Áreas de trabalho/tarefas microsoft.MachineLearningServices
Definição de recurso do Bicep
O tipo de recurso áreas de trabalho/tarefas pode ser implementado com operações que visam:
- Grupos de recursos – veja comandos de implementação de grupos de recursos
Para obter uma lista de propriedades alteradas em cada versão da API, veja registo de alterações.
Formato do recurso
Para criar um recurso Microsoft.MachineLearningServices/workspaces/jobs, adicione o seguinte Bicep ao seu modelo.
resource symbolicname 'Microsoft.MachineLearningServices/workspaces/jobs@2023-10-01' = {
name: 'string'
parent: resourceSymbolicName
properties: {
componentId: 'string'
computeId: 'string'
description: 'string'
displayName: 'string'
experimentName: 'string'
identity: {
identityType: 'string'
// For remaining properties, see IdentityConfiguration objects
}
isArchived: bool
properties: {
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
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'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
jobType: 'string'
// For remaining properties, see JobBaseProperties objects
}
}
Objetos JobBaseProperties
Defina a propriedade jobType para especificar o tipo de objeto.
Para AutoML, utilize:
jobType: 'AutoML'
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
queueSettings: {
jobTier: 'string'
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
properties: {
{customized property}: any()
{customized property}: any()
}
shmSize: 'string'
}
taskDetails: {
logVerbosity: 'string'
targetColumnName: 'string'
trainingData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
taskType: 'string'
// For remaining properties, see AutoMLVertical objects
}
Para Comando, utilize:
jobType: 'Command'
codeId: 'string'
command: 'string'
distribution: {
distributionType: 'string'
// For remaining properties, see DistributionConfiguration objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
limits: {
jobLimitsType: 'string'
timeout: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
queueSettings: {
jobTier: 'string'
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
properties: {
{customized property}: any()
{customized property}: any()
}
shmSize: 'string'
}
Para Pipeline, utilize:
jobType: 'Pipeline'
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
jobs: {
{customized property}: any()
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
settings: any()
sourceJobId: 'string'
Para Varrer, utilize:
jobType: 'Sweep'
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
limits: {
jobLimitsType: 'string'
maxConcurrentTrials: int
maxTotalTrials: int
timeout: 'string'
trialTimeout: 'string'
}
objective: {
goal: 'string'
primaryMetric: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
queueSettings: {
jobTier: 'string'
}
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()
{customized property}: any()
}
shmSize: 'string'
}
}
Objetos IdentityConfiguration
Defina a propriedade identityType para especificar o tipo de objeto.
Para AMLToken, utilize:
identityType: 'AMLToken'
Para Gerido, utilize:
identityType: 'Managed'
clientId: 'string'
objectId: 'string'
resourceId: 'string'
Para UserIdentity, utilize:
identityType: 'UserIdentity'
Objetos de nós
Defina a propriedade nodesValueType para especificar o tipo de objeto.
Para Todos, utilize:
nodesValueType: 'All'
Objetos JobOutput
Defina a propriedade jobOutputType para especificar o tipo de objeto.
Para custom_model, utilize:
jobOutputType: 'custom_model'
mode: 'string'
uri: 'string'
Para mlflow_model, utilize:
jobOutputType: 'mlflow_model'
mode: 'string'
uri: 'string'
Para mltable, utilize:
jobOutputType: 'mltable'
mode: 'string'
uri: 'string'
Para triton_model, utilize:
jobOutputType: 'triton_model'
mode: 'string'
uri: 'string'
Para uri_file, utilize:
jobOutputType: 'uri_file'
mode: 'string'
uri: 'string'
Para uri_folder, utilize:
jobOutputType: 'uri_folder'
mode: 'string'
uri: 'string'
Objetos AutoMLVertical
Defina a propriedade taskType para especificar o tipo de objeto.
Para Classificação, utilize:
taskType: 'Classification'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
positiveLabel: 'string'
primaryMetric: 'string'
testData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
trainingSettings: {
allowedTrainingAlgorithms: [
'string'
]
blockedTrainingAlgorithms: [
'string'
]
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
Para Previsão, utilize:
taskType: 'Forecasting'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
forecastingSettings: {
countryOrRegionForHolidays: 'string'
cvStepSize: int
featureLags: 'string'
forecastHorizon: {
mode: 'string'
// For remaining properties, see ForecastHorizon objects
}
frequency: 'string'
seasonality: {
mode: 'string'
// For remaining properties, see Seasonality objects
}
shortSeriesHandlingConfig: 'string'
targetAggregateFunction: 'string'
targetLags: {
mode: 'string'
// For remaining properties, see TargetLags objects
}
targetRollingWindowSize: {
mode: 'string'
// For remaining properties, see TargetRollingWindowSize objects
}
timeColumnName: 'string'
timeSeriesIdColumnNames: [
'string'
]
useStl: 'string'
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
primaryMetric: 'string'
testData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
trainingSettings: {
allowedTrainingAlgorithms: [
'string'
]
blockedTrainingAlgorithms: [
'string'
]
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
Para ImageClassification, utilize:
taskType: 'ImageClassification'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
momentum: int
nesterov: bool
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
trainingBatchSize: int
trainingCropSize: int
validationBatchSize: int
validationCropSize: int
validationResizeSize: int
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
weightedLoss: int
}
primaryMetric: 'string'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
momentum: 'string'
nesterov: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
trainingBatchSize: 'string'
trainingCropSize: 'string'
validationBatchSize: 'string'
validationCropSize: 'string'
validationResizeSize: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
weightedLoss: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Para ImageClassificationMultilabel, utilize:
taskType: 'ImageClassificationMultilabel'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
momentum: int
nesterov: bool
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
trainingBatchSize: int
trainingCropSize: int
validationBatchSize: int
validationCropSize: int
validationResizeSize: int
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
weightedLoss: int
}
primaryMetric: 'string'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
momentum: 'string'
nesterov: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
trainingBatchSize: 'string'
trainingCropSize: 'string'
validationBatchSize: 'string'
validationCropSize: 'string'
validationResizeSize: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
weightedLoss: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Para ImageInstanceSegmentation, utilize:
taskType: 'ImageInstanceSegmentation'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
boxDetectionsPerImage: int
boxScoreThreshold: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
imageSize: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
maxSize: int
minSize: int
modelName: 'string'
modelSize: 'string'
momentum: int
multiScale: bool
nesterov: bool
nmsIouThreshold: int
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
tileGridSize: 'string'
tileOverlapRatio: int
tilePredictionsNmsThreshold: int
trainingBatchSize: int
validationBatchSize: int
validationIouThreshold: int
validationMetricType: 'string'
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
}
primaryMetric: 'MeanAveragePrecision'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
boxDetectionsPerImage: 'string'
boxScoreThreshold: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
imageSize: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
maxSize: 'string'
minSize: 'string'
modelName: 'string'
modelSize: 'string'
momentum: 'string'
multiScale: 'string'
nesterov: 'string'
nmsIouThreshold: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
tileGridSize: 'string'
tileOverlapRatio: 'string'
tilePredictionsNmsThreshold: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
validationIouThreshold: 'string'
validationMetricType: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Para ImageObjectDetection, utilize:
taskType: 'ImageObjectDetection'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
boxDetectionsPerImage: int
boxScoreThreshold: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
imageSize: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
maxSize: int
minSize: int
modelName: 'string'
modelSize: 'string'
momentum: int
multiScale: bool
nesterov: bool
nmsIouThreshold: int
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
tileGridSize: 'string'
tileOverlapRatio: int
tilePredictionsNmsThreshold: int
trainingBatchSize: int
validationBatchSize: int
validationIouThreshold: int
validationMetricType: 'string'
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
}
primaryMetric: 'MeanAveragePrecision'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
boxDetectionsPerImage: 'string'
boxScoreThreshold: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
imageSize: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
maxSize: 'string'
minSize: 'string'
modelName: 'string'
modelSize: 'string'
momentum: 'string'
multiScale: 'string'
nesterov: 'string'
nmsIouThreshold: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
tileGridSize: 'string'
tileOverlapRatio: 'string'
tilePredictionsNmsThreshold: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
validationIouThreshold: 'string'
validationMetricType: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Para Regressão, utilize:
taskType: 'Regression'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
primaryMetric: 'string'
testData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
trainingSettings: {
allowedTrainingAlgorithms: [
'string'
]
blockedTrainingAlgorithms: [
'string'
]
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
Para TextClassification, utilize:
taskType: 'TextClassification'
featurizationSettings: {
datasetLanguage: 'string'
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
primaryMetric: 'string'
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
Para TextClassificationMultilabel, utilize:
taskType: 'TextClassificationMultilabel'
featurizationSettings: {
datasetLanguage: 'string'
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
Para TextNER, utilize:
taskType: 'TextNER'
featurizationSettings: {
datasetLanguage: 'string'
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
Objetos NCrossValidations
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode: 'Auto'
Para Personalizar, utilize:
mode: 'Custom'
value: int
Objetos do ForecastHorizon
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode: 'Auto'
Para Personalizar, utilize:
mode: 'Custom'
value: int
Objetos de sazonalidade
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode: 'Auto'
Para Personalizar, utilize:
mode: 'Custom'
value: int
Objetos TargetLags
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode: 'Auto'
Para Personalizar, utilize:
mode: 'Custom'
values: [
int
]
TargetRollingWindowSize objects (Objetos TargetRollingWindowSize)
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode: 'Auto'
Para Personalizar, utilize:
mode: 'Custom'
value: int
Objetos EarlyTerminationPolicy
Defina a propriedade policyType para especificar o tipo de objeto.
Para Bandido, utilize:
policyType: 'Bandit'
slackAmount: int
slackFactor: int
Para MedianStopping, utilize:
policyType: 'MedianStopping'
Para TruncationSelection, utilize:
policyType: 'TruncationSelection'
truncationPercentage: int
Objetos DistributionConfiguration
Defina a propriedade distributionType para especificar o tipo de objeto.
Para MPI, utilize:
distributionType: 'Mpi'
processCountPerInstance: int
Para o PyTorch, utilize:
distributionType: 'PyTorch'
processCountPerInstance: int
Para o TensorFlow, utilize:
distributionType: 'TensorFlow'
parameterServerCount: int
workerCount: int
Objetos JobInput
Defina a propriedade jobInputType para especificar o tipo de objeto.
Para custom_model, utilize:
jobInputType: 'custom_model'
mode: 'string'
uri: 'string'
Para literal, utilize:
jobInputType: 'literal'
value: 'string'
Para mlflow_model, utilize:
jobInputType: 'mlflow_model'
mode: 'string'
uri: 'string'
Para mltable, utilize:
jobInputType: 'mltable'
mode: 'string'
uri: 'string'
Para triton_model, utilize:
jobInputType: 'triton_model'
mode: 'string'
uri: 'string'
Para uri_file, utilize:
jobInputType: 'uri_file'
mode: 'string'
uri: 'string'
Para uri_folder, utilize:
jobInputType: 'uri_folder'
mode: 'string'
uri: 'string'
SamplingAlgorithm objects (Objetos SamplingAlgorithm)
Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.
Para Bayesian, utilize:
samplingAlgorithmType: 'Bayesian'
Para Grelha, utilize:
samplingAlgorithmType: 'Grid'
Para Aleatório, utilize:
samplingAlgorithmType: 'Random'
rule: 'string'
seed: int
Valores de propriedade
áreas de trabalho/tarefas
Nome | Descrição | Valor |
---|---|---|
name | O nome do recurso Veja como definir nomes e tipos para recursos subordinados no Bicep. |
cadeia (obrigatório) |
principal | No Bicep, pode especificar o recurso principal de um recurso subordinado. Só precisa de adicionar esta propriedade quando o recurso subordinado for declarado fora do recurso principal. Para obter mais informações, veja Recurso subordinado fora do recurso principal. |
Nome simbólico para recurso do tipo: áreas de trabalho |
propriedades | [Obrigatório] Atributos adicionais da entidade. | JobBaseProperties (obrigatório) |
JobBaseProperties
Nome | Descrição | Valor |
---|---|---|
componentId | ID do recurso arm do recurso do componente. | string |
computeId | ID do recurso arm do recurso de computação. | string |
descrição | O texto de descrição do recurso. | string |
displayName | Nome a apresentar da tarefa. | string |
experimentName | O nome da experimentação a que pertence a tarefa. Se não estiver definido, a tarefa é colocada na experimentação "Predefinição". | string |
identidade | Configuração de identidade. Se estiver definido, este deve ser um de AmlToken, ManagedIdentity, UserIdentity ou null. A predefinição é AmlToken se for nula. |
IdentityConfiguration |
isArchived | O recurso está arquivado? | bool |
propriedades | O dicionário da propriedade do recurso. | ResourceBaseProperties |
services | Lista de JobEndpoints. Para tarefas locais, um ponto final de tarefa terá um valor de ponto final de FileStreamObject. |
JobBaseServices |
etiquetas | Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas. | objeto |
jobType | Definir o tipo de objeto | AutoML Comando Pipeline Varrer (obrigatório) |
IdentityConfiguration
Nome | Descrição | Valor |
---|---|---|
identityType | Definir o tipo de objeto | AMLToken Gerido UserIdentity (obrigatório) |
AmlToken
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "AMLToken" (obrigatório) |
ManagedIdentity
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "Gerido" (obrigatório) |
clientId | Especifica uma identidade atribuída pelo utilizador pelo ID de cliente. Para a atribuição do sistema, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
objectId | Especifica uma identidade atribuída pelo utilizador pelo ID do objeto. Para a atribuição do sistema, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
resourceId | Especifica uma identidade atribuída pelo utilizador pelo ID de recurso do ARM. Para a atribuição do sistema, não defina este campo. | string |
UserIdentity
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "UserIdentity" (obrigatório) |
Propriedades do ResourceBase
Nome | Descrição | Valor |
---|---|---|
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string |
JobBaseServices
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobService |
JobService
Nome | Descrição | Valor |
---|---|---|
endpoint | URL para ponto final. | string |
jobServiceType | Tipo de ponto final. | string |
nós | Nós em que o utilizador gostaria de iniciar o serviço. Se Os Nós não estiverem definidos ou definidos como nulos, o serviço só será iniciado no nó de preenchimento. |
Nós |
porta | Porta para o ponto final. | int |
propriedades | Propriedades adicionais a definir no ponto final. | JobServiceProperties |
Nós
Nome | Descrição | Valor |
---|---|---|
nodesValueType | Definir o tipo de objeto | Todos (obrigatório) |
AllNodes
Nome | Descrição | Valor |
---|---|---|
nodesValueType | [Obrigatório] Tipo do valor Nós | "Todos" (obrigatório) |
JobServiceProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
AutoMLJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "AutoML" (obrigatório) |
environmentId | O ID de recurso do ARM da especificação ambiente da tarefa. Este é um valor opcional para fornecer, se não for fornecido, que o AutoML irá predefinir esta opção para a versão de ambiente de produção organizada por AutoML ao executar a tarefa. |
string |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | AutoMLJobEnvironmentVariables |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | AutoMLJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
taskDetails | [Obrigatório] Isto representa um cenário que pode ser uma das Tabelas/NLP/Imagem | AutoMLVertical (obrigatório) |
AutoMLJobEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
AutoMLJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
JobOutput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição do resultado. | string |
jobOutputType | Definir o tipo de objeto | custom_model mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "custom_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
MLFlowModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "mlflow_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
MLTableJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "mltable" (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
TritonModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | 'triton_model' (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" 'Carregar' |
URI | URI do Recurso de Saída. | string |
UriFileJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | 'uri_file' (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" 'Carregar' |
URI | URI do Recurso de Saída. | string |
UriFolderJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | 'uri_folder' (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" 'Carregar' |
URI | URI do Recurso de Saída. | string |
QueueSettings
Nome | Descrição | Valor |
---|---|---|
jobTier | Controla o escalão de tarefa de computação | "Básico" 'Nulo' "Premium" "Spot" 'Standard' |
JobResourceConfiguration
Nome | Descrição | Valor |
---|---|---|
dockerArgs | Argumentos adicionais para passar para o comando de execução do Docker. Isto substituiria quaisquer parâmetros que já tenham sido definidos pelo sistema ou nesta secção. Este parâmetro só é suportado para tipos de computação do Azure ML. | string |
instanceCount | Número opcional de instâncias ou nós utilizados pelo destino de computação. | int |
instanceType | Tipo opcional de VM utilizado como suportado pelo destino de computação. | string |
propriedades | Saco de propriedades adicionais. | ResourceConfigurationProperties |
shmSize | Tamanho do bloco de memória partilhada do contentor do Docker. Deve estar no formato de (número)(unidade) em que o número deve ser superior a 0 e a unidade pode ser de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes). | string Restrições: Padrão = \d+[bBkKmMgG] |
ResourceConfigurationProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | Para Bicep, pode utilizar a função any( ). | |
{customized property} | Para Bicep, pode utilizar a função any( ). |
AutoMLVertical
Nome | Descrição | Valor |
---|---|---|
logVerbosity | Registar verbosidade da tarefa. | "Crítico" "Depurar" "Erro" 'Informações' "NotSet" 'Aviso' |
targetColumnName | Nome da coluna de destino: esta é a coluna de valores de predição. Também conhecido como nome da coluna de etiqueta no contexto de tarefas de classificação. |
string |
trainingData | [Obrigatório] Entrada de dados de preparação. | MLTableJobInput (obrigatório) |
taskType | Definir o tipo de objeto | Classificação Previsão ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regressão TextClassification TextClassificationMultilabel TextNER (obrigatório) |
MLTableJobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
Classificação
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Classificação" (obrigatório) |
cvSplitColumnNames | Colunas a utilizar para dados CVSplit. | string[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
positiveLabel | Etiqueta positiva para cálculo de métricas binárias. | string |
primaryMetric | Métrica primária da tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
testData | Testar a entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa de AutoML. | ClassificationTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
TableVerticalFeaturizationSettings
Nome | Descrição | Valor |
---|---|---|
blockedTransformers | Estes transformadores não devem ser utilizados na caracterização. | Matriz de cadeia que contém qualquer um dos seguintes: "CatTargetEncoder" "CountVectorizer" "HashOneHotEncoder" "LabelEncoder" 'NaiveBayes' "OneHotEncoder" "TextTargetEncoder" "TfIdf" "WoETargetEncoder" "WordEmbedding" |
columnNameAndTypes | Dicionário do nome da coluna e do respetivo tipo (int, float, string, datetime, etc.). | TableVerticalFeaturizationSettingsColumnNameAndTypes |
datasetLanguage | Idioma do conjunto de dados, útil para os dados de texto. | string |
enableDnnFeaturization | Determina se deve utilizar os caracterizadores baseados em Dnn para a caracterização de dados. | bool |
mode | Modo de caracterização – o utilizador pode manter o modo "Automático" predefinido e o AutoML tratará da transformação necessária dos dados na fase de caracterização. Se "Desativado" estiver selecionado, não será efetuada qualquer caracterização. Se "Personalizado" estiver selecionado, o utilizador pode especificar entradas adicionais para personalizar a forma como a caracterização é feita. |
'Auto' "Personalizado" 'Desativado' |
transformerParams | O utilizador pode especificar transformadores adicionais a serem utilizados juntamente com as colunas às quais seriam aplicados e parâmetros para o construtor do transformador. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
TableVerticalFeaturizationSettingsTransformerParams
Nome | Descrição | Valor |
---|---|---|
{customized property} | ColumnTransformer[] |
ColumnTransformer
Nome | Descrição | Valor |
---|---|---|
fields | Campos nos quais aplicar a lógica do transformador. | string[] |
parâmetros | Propriedades diferentes a serem transmitidas ao transformador. A entrada esperada é o dicionário de pares chave e valor no formato JSON. |
Para Bicep, pode utilizar a função any( ). |
TableVerticalLimitSettings
Nome | Descrição | Valor |
---|---|---|
enableEarlyTermination | Ative a terminação antecipada, determina se o AutoMLJob terminará mais cedo se não houver melhoria de pontuação nas últimas 20 iterações. | bool |
exitScore | Classificação de saída para a tarefa de AutoML. | int |
maxConcurrentTrials | Máximo de iterações simultâneas. | int |
maxCoresPerTrial | Máx. de núcleos por iteração. | int |
maxTrials | Número de iterações. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
trialTimeout | Tempo limite da iteração. | string |
NCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoNCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo para determinar validações N-Cross. | "Automático" (obrigatório) |
CustomNCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo para determinar validações N-Cross. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor de validações N-Cross. | int (obrigatório) |
ClassificationTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para tarefas de classificação. | Matriz de cadeias que contém qualquer um dos seguintes: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' "GradientBoosting" 'KNN' "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" 'SVM' "XGBoostClassifier" |
blockedTrainingAlgorithms | Modelos bloqueados para tarefas de classificação. | Matriz de cadeias que contém qualquer um dos seguintes: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' "GradientBoosting" 'KNN' "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" 'SVM' "XGBoostClassifier" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizar para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
StackEnsembleSettings
Nome | Descrição | Valor |
---|---|---|
stackMetaLearnerKWargs | Parâmetros opcionais para passar para o inicializador do meta-aluno. | Para o Bicep, pode utilizar a função any( ). |
stackMetaLearnerTrainPercentage | Especifica a proporção do conjunto de preparação (ao escolher o tipo de preparação e de validação) a reservar para a preparação do meta-aluno. O valor predefinido é 0,2. | int |
stackMetaLearnerType | O meta-aprendiz é um modelo preparado para a saída dos modelos heterogéneos individuais. | "ElasticNet" "ElasticNetCV" "LightGBMClassifier" "LightGBMRegressor" "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "Nenhum" |
Previsão
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Previsão" (obrigatório) |
cvSplitColumnAmes | Colunas a utilizar para dados CVSplit. | cadeia[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
forecastingSettings | Previsão de entradas específicas da tarefa. | PrevisãoDefinições |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
primaryMetric | Métrica primária para a tarefa de previsão. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation' |
testData | Testar a entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa de AutoML. | ForecastingTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
PrevisõesDefinições
Nome | Descrição | Valor |
---|---|---|
countryOrRegionForHolidays | País ou região para feriados para tarefas de previsão. Estes devem ser códigos de país/região ISO 3166 de duas letras, por exemplo "EUA" ou "GB". |
string |
cvStepSize | Número de períodos entre a hora de origem de uma dobra cv e a dobra seguinte. Para o por exemplo, se CVStepSize = 3 para dados diários, a hora de origem de cada dobra serátrês dias de diferença. |
int |
featureLags | Sinalizador para gerar atrasos para as funcionalidades numéricas com "automático" ou nulo. | 'Auto' "Nenhum" |
forecastHorizon | O horizonte de previsão máximo pretendido em unidades de frequência de série temporal. | PrevisãoHorizon |
frequência | Ao prever, este parâmetro representa o período com o qual a previsão é desejada, por exemplo, diariamente, semanalmente, anualmente, etc. A frequência de previsão é a frequência do conjunto de dados por predefinição. | string |
sazonalidade | Defina a sazonalidade de série temporal como um múltiplo inteiro da frequência da série. Se a sazonalidade estiver definida como "automática", será inferida. |
Sazonalidade |
shortSeriesHandlingConfig | O parâmetro que define como se o AutoML deve processar séries de tempo curtos. | 'Auto' 'Largar' "Nenhum" 'Pad' |
targetAggregateFunction | A função a ser utilizada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada por um utilizador. Se TargetAggregateFunction estiver definido, ou seja, não "Nenhum", mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "sum", "max", "min" e "mean". |
'Máx.' "Média" 'Min' "Nenhum" "Soma" |
targetLags | O número de períodos anteriores a desfasar da coluna de destino. | TargetLags |
targetRollingWindowSize | O número de períodos anteriores utilizados para criar uma média de janela temporal da coluna de destino. | TargetRollingWindowSize |
timeColumnName | O nome da coluna de hora. Este parâmetro é necessário quando se prevê especificar a coluna datetime nos dados de entrada utilizados para criar a série temporal e inferir a respetiva frequência. | string |
timeSeriesIdColumnNames | Os nomes das colunas utilizadas para agrupar uma série de tempo. Pode ser utilizado para criar várias séries. Se a agregação não estiver definida, assume-se que o conjunto de dados é uma série temporal. Este parâmetro é utilizado com a previsão do tipo de tarefa. |
string[] |
useStl | Configure a Decomposição de STL da coluna de destino da série temporal. | "Nenhum" 'Estação' 'SeasonTrend' |
PrevisãoHorizon
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoForecastHorizon
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Defina o modo de seleção de valor de horizonte de previsão. | "Automático" (obrigatório) |
CustomForecastHorizon
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Defina o modo de seleção de valor de horizonte de previsão. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor de horizonte de previsão. | int (obrigatório) |
Sazonalidade
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoSeasonality
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de sazonalidade. | "Automático" (obrigatório) |
CustomSeasonality
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de sazonalidade. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor de sazonalidade. | int (obrigatório) |
TargetLags
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoTargetLags
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Definir o modo de atrasos de destino - Automático/Personalizado | "Automático" (obrigatório) |
CustomTargetLags
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Definir o modo de atrasos de destino - Automático/Personalizado | "Personalizado" (obrigatório) |
values | [Obrigatório] Definir valores de atrasos de destino. | int[] (obrigatório) |
TargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoTargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | "Automático" (obrigatório) |
CustomTargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | "Personalizado" (obrigatório) |
valor | [Obrigatório] TargetRollingWindowSize valor. | int (obrigatório) |
ForecastingTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para a tarefa de previsão. | Matriz de cadeias que contém qualquer um dos seguintes: 'Arimax' 'AutoArima' "Média" 'DecisionTree' "ElasticNet" "ExponentialSmoothing" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' "LightGBM" 'Naive' 'Profeta' "RandomForest" "SGD" "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor" |
blockedTrainingAlgorithms | Modelos bloqueados para a tarefa de previsão. | Matriz de cadeias que contém qualquer um dos seguintes: 'Arimax' 'AutoArima' "Média" 'DecisionTree' "ElasticNet" "ExponentialSmoothing" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' "LightGBM" 'Naive' 'Profeta' "RandomForest" "SGD" "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizar para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
ImageClassification
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageClassification" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa autoML. | ImageLimitSettings (obrigatório) |
modelSettings | Definições utilizadas para preparar o modelo. | ImageModelSettingsClassification |
primaryMetric | Métrica primária para otimizar para esta tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" 'NormMacroRecall' "PrecisionScoreWeighted" |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageLimitSettings
Nome | Descrição | Valor |
---|---|---|
maxConcurrentTrials | Número máximo de iterações automáticas simultâneas. | int |
maxTrials | Número máximo de iterações de AutoML. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
ImageModelSettingsClassification
Nome | Descrição | Valor |
---|---|---|
advancedSettings | Definições para cenários avançados. | string |
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | bool |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
beta2 | Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
checkpointFrequency | Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo. | int |
checkpointModel | O modelo de ponto de verificação pré-preparado para preparação incremental. | MLFlowModelJobInput |
checkpointRunId | O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental. | string |
distribuído | Se pretende utilizar a preparação distribuída. | bool |
earlyStopping | Ative a lógica de paragem antecipada durante a preparação. | bool |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo. |
int |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
int |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | bool |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo. | int |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
int |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
int |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | int |
learningRateScheduler | Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | "Nenhum" "Passo" 'WarmupCosine' |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
impulso | Valor de impulso quando o otimizador é 'sgd'. Tem de ser um flutuante no intervalo [0, 1]. | int |
nesterov | Ative o aninhado quando o otimizador é "sgd". | bool |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | int |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | int |
otimizador | Tipo de otimizador. | 'Adão' 'Adamw' "Nenhum" 'Sgd' |
randomSeed | Semente aleatória a utilizar ao utilizar a preparação determinista. | int |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | int |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | int |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | int |
trainingCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo. | int |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | int |
validationCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | int |
validationResizeSizeSize | Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | int |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | int |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | int |
weightDecay | Valor da decadência do peso quando o otimizador é "sgd", "adam" ou "adamw". Tem de ser um flutuante no intervalo[0, 1]. | int |
weightedLoss | Perda ponderada. Os valores aceites são 0 sem perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0 ou 1 ou 2. |
int |
MLFlowModelJobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' "uri_folder" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
Nome | Descrição | Valor |
---|---|---|
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | string |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
beta2 | Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
distribuído | Se pretende utilizar a preparação de distribuição. | string |
earlyStopping | Ative a lógica de paragem antecipada durante a preparação. | string |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo. |
string |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
string |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | string |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo. | string |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
string |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | string |
learningRateScheduler | Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | string |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
impulso | Valor de impulso quando o otimizador é 'sgd'. Tem de ser um flutuante no intervalo [0, 1]. | string |
nesterov | Ative o aninhado quando o otimizador é "sgd". | string |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | string |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | string |
otimizador | Tipo de otimizador. Deve ser "sgd", "adão" ou "adão". | string |
randomSeed | Semente aleatória a ser utilizada ao utilizar preparação determinista. | string |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | string |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | string |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | string |
trainingCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo. | string |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | string |
validationCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | string |
validationResizeSize | Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | string |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | string |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | string |
espessuraDecay | Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1]. | string |
weightedLoss | Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0, 1 ou 2. |
string |
ImageSweepSettings
Nome | Descrição | Valor |
---|---|---|
earlyTermination | Tipo de política de cessação antecipada. | EarlyTerminationPolicy |
samplingAlgorithm | [Obrigatório] Tipo de algoritmos de amostragem de hiperparâmetros. | 'Bayesian' "Grelha" "Aleatório" (obrigatório) |
EarlyTerminationPolicy
Nome | Descrição | Valor |
---|---|---|
delayEvaluation | Número de intervalos para atrasar a primeira avaliação. | int |
evaluationInterval | Intervalo (número de execuções) entre avaliações de políticas. | int |
policyType | Definir o tipo de objeto | Bandit MedianStopping TruncationSelection (obrigatório) |
BanditPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "Bandit" (obrigatório) |
slackAmount | Distância absoluta permitida da execução com melhor desempenho. | int |
slackFactor | Proporção da distância permitida da execução com melhor desempenho. | int |
MedianStoppingPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "MedianStopping" (obrigatório) |
TruncationSelectionPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "TruncationSelection" (obrigatório) |
truncationPercentage | A percentagem de execuções a cancelar em cada intervalo de avaliação. | int |
ImageClassificationMultilabel
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageClassificationMultilabel" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa de AutoML. | ImageLimitSettings (obrigatório) |
modelDefinições | Definições utilizadas para preparar o modelo. | ImageModelSettingsClassification |
primaryMetric | Métrica primária a otimizar para esta tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" 'IOU' "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageInstanceSegmentation
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageInstanceSegmentation" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa de AutoML. | ImageLimitSettings (obrigatório) |
modelDefinições | Definições utilizadas para preparar o modelo. | ImageModelSettingsObjectDetection |
primaryMetric | Métrica primária a otimizar para esta tarefa. | "MeanAveragePrecision" |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageModelSettingsObjectDetection
Nome | Descrição | Valor |
---|---|---|
advancedSettings | Definições para cenários avançados. | string |
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | bool |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
beta2 | Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
boxDetectionsPerImage | Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
boxScoreThreshold | Durante a inferência, devolver apenas propostas com uma classificação de classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1]. |
int |
checkpointFrequency | Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo. | int |
checkpointModel | O modelo de ponto de verificação pré-preparado para preparação incremental. | MLFlowModelJobInput |
checkpointRunId | O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental. | string |
distribuído | Se pretende utilizar a preparação distribuída. | bool |
earlyStopping | Ative a lógica de paragem precoce durante a preparação. | bool |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria das métricas primárias é monitorizado para paragem antecipada. Tem de ser um número inteiro positivo. |
int |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhorias nas métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
int |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | bool |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter pontuações de métricas. Tem de ser um número inteiro positivo. | int |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
int |
imageSize | Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
int |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
int |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | int |
learningRateScheduler | Tipo de programador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | "Nenhum" "Passo" 'WarmupCosine' |
maxSize | Tamanho máximo da imagem a dimensionar antes de a alimentar com a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
minSize | Tamanho mínimo da imagem a dimensionar antes de a alimentar para a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
'ExtraLarge' "Grande" "Médio" "Nenhum" 'Pequeno' |
momentum | Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1]. | int |
multiScale | Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
bool |
nesterov | Ative o aninhado quando o otimizador é "sgd". | bool |
nmsIouThreshold | Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de ser um flutuante no intervalo [0, 1]. | int |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | int |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | int |
otimizador | Tipo de otimizador. | 'Adão' 'Adamw' "Nenhum" 'Sgd' |
randomSeed | Semente aleatória a ser utilizada ao utilizar preparação determinista. | int |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | int |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | int |
tileGridSize | O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhuma para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tileOverlapRatio | Relação de sobreposição entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
tilePredictionsNmsThreshold | O limiar de IOU a utilizar para executar o NMS enquanto intercala predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | int |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | int |
validationIouThreshold | Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1]. | int |
validationMetricType | Método de computação de métricas a utilizar para métricas de validação. | 'Coco' 'CocoVoc' "Nenhum" 'Voc' |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | int |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | int |
espessuraDecay | Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1]. | int |
ImageModelDistributionSettingsObjectDetection
Nome | Descrição | Valor |
---|---|---|
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | string |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
beta2 | Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
boxDetectionsPerImage | Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
boxScoreThreshold | Durante a inferência, devolver apenas propostas com uma classificação de classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1]. |
string |
distribuído | Se pretende utilizar a preparação de distribuição. | string |
earlyStopping | Ative a lógica de paragem antecipada durante a preparação. | string |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo. |
string |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
string |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | string |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo. | string |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
string |
imageSize | Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM da CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | string |
learningRateScheduler | Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | string |
maxSize | Tamanho máximo da imagem a ser redimensionada antes de a alimentar na estrutura principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM cuda se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
minSize | Tamanho mínimo da imagem a ser redimensionada antes de a alimentar na estrutura principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM cuda se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação poderá entrar no OOM cuda se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
impulso | Valor de impulso quando o otimizador é 'sgd'. Tem de ser um flutuante no intervalo [0, 1]. | string |
multiescala | Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
nesterov | Ative o aninhado quando o otimizador é "sgd". | string |
nmsIouThreshold | Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de estar a flutuar no intervalo [0, 1]. | string |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | string |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | string |
otimizador | Tipo de otimizador. Deve ser "sgd", "adão" ou "adão". | string |
randomSeed | Semente aleatória a ser utilizada ao utilizar preparação determinista. | string |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | string |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | string |
tileGridSize | O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhum para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tileOverlapRatio | Proporção entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tilePredictionsNmsThreshold | O limiar IOU a utilizar para executar o NMS ao intercalar predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5". NMS: Supressão não máxima |
string |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | string |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | string |
validationIouThreshold | Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1]. | string |
validationMetricType | Método de computação de métricas a utilizar para métricas de validação. Deve ser "nenhum", "coco", "voc" ou "coco_voc". | string |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | string |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | string |
weightDecay | Valor da decadência do peso quando o otimizador é "sgd", "adam" ou "adamw". Tem de ser um flutuante no intervalo[0, 1]. | string |
ImageObjectDetection
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageObjectDetection" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa autoML. | ImageLimitSettings (obrigatório) |
modelSettings | Definições utilizadas para preparar o modelo. | ImageModelSettingsObjectDetection |
primaryMetric | Métrica primária para otimizar para esta tarefa. | "MeanAveragePrecision" |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
Regressão
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Regressão" (obrigatório) |
cvSplitColumnAmes | Colunas a utilizar para dados CVSplit. | cadeia[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
primaryMetric | Métrica primária da tarefa de regressão. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation' |
testData | Testar entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa autoML. | RegressionTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
RegressionTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para tarefas de regressão. | Matriz de cadeias que contém qualquer um dos seguintes: 'DecisionTree' "ElasticNet" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' "LightGBM" "RandomForest" "SGD" "XGBoostRegressor" |
blockedTrainingAlgorithms | Modelos bloqueados para tarefas de regressão. | Matriz de cadeias que contém qualquer um dos seguintes: 'DecisionTree' "ElasticNet" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' "LightGBM" "RandomForest" "SGD" "XGBoostRegressor" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizar para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
TextClassification
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextClassification" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
primaryMetric | Métrica primária para Text-Classification tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" 'NormMacroRecall' "PrecisionScoreWeighted" |
validationData | Entradas de dados de validação. | MLTableJobInput |
NlpVerticalFeaturizationSettings
Nome | Descrição | Valor |
---|---|---|
datasetLanguage | Idioma do conjunto de dados, útil para os dados de texto. | string |
NlpVerticalLimitSettings
Nome | Descrição | Valor |
---|---|---|
maxConcurrentTrials | Máximo de iterações Automáticas Simultâneas. | int |
maxTrials | Número de iterações autoML. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
TextClassificationMultilabel
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextClassificationMultilabel" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
TextNer
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextNER" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
CommandJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Comando" (obrigatório) |
codeId | ID do recurso arm do recurso de código. | string |
command | [Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py" | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
distribuição | Configuração de distribuição da tarefa. Se estiver definido, este deve ser um de Mpi, Tensorflow, PyTorch ou nulo. | DistributionConfiguration |
environmentId | [Obrigatório] O ID de recurso do ARM da especificação ambiente da tarefa. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | CommandJobEnvironmentVariables |
entradas | Mapeamento de enlaces de dados de entrada utilizados na tarefa. | CommandJobInputs |
limites | Limite da Tarefa de Comando. | CommandJobLimits |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | CommandJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
DistributionConfiguration
Nome | Descrição | Valor |
---|---|---|
distributionType | Definir o tipo de objeto | Mpi PyTorch TensorFlow (obrigatório) |
Mpi
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de arquitetura de distribuição. | "Mpi" (obrigatório) |
processCountPerInstance | Número de processos por nó MPI. | int |
PyTorch
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de arquitetura de distribuição. | "PyTorch" (obrigatório) |
processCountPerInstance | Número de processos por nó. | int |
TensorFlow
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de arquitetura de distribuição. | "TensorFlow" (obrigatório) |
parameterServerCount | Número de tarefas de servidor de parâmetros. | int |
workerCount | Número de trabalhadores. Se não for especificado, a predefinição será a contagem de instâncias. | int |
CommandJobEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
CommandJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
JobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | Definir o tipo de objeto | custom_model literal mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "custom_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
LiteralJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "literal" (obrigatório) |
valor | [Obrigatório] Valor literal da entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
TritonModelJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | 'triton_model' (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFileJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | 'uri_file' (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFolderJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | 'uri_folder' (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
CommandJobLimits
Nome | Descrição | Valor |
---|---|---|
jobLimitsType | [Obrigatório] Tipo jobLimit. | 'Comando' "Varrer" (obrigatório) |
tempo limite | A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Só suporta a duração com precisão tão baixa como Segundos. | string |
CommandJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
PipelineJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Pipeline" (obrigatório) |
entradas | Entradas para a tarefa de pipeline. | PipelineJobInputs |
tarefas | As tarefas constroem a Tarefa de Pipeline. | PipelineJobJobs |
saídas | Saídas para a tarefa de pipeline | PipelineJobOutputs |
definições | Definições do pipeline, para aspetos como ContinueRunOnStepFailure, etc. | Para Bicep, pode utilizar a função any( ). |
sourceJobId | ID do recurso arm da tarefa de origem. | string |
PipelineJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
PipelineJobJobs
Nome | Descrição | Valor |
---|---|---|
{customized property} | Para Bicep, pode utilizar a função any( ). |
PipelineJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
SweepJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Varrer" (obrigatório) |
earlyTermination | As políticas de cessação antecipada permitem cancelar execuções com mau desempenho antes de serem concluídas | EarlyTerminationPolicy |
entradas | Mapeamento de enlaces de dados de entrada utilizados na tarefa. | SweepJobInputs |
limites | Limite de Tarefas de Varrimento. | SweepJobLimits |
objetivo | [Obrigatório] Objetivo de otimização. | Objetivo (obrigatório) |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | SweepJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
samplingAlgorithm | [Obrigatório] O algoritmo de amostragem de hiperparâmetros | SamplingAlgorithm (obrigatório) |
searchSpace | [Obrigatório] Um dicionário que contém cada parâmetro e a respetiva distribuição. A chave do dicionário é o nome do parâmetro | Para Bicep, pode utilizar a função any( ). (obrigatório) |
trial | [Obrigatório] Definição do componente de avaliação. | TrialComponent (obrigatório) |
SweepJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
SweepJobLimits
Nome | Descrição | Valor |
---|---|---|
jobLimitsType | [Obrigatório] Tipo jobLimit. | 'Comando' "Varrer" (obrigatório) |
maxConcurrentTrials | Varra o número máximo de tentativas simultâneas da Tarefa. | int |
maxTotalTrials | Varra o número máximo de tentativas de Tarefas. | int |
tempo limite | A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Só suporta a duração com precisão tão baixa como Segundos. | string |
trialTimeout | Valor de tempo limite da Avaliação de Tarefas de Varrimento. | string |
Objetivo
Nome | Descrição | Valor |
---|---|---|
goal | [Obrigatório] Define os objetivos de métricas suportados para otimização de hiperparâmetros | "Maximizar" "Minimizar" (obrigatório) |
primaryMetric | [Obrigatório] Nome da métrica a otimizar. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SweepJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
SamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | Definir o tipo de objeto | Bayesian Grelha Aleatório (obrigatório) |
BayesianSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | 'Bayesian' (obrigatório) |
GridSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Grelha" (obrigatório) |
RandomSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Aleatório" (obrigatório) |
regra | O tipo específico de algoritmo aleatório | "Aleatório" 'Sobol' |
seed | Um número inteiro opcional para utilizar como seed para geração de números aleatórios | int |
TrialComponent
Nome | Descrição | Valor |
---|---|---|
codeId | ID do recurso arm do recurso de código. | string |
command | [Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py" | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
distribuição | Configuração de distribuição da tarefa. Se estiver definido, este deve ser um Mpi, Tensorflow, PyTorch ou nulo. | DistributionConfiguration |
environmentId | [Obrigatório] O ID de recurso do ARM da especificação do Ambiente para a tarefa. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | TrialComponentEnvironmentVariables |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
Modelos de início rápido
Os seguintes modelos de início rápido implementam este tipo de recurso.
Modelo | Description |
---|---|
Criar uma tarefa de classificação de AutoML do Azure Machine Learning |
Este modelo cria uma tarefa de classificação de AutoML do Azure Machine Learning para descobrir o melhor modelo para prever se um cliente subscreverá um depósito a prazo fixo com uma instituição financeira. |
Criar uma tarefa do Comando do Azure Machine Learning |
Este modelo cria uma tarefa do Comando do Azure Machine Learning com um script de hello_world básico |
Criar uma tarefa de Varrimento do Azure Machine Learning |
Este modelo cria uma tarefa de Varrimento do Azure Machine Learning para otimização de hiperparâmetros. |
Definição de recurso do modelo arm
O tipo de recurso áreas de trabalho/tarefas pode ser implementado com operações direcionadas:
- Grupos de recursos – veja os comandos de implementação do grupo de recursos
Para obter uma lista das propriedades alteradas em cada versão da API, veja Registo de alterações.
Formato do recurso
Para criar um recurso Microsoft.MachineLearningServices/workspaces/jobs, adicione o seguinte JSON ao seu modelo.
{
"type": "Microsoft.MachineLearningServices/workspaces/jobs",
"apiVersion": "2023-10-01",
"name": "string",
"properties": {
"componentId": "string",
"computeId": "string",
"description": "string",
"displayName": "string",
"experimentName": "string",
"identity": {
"identityType": "string"
// For remaining properties, see IdentityConfiguration objects
},
"isArchived": "bool",
"properties": {
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
},
"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",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
},
"jobType": "string"
// For remaining properties, see JobBaseProperties objects
}
}
Objetos JobBaseProperties
Defina a propriedade jobType para especificar o tipo de objeto.
Para AutoML, utilize:
"jobType": "AutoML",
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"queueSettings": {
"jobTier": "string"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"properties": {
"{customized property}": {},
"{customized property}": {}
},
"shmSize": "string"
},
"taskDetails": {
"logVerbosity": "string",
"targetColumnName": "string",
"trainingData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"taskType": "string"
// For remaining properties, see AutoMLVertical objects
}
Para Comando, utilize:
"jobType": "Command",
"codeId": "string",
"command": "string",
"distribution": {
"distributionType": "string"
// For remaining properties, see DistributionConfiguration objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"limits": {
"jobLimitsType": "string",
"timeout": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"queueSettings": {
"jobTier": "string"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"properties": {
"{customized property}": {},
"{customized property}": {}
},
"shmSize": "string"
}
Para Pipeline, utilize:
"jobType": "Pipeline",
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"jobs": {
"{customized property}": {}
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"settings": {},
"sourceJobId": "string"
Para Varrer, utilize:
"jobType": "Sweep",
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"limits": {
"jobLimitsType": "string",
"maxConcurrentTrials": "int",
"maxTotalTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"objective": {
"goal": "string",
"primaryMetric": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"queueSettings": {
"jobTier": "string"
},
"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}": {},
"{customized property}": {}
},
"shmSize": "string"
}
}
Objetos IdentityConfiguration
Defina a propriedade identityType para especificar o tipo de objeto.
Para AMLToken, utilize:
"identityType": "AMLToken"
Para Gerido, utilize:
"identityType": "Managed",
"clientId": "string",
"objectId": "string",
"resourceId": "string"
Para UserIdentity, utilize:
"identityType": "UserIdentity"
Objetos de nós
Defina a propriedade nodesValueType para especificar o tipo de objeto.
Para Todos, utilize:
"nodesValueType": "All"
Objetos JobOutput
Defina a propriedade jobOutputType para especificar o tipo de objeto.
Para custom_model, utilize:
"jobOutputType": "custom_model",
"mode": "string",
"uri": "string"
Para mlflow_model, utilize:
"jobOutputType": "mlflow_model",
"mode": "string",
"uri": "string"
Para mltable, utilize:
"jobOutputType": "mltable",
"mode": "string",
"uri": "string"
Para triton_model, utilize:
"jobOutputType": "triton_model",
"mode": "string",
"uri": "string"
Para uri_file, utilize:
"jobOutputType": "uri_file",
"mode": "string",
"uri": "string"
Para uri_folder, utilize:
"jobOutputType": "uri_folder",
"mode": "string",
"uri": "string"
Objetos AutoMLVertical
Defina a propriedade taskType para especificar o tipo de objeto.
Para Classificação, utilize:
"taskType": "Classification",
"cvSplitColumnNames": [ "string" ],
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"positiveLabel": "string",
"primaryMetric": "string",
"testData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int",
"trainingSettings": {
"allowedTrainingAlgorithms": [ "string" ],
"blockedTrainingAlgorithms": [ "string" ],
"enableDnnTraining": "bool",
"enableModelExplainability": "bool",
"enableOnnxCompatibleModels": "bool",
"enableStackEnsemble": "bool",
"enableVoteEnsemble": "bool",
"ensembleModelDownloadTimeout": "string",
"stackEnsembleSettings": {
"stackMetaLearnerKWargs": {},
"stackMetaLearnerTrainPercentage": "int",
"stackMetaLearnerType": "string"
}
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
Para Previsão, utilize:
"taskType": "Forecasting",
"cvSplitColumnNames": [ "string" ],
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"forecastingSettings": {
"countryOrRegionForHolidays": "string",
"cvStepSize": "int",
"featureLags": "string",
"forecastHorizon": {
"mode": "string"
// For remaining properties, see ForecastHorizon objects
},
"frequency": "string",
"seasonality": {
"mode": "string"
// For remaining properties, see Seasonality objects
},
"shortSeriesHandlingConfig": "string",
"targetAggregateFunction": "string",
"targetLags": {
"mode": "string"
// For remaining properties, see TargetLags objects
},
"targetRollingWindowSize": {
"mode": "string"
// For remaining properties, see TargetRollingWindowSize objects
},
"timeColumnName": "string",
"timeSeriesIdColumnNames": [ "string" ],
"useStl": "string"
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"primaryMetric": "string",
"testData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int",
"trainingSettings": {
"allowedTrainingAlgorithms": [ "string" ],
"blockedTrainingAlgorithms": [ "string" ],
"enableDnnTraining": "bool",
"enableModelExplainability": "bool",
"enableOnnxCompatibleModels": "bool",
"enableStackEnsemble": "bool",
"enableVoteEnsemble": "bool",
"ensembleModelDownloadTimeout": "string",
"stackEnsembleSettings": {
"stackMetaLearnerKWargs": {},
"stackMetaLearnerTrainPercentage": "int",
"stackMetaLearnerType": "string"
}
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
Para ImageClassification, utilize:
"taskType": "ImageClassification",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "int",
"nesterov": "bool",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"trainingBatchSize": "int",
"trainingCropSize": "int",
"validationBatchSize": "int",
"validationCropSize": "int",
"validationResizeSize": "int",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int",
"weightedLoss": "int"
},
"primaryMetric": "string",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "string",
"nesterov": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"trainingBatchSize": "string",
"trainingCropSize": "string",
"validationBatchSize": "string",
"validationCropSize": "string",
"validationResizeSize": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string",
"weightedLoss": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Para ImageClassificationMultilabel, utilize:
"taskType": "ImageClassificationMultilabel",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "int",
"nesterov": "bool",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"trainingBatchSize": "int",
"trainingCropSize": "int",
"validationBatchSize": "int",
"validationCropSize": "int",
"validationResizeSize": "int",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int",
"weightedLoss": "int"
},
"primaryMetric": "string",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "string",
"nesterov": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"trainingBatchSize": "string",
"trainingCropSize": "string",
"validationBatchSize": "string",
"validationCropSize": "string",
"validationResizeSize": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string",
"weightedLoss": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Para ImageInstanceSegmentation, utilize:
"taskType": "ImageInstanceSegmentation",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"boxDetectionsPerImage": "int",
"boxScoreThreshold": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"imageSize": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"maxSize": "int",
"minSize": "int",
"modelName": "string",
"modelSize": "string",
"momentum": "int",
"multiScale": "bool",
"nesterov": "bool",
"nmsIouThreshold": "int",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"tileGridSize": "string",
"tileOverlapRatio": "int",
"tilePredictionsNmsThreshold": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"validationIouThreshold": "int",
"validationMetricType": "string",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int"
},
"primaryMetric": "MeanAveragePrecision",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"boxDetectionsPerImage": "string",
"boxScoreThreshold": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"imageSize": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"maxSize": "string",
"minSize": "string",
"modelName": "string",
"modelSize": "string",
"momentum": "string",
"multiScale": "string",
"nesterov": "string",
"nmsIouThreshold": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"tileGridSize": "string",
"tileOverlapRatio": "string",
"tilePredictionsNmsThreshold": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"validationIouThreshold": "string",
"validationMetricType": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Para ImageObjectDetection, utilize:
"taskType": "ImageObjectDetection",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"boxDetectionsPerImage": "int",
"boxScoreThreshold": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"imageSize": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"maxSize": "int",
"minSize": "int",
"modelName": "string",
"modelSize": "string",
"momentum": "int",
"multiScale": "bool",
"nesterov": "bool",
"nmsIouThreshold": "int",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"tileGridSize": "string",
"tileOverlapRatio": "int",
"tilePredictionsNmsThreshold": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"validationIouThreshold": "int",
"validationMetricType": "string",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int"
},
"primaryMetric": "MeanAveragePrecision",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"boxDetectionsPerImage": "string",
"boxScoreThreshold": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"imageSize": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"maxSize": "string",
"minSize": "string",
"modelName": "string",
"modelSize": "string",
"momentum": "string",
"multiScale": "string",
"nesterov": "string",
"nmsIouThreshold": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"tileGridSize": "string",
"tileOverlapRatio": "string",
"tilePredictionsNmsThreshold": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"validationIouThreshold": "string",
"validationMetricType": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Para Regressão, utilize:
"taskType": "Regression",
"cvSplitColumnNames": [ "string" ],
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"primaryMetric": "string",
"testData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int",
"trainingSettings": {
"allowedTrainingAlgorithms": [ "string" ],
"blockedTrainingAlgorithms": [ "string" ],
"enableDnnTraining": "bool",
"enableModelExplainability": "bool",
"enableOnnxCompatibleModels": "bool",
"enableStackEnsemble": "bool",
"enableVoteEnsemble": "bool",
"ensembleModelDownloadTimeout": "string",
"stackEnsembleSettings": {
"stackMetaLearnerKWargs": {},
"stackMetaLearnerTrainPercentage": "int",
"stackMetaLearnerType": "string"
}
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
Para TextClassification, utilize:
"taskType": "TextClassification",
"featurizationSettings": {
"datasetLanguage": "string"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"primaryMetric": "string",
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
Para TextClassificationMultilabel, utilize:
"taskType": "TextClassificationMultilabel",
"featurizationSettings": {
"datasetLanguage": "string"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
Para TextNER, utilize:
"taskType": "TextNER",
"featurizationSettings": {
"datasetLanguage": "string"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
Objetos NCrossValidations
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
"mode": "Auto"
Para Personalizar, utilize:
"mode": "Custom",
"value": "int"
Objetos do ForecastHorizon
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
"mode": "Auto"
Para Personalizar, utilize:
"mode": "Custom",
"value": "int"
Objetos de sazonalidade
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
"mode": "Auto"
Para Personalizar, utilize:
"mode": "Custom",
"value": "int"
Objetos TargetLags
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
"mode": "Auto"
Para Personalizar, utilize:
"mode": "Custom",
"values": [ "int" ]
TargetRollingWindowSize objects (Objetos TargetRollingWindowSize)
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
"mode": "Auto"
Para Personalizar, utilize:
"mode": "Custom",
"value": "int"
Objetos EarlyTerminationPolicy
Defina a propriedade policyType para especificar o tipo de objeto.
Para Bandido, utilize:
"policyType": "Bandit",
"slackAmount": "int",
"slackFactor": "int"
Para MedianStopping, utilize:
"policyType": "MedianStopping"
Para TruncationSelection, utilize:
"policyType": "TruncationSelection",
"truncationPercentage": "int"
Objetos DistributionConfiguration
Defina a propriedade distributionType para especificar o tipo de objeto.
Para MPI, utilize:
"distributionType": "Mpi",
"processCountPerInstance": "int"
Para PyTorch, utilize:
"distributionType": "PyTorch",
"processCountPerInstance": "int"
Para TensorFlow, utilize:
"distributionType": "TensorFlow",
"parameterServerCount": "int",
"workerCount": "int"
Objetos JobInput
Defina a propriedade jobInputType para especificar o tipo de objeto.
Para custom_model, utilize:
"jobInputType": "custom_model",
"mode": "string",
"uri": "string"
Para o literal, utilize:
"jobInputType": "literal",
"value": "string"
Para mlflow_model, utilize:
"jobInputType": "mlflow_model",
"mode": "string",
"uri": "string"
Para mltable, utilize:
"jobInputType": "mltable",
"mode": "string",
"uri": "string"
Para triton_model, utilize:
"jobInputType": "triton_model",
"mode": "string",
"uri": "string"
Para uri_file, utilize:
"jobInputType": "uri_file",
"mode": "string",
"uri": "string"
Para uri_folder, utilize:
"jobInputType": "uri_folder",
"mode": "string",
"uri": "string"
Objetos SamplingAlgorithm
Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.
Para Bayesian, utilize:
"samplingAlgorithmType": "Bayesian"
Para Grid, utilize:
"samplingAlgorithmType": "Grid"
Para Aleatório, utilize:
"samplingAlgorithmType": "Random",
"rule": "string",
"seed": "int"
Valores de propriedade
áreas de trabalho/tarefas
Nome | Descrição | Valor |
---|---|---|
tipo | O tipo de recurso | "Microsoft.MachineLearningServices/workspaces/jobs" |
apiVersion | A versão da API de recursos | '2023-10-01' |
name | O nome do recurso Veja como definir nomes e tipos para recursos subordinados em modelos arm JSON. |
cadeia (obrigatório) |
propriedades | [Obrigatório] Atributos adicionais da entidade. | JobBaseProperties (obrigatório) |
JobBaseProperties
Nome | Descrição | Valor |
---|---|---|
componentId | ID do recurso arm do recurso do componente. | string |
computeId | ID do recurso arm do recurso de computação. | string |
descrição | O texto de descrição do recurso. | string |
displayName | Nome a apresentar da tarefa. | string |
experimentName | O nome da experimentação a que pertence a tarefa. Se não estiver definido, a tarefa é colocada na experimentação "Predefinição". | string |
identidade | Configuração de identidade. Se estiver definido, este deve ser um de AmlToken, ManagedIdentity, UserIdentity ou null. A predefinição é AmlToken se for nula. |
IdentityConfiguration |
isArchived | O recurso está arquivado? | bool |
propriedades | O dicionário da propriedade do recurso. | ResourceBaseProperties |
services | Lista de JobEndpoints. Para tarefas locais, um ponto final de tarefa terá um valor de ponto final de FileStreamObject. |
JobBaseServices |
etiquetas | Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas. | objeto |
jobType | Definir o tipo de objeto | AutoML Comando Pipeline Varrer (obrigatório) |
IdentityConfiguration
Nome | Descrição | Valor |
---|---|---|
identityType | Definir o tipo de objeto | AMLToken Gerido UserIdentity (obrigatório) |
AmlToken
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "AMLToken" (obrigatório) |
ManagedIdentity
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "Gerido" (obrigatório) |
clientId | Especifica uma identidade atribuída pelo utilizador pelo ID de cliente. Para a atribuição do sistema, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
objectId | Especifica uma identidade atribuída pelo utilizador pelo ID do objeto. Para a atribuição do sistema, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
resourceId | Especifica uma identidade atribuída pelo utilizador pelo ID de recurso do ARM. Para a atribuição do sistema, não defina este campo. | string |
UserIdentity
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "UserIdentity" (obrigatório) |
ResourceBaseProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string |
JobBaseServices
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobService |
JobService
Nome | Descrição | Valor |
---|---|---|
endpoint | Url para ponto final. | string |
jobServiceType | Tipo de ponto final. | string |
nós | Nós em que o utilizador gostaria de iniciar o serviço. Se Os Nós não estiverem definidos ou definidos como nulos, o serviço só será iniciado no nó de líder. |
Nós |
porta | Porta para ponto final. | int |
propriedades | Propriedades adicionais a definir no ponto final. | JobServiceProperties |
Nós
Nome | Descrição | Valor |
---|---|---|
nodesValueType | Definir o tipo de objeto | Tudo (obrigatório) |
AllNodes
Nome | Descrição | Valor |
---|---|---|
nodesValueType | [Obrigatório] Tipo do valor Nós | "Todos" (obrigatório) |
JobServiceProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
AutoMLJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "AutoML" (obrigatório) |
environmentId | O ID de recurso do ARM da especificação ambiente da tarefa. Este é um valor opcional para fornecer, se não for fornecido, que o AutoML irá predefinir esta opção para a versão de ambiente de produção organizada por AutoML ao executar a tarefa. |
string |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | AutoMLJobEnvironmentVariables |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | AutoMLJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
taskDetails | [Obrigatório] Isto representa um cenário que pode ser uma das Tabelas/NLP/Imagem | AutoMLVertical (obrigatório) |
AutoMLJobEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
AutoMLJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
JobOutput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição do resultado. | string |
jobOutputType | Definir o tipo de objeto | custom_model mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "custom_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
MLFlowModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "mlflow_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
MLTableJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "mltable" (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
TritonModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "triton_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
UriFileJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "uri_file" (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
UriFolderJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "uri_folder" (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" 'Carregar' |
uri | URI do Recurso de Saída. | string |
QueueSettings
Nome | Descrição | Valor |
---|---|---|
jobTier | Controla o escalão da tarefa de computação | "Básico" "Nulo" "Premium" 'Spot' 'Standard' |
JobResourceConfiguration
Nome | Descrição | Valor |
---|---|---|
dockerArgs | Argumentos adicionais para passar para o comando de execução do Docker. Isto substituiria quaisquer parâmetros que já tenham sido definidos pelo sistema ou nesta secção. Este parâmetro só é suportado para tipos de computação do Azure ML. | string |
instanceCount | Número opcional de instâncias ou nós utilizados pelo destino de computação. | int |
instanceType | Tipo opcional de VM utilizado como suportado pelo destino de computação. | string |
propriedades | Saco de propriedades adicionais. | ResourceConfigurationProperties |
shmSize | Tamanho do bloco de memória partilhado do contentor docker. Deve estar no formato de (número)(unidade) em que o número deve ser superior a 0 e a unidade pode ser um de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes). | string Restrições: Padrão = \d+[bBkKmMgG] |
ResourceConfigurationProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | ||
{customized property} |
AutoMLVertical
Nome | Descrição | Valor |
---|---|---|
logVerbosity | Registar verbosidade para a tarefa. | "Crítico" "Depurar" "Erro" "Informações" "NotSet" "Aviso" |
targetColumnName | Nome da coluna de destino: esta é a coluna de valores de predição. Também conhecido como nome da coluna de etiqueta no contexto de tarefas de classificação. |
string |
trainingData | [Obrigatório] Entrada de dados de preparação. | MLTableJobInput (obrigatório) |
taskType | Definir o tipo de objeto | Classificação Previsão ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regressão TextClassification TextClassificationMultilabel TextNER (obrigatório) |
MLTableJobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' "uri_folder" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
Classificação
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Classificação" (obrigatório) |
cvSplitColumnAmes | Colunas a utilizar para dados CVSplit. | cadeia[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
positiveLabel | Etiqueta positiva para cálculo de métricas binárias. | string |
primaryMetric | Métrica primária da tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" 'NormMacroRecall' "PrecisionScoreWeighted" |
testData | Testar entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa autoML. | ClassificationTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
TableVerticalFeaturizationSettings
Nome | Descrição | Valor |
---|---|---|
blockedTransformers | Estes transformadores não devem ser utilizados na caracterização. | Matriz de cadeias que contém qualquer um dos seguintes: 'CatTargetEncoder' "CountVectorizer" "HashOneHotEncoder" "LabelEncoder" 'NaiveBayes' "OneHotEncoder" "TextTargetEncoder" 'TfIdf' "WoETargetEncoder" "WordEmbedding" |
columnNameAndTypes | Dicionário do nome da coluna e do respetivo tipo (int, float, string, datetime, etc.). | TableVerticalFeaturizationSettingsColumnNameAndTypes |
datasetLanguage | Idioma do conjunto de dados, útil para os dados de texto. | string |
enableDnnFeaturization | Determina se deve utilizar caracterizadores baseados em Dnn para a caracterização de dados. | bool |
mode | Modo de caracterização – o utilizador pode manter o modo "Automático" predefinido e o AutoML tratará da transformação necessária dos dados na fase de caracterização. Se "Desativado" estiver selecionado, não é feita qualquer caracterização. Se "Personalizado" estiver selecionado, o utilizador pode especificar entradas adicionais para personalizar a forma como a caracterização é feita. |
"Automático" "Personalizado" 'Desligado' |
transformerParams | O utilizador pode especificar transformadores adicionais a serem utilizados juntamente com as colunas às quais seriam aplicados e parâmetros para o construtor do transformador. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
TableVerticalFeaturizationSettingsTransformerParams
Nome | Descrição | Valor |
---|---|---|
{customized property} | ColumnTransformer[] |
ColumnTransformer
Nome | Descrição | Valor |
---|---|---|
fields | Campos para aplicar a lógica do transformador. | cadeia[] |
parâmetros | Propriedades diferentes a serem transmitidas ao transformador. A entrada esperada é o dicionário de pares chave e valor no formato JSON. |
TableVerticalLimitSettings
Nome | Descrição | Valor |
---|---|---|
enableEarlyTermination | Ative a terminação antecipada, determina se o AutoMLJob terminará mais cedo se não houver melhoria de pontuação nas últimas 20 iterações. | bool |
exitScore | Sair da classificação para a tarefa de AutoML. | int |
maxConcurrentTrials | Máximo de iterações simultâneas. | int |
maxCoresPerTrial | Núcleos máximos por iteração. | int |
maxTrials | Número de iterações. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
trialTimeout | Tempo limite da iteração. | string |
NCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoNCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo para determinar validações N-Cross. | "Automático" (obrigatório) |
CustomNCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo para determinar validações N-Cross. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor de validações N-Cross. | int (obrigatório) |
ClassificationTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para tarefas de classificação. | Matriz de cadeias que contém qualquer um dos seguintes: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' "GradientBoosting" 'KNN' "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" 'SVM' "XGBoostClassifier" |
blockedTrainingAlgorithms | Modelos bloqueados para tarefas de classificação. | Matriz de cadeias que contém qualquer um dos seguintes: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' "GradientBoosting" 'KNN' "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" 'SVM' "XGBoostClassifier" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizar para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
StackEnsembleSettings
Nome | Descrição | Valor |
---|---|---|
stackMetaLearnerKWargs | Parâmetros opcionais para passar para o inicializador do meta-aluno. | |
stackMetaLearnerTrainPercentage | Especifica a proporção do conjunto de preparação (ao escolher o tipo de preparação e de validação) a reservar para a preparação do meta-aluno. O valor predefinido é 0,2. | int |
stackMetaLearnerType | O meta-aprendiz é um modelo preparado para a saída dos modelos heterogéneos individuais. | "ElasticNet" "ElasticNetCV" "LightGBMClassifier" "LightGBMRegressor" "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "Nenhum" |
Previsão
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Previsão" (obrigatório) |
cvSplitColumnAmes | Colunas a utilizar para dados CVSplit. | cadeia[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
forecastingSettings | Previsão de entradas específicas da tarefa. | PrevisãoDefinições |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
primaryMetric | Métrica primária para a tarefa de previsão. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation' |
testData | Testar entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa autoML. | ForecastingTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
PrevisõesDefinições
Nome | Descrição | Valor |
---|---|---|
countryOrRegionForHolidays | País ou região para feriados para tarefas de previsão. Estes devem ser códigos de país/região ISO 3166 de duas letras, por exemplo "EUA" ou "GB". |
string |
cvStepSize | Número de períodos entre a hora de origem de uma dobra cv e a dobra seguinte. Para o por exemplo, se CVStepSize = 3 para dados diários, a hora de origem de cada dobra serátrês dias de diferença. |
int |
featureLags | Sinalizador para gerar atrasos para as funcionalidades numéricas com "automático" ou nulo. | 'Auto' "Nenhum" |
forecastHorizon | O horizonte de previsão máximo pretendido em unidades de frequência de série temporal. | PrevisãoHorizon |
frequência | Ao prever, este parâmetro representa o período com o qual a previsão é desejada, por exemplo, diariamente, semanalmente, anualmente, etc. A frequência de previsão é a frequência do conjunto de dados por predefinição. | string |
sazonalidade | Defina a sazonalidade de série temporal como um múltiplo inteiro da frequência da série. Se a sazonalidade estiver definida como "automática", será inferida. |
Sazonalidade |
shortSeriesHandlingConfig | O parâmetro que define como se o AutoML deve processar séries de tempo curtos. | 'Auto' 'Largar' "Nenhum" 'Pad' |
targetAggregateFunction | A função a ser utilizada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada por um utilizador. Se TargetAggregateFunction estiver definido, ou seja, não "Nenhum", mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "sum", "max", "min" e "mean". |
'Máx.' "Média" 'Min' "Nenhum" "Soma" |
targetLags | O número de períodos anteriores a desfasar da coluna de destino. | TargetLags |
targetRollingWindowSize | O número de períodos anteriores utilizados para criar uma média de janela temporal da coluna de destino. | TargetRollingWindowSize |
timeColumnName | O nome da coluna de hora. Este parâmetro é necessário quando se prevê especificar a coluna datetime nos dados de entrada utilizados para criar a série temporal e inferir a respetiva frequência. | string |
timeSeriesIdColumnNames | Os nomes das colunas utilizadas para agrupar uma série de tempo. Pode ser utilizado para criar várias séries. Se a agregação não estiver definida, assume-se que o conjunto de dados é uma série temporal. Este parâmetro é utilizado com a previsão do tipo de tarefa. |
string[] |
useStl | Configure a Decomposição de STL da coluna de destino da série temporal. | "Nenhum" 'Estação' 'SeasonTrend' |
PrevisãoHorizon
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoForecastHorizon
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Defina o modo de seleção de valor de horizonte de previsão. | "Automático" (obrigatório) |
CustomForecastHorizon
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Defina o modo de seleção de valor de horizonte de previsão. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor de horizonte de previsão. | int (obrigatório) |
Sazonalidade
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoSeasonality
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de sazonalidade. | "Automático" (obrigatório) |
CustomSeasonality
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de sazonalidade. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor de sazonalidade. | int (obrigatório) |
TargetLags
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoTargetLags
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Definir o modo de atrasos de destino - Automático/Personalizado | "Automático" (obrigatório) |
CustomTargetLags
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Definir o modo de atrasos de destino - Automático/Personalizado | "Personalizado" (obrigatório) |
values | [Obrigatório] Definir valores de atrasos de destino. | int[] (obrigatório) |
TargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoTargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | "Automático" (obrigatório) |
CustomTargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | "Personalizado" (obrigatório) |
valor | [Obrigatório] TargetRollingWindowSize valor. | int (obrigatório) |
ForecastingTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para a tarefa de previsão. | Matriz de cadeia que contém qualquer um dos seguintes: 'Arimax' 'AutoArima' "Média" 'DecisionTree' "ElasticNet" "ExponentialSmoothing" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' 'LightGBM' 'Naive' 'Profeta' "RandomForest" 'SGD' "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor" |
blockedTrainingAlgorithms | Modelos bloqueados para a tarefa de previsão. | Matriz de cadeias que contém qualquer um dos seguintes: 'Arimax' 'AutoArima' "Média" 'DecisionTree' "ElasticNet" "ExponentialSmoothing" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' "LightGBM" 'Naive' 'Profeta' "RandomForest" "SGD" "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizar para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração de modelos VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
ImageClassification
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageClassification" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa autoML. | ImageLimitSettings (obrigatório) |
modelSettings | Definições utilizadas para preparar o modelo. | ImageModelSettingsClassification |
primaryMetric | Métrica primária para otimizar para esta tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" 'NormMacroRecall' "PrecisionScoreWeighted" |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageLimitSettings
Nome | Descrição | Valor |
---|---|---|
maxConcurrentTrials | Número máximo de iterações Automáticas simultâneas. | int |
maxTrials | Número máximo de iterações autoML. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
ImageModelSettingsClassification
Nome | Descrição | Valor |
---|---|---|
advancedSettings | Definições para cenários avançados. | string |
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | bool |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
beta2 | Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
checkpointFrequency | Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo. | int |
checkpointModel | O modelo de ponto de verificação pré-preparado para preparação incremental. | MLFlowModelJobInput |
checkpointRunId | O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental. | string |
distribuído | Se pretende utilizar a preparação distribuída. | bool |
earlyStopping | Ative a lógica de paragem antecipada durante a preparação. | bool |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo. |
int |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
int |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | bool |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo. | int |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
int |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
int |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | int |
learningRateScheduler | Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | "Nenhum" "Passo" 'WarmupCosine' |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
impulso | Valor de impulso quando o otimizador é 'sgd'. Tem de ser um flutuante no intervalo [0, 1]. | int |
nesterov | Ative o aninhado quando o otimizador é "sgd". | bool |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | int |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | int |
otimizador | Tipo de otimizador. | 'Adão' 'Adamw' "Nenhum" 'Sgd' |
randomSeed | Semente aleatória a ser utilizada ao utilizar preparação determinista. | int |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | int |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | int |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | int |
trainingCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo. | int |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | int |
validationCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | int |
validationResizeSizeSize | Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | int |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | int |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | int |
weightDecay | Valor da decadência do peso quando o otimizador é "sgd", "adam" ou "adamw". Tem de ser um flutuante no intervalo[0, 1]. | int |
weightedLoss | Perda ponderada. Os valores aceites são 0 sem perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0 ou 1 ou 2. |
int |
MLFlowModelJobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' "uri_folder" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
Nome | Descrição | Valor |
---|---|---|
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | string |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
beta2 | Valor de "beta2" quando o otimizador é "adam" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
distribuído | Se pretende utilizar a preparação do distribuidor. | string |
earlyStopping | Ative a lógica de paragem precoce durante a preparação. | string |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo. |
string |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
string |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | string |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo. | string |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
string |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | string |
learningRateScheduler | Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | string |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
impulso | Valor de impulso quando o otimizador é 'sgd'. Tem de ser um flutuante no intervalo [0, 1]. | string |
nesterov | Ative o aninhado quando o otimizador é "sgd". | string |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | string |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | string |
otimizador | Tipo de otimizador. Deve ser "sgd", "adão" ou "adão". | string |
randomSeed | Semente aleatória a ser utilizada ao utilizar preparação determinista. | string |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | string |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | string |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | string |
trainingCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo. | string |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | string |
validationCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | string |
validationResizeSize | Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | string |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | string |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | string |
espessuraDecay | Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1]. | string |
weightedLoss | Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0, 1 ou 2. |
string |
ImageSweepSettings
Nome | Descrição | Valor |
---|---|---|
earlyTermination | Tipo de política de cessação antecipada. | EarlyTerminationPolicy |
samplingAlgorithm | [Obrigatório] Tipo de algoritmos de amostragem de hiperparâmetros. | 'Bayesian' "Grelha" "Aleatório" (obrigatório) |
EarlyTerminationPolicy
Nome | Descrição | Valor |
---|---|---|
delayEvaluation | Número de intervalos para atrasar a primeira avaliação. | int |
evaluationInterval | Intervalo (número de execuções) entre avaliações de políticas. | int |
policyType | Definir o tipo de objeto | Bandit MedianStopping TruncationSelection (obrigatório) |
BanditPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "Bandit" (obrigatório) |
slackAmount | Distância absoluta permitida da execução com melhor desempenho. | int |
slackFactor | Proporção da distância permitida da execução com melhor desempenho. | int |
MedianStoppingPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "MedianStopping" (obrigatório) |
TruncationSelectionPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "TruncationSelection" (obrigatório) |
truncationPercentage | A percentagem de execuções a cancelar em cada intervalo de avaliação. | int |
ImageClassificationMultilabel
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageClassificationMultilabel" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa de AutoML. | ImageLimitSettings (obrigatório) |
modelDefinições | Definições utilizadas para preparar o modelo. | ImageModelSettingsClassification |
primaryMetric | Métrica primária a otimizar para esta tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" 'IOU' "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageInstanceSegmentation
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageInstanceSegmentation" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa de AutoML. | ImageLimitSettings (obrigatório) |
modelDefinições | Definições utilizadas para preparar o modelo. | ImageModelSettingsObjectDetection |
primaryMetric | Métrica primária a otimizar para esta tarefa. | "MeanAveragePrecision" |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageModelSettingsObjectDetection
Nome | Descrição | Valor |
---|---|---|
advancedSettings | Definições para cenários avançados. | string |
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | bool |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
beta2 | Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
boxDetectionsPerImage | Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
boxScoreThreshold | Durante a inferência, devolver apenas propostas com uma classificação de classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1]. |
int |
checkpointFrequency | Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo. | int |
checkpointModel | O modelo de ponto de verificação pré-preparado para preparação incremental. | MLFlowModelJobInput |
checkpointRunId | O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental. | string |
distribuído | Se pretende utilizar a preparação distribuída. | bool |
earlyStopping | Ative a lógica de paragem antecipada durante a preparação. | bool |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo. |
int |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
int |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | bool |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo. | int |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
int |
imageSize | Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
int |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
int |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | int |
learningRateScheduler | Tipo de programador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | "Nenhum" "Passo" 'WarmupCosine' |
maxSize | Tamanho máximo da imagem a dimensionar antes de a alimentar com a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
minSize | Tamanho mínimo da imagem a dimensionar antes de a alimentar para a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
'ExtraLarge' "Grande" "Médio" "Nenhum" 'Pequeno' |
momentum | Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1]. | int |
multiScale | Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
bool |
nesterov | Ative o aninhado quando o otimizador é "sgd". | bool |
nmsIouThreshold | Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de ser um flutuante no intervalo [0, 1]. | int |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | int |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | int |
otimizador | Tipo de otimizador. | 'Adão' 'Adamw' "Nenhum" 'Sgd' |
randomSeed | Semente aleatória a utilizar ao utilizar a preparação determinista. | int |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | int |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | int |
tileGridSize | O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhum para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tileOverlapRatio | Relação de sobreposição entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
tilePredictionsNmsThreshold | O limiar de IOU a utilizar para executar o NMS enquanto intercala predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | int |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | int |
validationIouThreshold | Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1]. | int |
validationMetricType | Método de computação de métricas a utilizar para métricas de validação. | 'Coco' 'CocoVoc' "Nenhum" 'Voc' |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | int |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | int |
espessuraDecay | Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1]. | int |
ImageModelDistributionSettingsObjectDetection
Nome | Descrição | Valor |
---|---|---|
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | string |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
beta2 | Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
boxDetectionsPerImage | Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
boxScoreThreshold | Durante a inferência, devolver apenas propostas com uma classificação de classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1]. |
string |
distribuído | Se pretende utilizar a preparação de distribuição. | string |
earlyStopping | Ative a lógica de paragem antecipada durante a preparação. | string |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo. |
string |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
string |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | string |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo. | string |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
string |
imageSize | Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, por favor veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | string |
learningRateScheduler | Tipo de programador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | string |
maxSize | Tamanho máximo da imagem a dimensionar antes de a alimentar com a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
minSize | Tamanho mínimo da imagem a dimensionar antes de a alimentar para a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
momentum | Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1]. | string |
multiScale | Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
nesterov | Ative o aninhado quando o otimizador é "sgd". | string |
nmsIouThreshold | Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de estar a flutuar no intervalo [0, 1]. | string |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | string |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | string |
otimizador | Tipo de otimizador. Tem de ser "sgd", "adão" ou "adamw". | string |
randomSeed | Semente aleatória a utilizar ao utilizar a preparação determinista. | string |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | string |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | string |
tileGridSize | O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhum para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tileOverlapRatio | Proporção entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tilePredictionsNmsThreshold | O limiar IOU a utilizar para executar o NMS ao intercalar predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5". NMS: Supressão não máxima |
string |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | string |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | string |
validationIouThreshold | Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1]. | string |
validationMetricType | Método de computação de métricas a utilizar para métricas de validação. Deve ser "nenhum", "coco", "voc" ou "coco_voc". | string |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | string |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | string |
weightDecay | Valor da decadência do peso quando o otimizador é "sgd", "adam" ou "adamw". Tem de ser um flutuante no intervalo[0, 1]. | string |
ImageObjectDetection
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageObjectDetection" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa autoML. | ImageLimitSettings (obrigatório) |
modelSettings | Definições utilizadas para preparar o modelo. | ImageModelSettingsObjectDetection |
primaryMetric | Métrica primária para otimizar para esta tarefa. | "MeanAveragePrecision" |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
Regressão
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Regressão" (obrigatório) |
cvSplitColumnAmes | Colunas a utilizar para dados CVSplit. | cadeia[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
primaryMetric | Métrica primária da tarefa de regressão. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation' |
testData | Testar entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa autoML. | RegressionTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
RegressionTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para a tarefa de regressão. | Matriz de cadeia que contém qualquer um dos seguintes: 'DecisionTree' "ElasticNet" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' 'LightGBM' "RandomForest" 'SGD' "XGBoostRegressor" |
blockedTrainingAlgorithms | Modelos bloqueados para tarefa de regressão. | Matriz de cadeia que contém qualquer um dos seguintes: 'DecisionTree' "ElasticNet" 'ExtremeRandomTrees' "GradientBoosting" 'KNN' 'LassoLars' 'LightGBM' "RandomForest" 'SGD' "XGBoostRegressor" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração do modelo VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
TextClassification
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextClassification" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
primaryMetric | Métrica primária para Text-Classification tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
validationData | Entradas de dados de validação. | MLTableJobInput |
NlpVerticalFeaturizationSettings
Nome | Descrição | Valor |
---|---|---|
datasetLanguage | Idioma do conjunto de dados, útil para os dados de texto. | string |
NlpVerticalLimitSettings
Nome | Descrição | Valor |
---|---|---|
maxConcurrentTrials | Máximo de iterações de AutoML Simultâneas. | int |
maxTrials | Número de iterações de AutoML. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
TextClassificationMultilabel
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextClassificationMultilabel" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
TextNer
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextNER" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
CommandJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Comando" (obrigatório) |
codeId | ID do recurso arm do recurso de código. | string |
command | [Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py" | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
distribuição | Configuração de distribuição da tarefa. Se estiver definido, este deve ser um Mpi, Tensorflow, PyTorch ou nulo. | DistributionConfiguration |
environmentId | [Obrigatório] O ID de recurso do ARM da especificação do Ambiente para a tarefa. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | CommandJobEnvironmentVariables |
entradas | Mapeamento de enlaces de dados de entrada utilizados na tarefa. | CommandJobInputs |
limites | Limite de Tarefas de Comando. | CommandJobLimits |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | CommandJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
DistributionConfiguration
Nome | Descrição | Valor |
---|---|---|
distributionType | Definir o tipo de objeto | Mpi PyTorch TensorFlow (obrigatório) |
Mpi
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de estrutura de distribuição. | "Mpi" (obrigatório) |
processCountPerInstance | Número de processos por nó MPI. | int |
PyTorch
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de arquitetura de distribuição. | "PyTorch" (obrigatório) |
processCountPerInstance | Número de processos por nó. | int |
TensorFlow
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de arquitetura de distribuição. | "TensorFlow" (obrigatório) |
parameterServerCount | Número de tarefas de servidor de parâmetros. | int |
workerCount | Número de trabalhadores. Se não for especificado, a predefinição será a contagem de instâncias. | int |
CommandJobEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
CommandJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
JobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | Definir o tipo de objeto | custom_model literal mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "custom_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
LiteralJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "literal" (obrigatório) |
valor | [Obrigatório] Valor literal para a entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
TritonModelJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "triton_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' 'Transferir' "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFileJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | 'uri_file' (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFolderJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | 'uri_folder' (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | 'Direto' "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
CommandJobLimits
Nome | Descrição | Valor |
---|---|---|
jobLimitsType | [Obrigatório] Tipo jobLimit. | 'Comando' "Varrer" (obrigatório) |
tempo limite | A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Só suporta a duração com precisão tão baixa como Segundos. | string |
CommandJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
PipelineJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Pipeline" (obrigatório) |
entradas | Entradas para a tarefa de pipeline. | PipelineJobInputs |
tarefas | As tarefas constroem a Tarefa de Pipeline. | PipelineJobJobs |
saídas | Saídas para a tarefa de pipeline | PipelineJobOutputs |
definições | Definições do pipeline, para aspetos como ContinueRunOnStepFailure, etc. | |
sourceJobId | ID do recurso arm da tarefa de origem. | string |
PipelineJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
PipelineJobJobs
Nome | Descrição | Valor |
---|---|---|
{customized property} |
PipelineJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
SweepJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Varrer" (obrigatório) |
earlyTermination | As políticas de cessação antecipada permitem cancelar execuções com mau desempenho antes de serem concluídas | EarlyTerminationPolicy |
entradas | Mapeamento de enlaces de dados de entrada utilizados na tarefa. | SweepJobInputs |
limites | Limite de Tarefas de Varrimento. | SweepJobLimits |
objetivo | [Obrigatório] Objetivo de otimização. | Objetivo (obrigatório) |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | SweepJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
samplingAlgorithm | [Obrigatório] O algoritmo de amostragem de hiperparâmetros | SamplingAlgorithm (obrigatório) |
searchSpace | [Obrigatório] Um dicionário que contém cada parâmetro e a respetiva distribuição. A chave do dicionário é o nome do parâmetro | |
trial | [Obrigatório] Definição do componente de avaliação. | TrialComponent (obrigatório) |
SweepJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
SweepJobLimits
Nome | Descrição | Valor |
---|---|---|
jobLimitsType | [Obrigatório] Tipo jobLimit. | 'Comando' "Varrer" (obrigatório) |
maxConcurrentTrials | Varra o número máximo de tentativas simultâneas da Tarefa. | int |
maxTotalTrials | Varra o número máximo de tentativas de Tarefas. | int |
tempo limite | A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Só suporta a duração com precisão tão baixa como Segundos. | string |
trialTimeout | Valor de tempo limite da Avaliação de Tarefas de Varrimento. | string |
Objetivo
Nome | Descrição | Valor |
---|---|---|
goal | [Obrigatório] Define os objetivos de métricas suportados para otimização de hiperparâmetros | "Maximizar" "Minimizar" (obrigatório) |
primaryMetric | [Obrigatório] Nome da métrica a otimizar. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SweepJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
SamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | Definir o tipo de objeto | Bayesian Grelha Aleatório (obrigatório) |
BayesianSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | 'Bayesian' (obrigatório) |
GridSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Grelha" (obrigatório) |
RandomSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Aleatório" (obrigatório) |
regra | O tipo específico de algoritmo aleatório | "Aleatório" 'Sobol' |
seed | Um número inteiro opcional para utilizar como seed para geração de números aleatórios | int |
TrialComponent
Nome | Descrição | Valor |
---|---|---|
codeId | ID do recurso arm do recurso de código. | string |
command | [Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py" | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
distribuição | Configuração de distribuição da tarefa. Se estiver definido, este deve ser um Mpi, Tensorflow, PyTorch ou nulo. | DistributionConfiguration |
environmentId | [Obrigatório] O ID de recurso do ARM da especificação do Ambiente para a tarefa. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | TrialComponentEnvironmentVariables |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
Modelos de início rápido
Os seguintes modelos de início rápido implementam este tipo de recurso.
Modelo | Description |
---|---|
Criar uma tarefa de classificação de AutoML do Azure Machine Learning |
Este modelo cria uma tarefa de classificação de AutoML do Azure Machine Learning para descobrir o melhor modelo para prever se um cliente subscreverá um depósito a prazo fixo com uma instituição financeira. |
Criar uma tarefa do Comando do Azure Machine Learning |
Este modelo cria uma tarefa do Comando do Azure Machine Learning com um script de hello_world básico |
Criar uma tarefa de Varrimento do Azure Machine Learning |
Este modelo cria uma tarefa de Varrimento do Azure Machine Learning para otimização de hiperparâmetros. |
Definição de recurso terraform (fornecedor AzAPI)
O tipo de recurso áreas de trabalho/tarefas pode ser implementado com operações direcionadas:
- Grupos de recursos
Para obter uma lista das propriedades alteradas em cada versão da API, veja Registo de alterações.
Formato do recurso
Para criar um recurso Microsoft.MachineLearningServices/workspaces/jobs, adicione o seguinte Terraform ao seu modelo.
resource "azapi_resource" "symbolicname" {
type = "Microsoft.MachineLearningServices/workspaces/jobs@2023-10-01"
name = "string"
parent_id = "string"
body = jsonencode({
properties = {
componentId = "string"
computeId = "string"
description = "string"
displayName = "string"
experimentName = "string"
identity = {
identityType = "string"
// For remaining properties, see IdentityConfiguration objects
}
isArchived = bool
properties = {
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
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"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
jobType = "string"
// For remaining properties, see JobBaseProperties objects
}
})
}
Objetos JobBaseProperties
Defina a propriedade jobType para especificar o tipo de objeto.
Para AutoML, utilize:
jobType = "AutoML"
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
queueSettings = {
jobTier = "string"
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
properties = {}
shmSize = "string"
}
taskDetails = {
logVerbosity = "string"
targetColumnName = "string"
trainingData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
taskType = "string"
// For remaining properties, see AutoMLVertical objects
}
Para Comando, utilize:
jobType = "Command"
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
limits = {
jobLimitsType = "string"
timeout = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
queueSettings = {
jobTier = "string"
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
properties = {}
shmSize = "string"
}
Para Pipeline, utilize:
jobType = "Pipeline"
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
jobs = {}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
sourceJobId = "string"
Para Varrer, utilize:
jobType = "Sweep"
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
limits = {
jobLimitsType = "string"
maxConcurrentTrials = int
maxTotalTrials = int
timeout = "string"
trialTimeout = "string"
}
objective = {
goal = "string"
primaryMetric = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
queueSettings = {
jobTier = "string"
}
samplingAlgorithm = {
samplingAlgorithmType = "string"
// For remaining properties, see SamplingAlgorithm objects
}
trial = {
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
properties = {}
shmSize = "string"
}
}
Objetos IdentityConfiguration
Defina a propriedade identityType para especificar o tipo de objeto.
Para AMLToken, utilize:
identityType = "AMLToken"
Para Gerido, utilize:
identityType = "Managed"
clientId = "string"
objectId = "string"
resourceId = "string"
Para UserIdentity, utilize:
identityType = "UserIdentity"
Objetos de nós
Defina a propriedade nodesValueType para especificar o tipo de objeto.
Para Todos, utilize:
nodesValueType = "All"
Objetos JobOutput
Defina a propriedade jobOutputType para especificar o tipo de objeto.
Para custom_model, utilize:
jobOutputType = "custom_model"
mode = "string"
uri = "string"
Para mlflow_model, utilize:
jobOutputType = "mlflow_model"
mode = "string"
uri = "string"
Para mltable, utilize:
jobOutputType = "mltable"
mode = "string"
uri = "string"
Para triton_model, utilize:
jobOutputType = "triton_model"
mode = "string"
uri = "string"
Para uri_file, utilize:
jobOutputType = "uri_file"
mode = "string"
uri = "string"
Para uri_folder, utilize:
jobOutputType = "uri_folder"
mode = "string"
uri = "string"
Objetos AutoMLVertical
Defina a propriedade taskType para especificar o tipo de objeto.
Para Classificação, utilize:
taskType = "Classification"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
positiveLabel = "string"
primaryMetric = "string"
testData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
trainingSettings = {
allowedTrainingAlgorithms = [
"string"
]
blockedTrainingAlgorithms = [
"string"
]
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
Para Previsão, utilize:
taskType = "Forecasting"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
forecastingSettings = {
countryOrRegionForHolidays = "string"
cvStepSize = int
featureLags = "string"
forecastHorizon = {
mode = "string"
// For remaining properties, see ForecastHorizon objects
}
frequency = "string"
seasonality = {
mode = "string"
// For remaining properties, see Seasonality objects
}
shortSeriesHandlingConfig = "string"
targetAggregateFunction = "string"
targetLags = {
mode = "string"
// For remaining properties, see TargetLags objects
}
targetRollingWindowSize = {
mode = "string"
// For remaining properties, see TargetRollingWindowSize objects
}
timeColumnName = "string"
timeSeriesIdColumnNames = [
"string"
]
useStl = "string"
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
primaryMetric = "string"
testData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
trainingSettings = {
allowedTrainingAlgorithms = [
"string"
]
blockedTrainingAlgorithms = [
"string"
]
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
Para ImageClassification, utilize:
taskType = "ImageClassification"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
momentum = int
nesterov = bool
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
trainingBatchSize = int
trainingCropSize = int
validationBatchSize = int
validationCropSize = int
validationResizeSize = int
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
weightedLoss = int
}
primaryMetric = "string"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
momentum = "string"
nesterov = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
trainingBatchSize = "string"
trainingCropSize = "string"
validationBatchSize = "string"
validationCropSize = "string"
validationResizeSize = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
weightedLoss = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Para ImageClassificationMultilabel, utilize:
taskType = "ImageClassificationMultilabel"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
momentum = int
nesterov = bool
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
trainingBatchSize = int
trainingCropSize = int
validationBatchSize = int
validationCropSize = int
validationResizeSize = int
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
weightedLoss = int
}
primaryMetric = "string"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
momentum = "string"
nesterov = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
trainingBatchSize = "string"
trainingCropSize = "string"
validationBatchSize = "string"
validationCropSize = "string"
validationResizeSize = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
weightedLoss = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Para ImageInstanceSegmentation, utilize:
taskType = "ImageInstanceSegmentation"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
boxDetectionsPerImage = int
boxScoreThreshold = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
imageSize = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
maxSize = int
minSize = int
modelName = "string"
modelSize = "string"
momentum = int
multiScale = bool
nesterov = bool
nmsIouThreshold = int
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
tileGridSize = "string"
tileOverlapRatio = int
tilePredictionsNmsThreshold = int
trainingBatchSize = int
validationBatchSize = int
validationIouThreshold = int
validationMetricType = "string"
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
}
primaryMetric = "MeanAveragePrecision"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
boxDetectionsPerImage = "string"
boxScoreThreshold = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
imageSize = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
maxSize = "string"
minSize = "string"
modelName = "string"
modelSize = "string"
momentum = "string"
multiScale = "string"
nesterov = "string"
nmsIouThreshold = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
tileGridSize = "string"
tileOverlapRatio = "string"
tilePredictionsNmsThreshold = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
validationIouThreshold = "string"
validationMetricType = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Para ImageObjectDetection, utilize:
taskType = "ImageObjectDetection"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
boxDetectionsPerImage = int
boxScoreThreshold = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
imageSize = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
maxSize = int
minSize = int
modelName = "string"
modelSize = "string"
momentum = int
multiScale = bool
nesterov = bool
nmsIouThreshold = int
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
tileGridSize = "string"
tileOverlapRatio = int
tilePredictionsNmsThreshold = int
trainingBatchSize = int
validationBatchSize = int
validationIouThreshold = int
validationMetricType = "string"
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
}
primaryMetric = "MeanAveragePrecision"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
boxDetectionsPerImage = "string"
boxScoreThreshold = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
imageSize = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
maxSize = "string"
minSize = "string"
modelName = "string"
modelSize = "string"
momentum = "string"
multiScale = "string"
nesterov = "string"
nmsIouThreshold = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
tileGridSize = "string"
tileOverlapRatio = "string"
tilePredictionsNmsThreshold = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
validationIouThreshold = "string"
validationMetricType = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Para Regressão, utilize:
taskType = "Regression"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
primaryMetric = "string"
testData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
trainingSettings = {
allowedTrainingAlgorithms = [
"string"
]
blockedTrainingAlgorithms = [
"string"
]
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
Para TextClassification, utilize:
taskType = "TextClassification"
featurizationSettings = {
datasetLanguage = "string"
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
primaryMetric = "string"
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
Para TextClassificationMultilabel, utilize:
taskType = "TextClassificationMultilabel"
featurizationSettings = {
datasetLanguage = "string"
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
Para TextNER, utilize:
taskType = "TextNER"
featurizationSettings = {
datasetLanguage = "string"
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
Objetos NCrossValidations
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode = "Auto"
Para Personalizar, utilize:
mode = "Custom"
value = int
Objetos do ForecastHorizon
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode = "Auto"
Para Personalizar, utilize:
mode = "Custom"
value = int
Objetos de sazonalidade
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode = "Auto"
Para Personalizar, utilize:
mode = "Custom"
value = int
Objetos TargetLags
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode = "Auto"
Para Personalizar, utilize:
mode = "Custom"
values = [
int
]
TargetRollingWindowSize objects (Objetos TargetRollingWindowSize)
Defina a propriedade mode para especificar o tipo de objeto.
Para Automático, utilize:
mode = "Auto"
Para Personalizar, utilize:
mode = "Custom"
value = int
Objetos EarlyTerminationPolicy
Defina a propriedade policyType para especificar o tipo de objeto.
Para Bandido, utilize:
policyType = "Bandit"
slackAmount = int
slackFactor = int
Para MedianStopping, utilize:
policyType = "MedianStopping"
Para TruncationSelection, utilize:
policyType = "TruncationSelection"
truncationPercentage = int
Objetos DistributionConfiguration
Defina a propriedade distributionType para especificar o tipo de objeto.
Para MPI, utilize:
distributionType = "Mpi"
processCountPerInstance = int
Para o PyTorch, utilize:
distributionType = "PyTorch"
processCountPerInstance = int
Para o TensorFlow, utilize:
distributionType = "TensorFlow"
parameterServerCount = int
workerCount = int
Objetos JobInput
Defina a propriedade jobInputType para especificar o tipo de objeto.
Para custom_model, utilize:
jobInputType = "custom_model"
mode = "string"
uri = "string"
Para literal, utilize:
jobInputType = "literal"
value = "string"
Para mlflow_model, utilize:
jobInputType = "mlflow_model"
mode = "string"
uri = "string"
Para mltable, utilize:
jobInputType = "mltable"
mode = "string"
uri = "string"
Para triton_model, utilize:
jobInputType = "triton_model"
mode = "string"
uri = "string"
Para uri_file, utilize:
jobInputType = "uri_file"
mode = "string"
uri = "string"
Para uri_folder, utilize:
jobInputType = "uri_folder"
mode = "string"
uri = "string"
SamplingAlgorithm objects (Objetos SamplingAlgorithm)
Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.
Para Bayesian, utilize:
samplingAlgorithmType = "Bayesian"
Para Grelha, utilize:
samplingAlgorithmType = "Grid"
Para Aleatório, utilize:
samplingAlgorithmType = "Random"
rule = "string"
seed = int
Valores de propriedade
áreas de trabalho/tarefas
Nome | Descrição | Valor |
---|---|---|
tipo | O tipo de recurso | "Microsoft.MachineLearningServices/workspaces/jobs@2023-10-01" |
name | O nome do recurso | cadeia (obrigatório) |
parent_id | O ID do recurso que é o principal para este recurso. | ID para recurso do tipo: áreas de trabalho |
propriedades | [Obrigatório] Atributos adicionais da entidade. | JobBaseProperties (obrigatório) |
JobBaseProperties
Nome | Descrição | Valor |
---|---|---|
componentId | ID do recurso arm do recurso do componente. | string |
computeId | ID do recurso arm do recurso de computação. | string |
descrição | O texto de descrição do recurso. | string |
displayName | Nome a apresentar da tarefa. | string |
experimentName | O nome da experimentação a que pertence a tarefa. Se não estiver definido, a tarefa é colocada na experimentação "Predefinição". | string |
identidade | Configuração de identidade. Se estiver definido, este deve ser um de AmlToken, ManagedIdentity, UserIdentity ou null. A predefinição é AmlToken se for nula. |
IdentityConfiguration |
isArchived | O recurso está arquivado? | bool |
propriedades | O dicionário da propriedade do recurso. | ResourceBaseProperties |
services | Lista de JobEndpoints. Para tarefas locais, um ponto final de tarefa terá um valor de ponto final de FileStreamObject. |
JobBaseServices |
etiquetas | Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas. | objeto |
jobType | Definir o tipo de objeto | AutoML Comando Pipeline Varrer (obrigatório) |
IdentityConfiguration
Nome | Descrição | Valor |
---|---|---|
identityType | Definir o tipo de objeto | AMLToken Gerido UserIdentity (obrigatório) |
AmlToken
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "AMLToken" (obrigatório) |
ManagedIdentity
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "Gerido" (obrigatório) |
clientId | Especifica uma identidade atribuída pelo utilizador pelo ID de cliente. Para a atribuição do sistema, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
objectId | Especifica uma identidade atribuída pelo utilizador pelo ID do objeto. Para a atribuição do sistema, não defina este campo. | string Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
resourceId | Especifica uma identidade atribuída pelo utilizador pelo ID de recurso do ARM. Para a atribuição do sistema, não defina este campo. | string |
UserIdentity
Nome | Descrição | Valor |
---|---|---|
identityType | [Obrigatório] Especifica o tipo de arquitetura de identidade. | "UserIdentity" (obrigatório) |
ResourceBaseProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string | |
{customized property} | string |
JobBaseServices
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobService |
JobService
Nome | Descrição | Valor |
---|---|---|
endpoint | URL para ponto final. | string |
jobServiceType | Tipo de ponto final. | string |
nós | Nós em que o utilizador gostaria de iniciar o serviço. Se Os Nós não estiverem definidos ou definidos como nulos, o serviço só será iniciado no nó de preenchimento. |
Nós |
porta | Porta para o ponto final. | int |
propriedades | Propriedades adicionais a definir no ponto final. | JobServiceProperties |
Nós
Nome | Descrição | Valor |
---|---|---|
nodesValueType | Definir o tipo de objeto | Todos (obrigatório) |
AllNodes
Nome | Descrição | Valor |
---|---|---|
nodesValueType | [Obrigatório] Tipo do valor Nós | "Tudo" (obrigatório) |
JobServiceProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
AutoMLJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "AutoML" (obrigatório) |
environmentId | O ID de recurso do ARM da especificação do Ambiente para a tarefa. Este é um valor opcional para fornecer, se não for fornecido, o AutoML irá predefini-lo para a versão de ambiente organizado do AutoML de Produção ao executar a tarefa. |
string |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | AutoMLJobEnvironmentVariables |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | AutoMLJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
taskDetails | [Obrigatório] Isto representa um cenário que pode ser uma das Tabelas/NLP/Imagem | AutoMLVertical (obrigatório) |
AutoMLJobEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
AutoMLJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
JobOutput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição do resultado. | string |
jobOutputType | Definir o tipo de objeto | custom_model mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "custom_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" "Carregar" |
uri | URI do Recurso de Saída. | string |
MLFlowModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "mlflow_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" "Carregar" |
uri | URI do Recurso de Saída. | string |
MLTableJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "mltable" (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" "Carregar" |
uri | URI do Recurso de Saída. | string |
TritonModelJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "triton_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" "Carregar" |
uri | URI do Recurso de Saída. | string |
UriFileJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "uri_file" (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" "Carregar" |
uri | URI do Recurso de Saída. | string |
UriFolderJobOutput
Nome | Descrição | Valor |
---|---|---|
jobOutputType | [Obrigatório] Especifica o tipo de tarefa. | "uri_folder" (obrigatório) |
mode | Modo de Entrega de Recursos de Saída. | "ReadWriteMount" "Carregar" |
uri | URI do Recurso de Saída. | string |
QueueSettings
Nome | Descrição | Valor |
---|---|---|
jobTier | Controla o escalão da tarefa de computação | "Básico" "Nulo" "Premium" "Spot" "Standard" |
JobResourceConfiguration
Nome | Descrição | Valor |
---|---|---|
dockerArgs | Argumentos adicionais para passar para o comando de execução do Docker. Isto substituiria quaisquer parâmetros que já tenham sido definidos pelo sistema ou nesta secção. Este parâmetro só é suportado para tipos de computação do Azure ML. | string |
instanceCount | Número opcional de instâncias ou nós utilizados pelo destino de computação. | int |
instanceType | Tipo opcional de VM utilizado como suportado pelo destino de computação. | string |
propriedades | Saco de propriedades adicionais. | ResourceConfigurationProperties |
shmSize | Tamanho do bloco de memória partilhada do contentor do Docker. Deve estar no formato de (número)(unidade) em que o número deve ser superior a 0 e a unidade pode ser de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes). | string Restrições: Padrão = \d+[bBkKmMgG] |
ResourceConfigurationProperties
Nome | Descrição | Valor |
---|---|---|
{customized property} | ||
{customized property} |
AutoMLVertical
Nome | Descrição | Valor |
---|---|---|
logVerbosity | Registar verbosidade da tarefa. | "Crítico" "Depurar" "Erro" "Informações" "NotSet" "Aviso" |
targetColumnName | Nome da coluna de destino: esta é a coluna de valores de predição. Também conhecido como nome da coluna de etiqueta no contexto de tarefas de classificação. |
string |
trainingData | [Obrigatório] Entrada de dados de preparação. | MLTableJobInput (obrigatório) |
taskType | Definir o tipo de objeto | Classificação Previsão ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regressão TextClassification TextClassificationMultilabel TextNER (obrigatório) |
MLTableJobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "custom_model" "literal" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | "Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
Classificação
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Classificação" (obrigatório) |
cvSplitColumnAmes | Colunas a utilizar para dados CVSplit. | cadeia[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
positiveLabel | Etiqueta positiva para cálculo de métricas binárias. | string |
primaryMetric | Métrica primária da tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
testData | Testar entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa autoML. | ClassificationTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
TableVerticalFeaturizationSettings
Nome | Descrição | Valor |
---|---|---|
blockedTransformers | Estes transformadores não devem ser utilizados na caracterização. | Matriz de cadeias que contém qualquer um dos seguintes: "CatTargetEncoder" "CountVectorizer" "HashOneHotEncoder" "LabelEncoder" "NaiveBayes" "OneHotEncoder" "TextTargetEncoder" "TfIdf" "WoETargetEncoder" "WordEmbedding" |
columnNameAndTypes | Dicionário do nome da coluna e do respetivo tipo (int, float, string, datetime, etc.). | TableVerticalFeaturizationSettingsColumnNameAndTypes |
datasetLanguage | Idioma do conjunto de dados, útil para os dados de texto. | string |
enableDnnFeaturization | Determina se deve utilizar caracterizadores baseados em Dnn para a caracterização de dados. | bool |
mode | Modo de caracterização – o utilizador pode manter o modo "Automático" predefinido e o AutoML tratará da transformação necessária dos dados na fase de caracterização. Se "Desativado" estiver selecionado, não é feita qualquer caracterização. Se "Personalizado" estiver selecionado, o utilizador pode especificar entradas adicionais para personalizar a forma como a caracterização é feita. |
"Automático" "Personalizado" "Desligado" |
transformerParams | O utilizador pode especificar transformadores adicionais a serem utilizados juntamente com as colunas às quais seriam aplicados e parâmetros para o construtor do transformador. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
TableVerticalFeaturizationSettingsTransformerParams
Nome | Descrição | Valor |
---|---|---|
{customized property} | ColumnTransformer[] |
ColumnTransformer
Nome | Descrição | Valor |
---|---|---|
fields | Campos nos quais aplicar a lógica do transformador. | string[] |
parâmetros | Propriedades diferentes a serem transmitidas ao transformador. A entrada esperada é o dicionário de pares chave e valor no formato JSON. |
TableVerticalLimitSettings
Nome | Descrição | Valor |
---|---|---|
enableEarlyTermination | Ative a terminação antecipada, determina se o AutoMLJob terminará mais cedo se não houver melhoria de pontuação nas últimas 20 iterações. | bool |
exitScore | Classificação de saída para a tarefa de AutoML. | int |
maxConcurrentTrials | Máximo de iterações simultâneas. | int |
maxCoresPerTrial | Máx. de núcleos por iteração. | int |
maxTrials | Número de iterações. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
trialTimeout | Tempo limite da iteração. | string |
NCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoNCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo para determinar validações N-Cross. | "Automático" (obrigatório) |
CustomNCrossValidations
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo para determinar validações N-Cross. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor de validações N-Cross. | int (obrigatório) |
ClassificationTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para tarefas de classificação. | Matriz de cadeia que contém qualquer um dos seguintes: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier" |
blockedTrainingAlgorithms | Modelos bloqueados para tarefa de classificação. | Matriz de cadeia que contém qualquer um dos seguintes: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração do modelo VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
StackEnsembleSettings
Nome | Descrição | Valor |
---|---|---|
stackMetaLearnerKWargs | Parâmetros opcionais para transmitir para o inicializador do meta-aluno. | |
stackMetaLearnerTrainPercentage | Especifica a proporção do conjunto de preparação (ao escolher o tipo de preparação e validação de preparação) a reservar para a preparação do meta-aluno. O valor predefinido é 0,2. | int |
stackMetaLearnerType | O metadutor é um modelo preparado na saída dos modelos heterogéneos individuais. | "ElasticNet" "ElasticNetCV" "LightGBMClassifier" "LightGBMRegressor" "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "Nenhum" |
Previsão
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Previsão" (obrigatório) |
cvSplitColumnNames | Colunas a utilizar para dados CVSplit. | string[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
forecastingSettings | Previsão de entradas específicas de tarefas. | PrevisõesDefinições |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
primaryMetric | Métrica primária para a tarefa de previsão. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "SpearmanCorrelation" |
testData | Testar a entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa de AutoML. | ForecastingTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
PrevisõesDefinições
Nome | Descrição | Valor |
---|---|---|
countryOrRegionForHolidays | País ou região para feriados para tarefas de previsão. Estes devem ser códigos de país/região ISO 3166 de duas letras, por exemplo "EUA" ou "GB". |
string |
cvStepSize | Número de períodos entre a hora de origem de uma dobra cv e a dobra seguinte. Para o por exemplo, se CVStepSize = 3 para dados diários, a hora de origem de cada dobra serátrês dias de diferença. |
int |
featureLags | Sinalizar para gerar atrasos para as funcionalidades numéricas com "automático" ou nulo. | "Automático" "Nenhum" |
forecastHorizon | O horizonte de previsão máximo pretendido em unidades de frequência de série temporal. | PrevisãoHorizon |
frequência | Ao prever, este parâmetro representa o período com o qual a previsão é pretendida, por exemplo, diariamente, semanalmente, anualmente, etc. Por predefinição, a frequência de previsão é a frequência do conjunto de dados. | string |
sazonalidade | Defina a sazonalidade da série temporal como um número inteiro múltiplo da frequência da série. Se a sazonalidade estiver definida como "automática", será inferida. |
Sazonalidade |
shortSeriesHandlingConfig | O parâmetro que define como se o AutoML deve processar séries de tempo curtos. | "Automático" "Largar" "Nenhum" "Pad" |
targetAggregateFunction | A função a ser utilizada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada por um utilizador. Se TargetAggregateFunction estiver definido, ou seja, não "Nenhum", mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "sum", "max", "min" e "mean". |
"Máximo" "Média" "Min" "Nenhum" "Soma" |
targetLags | O número de períodos passados a desfasar da coluna de destino. | TargetLags |
targetRollingWindowSize | O número de períodos anteriores utilizados para criar uma média de janela rolante da coluna de destino. | TargetRollingWindowSize |
timeColumnName | O nome da coluna time. Este parâmetro é necessário ao prever para especificar a coluna datetime nos dados de entrada utilizados para criar a série temporal e inferir a respetiva frequência. | string |
timeSeriesIdColumnames | Os nomes das colunas utilizadas para agrupar uma série de horas. Pode ser utilizado para criar várias séries. Se o grão não estiver definido, assume-se que o conjunto de dados é uma série temporal. Este parâmetro é utilizado com a previsão do tipo de tarefa. |
cadeia[] |
useStl | Configure a Decomposição de STL da coluna de destino da série temporal. | "Nenhum" "Temporada" "SeasonTrend" |
PrevisãoHorizon
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoForecastHorizon
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Defina o modo de seleção de valor do horizonte de previsão. | "Automático" (obrigatório) |
CustomForecastHorizon
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Defina o modo de seleção de valor do horizonte de previsão. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor do horizonte de previsão. | int (obrigatório) |
Sazonalidade
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoSeasonality
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de sazonalidade. | "Automático" (obrigatório) |
CustomSeasonality
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de sazonalidade. | "Personalizado" (obrigatório) |
valor | [Obrigatório] Valor de sazonalidade. | int (obrigatório) |
TargetLags
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoTargetLags
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado | "Automático" (obrigatório) |
CustomTargetLags
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado | "Personalizado" (obrigatório) |
values | [Obrigatório] Definir valores de desfasamentos de destino. | int[] (obrigatório) |
TargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | Definir o tipo de objeto | Automático Personalizado (obrigatório) |
AutoTargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | "Automático" (obrigatório) |
CustomTargetRollingWindowSize
Nome | Descrição | Valor |
---|---|---|
mode | [Obrigatório] Modo de deteção TargetRollingWindowSiz. | "Personalizado" (obrigatório) |
valor | [Obrigatório] TargetRollingWindowSize valor. | int (obrigatório) |
ForecastingTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para a tarefa de previsão. | Matriz de cadeias que contém qualquer um dos seguintes: "Arimax" "Arquivo Automático" "Média" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "Ingenuidade" "Profeta" "RandomForest" "SGD" "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor" |
blockedTrainingAlgorithms | Modelos bloqueados para a tarefa de previsão. | Matriz de cadeias que contém qualquer um dos seguintes: "Arimax" "Arquivo Automático" "Média" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "Ingenuidade" "Profeta" "RandomForest" "SGD" "SazonalAverage" "SazonalNaive" "TCNForecaster" "XGBoostRegressor" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração do modelo VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
ImageClassification
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageClassification" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa de AutoML. | ImageLimitSettings (obrigatório) |
modelDefinições | Definições utilizadas para preparar o modelo. | ImageModelSettingsClassification |
primaryMetric | Métrica primária a otimizar para esta tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Espaço de pesquisa para amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e a varrimento de hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageLimitSettings
Nome | Descrição | Valor |
---|---|---|
maxConcurrentTrials | Número máximo de iterações automáticas simultâneas. | int |
maxTrials | Número máximo de iterações de AutoML. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
ImageModelSettingsClassification
Nome | Descrição | Valor |
---|---|---|
advancedSettings | Definições para cenários avançados. | string |
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | bool |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
beta2 | Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
checkpointFrequency | Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo. | int |
checkpointModel | O modelo de ponto de verificação pré-preparado para preparação incremental. | MLFlowModelJobInput |
checkpointRunId | O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental. | string |
distribuído | Se pretende utilizar a preparação distribuída. | bool |
earlyStopping | Ative a lógica de paragem antecipada durante a preparação. | bool |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo. |
int |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
int |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | bool |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo. | int |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
int |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
int |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | int |
learningRateScheduler | Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | "Nenhum" "Passo" "WarmupCosine" |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
impulso | Valor de impulso quando o otimizador é 'sgd'. Tem de ser um flutuante no intervalo [0, 1]. | int |
nesterov | Ative o aninhado quando o otimizador é "sgd". | bool |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | int |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | int |
otimizador | Tipo de otimizador. | "Adão" "Adamw" "Nenhum" "Sgd" |
randomSeed | Semente aleatória a ser utilizada ao utilizar preparação determinista. | int |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | int |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | int |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | int |
trainingCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo. | int |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | int |
validationCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | int |
validationResizeSize | Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | int |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | int |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | int |
espessuraDecay | Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1]. | int |
weightedLoss | Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0, 1 ou 2. |
int |
MLFlowModelJobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "custom_model" "literal" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | "Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
Nome | Descrição | Valor |
---|---|---|
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | string |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
beta2 | Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
distribuído | Se pretende utilizar a preparação de distribuição. | string |
earlyStopping | Ative a lógica de paragem antecipada durante a preparação. | string |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo. |
string |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
string |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | string |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo. | string |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
string |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | string |
learningRateScheduler | Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | string |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
impulso | Valor de impulso quando o otimizador é 'sgd'. Tem de ser um flutuante no intervalo [0, 1]. | string |
nesterov | Ative o aninhado quando o otimizador é "sgd". | string |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | string |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | string |
otimizador | Tipo de otimizador. Deve ser "sgd", "adão" ou "adão". | string |
randomSeed | Semente aleatória a ser utilizada ao utilizar preparação determinista. | string |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | string |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | string |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | string |
trainingCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de preparação. Tem de ser um número inteiro positivo. | string |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | string |
validationCropSize | Tamanho do recorte de imagem que é introduzido na rede neural para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | string |
validationResizeSize | Tamanho da imagem para o qual redimensionar antes de recortar para o conjunto de dados de validação. Tem de ser um número inteiro positivo. | string |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | string |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | string |
espessuraDecay | Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1]. | string |
weightedLoss | Perda ponderada. Os valores aceites são 0 para nenhuma perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Tem de ser 0, 1 ou 2. |
string |
ImageSweepSettings
Nome | Descrição | Valor |
---|---|---|
earlyTermination | Tipo de política de cessação antecipada. | EarlyTerminationPolicy |
samplingAlgorithm | [Obrigatório] Tipo de algoritmos de amostragem de hiperparâmetros. | "Bayesian" "Grelha" "Aleatório" (obrigatório) |
EarlyTerminationPolicy
Nome | Descrição | Valor |
---|---|---|
delayEvaluation | Número de intervalos para atrasar a primeira avaliação. | int |
evaluationInterval | Intervalo (número de execuções) entre avaliações de políticas. | int |
policyType | Definir o tipo de objeto | Bandido MedianStopping TruncationSelection (necessário) |
BanditPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "Bandido" (obrigatório) |
slackAmount | Distância absoluta permitida a partir da execução com melhor desempenho. | int |
slackFactor | Proporção da distância permitida da execução com melhor desempenho. | int |
MedianStoppingPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "MedianStopping" (obrigatório) |
TruncationSelectionPolicy
Nome | Descrição | Valor |
---|---|---|
policyType | [Obrigatório] Nome da configuração da política | "TruncationSelection" (obrigatório) |
truncationPercentage | A percentagem de execuções a cancelar em cada intervalo de avaliação. | int |
ImageClassificationMultilabel
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageClassificationMultilabel" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa autoML. | ImageLimitSettings (obrigatório) |
modelSettings | Definições utilizadas para preparar o modelo. | ImageModelSettingsClassification |
primaryMetric | Métrica primária para otimizar para esta tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageInstanceSegmentation
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageInstanceSegmentation" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa autoML. | ImageLimitSettings (obrigatório) |
modelSettings | Definições utilizadas para preparar o modelo. | ImageModelSettingsObjectDetection |
primaryMetric | Métrica primária para otimizar para esta tarefa. | "MeanAveragePrecision" |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
ImageModelSettingsObjectDetection
Nome | Descrição | Valor |
---|---|---|
advancedSettings | Definições para cenários avançados. | string |
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | bool |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
beta2 | Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | int |
boxDetectionsPerImage | Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
boxScoreThreshold | Durante a inferência, devolver apenas propostas com uma classificação de classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1]. |
int |
checkpointFrequency | Frequência para armazenar pontos de verificação de modelos. Tem de ser um número inteiro positivo. | int |
checkpointModel | O modelo de ponto de verificação pré-preparado para preparação incremental. | MLFlowModelJobInput |
checkpointRunId | O ID de uma execução anterior que tem um ponto de verificação pré-preparado para preparação incremental. | string |
distribuído | Se pretende utilizar a preparação distribuída. | bool |
earlyStopping | Ative a lógica de paragem antecipada durante a preparação. | bool |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo. |
int |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
int |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | bool |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo. | int |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
int |
imageSize | Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM da CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
int |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
int |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | int |
learningRateScheduler | Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | "Nenhum" "Passo" "WarmupCosine" |
maxSize | Tamanho máximo da imagem a dimensionar antes de a alimentar com a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
minSize | Tamanho mínimo da imagem a dimensionar antes de a alimentar para a coluna principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação pode entrar no OOM CUDA se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
"ExtraLarge" "Grande" "Médio" "Nenhum" "Pequeno" |
momentum | Valor do impulso quando o otimizador é "sgd". Tem de ser um flutuante no intervalo [0, 1]. | int |
multiScale | Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
bool |
nesterov | Ative o aninhado quando o otimizador é "sgd". | bool |
nmsIouThreshold | Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de ser um flutuante no intervalo [0, 1]. | int |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | int |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | int |
otimizador | Tipo de otimizador. | "Adão" "Adamw" "Nenhum" "Sgd" |
randomSeed | Semente aleatória a utilizar ao utilizar a preparação determinista. | int |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | int |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | int |
tileGridSize | O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhum para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tileOverlapRatio | Proporção entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
tilePredictionsNmsThreshold | O limiar IOU a utilizar para executar o NMS ao intercalar predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
int |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | int |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | int |
validationIouThreshold | Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1]. | int |
validationMetricType | Método de computação de métricas a utilizar para métricas de validação. | "Coco" "CocoVoc" "Nenhum" "Voc" |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | int |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | int |
espessuraDecay | Valor da decadência do peso quando o otimizador é 'sgd', 'adão' ou 'adamw'. Tem de ser um flutuante no intervalo[0, 1]. | int |
ImageModelDistributionSettingsObjectDetection
Nome | Descrição | Valor |
---|---|---|
amsGradient | Ative o AMSGrad quando o otimizador for "adam" ou "adamw". | string |
aumentos | Definições para utilizar Aumentos. | string |
beta1 | Valor de "beta1" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
beta2 | Valor de "beta2" quando o otimizador é "adão" ou "adamw". Tem de ser um flutuante no intervalo [0, 1]. | string |
boxDetectionsPerImage | Número máximo de deteções por imagem, para todas as classes. Tem de ser um número inteiro positivo. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
boxScoreThreshold | Durante a inferência, devolver apenas propostas com uma classificação de classificação superior a BoxScoreThreshold. Tem de ser um flutuante no intervalo[0, 1]. |
string |
distribuído | Se pretende utilizar a preparação de distribuição. | string |
earlyStopping | Ative a lógica de paragem antecipada durante a preparação. | string |
earlyStoppingDelay | Número mínimo de épocas ou avaliações de validação a aguardar antes da melhoria da métrica primária é controlado para paragem antecipada. Tem de ser um número inteiro positivo. |
string |
earlyStoppingPatience | Número mínimo de épocas ou avaliações de validação sem melhoria de métricas primárias antes a execução está parada. Tem de ser um número inteiro positivo. |
string |
enableOnnxNormalization | Ativar a normalização ao exportar o modelo ONNX. | string |
evaluationFrequency | Frequência para avaliar o conjunto de dados de validação para obter classificações de métricas. Tem de ser um número inteiro positivo. | string |
gradientAccumulationStep | Acumulação de gradação significa executar um número configurado de passos "GradAccumulationStep" sem atualizar os pesos do modelo ao acumular as gradações desses passos e, em seguida, utilizar as gradações acumuladas para calcular as atualizações de peso. Tem de ser um número inteiro positivo. |
string |
imageSize | Tamanho da imagem para preparação e validação. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM da CUDA se o tamanho for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
layersToFreeze | Número de camadas a fixar para o modelo. Tem de ser um número inteiro positivo. Por exemplo, transmitir 2 como valor para "seresnext" significa camadas de congelação0 e camada1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, veja: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
learningRate | Taxa de aprendizagem inicial. Tem de ser um flutuante no intervalo [0, 1]. | string |
learningRateScheduler | Tipo de agendador de taxa de aprendizagem. Tem de ser "warmup_cosine" ou "passo". | string |
maxSize | Tamanho máximo da imagem a ser redimensionada antes de a alimentar na estrutura principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM cuda se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
minSize | Tamanho mínimo da imagem a ser redimensionada antes de a alimentar na estrutura principal. Tem de ser um número inteiro positivo. Nota: a execução de preparação pode entrar no OOM cuda se o tamanho for demasiado grande. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
modelName | Nome do modelo a utilizar para preparação. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
string |
modelSize | Tamanho do modelo. Tem de ser "pequeno", "médio", "grande" ou "xlarge". Nota: a execução de preparação poderá entrar no OOM cuda se o tamanho do modelo for demasiado grande. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
impulso | Valor de impulso quando o otimizador é 'sgd'. Tem de ser um flutuante no intervalo [0, 1]. | string |
multiescala | Ative a imagem em várias escalas ao variar o tamanho da imagem em +/- 50%. Nota: a execução de preparação pode entrar no OOM CUDA se não houver memória GPU suficiente. Nota: estas definições só são suportadas para o algoritmo "yolov5". |
string |
nesterov | Ative o aninhado quando o otimizador é "sgd". | string |
nmsIouThreshold | Limiar IOU utilizado durante a inferência no pós-processamento do NMS. Tem de estar a flutuar no intervalo [0, 1]. | string |
numberOfEpochs | Número de épocas de preparação. Tem de ser um número inteiro positivo. | string |
numberOfWorkers | Número de trabalhadores do carregador de dados. Tem de ser um número inteiro não negativo. | string |
otimizador | Tipo de otimizador. Deve ser "sgd", "adão" ou "adão". | string |
randomSeed | Semente aleatória a ser utilizada ao utilizar preparação determinista. | string |
stepLRGamma | Valor da gama quando o programador de taxa de aprendizagem é "passo". Tem de ser um flutuante no intervalo [0, 1]. | string |
stepLRStepSize | Valor do tamanho do passo quando o agendador da taxa de aprendizagem é "passo". Tem de ser um número inteiro positivo. | string |
tileGridSize | O tamanho da grelha a utilizar para tilar cada imagem. Nota: TileGridSize não pode ser Nenhuma para ativar a lógica de deteção de objetos pequenos. Uma cadeia que contém dois números inteiros no formato mxn. Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tileOverlapRatio | Relação de sobreposição entre mosaicos adjacentes em cada dimensão. Tem de estar a flutuar no intervalo [0, 1). Nota: estas definições não são suportadas para o algoritmo "yolov5". |
string |
tilePredictionsNmsThreshold | O limiar de IOU a utilizar para executar o NMS enquanto intercala predições de mosaicos e imagens. Utilizado na validação/inferência. Tem de estar a flutuar no intervalo [0, 1]. Nota: estas definições não são suportadas para o algoritmo "yolov5". NMS: Supressão não máxima |
string |
trainingBatchSize | Tamanho do lote de preparação. Tem de ser um número inteiro positivo. | string |
validationBatchSize | Tamanho do lote de validação. Tem de ser um número inteiro positivo. | string |
validationIouThreshold | Limiar de IOU a utilizar ao calcular a métrica de validação. Tem de estar a flutuar no intervalo [0, 1]. | string |
validationMetricType | Método de computação de métricas a utilizar para métricas de validação. Tem de ser "nenhum", "coco", "voc" ou "coco_voc". | string |
warmupCosineLRCycles | Valor do ciclo de cosseno quando o agendador da taxa de aprendizagem é "warmup_cosine". Tem de ser um flutuante no intervalo [0, 1]. | string |
warmupCosineLRWarmupEpochs | Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Tem de ser um número inteiro positivo. | string |
weightDecay | Valor da decadência do peso quando o otimizador é "sgd", "adam" ou "adamw". Tem de ser um flutuante no intervalo[0, 1]. | string |
ImageObjectDetection
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "ImageObjectDetection" (obrigatório) |
limitSettings | [Obrigatório] Limitar as definições da tarefa autoML. | ImageLimitSettings (obrigatório) |
modelSettings | Definições utilizadas para preparar o modelo. | ImageModelSettingsObjectDetection |
primaryMetric | Métrica primária para otimizar para esta tarefa. | "MeanAveragePrecision" |
searchSpace | Procure espaço de amostragem de diferentes combinações de modelos e respetivos hiperparâmetros. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Definições relacionadas com a limpeza de modelos e hiperparâmetros. | ImageSweepSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
Regressão
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "Regressão" (necessária) |
cvSplitColumnAmes | Colunas a utilizar para dados CVSplit. | cadeia[] |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | TableVerticalFeaturizationSettings |
limitSettings | Restrições de execução do AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Número de pastas de validação cruzada a aplicar no conjunto de dados de preparação quando o conjunto de dados de validação não é fornecido. |
NCrossValidations |
primaryMetric | Métrica primária da tarefa de regressão. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "SpearmanCorrelation" |
testData | Testar entrada de dados. | MLTableJobInput |
testDataSize | A fração do conjunto de dados de teste que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
trainingSettings | Entradas para a fase de preparação de uma Tarefa autoML. | RegressionTrainingSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
validationDataSize | A fração do conjunto de dados de preparação que tem de ser reservada para fins de validação. Valores entre (0,0 , 1.0) Aplicado quando o conjunto de dados de validação não é fornecido. |
int |
weightColumnName | O nome da coluna de peso de exemplo. O ML automatizado suporta uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. | string |
RegressionTrainingSettings
Nome | Descrição | Valor |
---|---|---|
allowedTrainingAlgorithms | Modelos permitidos para tarefas de regressão. | Matriz de cadeias que contém qualquer um dos seguintes: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor" |
blockedTrainingAlgorithms | Modelos bloqueados para tarefa de regressão. | Matriz de cadeia que contém qualquer um dos seguintes: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor" |
enableDnnTraining | Ative a recomendação de modelos DNN. | bool |
enableModelExplainability | Sinalizar para ativar a explicação no melhor modelo. | bool |
enableOnnxCompatibleModels | Sinalizador para ativar modelos compatíveis com onnx. | bool |
enableStackEnsemble | Ativar a execução do conjunto de pilhas. | bool |
enableVoteEnsemble | Ative a execução do conjunto de votação. | bool |
ensembleModelDownloadTimeout | Durante a geração do modelo VotingEnsemble e StackEnsemble, são transferidos vários modelos ajustados das execuções subordinadas anteriores. Configure este parâmetro com um valor superior a 300 segundos, se for necessário mais tempo. |
string |
stackEnsembleSettings | Definições do conjunto de pilhas para a execução do conjunto de pilhas. | StackEnsembleSettings |
TextClassification
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextClassification" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
primaryMetric | Métrica primária para Text-Classification tarefa. | "AUCWeighted" "Precisão" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
validationData | Entradas de dados de validação. | MLTableJobInput |
NlpVerticalFeaturizationSettings
Nome | Descrição | Valor |
---|---|---|
datasetLanguage | Idioma do conjunto de dados, útil para os dados de texto. | string |
NlpVerticalLimitSettings
Nome | Descrição | Valor |
---|---|---|
maxConcurrentTrials | Máximo de iterações de AutoML Simultâneas. | int |
maxTrials | Número de iterações de AutoML. | int |
tempo limite | Tempo limite da tarefa de AutoML. | string |
TextClassificationMultilabel
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextClassificationMultilabel" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
TextNer
Nome | Descrição | Valor |
---|---|---|
taskType | [Obrigatório] Tipo de tarefa para AutoMLJob. | "TextNER" (obrigatório) |
featurizationSettings | Entradas de caracterização necessárias para a tarefa de AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Restrições de execução do AutoMLJob. | NlpVerticalLimitSettings |
validationData | Entradas de dados de validação. | MLTableJobInput |
CommandJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Comando" (obrigatório) |
codeId | ID do recurso arm do recurso de código. | string |
command | [Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py" | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
distribuição | Configuração de distribuição da tarefa. Se estiver definido, este deve ser um Mpi, Tensorflow, PyTorch ou nulo. | DistributionConfiguration |
environmentId | [Obrigatório] O ID de recurso do ARM da especificação do Ambiente para a tarefa. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | CommandJobEnvironmentVariables |
entradas | Mapeamento de enlaces de dados de entrada utilizados na tarefa. | CommandJobInputs |
limites | Limite de Tarefas de Comando. | CommandJobLimits |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | CommandJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
DistributionConfiguration
Nome | Descrição | Valor |
---|---|---|
distributionType | Definir o tipo de objeto | Mpi PyTorch TensorFlow (obrigatório) |
Mpi
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de estrutura de distribuição. | "Mpi" (obrigatório) |
processCountPerInstance | Número de processos por nó MPI. | int |
PyTorch
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de estrutura de distribuição. | "PyTorch" (obrigatório) |
processCountPerInstance | Número de processos por nó. | int |
TensorFlow
Nome | Descrição | Valor |
---|---|---|
distributionType | [Obrigatório] Especifica o tipo de estrutura de distribuição. | "TensorFlow" (obrigatório) |
parameterServerCount | Número de tarefas de servidor de parâmetros. | int |
workerCount | Número de trabalhadores. Se não for especificado, a predefinição será a contagem de instâncias. | int |
CommandJobEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
CommandJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
JobInput
Nome | Descrição | Valor |
---|---|---|
descrição | Descrição da entrada. | string |
jobInputType | Definir o tipo de objeto | custom_model literal mlflow_model mltable triton_model uri_file uri_folder (obrigatório) |
CustomModelJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "custom_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | "Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
LiteralJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "literal" (obrigatório) |
valor | [Obrigatório] Valor literal da entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
TritonModelJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "triton_model" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | "Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFileJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "uri_file" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | "Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
URI | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
UriFolderJobInput
Nome | Descrição | Valor |
---|---|---|
jobInputType | [Obrigatório] Especifica o tipo de tarefa. | "uri_folder" (obrigatório) |
mode | Modo de Entrega de Recursos de Entrada. | "Direto" "Transferir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
uri | [Obrigatório] URI do Recurso de Entrada. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
CommandJobLimits
Nome | Descrição | Valor |
---|---|---|
jobLimitsType | [Obrigatório] Tipo jobLimit. | "Comando" "Varrer" (obrigatório) |
tempo limite | A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Suporta apenas a duração com precisão tão baixa como Segundos. | string |
CommandJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
PipelineJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Pipeline" (obrigatório) |
entradas | Entradas para a tarefa de pipeline. | PipelineJobInputs |
tarefas | As tarefas constroem a Tarefa de Pipeline. | PipelineJobJobs |
saídas | Saídas para a tarefa de pipeline | PipelineJobOutputs |
definições | Definições do pipeline, para aspetos como ContinueRunOnStepFailure, etc. | |
sourceJobId | ID de recurso arm da tarefa de origem. | string |
PipelineJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
PipelineJobJobs
Nome | Descrição | Valor |
---|---|---|
{customized property} |
PipelineJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
SweepJob
Nome | Descrição | Valor |
---|---|---|
jobType | [Obrigatório] Especifica o tipo de tarefa. | "Varrer" (obrigatório) |
earlyTermination | As políticas de cessação antecipada permitem cancelar execuções de mau desempenho antes de serem concluídas | EarlyTerminationPolicy |
entradas | Mapeamento de enlaces de dados de entrada utilizados na tarefa. | SweepJobInputs |
limites | Limite de tarefas de varrimento. | SweepJobLimits |
objetivo | [Obrigatório] Objetivo de otimização. | Objetivo (obrigatório) |
saídas | Mapeamento de enlaces de dados de saída utilizados na tarefa. | SweepJobOutputs |
queueSettings | Definições de fila para a tarefa | QueueSettings |
samplingAlgorithm | [Obrigatório] O algoritmo de amostragem de hiperparâmetros | SamplingAlgorithm (obrigatório) |
searchSpace | [Obrigatório] Um dicionário que contém cada parâmetro e a respetiva distribuição. A chave do dicionário é o nome do parâmetro | |
trial | [Obrigatório] Definição do componente de avaliação. | TrialComponent (obrigatório) |
SweepJobInputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobInput |
SweepJobLimits
Nome | Descrição | Valor |
---|---|---|
jobLimitsType | [Obrigatório] Tipo jobLimit. | "Comando" "Varrer" (obrigatório) |
maxConcurrentTrials | Varra Tarefa máxima de avaliações simultâneas. | int |
maxTotalTrials | Varra o número máximo de avaliações de tarefas. | int |
tempo limite | A duração máxima da execução no formato ISO 8601, após a qual a tarefa será cancelada. Suporta apenas a duração com precisão tão baixa como Segundos. | string |
trialTimeout | Valor de tempo limite da Avaliação de Tarefas de Varrimento. | string |
Objetivo
Nome | Descrição | Valor |
---|---|---|
goal | [Obrigatório] Define os objetivos de métricas suportados para otimização de hiperparâmetros | "Maximizar" "Minimizar" (obrigatório) |
primaryMetric | [Obrigatório] Nome da métrica a otimizar. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
SweepJobOutputs
Nome | Descrição | Valor |
---|---|---|
{customized property} | JobOutput |
SamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | Definir o tipo de objeto | Bayesian Grelha Aleatório (obrigatório) |
BayesianSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Bayesian" (obrigatório) |
GridSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Grelha" (obrigatório) |
RandomSamplingAlgorithm
Nome | Descrição | Valor |
---|---|---|
samplingAlgorithmType | [Obrigatório] O algoritmo utilizado para gerar valores de hiperparâmetros, juntamente com as propriedades de configuração | "Aleatório" (obrigatório) |
regra | O tipo específico de algoritmo aleatório | "Aleatório" "Sobol" |
seed | Um número inteiro opcional a utilizar como seed para geração de números aleatórios | int |
TrialComponent
Nome | Descrição | Valor |
---|---|---|
codeId | ID do recurso arm do recurso de código. | string |
command | [Obrigatório] O comando a executar no arranque da tarefa. Por exemplo, "python train.py" | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
distribuição | Configuração de distribuição da tarefa. Se estiver definido, este deve ser um de Mpi, Tensorflow, PyTorch ou nulo. | DistributionConfiguration |
environmentId | [Obrigatório] O ID de recurso do ARM da especificação ambiente da tarefa. | cadeia (obrigatório) Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] |
environmentVariables | Variáveis de ambiente incluídas na tarefa. | TrialComponentEnvironmentVariables |
resources | Configuração do Recurso de Computação para a tarefa. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
Nome | Descrição | Valor |
---|---|---|
{customized property} | string |
Comentários
https://aka.ms/ContentUserFeedback.
Brevemente: Ao longo de 2024, vamos descontinuar progressivamente o GitHub Issues como mecanismo de feedback para conteúdos e substituí-lo por um novo sistema de feedback. Para obter mais informações, veja:Submeter e ver comentários