndpoint, use:

{
  actionType = "InvokeBatchEndpoint"
  endpointInvocationDefinition = ?
}

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 PredictionDriftMetricThresholdBase

Defina a propriedade dataType para especificar o tipo de objeto.

Para Categórico, use:

{
  dataType = "Categorical"
  metric = "string"
}

Para Numérico, use:

{
  dataType = "Numerical"
  metric = "string"
}

Objetos ForecastHorizon

Defina a propriedade mode para especificar o tipo de objeto.

Para Auto, use:

{
  mode = "Auto"
}

Para Personalizado, use:

{
  mode = "Custom"
  value = int
}

Objetos TriggerBase

Defina a propriedade triggerType para especificar o tipo de objeto.

Para Cron, utilize:

{
  expression = "string"
  triggerType = "Cron"
}

Para Recorrência, use:

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

Objetos de nós

Defina a propriedade nodesValueType para especificar o tipo de objeto.

Para todos, use:

{
  nodesValueType = "All"
}

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 AutoMLVertical

Defina a propriedade taskType para especificar o tipo de objeto.

Para Classificação, use:

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

Para Previsão, use:

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

Para ImageClassification, use:

{
  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"
  }
  taskType = "ImageClassification"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

Para ImageClassificationMultilabel, use:

{
  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"
  }
  taskType = "ImageClassificationMultilabel"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

Para ImageInstanceSegmentation, use:

{
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    boxDetectionsPerImage = int
    boxScoreThreshold = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    imageSize = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    maxSize = int
    minSize = int
    modelName = "string"
    modelSize = "string"
    momentum = int
    multiScale = bool
    nesterov = bool
    nmsIouThreshold = int
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    tileGridSize = "string"
    tileOverlapRatio = int
    tilePredictionsNmsThreshold = int
    trainingBatchSize = int
    validationBatchSize = int
    validationIouThreshold = int
    validationMetricType = "string"
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
  }
  primaryMetric = "string"
  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"
  }
  taskType = "ImageInstanceSegmentation"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

Para ImageObjectDetection, use:

{
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    boxDetectionsPerImage = int
    boxScoreThreshold = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    imageSize = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    maxSize = int
    minSize = int
    modelName = "string"
    modelSize = "string"
    momentum = int
    multiScale = bool
    nesterov = bool
    nmsIouThreshold = int
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    tileGridSize = "string"
    tileOverlapRatio = int
    tilePredictionsNmsThreshold = int
    trainingBatchSize = int
    validationBatchSize = int
    validationIouThreshold = int
    validationMetricType = "string"
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
  }
  primaryMetric = "string"
  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"
  }
  taskType = "ImageObjectDetection"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

Para Regressão, use:

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

Para TextClassification, use:

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

Para TextClassificationMultilabel, use:

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

Para TextNER, use:

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

Objetos DistributionConfiguration

Defina a propriedade distributionType para especificar o tipo de objeto.

Para Mpi, utilize:

{
  distributionType = "Mpi"
  processCountPerInstance = int
}

Para PyTorch, use:

{
  distributionType = "PyTorch"
  processCountPerInstance = int
}

Para TensorFlow, use:

{
  distributionType = "TensorFlow"
  parameterServerCount = int
  workerCount = int
}

Objetos MonitoringInputDataBase

Defina a propriedade inputDataType para especificar o tipo de objeto.

Para Fixo, use:

{
  inputDataType = "Fixed"
}

Para laminação, use:

{
  inputDataType = "Rolling"
  preprocessingComponentId = "string"
  windowOffset = "string"
  windowSize = "string"
}

Para estático , use:

{
  inputDataType = "Static"
  preprocessingComponentId = "string"
  windowEnd = "string"
  windowStart = "string"
}

Objetos JobBaseProperties

Defina a propriedade jobType para especificar o tipo de objeto.

Para AutoML, use:

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

Para Comando, use:

{
  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
    }
  }
  jobType = "Command"
  limits = {
    jobLimitsType = "string"
    timeout = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    properties = {
      {customized property} = ?
    }
    shmSize = "string"
  }
}

Para Pipeline, use:

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

Para o Spark, utilize:

{
  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"
  ]
  jobType = "Spark"
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  pyFiles = [
    "string"
  ]
  queueSettings = {
    jobTier = "string"
  }
  resources = {
    instanceType = "string"
    runtimeVersion = "string"
  }
}

Para varredura, use:

{
  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
    }
  }
  jobType = "Sweep"
  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"
  }
  samplingAlgorithm = {
    samplingAlgorithmType = "string"
    // For remaining properties, see SamplingAlgorithm objects
  }
  searchSpace = ?
  trial = {
    codeId = "string"
    command = "string"
    distribution = {
      distributionType = "string"
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId = "string"
    environmentVariables = {
      {customized property} = "string"
    }
    resources = {
      dockerArgs = "string"
      instanceCount = int
      instanceType = "string"
      properties = {
        {customized property} = ?
      }
      shmSize = "string"
    }
  }
}

Objetos MonitoringFeatureFilterBase

Defina a propriedade filterType para especificar o tipo de objeto.

Para AllFeatures, use:

{
  filterType = "AllFeatures"
}

Para FeatureSubset, use:

{
  features = [
    "string"
  ]
  filterType = "FeatureSubset"
}

Para TopNByAttribution, use:

{
  filterType = "TopNByAttribution"
  top = int
}

Objetos JobOutput

Defina a propriedade jobOutputType para especificar o tipo de objeto.

Para custom_model, utilize:

{
  jobOutputType = "custom_model"
  mode = "string"
  uri = "string"
}

Para mlflow_model, utilize:

{
  jobOutputType = "mlflow_model"
  mode = "string"
  uri = "string"
}

Para mltable, use:

{
  jobOutputType = "mltable"
  mode = "string"
  uri = "string"
}

Para triton_model, utilize:

{
  jobOutputType = "triton_model"
  mode = "string"
  uri = "string"
}

Para uri_file, utilize:

{
  jobOutputType = "uri_file"
  mode = "string"
  uri = "string"
}

Para uri_folder, utilize:

{
  jobOutputType = "uri_folder"
  mode = "string"
  uri = "string"
}

Objetos MonitoringSignalBase

Defina a propriedade signalType para especificar o tipo de objeto.

Para Personalizado, use:

{
  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
      }
    }
  ]
  signalType = "Custom"
}

Para DataDrift, use:

{
  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
  }
  signalType = "DataDrift"
}

Para DataQuality, use:

{
  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
  }
  signalType = "DataQuality"
}

Para FeatureAttributionDrift, use:

{
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  featureImportanceSettings = {
    mode = "string"
    targetColumn = "string"
  }
  metricThreshold = {
    metric = "string"
    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
  }
  signalType = "FeatureAttributionDrift"
}

Para PredictionDrift, use:

{
  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
  }
  signalType = "PredictionDrift"
}

Objetos TargetRollingWindowSize

Defina a propriedade mode para especificar o tipo de objeto.

Para Auto, use:

{
  mode = "Auto"
}

Para Personalizado, use:

{
  mode = "Custom"
  value = int
}

Objetos Webhook

Defina a propriedade webhookType para especificar o tipo de objeto.

Para AzureDevOps, use:

{
  webhookType = "AzureDevOps"
}

Objetos de sazonalidade

Defina a propriedade mode para especificar o tipo de objeto.

Para Auto, use:

{
  mode = "Auto"
}

Para Personalizado, use:

{
  mode = "Custom"
  value = int
}

Objetos SparkJobEntry

Defina a propriedade sparkJobEntryType para especificar o tipo de objeto.

Para SparkJobPythonEntry, use:

{
  file = "string"
  sparkJobEntryType = "SparkJobPythonEntry"
}

Para SparkJobScalaEntry, use:

{
  className = "string"
  sparkJobEntryType = "SparkJobScalaEntry"
}

Objetos DataQualityMetricThresholdBase

Defina a propriedade dataType para especificar o tipo de objeto.

Para Categórico, use:

{
  dataType = "Categorical"
  metric = "string"
}

Para Numérico, use:

{
  dataType = "Numerical"
  metric = "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:

{
  rule = "string"
  samplingAlgorithmType = "Random"
  seed = int
}

Objetos DataDriftMetricThresholdBase

Defina a propriedade dataType para especificar o tipo de objeto.

Para Categórico, use:

{
  dataType = "Categorical"
  metric = "string"
}

Para Numérico, use:

{
  dataType = "Numerical"
  metric = "string"
}

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 TargetLags

Defina a propriedade mode para especificar o tipo de objeto.

Para Auto, use:

{
  mode = "Auto"
}

Para Personalizado, use:

{
  mode = "Custom"
  values = [
    int
  ]
}

Valores de propriedade

Microsoft.MachineLearningServices/espaços de trabalho/agendas

Nome	Descrição	Valor
nome	O nome do recurso	cadeia de caracteres Restrições: Padrão = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (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)
tipo	O tipo de recurso	"Microsoft.MachineLearningServices/workspaces/schedules@2025-04-01"

Todos os recursos

Nome	Descrição	Valor
Tipo de filtro	[Obrigatório] Especifica o filtro de recursos a ser aproveitado ao selecionar recursos para calcular métricas.	'AllFeatures' (obrigatório)

AllNodes

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

AmlToken

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

AmlTokenComputeIdentity

Nome	Descrição	Valor
computeIdentityType	[Obrigatório] Especifica o tipo de identidade a ser usada nos trabalhos de monitoramento.	'AmlToken' (obrigatório)

AutoForecastHorizon

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

AutoMLJob

Nome	Descrição	Valor
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.	cadeia (de caracteres)
variáveis de ambiente	Variáveis de ambiente incluídas no trabalho.	AutoMLJobEnvironmentVariables
Tipo de trabalho	[Obrigatório] Especifica o tipo de trabalho.	'AutoML' (obrigatório)
saídas	Mapeamento das ligações de dados de saída usadas no trabalho.	AutoMLJobOutputs
queueSettings	Configurações de fila para o trabalho	Configurações da fila
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

Nome	Descrição	Valor

AutoMLJobOutputs

Nome	Descrição	Valor

AutoMLVertical

Nome	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.	cadeia (de caracteres)
Tipo de tarefa	Defina como 'Classificação' para a classificação do tipo. Defina como 'Previsão' para o tipo Previsão. Defina como 'ImageClassification' para o tipo ImageClassification. Defina como 'ImageClassificationMultilabel' para o tipo ImageClassificationMultilabel. Defina como 'ImageInstanceSegmentation' para o tipo ImageInstanceSegmentation. Defina como 'ImageObjectDetection' para o tipo ImageObjectDetection. Defina como 'Regressão' para o tipo Regressão. Defina como 'TextClassification' para o tipo TextClassification. Defina como 'TextClassificationMultilabel' para o tipo TextClassificationMultilabel. Defina como 'TextNER' para o tipo TextNer.	'Classificação' 'Previsão' 'ImageClassification' 'ImageClassificationMultilabel' 'ImageInstanceSegmentation' 'ImageObjectDetection' 'Regressão' 'Classificação de texto' 'TextClassificationMultilabel' 'TextNER' (obrigatório)
formaçãoDados de formação	[Obrigatório] Introdução de dados de formação.	MLTableJobInput (obrigatório)

AutoNCrossValidações

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

AutoSazonalidade

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

AutoTargetLags

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

AutoTargetRollingWindowSize

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

AzureDevOpsWebhook

Nome	Descrição	Valor
webhookType	[Obrigatório] Especifica o tipo de serviço para enviar um retorno de chamada	'AzureDevOps' (obrigatório)

BanditPolicy

Nome	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

BayesianSamplingAlgorithm

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

CategoricalDataDriftMetricThreshold

Nome	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)

CategoricalDataQualityMetricThreshold

Nome	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)

CategoricalPredictionDriftMetricThreshold

Nome	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)

Classificação

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	TableVerticalLimitSettings
nValidações cruzadas	Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido.	NCrossValidações
rótulo positivo	Rótulo positivo para cálculo de métricas binárias.	cadeia (de caracteres)
primaryMetric	Métrica primária para a tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	«Classificação» (obrigatório)
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.	cadeia (de caracteres)

ClassificaçãoFormaçãoConfigurações

Nome	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.	cadeia (de caracteres)
stackEnsembleSettings	Configurações de conjunto de pilha para execução de conjunto de pilha.	StackEnsembleSettings

ColumnTransformer

Nome	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.	qualquer

CommandJob

Nome	Descrição	Valor
codeId	ID do recurso ARM do ativo de código.	cadeia (de caracteres)
comando	[Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py"	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
variáveis de ambiente	Variáveis de ambiente incluídas no trabalho.	CommandJobEnvironmentVariables
Insumos	Mapeamento de ligações de dados de entrada usadas no trabalho.	CommandJobInputs
Tipo de trabalho	[Obrigatório] Especifica o tipo de trabalho.	'Comando' (obrigatório)
limites	Limite de trabalho de comando.	CommandJobLimits
saídas	Mapeamento das ligações de dados de saída usadas no trabalho.	CommandJobSaídas
queueSettings	Configurações de fila para o trabalho	Configurações da fila
Recursos	Configuração de recursos de computação para o trabalho.	JobResourceConfiguration

CommandJobEnvironmentVariables

Nome	Descrição	Valor

CommandJobInputs

Nome	Descrição	Valor

CommandJobLimits

Nome	Descrição	Valor
jobLimitsType	[Obrigatório] Tipo JobLimit.	'Comando' 'Varredura' (obrigatório)
tempo de espera	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.	cadeia (de caracteres)

CommandJobSaídas

Nome	Descrição	Valor

CreateMonitorAction

Nome	Descrição	Valor
tipo de ação	[Obrigatório] Especifica o tipo de ação da agenda	'CreateMonitor' (obrigatório)
monitorDefinição	[Obrigatório] Define o monitor.	MonitorDefinition (obrigatório)

CronTrigger

Nome	Descrição	Valor
expressão	[Obrigatório] Especifica a expressão cron da agenda. A expressão deve seguir o formato NCronTab.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
Tipo de gatilho	[Obrigatório]	'Cron' (obrigatório)

CustomForecastHorizon

Nome	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)

CustomMetricThreshold

Nome	Descrição	Valor
métrica	[Obrigatório] A métrica definida pelo usuário para calcular.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
limiar	O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada.	MonitoramentoLimiar

CustomModelJobInput

Nome	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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

CustomModelJobOutput

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

CustomMonitoringSignal

Nome	Descrição	Valor
componentId	[Obrigatório] Referência ao ativo de componente usado para calcular as métricas personalizadas.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
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)
Tipo de sinal	[Obrigatório] Especifica o tipo de sinal a monitorar.	'Personalizado' (obrigatório)

CustomMonitoringSignalInputAssets

Nome	Descrição	Valor

CustomMonitoringSignalInputs

Nome	Descrição	Valor

CustomNCrossValidations

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

CustomSeasonality

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

CustomTargetLags

Nome	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)

CustomTargetRollingWindowSize

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

DataDriftMetricThresholdBase

Nome	Descrição	Valor
Tipo de dados	Defina como 'Categorical' para o tipo CategoricalDataDriftMetricThreshold. Defina como 'Numerical' para o tipo NumericalDataDriftMetricThreshold.	'Categórico' 'Numérico' (obrigatório)
limiar	O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada.	MonitoramentoLimiar

DataDriftMonitoringSignal

Nome	Descrição	Valor
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
funcionalidades	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)
Tipo de sinal	[Obrigatório] Especifica o tipo de sinal a monitorar.	'DataDrift' (obrigatório)

DataDriftMonitoringSignalFeatureDataTypeOverride

Nome	Descrição	Valor

DataQualityMetricThresholdBase

Nome	Descrição	Valor
Tipo de dados	Defina como 'Categorical' para o tipo CategoricalDataQualityMetricThreshold. Defina como 'Numerical' para o tipo NumericalDataQualityMetricThreshold.	'Categórico' 'Numérico' (obrigatório)
limiar	O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada.	MonitoramentoLimiar

DataQualityMonitoringSignal

Nome	Descrição	Valor
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
funcionalidades	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)
Tipo de sinal	[Obrigatório] Especifica o tipo de sinal a monitorar.	'DataQuality' (obrigatório)

DataQualityMonitoringSignalFeatureDataTypeOverride

Nome	Descrição	Valor

DistributionConfiguration

Nome	Descrição	Valor
tipo de distribuição	Defina como 'Mpi' para o tipo Mpi. Defina como 'PyTorch' para o tipo PyTorch. Defina como 'TensorFlow' para o tipo TensorFlow.	«Mpi» 'PyTorch' 'TensorFlow' (obrigatório)

Política de Rescisão Antecipada

Nome	Descrição	Valor
delayAvaliação	Número de intervalos para adiar a primeira avaliação.	Int
avaliaçãoIntervalo	Intervalo (número de execuções) entre avaliações de políticas.	Int
policyType	Defina como 'Bandit' para o tipo BanditPolicy. Defina como 'MedianStopping' para o tipo MedianStoppingPolicy. Defina como 'TruncationSelection' para o tipo TruncationSelectionPolicy.	'Bandido' 'MedianStopping' 'TruncationSelection' (obrigatório)

EndpointScheduleAction

Nome	Descrição	Valor
tipo de ação	[Obrigatório] Especifica o tipo de ação da agenda	'InvokeBatchEndpoint' (obrigatório)
endpointInvocationDefinition	[Obrigatório] Define os detalhes da definição da ação Agendar. <ver href="TBD" />	qualquer (obrigatório)

FeatureAttributionDriftMonitoringSignal

Nome	Descrição	Valor
featureDataTypeOverride	Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados.	FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	[Obrigatório] As configurações para a importância do recurso de computação.	FeatureImportanceSettings (obrigatório)
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)
Tipo de sinal	[Obrigatório] Especifica o tipo de sinal a monitorar.	'FeatureAttributionDrift' (obrigatório)

FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride

Nome	Descrição	Valor

FeatureAttributionMetricThreshold

Nome	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.	MonitoramentoLimiar

FeatureImportanceSettings

Nome	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.	cadeia (de caracteres)

FeatureSubset

Nome	Descrição	Valor
funcionalidades	[Obrigatório] A lista de recursos a serem incluídos.	string[] (obrigatório)
Tipo de filtro	[Obrigatório] Especifica o filtro de recursos a ser aproveitado ao selecionar recursos para calcular métricas.	'FeatureSubset' (obrigatório)

FixedInputData

Nome	Descrição	Valor
inputDataType	[Obrigatório] Especifica o tipo de sinal a monitorar.	'Fixo' (obrigatório)

ForecastHorizon

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoForecastHorizon. Defina como 'Custom' para o tipo CustomForecastHorizon.	'Auto' 'Personalizado' (obrigatório)

Previsão

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	TableVerticalFeaturizationSettings
previsãoConfigurações	Previsão de entradas específicas da tarefa.	PrevisãoConfigurações
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.	NCrossValidações
primaryMetric	Métrica primária para a tarefa de previsão.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'Correlação de Spearman'
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	«Previsão» (obrigatório)
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.	PrevisãoFormaçãoConfigurações
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.	cadeia (de caracteres)

PrevisãoConfigurações

Nome	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".	cadeia (de caracteres)
cvStepTamanho	Número de períodos entre a hora de origem de uma dobra CV e a dobra seguinte. Para a exemplo, se CVStepSize = 3 para dados diários, o tempo de origem para cada dobra será com três dias de intervalo.	Int
featureLags	Sinalizador para gerar atrasos para os recursos numéricos com 'auto' ou null.	'Auto' 'Nenhuma'
forecastHorizon	O horizonte máximo de previsão desejado em unidades de frequência de séries cronológicas.	ForecastHorizon
frequência	Ao fazer a previsão, este parâmetro representa o período com o qual a previsão é desejada, por exemplo, diariamente, semanalmente, anualmente, etc. A frequência de previsão é a frequência do conjunto de dados por padrão.	cadeia (de caracteres)
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.	cadeia (de caracteres)
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'

PrevisãoFormaçãoConfigurações

Nome	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' 'Média sazonal' 'SazonalNaive' «SGD» «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' 'Média sazonal' 'SazonalNaive' «SGD» «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.	cadeia (de caracteres)
stackEnsembleSettings	Configurações de conjunto de pilha para execução de conjunto de pilha.	StackEnsembleSettings

GridSamplingAlgorithm

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

IdentityConfiguration

Nome	Descrição	Valor
tipo de identidade	Defina como 'AMLToken' para o tipo AmlToken. Defina como 'Managed' para o tipo ManagedIdentity. Defina como 'UserIdentity' para o tipo UserIdentity.	'AMLToken' 'Gerido' 'UserIdentity' (obrigatório)

ImageClassification

Nome	Descrição	Valor
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.	'Precisão' 'AUCWeighted' '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
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageClassification' (obrigatório)
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

ImageClassificationMultilabel

Nome	Descrição	Valor
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.	'Precisão' 'AUCWeighted' '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
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageClassificationMultilabel' (obrigatório)
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

Nome	Descrição	Valor
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
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageInstanceSegmentation' (obrigatório)
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

Nome	Descrição	Valor
maxConcurrentTrials	Número máximo de iterações simultâneas do AutoML.	Int
maxEnsaios	Número máximo de iterações AutoML.	Int
tempo de espera	Tempo limite do trabalho AutoML.	cadeia (de caracteres)

ImageModelDistributionSettingsClassification

Nome	Descrição	Valor
amsGradiente	Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'.	cadeia (de caracteres)
aumentos	Configurações para usar Aumentos.	cadeia (de caracteres)
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
distribuído	Se deve ou não usar o treinamento de distribuidor.	cadeia (de caracteres)
Parar cedoParar	Habilite a lógica de parada precoce durante o treinamento.	cadeia (de caracteres)
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.	cadeia (de caracteres)
cedoParandoPaciência	Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo.	cadeia (de caracteres)
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	cadeia (de caracteres)
avaliaçãoFrequência	Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo.	cadeia (de caracteres)
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.	cadeia (de caracteres)
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.	cadeia (de caracteres)
learningRate	Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
aprendizagemRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'.	cadeia (de caracteres)
nome do 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.	cadeia (de caracteres)
Dinâmica	Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
Nesterov	Ative o nesterov quando o otimizador for 'sgd'.	cadeia (de caracteres)
númeroDasÉpocas	Número de épocas de formação. Deve ser um número inteiro positivo.	cadeia (de caracteres)
númeroDeTrabalhadores	Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo.	cadeia (de caracteres)
otimizador	Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'.	cadeia (de caracteres)
randomSemente	Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico.	cadeia (de caracteres)
stepLRGamma	Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo.	cadeia (de caracteres)
formaçãoBatchSize	Tamanho do lote de treinamento. Deve ser um número inteiro positivo.	cadeia (de caracteres)
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.	cadeia (de caracteres)
validaçãoBatchSize	Tamanho do lote de validação. Deve ser um número inteiro positivo.	cadeia (de caracteres)
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.	cadeia (de caracteres)
validationResizeSize	Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um número inteiro positivo.	cadeia (de caracteres)
aquecimentoCosineLRCycles	Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
aquecimentoCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo.	cadeia (de caracteres)
pesoDecaimento	Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1].	cadeia (de caracteres)
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.	cadeia (de caracteres)

ImageModelDistributionSettingsObjectDetection

Nome	Descrição	Valor
amsGradiente	Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'.	cadeia (de caracteres)
aumentos	Configurações para usar Aumentos.	cadeia (de caracteres)
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
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'.	cadeia (de caracteres)
boxScoreThreshold	Durante a inferência, apenas retornam propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um flutuador na faixa[0, 1].	cadeia (de caracteres)
distribuído	Se deve ou não usar o treinamento de distribuidor.	cadeia (de caracteres)
Parar cedoParar	Habilite a lógica de parada precoce durante o treinamento.	cadeia (de caracteres)
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.	cadeia (de caracteres)
cedoParandoPaciência	Número mínimo de épocas ou avaliações de validação sem melhoria métrica primária antes a corrida é interrompida. Deve ser um número inteiro positivo.	cadeia (de caracteres)
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	cadeia (de caracteres)
avaliaçãoFrequência	Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo.	cadeia (de caracteres)
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.	cadeia (de caracteres)
tamanho da imagem	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'.	cadeia (de caracteres)
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.	cadeia (de caracteres)
learningRate	Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
aprendizagemRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'.	cadeia (de caracteres)
tamanhoMáximo	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'.	cadeia (de caracteres)
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'.	cadeia (de caracteres)
nome do 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.	cadeia (de caracteres)
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'.	cadeia (de caracteres)
Dinâmica	Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
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'.	cadeia (de caracteres)
Nesterov	Ative o nesterov quando o otimizador for 'sgd'.	cadeia (de caracteres)
nmsIouThreshold	Limiar de UO utilizado durante a inferência no pós-processamento de SMN. Deve ser flutuante no intervalo [0, 1].	cadeia (de caracteres)
númeroDasÉpocas	Número de épocas de formação. Deve ser um número inteiro positivo.	cadeia (de caracteres)
númeroDeTrabalhadores	Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo.	cadeia (de caracteres)
otimizador	Tipo de otimizador. Deve ser 'sgd', 'adam' ou 'adamw'.	cadeia (de caracteres)
randomSemente	Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico.	cadeia (de caracteres)
stepLRGamma	Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo.	cadeia (de caracteres)
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'.	cadeia (de caracteres)
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'.	cadeia (de caracteres)
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	cadeia (de caracteres)
formaçãoBatchSize	Tamanho do lote de treinamento. Deve ser um número inteiro positivo.	cadeia (de caracteres)
validaçãoBatchSize	Tamanho do lote de validação. Deve ser um número inteiro positivo.	cadeia (de caracteres)
validaçãoIouThreshold	Limite de UO a ser usado ao calcular a métrica de validação. Deve ser flutuante no intervalo [0, 1].	cadeia (de caracteres)
validaçãoMetricType	Método de cálculo métrico a utilizar para métricas de validação. Deve ser 'nenhum', 'coco', 'voc' ou 'coco_voc'.	cadeia (de caracteres)
aquecimentoCosineLRCycles	Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1].	cadeia (de caracteres)
aquecimentoCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo.	cadeia (de caracteres)
pesoDecaimento	Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1].	cadeia (de caracteres)

ImageModelSettingsClassification

Nome	Descrição	Valor
avançadoConfigurações	Configurações para cenários avançados.	cadeia (de caracteres)
amsGradiente	Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'.	Bool
aumentos	Configurações para usar Aumentos.	cadeia (de caracteres)
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.	cadeia (de caracteres)
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 do 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.	cadeia (de caracteres)
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

ImageModelSettingsObjectDetection

Nome	Descrição	Valor
avançadoConfigurações	Configurações para cenários avançados.	cadeia (de caracteres)
amsGradiente	Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'.	Bool
aumentos	Configurações para usar Aumentos.	cadeia (de caracteres)
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.	cadeia (de caracteres)
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
tamanho da imagem	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'
tamanhoMáximo	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 do 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.	cadeia (de caracteres)
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'.	cadeia (de caracteres)
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

ImageObjectDetection

Nome	Descrição	Valor
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
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageObjectDetection' (obrigatório)
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

ImageSweepSettings

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

JobBaseProperties

Nome	Descrição	Valor
componentId	ID do recurso ARM do recurso componente.	cadeia (de caracteres)
computeId	ID do recurso ARM do recurso de computação.	cadeia (de caracteres)
descrição	O texto da descrição do ativo.	cadeia (de caracteres)
nome de exibição	Exibir nome do trabalho.	cadeia (de caracteres)
nome da experiência	O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão".	cadeia (de caracteres)
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
Tipo de trabalho	Defina como 'AutoML' para o tipo AutoMLJob. Defina como 'Command' para o tipo CommandJob. Defina como 'Pipeline' para o tipo PipelineJob. Defina como 'Spark' para o tipo SparkJob. Defina como 'Sweep' para o tipo SweepJob.	'AutoML' 'Comando' 'Gasoduto' 'Faísca' 'Varredura' (obrigatório)
notificationSetting	Configuração de notificação para o trabalho	NotificationSetting
propriedades	O dicionário de propriedades de ativos.	ResourceBaseProperties
serviços	Lista de JobEndpoints. Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.	JobBaseServices
etiquetas	Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas.	ResourceBaseTags

JobBaseServices

Nome	Descrição	Valor

JobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	cadeia (de caracteres)
jobInputType	Defina como 'custom_model' para o tipo CustomModelJobInput. Defina como 'literal' para o tipo LiteralJobInput. Defina como 'mlflow_model' para o tipo MLFlowModelJobInput. Defina como 'mltable' para o tipo MLTableJobInput. Defina como 'triton_model' para o tipo TritonModelJobInput. Defina como 'uri_file' para o tipo UriFileJobInput. Defina como 'uri_folder' para o tipo UriFolderJobInput.	'custom_model' 'literal' 'mlflow_model' 'Mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)

JobOutput

Nome	Descrição	Valor
descrição	Descrição da saída.	cadeia (de caracteres)
jobOutputType	Defina como 'custom_model' para o tipo CustomModelJobOutput. Defina como 'mlflow_model' para o tipo MLFlowModelJobOutput. Defina como 'mltable' para o tipo MLTableJobOutput. Defina como 'triton_model' para o tipo TritonModelJobOutput. Defina como 'uri_file' para o tipo UriFileJobOutput. Defina como 'uri_folder' para o tipo UriFolderJobOutput.	'custom_model' 'mlflow_model' 'Mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)

JobResourceConfiguration

Nome	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.	cadeia (de caracteres)
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.	cadeia (de caracteres)
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).	cadeia de caracteres Restrições: Padrão = \d+[bBkKmMgG]

JobScheduleAction

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

Serviço de Emprego

Nome	Descrição	Valor
ponto final	Url para o ponto de extremidade.	cadeia (de caracteres)
jobServiceType	Tipo de ponto final.	cadeia (de caracteres)
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.	Nós
porta	Porta para endpoint.	Int
propriedades	Propriedades adicionais a serem definidas no ponto de extremidade.	JobServiceProperties

JobServiceProperties

Nome	Descrição	Valor

LiteralJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'literal' (obrigatório)
valor	[Obrigatório] Valor literal para a entrada.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

ManagedComputeIdentity

Nome	Descrição	Valor
computeIdentityType	[Obrigatório] Especifica o tipo de identidade a ser usada nos trabalhos de monitoramento.	'ManagedIdentity' (obrigatório)
identidade	A identidade que será alavancada pelos trabalhos de monitoramento.	ManagedServiceIdentity

Identidade gerenciada

Nome	Descrição	Valor
ID do cliente	Especifica uma identidade atribuída pelo usuário por ID do cliente. Para sistema atribuído, não defina este campo.	cadeia de caracteres Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
tipo de identidade	[Obrigatório] Especifica o tipo de estrutura de identidade.	'Gerenciado' (obrigatório)
objectId	Especifica uma identidade atribuída pelo usuário por ID de objeto. Para sistema atribuído, não defina este campo.	cadeia de caracteres Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identificadorDeRecurso	Especifica uma identidade atribuída pelo usuário por ID de recurso ARM. Para sistema atribuído, não defina este campo.	cadeia (de caracteres)

Identidade de Serviço Gerido (ManagedServiceIdentity)

Nome	Descrição	Valor
tipo	Tipo de identidade de serviço gerenciado (onde os tipos SystemAssigned e UserAssigned são permitidos).	'Nenhuma' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (obrigatório)
identidades atribuídas pelo utilizador	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 do dicionário podem ser objetos vazios ({}) em solicitações.	UserAssignedIdentities

MedianStoppingPolicy

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

MLFlowModelJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'mlflow_model' (obrigatório)
modo	Modo de entrega de ativos de entrada.	'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

MLFlowModelJobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	cadeia (de caracteres)
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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

MLFlowModelJobOutput

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

MLTableJobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	cadeia (de caracteres)
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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

MLTableJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'mltable' (obrigatório)
modo	Modo de entrega de ativos de entrada.	'Direto' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

MLTableJobOutput

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

MonitorComputeConfigurationBase

Nome	Descrição	Valor
computeType	Defina como 'ServerlessSpark' para o tipo MonitorServerlessSparkCompute.	'ServerlessSpark' (obrigatório)

MonitorComputeIdentityBase

Nome	Descrição	Valor
computeIdentityType	Defina como 'AmlToken' para o tipo AmlTokenComputeIdentity. Defina como 'ManagedIdentity' para o tipo ManagedComputeIdentity.	'AmlToken' 'ManagedIdentity' (obrigatório)

MonitorDefinition

Nome	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	As entidades visadas pelo monitor.	MonitorizaçãoAlvo
sinais	[Obrigatório] Os sinais a monitorizar.	MonitorDefinitionSignals (obrigatório)

MonitorDefinitionSignals

Nome	Descrição	Valor

MonitorEmailNotificationSettings

Nome	Descrição	Valor
e-mails	A lista de destinatários de e-mail que tem uma limitação de 499 caracteres no total.	string[]

MonitoringFeatureFilterBase

Nome	Descrição	Valor
Tipo de filtro	Defina como 'AllFeatures' para o tipo AllFeatures. Defina como 'FeatureSubset' para o tipo FeatureSubset. Defina como 'TopNByAttribution' para o tipo TopNFeaturesByAttribution.	'Todos os recursos' 'FeatureSubset' 'TopNByAttribution' (obrigatório)

MonitoringInputDataBase

Nome	Descrição	Valor
colunas	Mapeamento de nomes de colunas para usos especiais.	MonitoringInputDataBaseColumns
dataContext	Os metadados de contexto da fonte de dados.	cadeia (de caracteres)
inputDataType	Defina como 'Fixo' para o tipo FixedInputData. Defina como 'Rolling' para o tipo RollingInputData. Defina como 'Static' para o tipo StaticInputData.	'Fixo' 'Rolagem' 'Estática' (obrigatório)
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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

MonitoringInputDataBaseColumns

Nome	Descrição	Valor

MonitoringSignalBase

Nome	Descrição	Valor
notificationTypes	O modo de notificação atual para este sinal.	Matriz de cadeia de caracteres contendo qualquer uma das: 'AmlNotification'
propriedades	Dicionário de propriedades. As propriedades podem ser adicionadas, mas não removidas ou alteradas.	MonitoringSignalBaseProperties
Tipo de sinal	Defina como 'Custom' para o tipo CustomMonitoringSignal. Defina como 'DataDrift' para o tipo DataDriftMonitoringSignal. Defina como 'DataQuality' para o tipo DataQualityMonitoringSignal. Defina como 'FeatureAttributionDrift' para o tipo FeatureAttributionDriftMonitoringSignal. Defina como 'PredictionDrift' para o tipo PredictionDriftMonitoringSignal.	'Personalizado' 'DataDrift' 'Qualidade de dados' 'FeatureAttributionDrift' 'PredictionDrift' (obrigatório)

MonitoringSignalBaseProperties

Nome	Descrição	Valor

MonitorizaçãoAlvo

Nome	Descrição	Valor
deploymentId	Referência ao ativo de implantação visado por este monitor.	cadeia (de caracteres)
modelId	Referência ao ativo modelo visado por este monitor.	cadeia (de caracteres)
Tipo de tarefa	[Obrigatório] O tipo de tarefa de aprendizado de máquina do modelo monitorado.	'Classificação' 'Regressão' (obrigatório)

MonitoramentoLimiar

Nome	Descrição	Valor
valor	O valor limite. Se null, o padrão definido depende do tipo de métrica.	Int

MonitorNotificationSettings

Nome	Descrição	Valor
emailNotificationSettings	As configurações de e-mail de notificação AML.	MonitorEmailNotificationSettings

MonitorServerlessSparkCompute

Nome	Descrição	Valor
computeIdentity	[Obrigatório] O esquema de identidade aproveitado pelos trabalhos de faísca em execução no Spark sem servidor.	MonitorComputeIdentityBase (obrigatório)
computeType	[Obrigatório] Especifica o tipo de sinal a monitorar.	'ServerlessSpark' (obrigatório)
tipo de instância	[Obrigatório] O tipo de instância que executa o trabalho do Spark.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
runtimeVersion	[Obrigatório] A versão de tempo de execução do Spark.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = ^[0-9]+\.[0-9]+$ (obrigatório)

Mpi

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

NCrossValidações

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoNCrossValidations. Defina como 'Custom' para o tipo CustomNCrossValidations.	'Auto' 'Personalizado' (obrigatório)

NlpVerticalFeaturizationSettings

Nome	Descrição	Valor
conjunto de dadosLinguagem	Linguagem do conjunto de dados, útil para os dados de texto.	cadeia (de caracteres)

NlpVerticalLimitSettings

Nome	Descrição	Valor
maxConcurrentTrials	Máximo de iterações simultâneas do AutoML.	Int
maxEnsaios	Número de iterações AutoML.	Int
tempo de espera	Tempo limite do trabalho AutoML.	cadeia (de caracteres)

Nodos

Nome	Descrição	Valor
nósValueType	Defina como 'Todos' para o tipo AllNodes.	'Todos' (obrigatório)

NotificationSetting

Nome	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

Nome	Descrição	Valor

NumericalDataDriftMetricThreshold

Nome	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)

NumericalDataQualityMetricThreshold

Nome	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)

NumericalPredictionDriftMetricThreshold

Nome	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)

Objetivo

Nome	Descrição	Valor
objetivo	[Obrigatório] Define metas métricas suportadas para ajuste de hiperparâmetros	'Maximizar' 'Minimizar' (obrigatório)
primaryMetric	[Obrigatório] Nome da métrica a ser otimizada.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

PipelineJob

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

PipelineJobInputs

Nome	Descrição	Valor

PipelineJobJobs

Nome	Descrição	Valor

PipelineJobSaídas

Nome	Descrição	Valor

PrevisãoDriftMetricThresholdBase

Nome	Descrição	Valor
Tipo de dados	Defina como 'Categorical' para o tipo CategoricalPredictionDriftMetricThreshold. Defina como 'Numerical' para o tipo NumericalPredictionDriftMetricThreshold.	'Categórico' 'Numérico' (obrigatório)
limiar	O valor limite. Se null, um valor padrão será definido dependendo da métrica selecionada.	MonitoramentoLimiar

PrevisãoDriftMonitoramentoSinal

Nome	Descrição	Valor
featureDataTypeOverride	Um dicionário que mapeia nomes de recursos para seus respetivos tipos de dados.	PredictionDriftMonitoringSignalFeatureDataTypeOverride
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)
Tipo de sinal	[Obrigatório] Especifica o tipo de sinal a monitorar.	'PredictionDrift' (obrigatório)

PredictionDriftMonitoringSignalFeatureDataTypeOverride

Nome	Descrição	Valor

PyTorch

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

Configurações da fila

Nome	Descrição	Valor
nível de trabalho	Controla a camada de trabalho de computação	'Básico' 'Nulo' 'Premium' 'Mancha' 'Padrão'

RandomSamplingAlgorithm

Nome	Descrição	Valor
regra	O tipo específico de algoritmo aleatório	'Aleatório' 'Sobol'
samplingAlgorithmType	[Obrigatório] O algoritmo usado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração	'Aleatório' (obrigatório)
sementes	Um inteiro opcional para usar como semente para geração de números aleatórios	Int

RecorrênciaCronograma

Nome	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'

RecorrênciaTrigger

Nome	Descrição	Valor
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)
cronograma	O esquema de recorrência.	RecorrênciaCronograma
Tipo de gatilho	[Obrigatório]	«Recorrência» (obrigatório)

Regressão

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	TableVerticalLimitSettings
nValidações cruzadas	Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido.	NCrossValidações
primaryMetric	Métrica primária para tarefa de regressão.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'Correlação de Spearman'
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'Regressão' (obrigatório)
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.	cadeia (de caracteres)

RegressionTrainingSettings

Nome	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.	cadeia (de caracteres)
stackEnsembleSettings	Configurações de conjunto de pilha para execução de conjunto de pilha.	StackEnsembleSettings

ResourceBaseProperties

Nome	Descrição	Valor

ResourceBaseProperties

Nome	Descrição	Valor

ResourceBaseTags

Nome	Descrição	Valor

ResourceBaseTags

Nome	Descrição	Valor

ResourceConfigurationProperties

Nome	Descrição	Valor

RollingInputData

Nome	Descrição	Valor
inputDataType	[Obrigatório] Especifica o tipo de sinal a monitorar.	'Laminação' (obrigatório)
pré-processamentoComponentId	Referência ao ativo do componente usado para pré-processar os dados.	cadeia (de caracteres)
windowDeslocamento	[Obrigatório] O deslocamento de tempo entre o final da janela de dados e o tempo de execução atual do monitor.	string (obrigatório)
tamanho da janela	[Obrigatório] O tamanho da janela de dados contínuos.	string (obrigatório)

SamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	Defina como 'Bayesian' para o tipo BayesianSamplingAlgorithm. Defina como 'Grid' para o tipo GridSamplingAlgorithm. Defina como 'Random' para o tipo RandomSamplingAlgorithm.	'Bayesiano' 'Grade' 'Aleatório' (obrigatório)

ScheduleActionBase

Nome	Descrição	Valor
tipo de ação	Defina como 'CreateJob' para o tipo JobScheduleAction. Defina como 'CreateMonitor' para o tipo CreateMonitorAction. Defina como 'InvokeBatchEndpoint' para o tipo EndpointScheduleAction.	'CriarEmprego' 'CreateMonitor' 'InvokeBatchEndpoint' (obrigatório)

ScheduleProperties

Nome	Descrição	Valor
ação	[Obrigatório] Especifica a ação da agenda	ScheduleActionBase (obrigatório)
descrição	O texto da descrição do ativo.	cadeia (de caracteres)
nome de exibição	Nome de exibição da agenda.	cadeia (de caracteres)
estáAtivado	O agendamento está habilitado?	Bool
propriedades	O dicionário de propriedades de ativos.	ResourceBaseProperties
etiquetas	Dicionário de tags. As tags podem ser adicionadas, removidas e atualizadas.	ResourceBaseTags
accionador	[Obrigatório] Especifica os detalhes do gatilho	TriggerBase (obrigatório)

Sazonalidade

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoSeasonality. Defina como 'Custom' para o tipo CustomSeasonality.	'Auto' 'Personalizado' (obrigatório)

Faísca

Nome	Descrição	Valor
Arquivos	Arquivar arquivos usados no trabalho.	string[]
Args	Argumentos a favor do trabalho.	cadeia (de caracteres)
codeId	[Obrigatório] arm-id do ativo de código.	string (obrigatório)
conf	Propriedades configuradas do Spark.	SparkJobConf
introdução	[Obrigatório] A entrada para executar na inicialização do trabalho.	SparkJobEntry (obrigatório)
environmentId	O ID do recurso ARM da especificação Ambiente para o trabalho.	cadeia (de caracteres)
variáveis de ambiente	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[]
Tipo de trabalho	[Obrigatório] Especifica o tipo de trabalho.	'Faísca' (obrigatório)
saídas	Mapeamento das ligações de dados de saída usadas no trabalho.	SparkJobOutputs
Ficheiros py	Arquivos Python usados no trabalho.	string[]
queueSettings	Configurações de fila para o trabalho	Configurações da fila
Recursos	Configuração de recursos de computação para o trabalho.	SparkResourceConfiguration

SparkJobConf

Nome	Descrição	Valor

SparkJobEntry

Nome	Descrição	Valor
sparkJobEntryType	Defina como 'SparkJobPythonEntry' para o tipo SparkJobPythonEntry. Defina como 'SparkJobScalaEntry' para o tipo SparkJobScalaEntry.	'SparkJobPythonEntry' 'SparkJobScalaEntry' (obrigatório)

SparkJobEnvironmentVariables

Nome	Descrição	Valor

SparkJobInputs

Nome	Descrição	Valor

SparkJobOutputs

Nome	Descrição	Valor

SparkJobPythonEntry

Nome	Descrição	Valor
ficheiro	[Obrigatório] Caminho relativo do arquivo python para o ponto de entrada do trabalho.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
sparkJobEntryType	[Obrigatório] Tipo de ponto de entrada do trabalho.	'SparkJobPythonEntry' (obrigatório)

SparkJobScalaEntry

Nome	Descrição	Valor
className	[Obrigatório] Nome da classe Scala usado como ponto de entrada.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
sparkJobEntryType	[Obrigatório] Tipo de ponto de entrada do trabalho.	'SparkJobScalaEntry' (obrigatório)

SparkResourceConfiguration

Nome	Descrição	Valor
tipo de instância	Tipo opcional de VM usado conforme suportado pelo destino de computação.	cadeia (de caracteres)
runtimeVersion	Versão do tempo de execução do spark usado para o trabalho.	cadeia (de caracteres)

StackEnsembleSettings

Nome	Descrição	Valor
stackMetaLearnerKWargs	Parâmetros opcionais para passar para o inicializador do meta-aluno.	qualquer
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'

StaticInputData

Nome	Descrição	Valor
inputDataType	[Obrigatório] Especifica o tipo de sinal a monitorar.	'Estática' (obrigatório)
pré-processamentoComponentId	Referência ao ativo do componente usado para pré-processar os dados.	cadeia (de caracteres)
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)

Varredura

Nome	Descrição	Valor
Rescisão antecipada	As políticas de rescisão antecipada permitem cancelar execuções com baixo desempenho antes que elas sejam concluídas	Política de Rescisão Antecipada
Insumos	Mapeamento de ligações de dados de entrada usadas no trabalho.	SweepJobInputs
Tipo de trabalho	[Obrigatório] Especifica o tipo de trabalho.	'Varredura' (obrigatório)
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	Configurações da fila
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	qualquer (obrigatório)
avaliação	[Obrigatório] Definição do componente experimental.	TrialComponent (obrigatório)

SweepJobInputs

Nome	Descrição	Valor

SweepJobLimits

Nome	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 de espera	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.	cadeia (de caracteres)
trialTimeout	Valor do tempo limite da Avaliação do Trabalho de Varredura.	cadeia (de caracteres)

SweepJobOutputs

Nome	Descrição	Valor

TableVerticalFeaturizationSettings

Nome	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.	cadeia (de caracteres)
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

Nome	Descrição	Valor

TableVerticalFeaturizationSettingsTransformerParams

Nome	Descrição	Valor

TableVerticalLimitSettings

Nome	Descrição	Valor
habilitarRescisão antecipada	Habilite o encerramento antecipado, determine se o AutoMLJob será encerrado antecipadamente se não houver melhoria de pontuação nas últimas 20 iterações.	Bool
exitScore	Pontuação de saída para o trabalho AutoML.	Int
maxConcurrentTrials	Máximo de iterações simultâneas.	Int
maxCoresPerTrial	Máximo de núcleos por iteração.	Int
maxEnsaios	Número de iterações.	Int
tempo de espera	Tempo limite do trabalho AutoML.	cadeia (de caracteres)
trialTimeout	Tempo limite de iteração.	cadeia (de caracteres)

TargetLags

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoTargetLags. Defina como 'Custom' para o tipo CustomTargetLags.	'Auto' 'Personalizado' (obrigatório)

TargetRollingWindowSize

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoTargetRollingWindowSize. Defina como 'Custom' para o tipo CustomTargetRollingWindowSize.	'Auto' 'Personalizado' (obrigatório)

TensorFlow

Nome	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

Classificação de Texto

Nome	Descrição	Valor
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
primaryMetric	Métrica primária para Text-Classification tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextClassification' (obrigatório)
validaçãoDados	Entradas de dados de validação.	MLTableJobInput

TextClassificationMultilabel

Nome	Descrição	Valor
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextClassificationMultilabel' (obrigatório)
validaçãoDados	Entradas de dados de validação.	MLTableJobInput

TextNer

Nome	Descrição	Valor
featurizationSettings	Insumos de featurização necessários para o trabalho AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
Tipo de tarefa	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextNER' (obrigatório)
validaçãoDados	Entradas de dados de validação.	MLTableJobInput

TopNFeaturesByAttribution

Nome	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

TrialComponent

Nome	Descrição	Valor
codeId	ID do recurso ARM do ativo de código.	cadeia (de caracteres)
comando	[Obrigatório] O comando a ser executado na inicialização do trabalho. por exemplo. "Python train.py"	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
variáveis de ambiente	Variáveis de ambiente incluídas no trabalho.	TrialComponentEnvironmentVariables
Recursos	Configuração de recursos de computação para o trabalho.	JobResourceConfiguration

TrialComponentEnvironmentVariables

Nome	Descrição	Valor

Base de gatilhos

Nome	Descrição	Valor
Hora de Término	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	cadeia (de caracteres)
horaDeInício	Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC.	cadeia (de caracteres)
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?view=windows-11	cadeia (de caracteres)
Tipo de gatilho	Defina como 'Cron' para o tipo CronTrigger. Defina como 'Recorrência' para o tipo RecurrenceTrigger.	'Cron' «Recorrência» (obrigatório)

TritonModelJobInput

Nome	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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

TritonModelJobOutput

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

TruncationSelectionPolicy

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

UriFileJobInput

Nome	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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

UriFileJobOutput

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

UriFolderJobInput

Nome	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.	cadeia de caracteres Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)

UriFolderJobOutput

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

UserAssignedIdentities

Nome	Descrição	Valor

IdentidadeAtribuídaPeloUtilizador

Nome	Descrição	Valor

Identidade do usuário

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

Gancho de teia

Nome	Descrição	Valor
tipo de evento	Enviar retorno de chamada em um evento de notificação especificado	cadeia (de caracteres)
webhookType	Defina como 'AzureDevOps' para o tipo AzureDevOpsWebhook.	'AzureDevOps' (obrigatório)