Рабочие области/задания Microsoft.MachineLearningServices 2022-10-01-preview

• Последняя версия
• 2025-07-01-превью
• 2025-06-01
• 2025-04-01
• 2025-04-01-превью
• 2025-01-01-превью
• 2024-10-01
• 2024-10-01-превью
• 2024-07-01-превью
• 2024-04-01
• 2024-04-01-превью
• 2024-01-01-превью
• 2023-10-01
• 2023-08-01-превью
• 2023-06-01-превью
• 2023-04-01
• 2023-04-01-превью
• 2023-02-01-превью
• 2022-12-01-превью
• 2022-10-01
• 2022-10-01-превью
• 2022-06-01-превью
• 2022-05-01
• 2022-02-01-превью
• 2021-03-01-превью

Определение ресурсов Bicep

Тип ресурса рабочих областей и заданий можно развернуть с помощью операций, предназначенных для следующих задач:

• Группы ресурсов — см. команды развертывания группы ресурсов

Список измененных свойств в каждой версии API см. в журнала изменений.

Формат ресурса

Чтобы создать ресурс Microsoft.MachineLearningServices/workspaces/jobs, добавьте следующий Bicep в шаблон.

resource symbolicname 'Microsoft.MachineLearningServices/workspaces/jobs@2022-10-01-preview' = {
  parent: resourceSymbolicName
  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'
    }
    services: {
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        nodes: {
          nodesValueType: 'string'
          // For remaining properties, see Nodes objects
        }
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
    }
    tags: {
      {customized property}: 'string'
    }
    jobType: 'string'
    // For remaining properties, see JobBaseProperties objects
  }
}

Объекты сезонности

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode: 'Auto'
}

Для пользовательского использования используйте:

{
  mode: 'Custom'
  value: int
}

Объекты ForecastHorizon

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode: 'Auto'
}

Для пользовательского использования используйте:

{
  mode: 'Custom'
  value: int
}

Объекты JobOutput

Задайте свойство jobOutputType , чтобы указать тип объекта.

Для custom_model используйте:

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

Для mlflow_model используйте:

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

Для mltableиспользуйте:

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

Для triton_model используйте:

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

Для uri_fileиспользуйте:

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

Для uri_folderиспользуйте:

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

Объекты IdentityConfiguration

Задайте свойство identityType , чтобы указать тип объекта.

Для AMLToken используйте:

{
  identityType: 'AMLToken'
}

Для управляемыхиспользуйте:

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

Для UserIdentity используйте:

{
  identityType: 'UserIdentity'
}

Объекты DistributionConfiguration

Задайте свойство distributionType , чтобы указать тип объекта.

Для Mpi используйте:

{
  distributionType: 'Mpi'
  processCountPerInstance: int
}

Для PyTorch используйте:

{
  distributionType: 'PyTorch'
  processCountPerInstance: int
}

Для TensorFlow используйте:

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

Объекты MLAssistConfiguration

Задайте свойство mlAssist , чтобы указать тип объекта.

Для отключенных используйте:

{
  mlAssist: 'Disabled'
}

Для включения используйте:

{
  inferencingComputeBinding: 'string'
  mlAssist: 'Enabled'
  trainingComputeBinding: 'string'
}

Объекты EarlyTerminationPolicy

Задайте свойство policyType , чтобы указать тип объекта.

Для Bandit используйте:

{
  policyType: 'Bandit'
  slackAmount: int
  slackFactor: int
}

Для MedianStopping используйте:

{
  policyType: 'MedianStopping'
}

Для усеченияSelection используйте:

{
  policyType: 'TruncationSelection'
  truncationPercentage: int
}

Объекты TargetRollingWindowSize

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode: 'Auto'
}

Для пользовательского использования используйте:

{
  mode: 'Custom'
  value: int
}

Объекты SparkJobEntry

Задайте свойство sparkJobEntryType , чтобы указать тип объекта.

Для SparkJobPythonEntry используйте:

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

Для SparkJobScalaEntry используйте:

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

Объекты AutoMLVertical

Задайте свойство taskType, чтобы указать тип объекта.

Для классификации используйте:

{
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any(...)
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    sweepConcurrentTrials: int
    sweepTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel: 'string'
  primaryMetric: 'string'
  searchSpace: [
    {
      booster: 'string'
      boostingType: 'string'
      growPolicy: 'string'
      learningRate: 'string'
      maxBin: 'string'
      maxDepth: 'string'
      maxLeaves: 'string'
      minDataInLeaf: 'string'
      minSplitGain: 'string'
      modelName: 'string'
      nEstimators: 'string'
      numLeaves: 'string'
      preprocessorName: 'string'
      regAlpha: 'string'
      regLambda: 'string'
      subsample: 'string'
      subsampleFreq: 'string'
      treeMethod: 'string'
      withMean: 'string'
      withStd: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'Classification'
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any(...)
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'
}

Для прогнозирования используйте:

{
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any(...)
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  forecastingSettings: {
    countryOrRegionForHolidays: 'string'
    cvStepSize: int
    featureLags: 'string'
    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
    sweepConcurrentTrials: int
    sweepTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      booster: 'string'
      boostingType: 'string'
      growPolicy: 'string'
      learningRate: 'string'
      maxBin: 'string'
      maxDepth: 'string'
      maxLeaves: 'string'
      minDataInLeaf: 'string'
      minSplitGain: 'string'
      modelName: 'string'
      nEstimators: 'string'
      numLeaves: 'string'
      preprocessorName: 'string'
      regAlpha: 'string'
      regLambda: 'string'
      subsample: 'string'
      subsampleFreq: 'string'
      treeMethod: 'string'
      withMean: 'string'
      withStd: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'Forecasting'
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any(...)
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'
}

Для ImageClassification используйте:

{
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    momentum: int
    nesterov: bool
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    trainingBatchSize: int
    trainingCropSize: int
    validationBatchSize: int
    validationCropSize: int
    validationResizeSize: int
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
    weightedLoss: int
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      momentum: 'string'
      nesterov: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      trainingBatchSize: 'string'
      trainingCropSize: 'string'
      validationBatchSize: 'string'
      validationCropSize: 'string'
      validationResizeSize: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
      weightedLoss: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'ImageClassification'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

Для ImageClassificationMultilabel используйте:

{
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    momentum: int
    nesterov: bool
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    trainingBatchSize: int
    trainingCropSize: int
    validationBatchSize: int
    validationCropSize: int
    validationResizeSize: int
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
    weightedLoss: int
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      momentum: 'string'
      nesterov: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      trainingBatchSize: 'string'
      trainingCropSize: 'string'
      validationBatchSize: 'string'
      validationCropSize: 'string'
      validationResizeSize: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
      weightedLoss: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'ImageClassificationMultilabel'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

Для ImageInstanceSegmentation используйте:

{
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    boxDetectionsPerImage: int
    boxScoreThreshold: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    imageSize: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    maxSize: int
    minSize: int
    modelName: 'string'
    modelSize: 'string'
    momentum: int
    multiScale: bool
    nesterov: bool
    nmsIouThreshold: int
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    tileGridSize: 'string'
    tileOverlapRatio: int
    tilePredictionsNmsThreshold: int
    trainingBatchSize: int
    validationBatchSize: int
    validationIouThreshold: int
    validationMetricType: 'string'
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      boxDetectionsPerImage: 'string'
      boxScoreThreshold: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      imageSize: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      maxSize: 'string'
      minSize: 'string'
      modelName: 'string'
      modelSize: 'string'
      momentum: 'string'
      multiScale: 'string'
      nesterov: 'string'
      nmsIouThreshold: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      tileGridSize: 'string'
      tileOverlapRatio: 'string'
      tilePredictionsNmsThreshold: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      validationIouThreshold: 'string'
      validationMetricType: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'ImageInstanceSegmentation'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

Для ImageObjectDetection используйте:

{
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    boxDetectionsPerImage: int
    boxScoreThreshold: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    imageSize: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    maxSize: int
    minSize: int
    modelName: 'string'
    modelSize: 'string'
    momentum: int
    multiScale: bool
    nesterov: bool
    nmsIouThreshold: int
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    tileGridSize: 'string'
    tileOverlapRatio: int
    tilePredictionsNmsThreshold: int
    trainingBatchSize: int
    validationBatchSize: int
    validationIouThreshold: int
    validationMetricType: 'string'
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      boxDetectionsPerImage: 'string'
      boxScoreThreshold: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      imageSize: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      maxSize: 'string'
      minSize: 'string'
      modelName: 'string'
      modelSize: 'string'
      momentum: 'string'
      multiScale: 'string'
      nesterov: 'string'
      nmsIouThreshold: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      tileGridSize: 'string'
      tileOverlapRatio: 'string'
      tilePredictionsNmsThreshold: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      validationIouThreshold: 'string'
      validationMetricType: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'ImageObjectDetection'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

Для регрессии используйте:

{
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any(...)
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    sweepConcurrentTrials: int
    sweepTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      booster: 'string'
      boostingType: 'string'
      growPolicy: 'string'
      learningRate: 'string'
      maxBin: 'string'
      maxDepth: 'string'
      maxLeaves: 'string'
      minDataInLeaf: 'string'
      minSplitGain: 'string'
      modelName: 'string'
      nEstimators: 'string'
      numLeaves: 'string'
      preprocessorName: 'string'
      regAlpha: 'string'
      regLambda: 'string'
      subsample: 'string'
      subsampleFreq: 'string'
      treeMethod: 'string'
      withMean: 'string'
      withStd: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'Regression'
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any(...)
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'
}

Для TextClassification используйте:

{
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  fixedParameters: {
    gradientAccumulationSteps: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    numberOfEpochs: int
    trainingBatchSize: int
    validationBatchSize: int
    warmupRatio: int
    weightDecay: int
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxNodes: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      gradientAccumulationSteps: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      numberOfEpochs: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      warmupRatio: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'TextClassification'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
}

Для TextClassificationMultilabel используйте:

{
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  fixedParameters: {
    gradientAccumulationSteps: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    numberOfEpochs: int
    trainingBatchSize: int
    validationBatchSize: int
    warmupRatio: int
    weightDecay: int
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxNodes: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  searchSpace: [
    {
      gradientAccumulationSteps: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      numberOfEpochs: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      warmupRatio: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'TextClassificationMultilabel'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
}

Для TextNER используйте:

{
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  fixedParameters: {
    gradientAccumulationSteps: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    numberOfEpochs: int
    trainingBatchSize: int
    validationBatchSize: int
    warmupRatio: int
    weightDecay: int
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxNodes: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  searchSpace: [
    {
      gradientAccumulationSteps: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      numberOfEpochs: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      warmupRatio: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'TextNER'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
}

Объекты TargetLags

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode: 'Auto'
}

Для пользовательского использования используйте:

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

Объекты LabelingJobMediaProperties

Задайте свойство mediaType , чтобы указать тип объекта.

Для образа используйте:

{
  annotationType: 'string'
  mediaType: 'Image'
}

Для текста используйте:

{
  annotationType: 'string'
  mediaType: 'Text'
}

Объекты JobInput

Задайте свойство jobInputType , чтобы указать тип объекта.

Для custom_model используйте:

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

Для литерала используйте:

{
  jobInputType: 'literal'
  value: 'string'
}

Для mlflow_model используйте:

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

Для mltableиспользуйте:

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

Для triton_model используйте:

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

Для uri_fileиспользуйте:

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

Для uri_folderиспользуйте:

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

Объекты JobBaseProperties

Задайте свойство jobType , чтобы указать тип объекта.

Для AutoML используйте:

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

Для команды используйте следующую команду:

{
  autologgerSettings: {
    mlflowAutologger: 'string'
  }
  codeId: 'string'
  command: 'string'
  distribution: {
    distributionType: 'string'
    // For remaining properties, see DistributionConfiguration objects
  }
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  jobType: 'Command'
  limits: {
    jobLimitsType: 'string'
    timeout: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    properties: {
      {customized property}: any(...)
    }
    shmSize: 'string'
  }
}

Для маркировки используйте:

{
  dataConfiguration: {
    dataId: 'string'
    incrementalDataRefreshEnabled: bool
  }
  jobInstructions: {
    uri: 'string'
  }
  jobType: 'Labeling'
  labelCategories: {
    {customized property}: {
      classes: {
        {customized property}: {
          displayName: 'string'
          subclasses: {
            {customized property}: ...
          }
        }
      }
      displayName: 'string'
      multiSelectEnabled: bool
    }
  }
  labelingJobMediaProperties: {
    mediaType: 'string'
    // For remaining properties, see LabelingJobMediaProperties objects
  }
  mlAssistConfiguration: {
    mlAssist: 'string'
    // For remaining properties, see MLAssistConfiguration objects
  }
}

Для конвейера используйте:

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

Для Spark используйте:

{
  archives: [
    'string'
  ]
  args: 'string'
  codeId: 'string'
  conf: {
    {customized property}: 'string'
  }
  entry: {
    sparkJobEntryType: 'string'
    // For remaining properties, see SparkJobEntry objects
  }
  environmentId: 'string'
  files: [
    'string'
  ]
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  jars: [
    'string'
  ]
  jobType: 'Spark'
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  pyFiles: [
    'string'
  ]
  resources: {
    instanceType: 'string'
    runtimeVersion: 'string'
  }
}

Для очистки используйте:

{
  earlyTermination: {
    delayEvaluation: int
    evaluationInterval: int
    policyType: 'string'
    // For remaining properties, see EarlyTerminationPolicy objects
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  jobType: 'Sweep'
  limits: {
    jobLimitsType: 'string'
    maxConcurrentTrials: int
    maxTotalTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  objective: {
    goal: 'string'
    primaryMetric: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  samplingAlgorithm: {
    samplingAlgorithmType: 'string'
    // For remaining properties, see SamplingAlgorithm objects
  }
  searchSpace: any(...)
  trial: {
    codeId: 'string'
    command: 'string'
    distribution: {
      distributionType: 'string'
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId: 'string'
    environmentVariables: {
      {customized property}: 'string'
    }
    resources: {
      dockerArgs: 'string'
      instanceCount: int
      instanceType: 'string'
      properties: {
        {customized property}: any(...)
      }
      shmSize: 'string'
    }
  }
}

Объекты nodes

Задайте свойство nodesValueType , чтобы указать тип объекта.

Для всех используйте:

{
  nodesValueType: 'All'
}

Объекты ВыборкиAlgorithm

Задайте свойство выборкиAlgorithmType , чтобы указать тип объекта.

Для Байезиана используйте:

{
  samplingAlgorithmType: 'Bayesian'
}

Для Сетки используйте:

{
  samplingAlgorithmType: 'Grid'
}

Для случайного использования используйте:

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

Объекты NCrossValidations

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode: 'Auto'
}

Для пользовательского использования используйте:

{
  mode: 'Custom'
  value: int
}

Значения свойств

Microsoft.MachineLearningServices/рабочие области/задания

Имя	Описание	Ценность
имя	имя ресурса.	струна Ограничения целостности: Pattern = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (обязательно)
родитель	В Bicep можно указать родительский ресурс для дочернего ресурса. Это свойство необходимо добавить, только если дочерний ресурс объявлен за пределами родительского ресурса. Дополнительные сведения см. в разделе "Дочерний ресурс вне родительского ресурса".	Символьное имя ресурса типа: рабочие области
свойства	[Обязательный] Дополнительные атрибуты сущности.	JobBaseProperties (обязательно)

Узлы AllNodes

Имя	Описание	Ценность
nodesValueType	[Обязательный] Тип значения Nodes	"Все" (обязательно)

Токен AmlToken

Имя	Описание	Ценность
тип идентификации	[Обязательный] Указывает тип платформы удостоверений.	AMLToken (обязательно)

Горизонт автопрогноза

Имя	Описание	Ценность
режим	[Обязательный] Задайте режим выбора значения горизонта прогнозирования.	"Авто" (обязательно)

Настройки авторегистратора

Имя	Описание	Ценность
mlflowАвторегистратор	[Обязательный] Указывает, включена ли функция автолога машинного потока.	"Отключено" "Включено" (обязательно)

AutoMLЧоб

Имя	Описание	Ценность
environmentId	Идентификатор ресурса ARM спецификации среды для задания. Это необязательное значение для предоставления, если оно не указано, AutoML по умолчанию используется для рабочей версии курируемой среды AutoML при выполнении задания.	струна
переменные окружения	Переменные среды, включенные в задание.	AutoMLJobEnvironmentVariables
тип работы	[Обязательный] Указывает тип задания.	AutoML (обязательно)
выходные данные	Сопоставление привязок выходных данных, используемых в задании.	AutoMLJobOutputs
ресурсы	Конфигурация вычислительных ресурсов для задания.	JobResourceConfiguration (Конфигурация JobResourceConfiguration)
задачаПодробнее	[Обязательный] Это сценарий, который может быть одним из таблиц/ NLP/Image	AutoMLVertical (обязательно)

AutoMLJobEnvironmentVariables

Имя	Описание	Ценность

AutoMLJobOutputs

Имя	Описание	Ценность

AutoMLVertical

Имя	Описание	Ценность
logVerbosity	Подробность журнала для задания.	"Критический" "Отладка" "Ошибка" "Info" NotSet Предупреждение
targetColumnName	Имя целевого столбца: это столбец прогнозируемых значений. Также называется именем столбца метки в контексте задач классификации.	струна
тип задачи	Установите значение "Классификация" для классификации типов. Установите значение " Прогнозирование" для прогнозирования типов. Установите значение ImageClassification для типа ImageClassification. Установите значение ImageClassificationMultilabel для типа ImageClassificationMultilabel. Установите значение ImageInstanceSegmentation для типа ImageInstanceSegmentation. Задайте значение ImageObjectDetection для типа ImageObjectDetection. Задайте значение "Регрессия" для регрессии типа. Установите значение TextClassification для типа TextClassification. Установите значение TextClassificationMultilabel для типа TextClassificationMultilabel. Установите значение TextNER для типа TextNer.	"Классификация" "Прогнозирование" ImageClassification ImageClassificationMultilabel "ImageInstanceSegmentation" ImageObjectDetection Регрессия TextClassification TextClassificationMultilabel TextNER (обязательно)
trainingData	[Обязательный] Входные данные обучения.	MLTableJobInput (обязательно)

AutoNCrossValidations

Имя	Описание	Ценность
режим	[Обязательный] Режим определения проверок N-Cross.	"Авто" (обязательно)

Автосесональность

Имя	Описание	Ценность
режим	[Обязательный] Режим сезонности.	"Авто" (обязательно)

AutoTargetLags

Имя	Описание	Ценность
режим	[Обязательный] Настройка режима задержки целевых объектов — автоматическое или настраиваемое	"Авто" (обязательно)

AutoTargetRollingWindowSize

Имя	Описание	Ценность
режим	[Обязательный] Режим обнаружения TargetRollingWindowSiz.	"Авто" (обязательно)

БандитПолитика

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	"Банда" (обязательно)
slackAmount	Абсолютное расстояние, допустимое от оптимального выполнения.	инт
slackFactor	Соотношение допустимого расстояния от оптимального выполнения.	инт

Байесовский алгоритм выборки

Имя	Описание	Ценность
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	Байесян (обязательный)

Классификация

Имя	Описание	Ценность
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	строка[]
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	ТаблицаВертикальностьНастройкиХарактеристики
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	ТаблицаИсправленныеПараметры
limitSettings	Ограничения выполнения для AutoMLJob.	НастройкиTableVerticalLimit
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossВалидации
positiveLabel	Положительная метка для вычисления двоичных метрик.	струна
первичная метрика	Первичная метрика для задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	Подпространство TableParameter[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings (Настройки TableSweep)
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	"Классификация" (обязательно)
testData	Проверка входных данных.	MLTableJobInput
testDataSize	Доля тестового набора данных, который необходимо отложить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
trainingSettings (обучениеНастройки)	Входные данные для этапа обучения для задания AutoML.	КлассификацияTrainingSettings
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
weightИмяСтолбца	Имя столбца веса образца. Автоматизированное машинное обучение поддерживает взвешанный столбец в качестве входных данных, что приводит к тому, что строки в данных будут взвешированы вверх или вниз.	струна

КлассификацияTrainingSettings

Имя	Описание	Ценность
allowedTrainingAlgorithms	Разрешенные модели для задачи классификации.	Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" «ГрадиентБустинг» KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier"
blockedTrainingAlgorithms	Заблокированные модели для задачи классификации.	Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" «ГрадиентБустинг» KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier"
enableDnnTraining	Включите рекомендацию моделей DNN.	булевая переменная (bool)
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	булевая переменная (bool)
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	булевая переменная (bool)
enableStackEnsemble	Включите запуск ансамбля стека.	булевая переменная (bool)
enableVoteEnsemble	Включите запуск ансамбля голосования.	булевая переменная (bool)
ensembleModelDownloadTimeout	Во время создания модели VotingEnsemble и StackEnsemble скачиваются несколько встроенных моделей из предыдущих дочерних запусков. Настройте этот параметр с более высоким значением, чем 300 с, если требуется больше времени.	струна
stackEnsembleSettings	Параметры ансамбля стека для выполнения ансамбля стека.	StackEnsembleSettings (СтекАнсамбльНастройки)

Колонный трансформатор

Имя	Описание	Ценность
Поля	Поля для применения логики преобразователя.	строка[]
Параметры	Различные свойства, передаваемые преобразователю. Ожидается, что входные данные — это словарь пар "ключ", "значение" в формате JSON.	любой

Командная работа

Имя	Описание	Ценность
авторегистраторНастройки	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	Настройки авторегистратора
codeId	Идентификатор ресурса ARM ресурса ресурса кода.	струна
Приказ	[Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py"	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
распределение	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	DistributionConfiguration (РаспределениеКонфигурация)
environmentId	[Обязательный] Идентификатор ресурса ARM спецификации среды для задания.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
переменные окружения	Переменные среды, включенные в задание.	Переменные CommandJobEnvironmentVariables
входные данные	Сопоставление входных привязок данных, используемых в задании.	CommandJobInputs (КомандаJobInputs)
тип работы	[Обязательный] Указывает тип задания.	"Command" (обязательный)
Ограничения	Ограничение задания команд.	CommandJobLimits (Ограничения командного задания)
выходные данные	Сопоставление привязок выходных данных, используемых в задании.	CommandJobOutputs (КомандаJobOutputs)
ресурсы	Конфигурация вычислительных ресурсов для задания.	JobResourceConfiguration (Конфигурация JobResourceConfiguration)

Переменные CommandJobEnvironmentVariables

Имя	Описание	Ценность

CommandJobInputs (КомандаJobInputs)

Имя	Описание	Ценность

CommandJobLimits (Ограничения командного задания)

Имя	Описание	Ценность
jobLimitsType	[Обязательный] Тип JobLimit.	"Command" "Очистка" (обязательно)
таймаут	Максимальная длительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживается только длительность с точностью до секунд.	струна

CommandJobOutputs (КомандаJobOutputs)

Имя	Описание	Ценность

Пользовательский горизонт прогноза

Имя	Описание	Ценность
режим	[Обязательный] Задайте режим выбора значения горизонта прогнозирования.	"Custom" (обязательный)
ценность	[Обязательный] Прогноз значения горизонта.	int (обязательно)

Ввод задания CustomModelJob

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

CustomModelJobOutput (Пользовательский модельЗаданиеВыход)

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"custom_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

CustomNCrossValidations

Имя	Описание	Ценность
режим	[Обязательный] Режим определения проверок N-Cross.	"Custom" (обязательный)
ценность	[Обязательный] Значение N-Cross validations.	int (обязательно)

Пользовательская сезонность

Имя	Описание	Ценность
режим	[Обязательный] Режим сезонности.	"Custom" (обязательный)
ценность	[Обязательный] Значение сезонности.	int (обязательно)

CustomTargetLags (Пользовательские целевые лаги)

Имя	Описание	Ценность
режим	[Обязательный] Настройка режима задержки целевых объектов — автоматическое или настраиваемое	"Custom" (обязательный)
Значения	[Обязательный] Задайте значения задержки целевых значений.	int[] (обязательно)

CustomTargetRollingWindowSize

Имя	Описание	Ценность
режим	[Обязательный] Режим обнаружения TargetRollingWindowSiz.	"Custom" (обязательный)
ценность	[Обязательный] Значение TargetRollingWindowSize.	int (обязательно)

DistributionConfiguration (РаспределениеКонфигурация)

Имя	Описание	Ценность
distributionType	Задайте для типа Mpi значение "Mpi". Задайте для типа PyTorch значение PyTorch. Установите значение TensorFlow для типа TensorFlow.	"Mpi" "PyTorch" TensorFlow (обязательный)

Политика досрочного прекращения

Имя	Описание	Ценность
delayEvaluation	Количество интервалов, с помощью которых необходимо отложить первую оценку.	инт
оценкаИнтервал	Интервал (количество запусков) между оценками политики.	инт
policyType	Задайте для типа BanditPolicy значение "BanditPolicy". Установите значение MedianStopping для типа MedianStoppingPolicy. Задайте значение TruncationSelection для типа TruncationSelectionPolicy.	"Бандит" MedianStopping УсечениеSelection (обязательно)

ПрогнозHorizon

Имя	Описание	Ценность
режим	Задайте для типа AutoForecastHorizon значение AutoForecastHorizon. Задайте для типа CustomForecastHorizon значение CustomForecastHorizon.	"Авто" "Custom" (обязательный)

Прогнозирование

Имя	Описание	Ценность
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	строка[]
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	ТаблицаВертикальностьНастройкиХарактеристики
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	ТаблицаИсправленныеПараметры
прогнозированиеНастройки	Прогнозирование определенных входных данных задачи.	ПрогнозированиеSettings
limitSettings	Ограничения выполнения для AutoMLJob.	НастройкиTableVerticalLimit
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossВалидации
первичная метрика	Основная метрика для задачи прогнозирования.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" «Корреляция копья»
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	Подпространство TableParameter[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings (Настройки TableSweep)
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	"Прогнозирование" (обязательно)
testData	Проверка входных данных.	MLTableJobInput
testDataSize	Доля тестового набора данных, который необходимо отложить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
trainingSettings (обучениеНастройки)	Входные данные для этапа обучения для задания AutoML.	ПрогнозированиеTrainingSettings
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
weightИмяСтолбца	Имя столбца веса образца. Автоматизированное машинное обучение поддерживает взвешанный столбец в качестве входных данных, что приводит к тому, что строки в данных будут взвешированы вверх или вниз.	струна

ПрогнозированиеSettings

Имя	Описание	Ценность
странаРегионДляПраздников	Страна или регион для праздников для задач прогнозирования. Это должны быть коды стран и регионов ISO 3166, например "US" или "GB".	струна
cvStepSize	Число периодов между временем начала одного свертывания CV и следующего свертывания. Для например, если CVStepSize = 3 для ежедневных данных, время источника для каждого свертывания будет три дня в стороне.	инт
featureЛаги	Флаг для создания задержек для числовых функций с параметром auto или NULL.	"Авто" "Нет"
прогнозHorizon	Требуемый максимальный горизонт прогнозирования в единицах частоты временных рядов.	ПрогнозHorizon
частота	При прогнозировании этот параметр представляет период, с которым нужно, например ежедневно, еженедельно, ежегодно и т. д. Частота прогноза — это частота набора данных по умолчанию.	струна
Сезонность	Задайте сезонность временных рядов в качестве целого числа, кратного частоты ряда. Если для сезонности задано значение auto, он будет выводиться.	Сезонность
shortSeriesHandlingConfig	Параметр, определяющий, как autoML должен обрабатывать короткие временные ряды.	"Авто" "Drop" "Нет" "Pad"
targetAggregateFunction	Функция, используемая для агрегирования целевого столбца временных рядов для соответствия заданной пользователем частоте. Если параметр TargetAggregateFunction задан, т. е. не "Нет", но параметр freq не задан, возникает ошибка. Возможные функции агрегирования целевых значений: sum, max, min и среднее.	"Max" "Среднее" "Min" "Нет" "Sum"
targetLags	Число прошлых периодов задержки от целевого столбца.	Целевые лаги
targetRollingWindowSize	Количество прошлых периодов, используемых для создания скользящего среднего окна целевого столбца.	TargetRollingWindowSize (Размер целевого окна)
timeColumnName	Имя столбца времени. Этот параметр требуется при прогнозировании для указания столбца datetime в входных данных, используемых для создания временных рядов и вывода его частоты.	струна
timeSeriesIdColumnNames	Имена столбцов, используемых для группировки таймерий. Его можно использовать для создания нескольких рядов. Если набор данных не определен, предполагается, что набор данных является одним временным рядом. Этот параметр используется с прогнозированием типа задачи.	строка[]
useStl	Настройте декомпозицию STL целевого столбца временных рядов.	"Нет" "Сезон" «Сезонный тренд»

ПрогнозированиеTrainingSettings

Имя	Описание	Ценность
allowedTrainingAlgorithms	Разрешенные модели для задачи прогнозирования.	Массив строк, содержащий любой из: «Аримакс» AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" «ГрадиентБустинг» KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "СезоннаяAverage" "СезоннаяNaive" "ДИНАМ" «TCNForecaster» "XGBoostRegressor"
blockedTrainingAlgorithms	Заблокированные модели для задачи прогнозирования.	Массив строк, содержащий любой из: «Аримакс» AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" «ГрадиентБустинг» KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "СезоннаяAverage" "СезоннаяNaive" "ДИНАМ" «TCNForecaster» "XGBoostRegressor"
enableDnnTraining	Включите рекомендацию моделей DNN.	булевая переменная (bool)
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	булевая переменная (bool)
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	булевая переменная (bool)
enableStackEnsemble	Включите запуск ансамбля стека.	булевая переменная (bool)
enableVoteEnsemble	Включите запуск ансамбля голосования.	булевая переменная (bool)
ensembleModelDownloadTimeout	Во время создания модели VotingEnsemble и StackEnsemble скачиваются несколько встроенных моделей из предыдущих дочерних запусков. Настройте этот параметр с более высоким значением, чем 300 с, если требуется больше времени.	струна
stackEnsembleSettings	Параметры ансамбля стека для выполнения ансамбля стека.	StackEnsembleSettings (СтекАнсамбльНастройки)

Алгоритм сетчатой выборки

Имя	Описание	Ценность
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	Grid (обязательно)

IdentityConfiguration (Конфигурация идентичности)

Имя	Описание	Ценность
тип идентификации	Установите значение AMLToken для типа AmlToken. Задайте для типа ManagedIdentity значение ManagedIdentity. Задайте для типа UserIdentity значение UserIdentity.	AMLToken "Managed" (Управляемый) UserIdentity (обязательно)

Классификация изображений

Имя	Описание	Ценность
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
первичная метрика	Основная метрика для оптимизации для этой задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	Настройки ImageSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	ImageClassification (обязательный)
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт

ImageClassificationMultilabel (Классификация изображенийMultilabel)

Имя	Описание	Ценность
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
первичная метрика	Основная метрика для оптимизации для этой задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	Настройки ImageSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	ImageClassificationMultilabel (обязательный)
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт

Сегментация экземпляра изображения

Имя	Описание	Ценность
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsОбнаружение объектов
первичная метрика	Основная метрика для оптимизации для этой задачи.	"MeanAveragePrecision"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	Настройки ImageSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	ImageInstanceSegmentation (обязательно)
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт

ImageLimitSettings (Настройки ImageLimit)

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	инт
maxTrials	Максимальное число итераций AutoML.	инт
таймаут	Время ожидания задания AutoML.	струна

ImageModelDistributionSettingsКлассификация

Имя	Описание	Ценность
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	струна
бета2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
ранняяОстановка	Включить алгоритм раннего прекращения логики во время обучения.	струна
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота оценки набора данных проверки для получения оценок метрик. Должно быть положительным целым числом.	струна
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должно быть значением типа float в диапазоне [0, 1].	струна
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	струна
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	струна
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	струна
оптимизатор	Тип оптимизатора. Должно быть либо "хем", "адам", либо "адам".	струна
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	струна
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должно быть значением типа float в диапазоне [0, 1].	струна
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	струна
trainingBatchSize	Размер пакета, используемого для обучения. Должно быть положительным целым числом.	струна
trainingCropSize	Размер обрезки изображения, входной в нейронную сеть для обучающего набора данных. Должно быть положительным целым числом.	струна
validationBatchSize	Размер пакета, используемого для проверки. Должно быть положительным целым числом.	струна
validationCropSize	Размер обрезки изображения, входной в нейронную сеть для набора данных проверки. Должно быть положительным целым числом.	струна
validationResizeSize	Размер, до которого необходимо изменить изображение перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	струна
разминкаCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1].	струна
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	струна
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	струна
весеedLoss	Весовая потеря. Допустимые значения — 0 без потери веса. 1 для взвешаемой потери с sqrt. (class_weights). 2 для расчета взвешенной ошибки с помощью class_weights. Значение должно быть 0 или 1 или 2.	струна

ImageModelDistributionSettingsObjectDetection

Имя	Описание	Ценность
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	струна
бета2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	струна
boxDetectionsPerImage	Максимальное число обнаружений на каждое изображение для всех классов. Должно быть положительным целым числом. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
boxScoreThreshold	Во время вывода возвращаются только предложения с оценкой классификации больше, чем Порог BoxScore. Должен быть плавающей запятой в диапазоне[0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
ранняяОстановка	Включить алгоритм раннего прекращения логики во время обучения.	струна
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота оценки набора данных проверки для получения оценок метрик. Должно быть положительным целым числом.	струна
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
размер изображения	Размер изображения для обучения и проверки. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
maxSize	Максимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
minSize	Минимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
modelSize	Размер модели. Должен быть "маленький", "средний", "большой" или "xlarge". Примечание. Учебный запуск может попасть в OOM CUDA, если размер модели слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должно быть значением типа float в диапазоне [0, 1].	струна
MultiScale	Включите многомасштабное изображение, изменив размер изображения по +/-50%. Примечание. Учебный запуск может попасть в OOM CUDA, если недостаточно памяти GPU. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	струна
nmsIouThreshold	Пороговое значение ввода-вывода, используемое во время вывода в процессе последующей обработки NMS. Должен быть плавать в диапазоне [0, 1].	струна
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	струна
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	струна
оптимизатор	Тип оптимизатора. Должно быть либо "хем", "адам", либо "адам".	струна
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	струна
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должно быть значением типа float в диапазоне [0, 1].	струна
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	струна
tileGridSize	Размер сетки, используемый для мозаичного заполнения каждого изображения. Примечание. TileGridSize не должно быть Нет, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tileOverlapRatio	Коэффициент перекрытия смежных фрагментов в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tilePredictionsNmsThreshold	Пороговое значение IOU, используемое для выполнения поиска немаксимумов (NMS) при объединении прогнозов из фрагментов и изображения. Используется при проверке или выводе. Должен быть плавать в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. NMS: не максимальное подавление	струна
trainingBatchSize	Размер пакета, используемого для обучения. Должно быть положительным целым числом.	струна
validationBatchSize	Размер пакета, используемого для проверки. Должно быть положительным целым числом.	струна
validationIouThreshold	Пороговое значение IOU для использования при вычислении метрики проверки. Должен быть плавать в диапазоне [0, 1].	струна
validationMetricType	Метод вычисления метрик, который используется для расчета проверочных метрик. Должно быть "none", "coco", "voc" или "coco_voc".	струна
разминкаCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1].	струна
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	струна
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	струна

ImageModelSettingsClassification

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	булевая переменная (bool)
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	инт
бета2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	инт
контрольная точкаFrequency	Частота сохранения контрольных точек модели. Должно быть положительным целым числом.	инт
контрольная точкаModel	Предварительно обученная модель контрольной точки для добавочного обучения.	MLFlowModelJobInput
контрольная точкаRunId	Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения.	струна
распределённый	Следует ли использовать распределенное обучение.	булевая переменная (bool)
ранняяОстановка	Включить алгоритм раннего прекращения логики во время обучения.	булевая переменная (bool)
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	инт
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	инт
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	булевая переменная (bool)
evaluationFrequency	Частота оценки набора данных проверки для получения оценок метрик. Должно быть положительным целым числом.	инт
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	инт
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	инт
LearningRate	Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1].	инт
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должно быть значением типа float в диапазоне [0, 1].	инт
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	булевая переменная (bool)
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	инт
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	инт
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	инт
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должно быть значением типа float в диапазоне [0, 1].	инт
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	инт
trainingBatchSize	Размер пакета, используемого для обучения. Должно быть положительным целым числом.	инт
trainingCropSize	Размер обрезки изображения, входной в нейронную сеть для обучающего набора данных. Должно быть положительным целым числом.	инт
validationBatchSize	Размер пакета, используемого для проверки. Должно быть положительным целым числом.	инт
validationCropSize	Размер обрезки изображения, входной в нейронную сеть для набора данных проверки. Должно быть положительным целым числом.	инт
validationResizeSize	Размер, до которого необходимо изменить изображение перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	инт
разминкаCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1].	инт
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	инт
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	инт
весеedLoss	Весовая потеря. Допустимые значения — 0 без потери веса. 1 для взвешаемой потери с sqrt. (class_weights). 2 для расчета взвешенной ошибки с помощью class_weights. Значение должно быть 0 или 1 или 2.	инт

ImageModelSettingsОбнаружение объектов

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	булевая переменная (bool)
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	инт
бета2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	инт
boxDetectionsPerImage	Максимальное число обнаружений на каждое изображение для всех классов. Должно быть положительным целым числом. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	инт
boxScoreThreshold	Во время вывода возвращаются только предложения с оценкой классификации больше, чем Порог BoxScore. Должен быть плавающей запятой в диапазоне[0, 1].	инт
контрольная точкаFrequency	Частота сохранения контрольных точек модели. Должно быть положительным целым числом.	инт
контрольная точкаModel	Предварительно обученная модель контрольной точки для добавочного обучения.	MLFlowModelJobInput
контрольная точкаRunId	Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения.	струна
распределённый	Следует ли использовать распределенное обучение.	булевая переменная (bool)
ранняяОстановка	Включить алгоритм раннего прекращения логики во время обучения.	булевая переменная (bool)
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	инт
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	инт
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	булевая переменная (bool)
evaluationFrequency	Частота оценки набора данных проверки для получения оценок метрик. Должно быть положительным целым числом.	инт
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	инт
размер изображения	Размер изображения для обучения и проверки. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	инт
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	инт
LearningRate	Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1].	инт
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
maxSize	Максимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	инт
minSize	Минимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	инт
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
modelSize	Размер модели. Должен быть "маленький", "средний", "большой" или "xlarge". Примечание. Учебный запуск может попасть в OOM CUDA, если размер модели слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	«ЭкстраБольшой» "Большой" "Средний" "Нет" "Маленький"
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должно быть значением типа float в диапазоне [0, 1].	инт
MultiScale	Включите многомасштабное изображение, изменив размер изображения по +/-50%. Примечание. Учебный запуск может попасть в OOM CUDA, если недостаточно памяти GPU. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	булевая переменная (bool)
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	булевая переменная (bool)
nmsIouThreshold	Пороговое значение ввода-вывода, используемое во время вывода в процессе последующей обработки NMS. Должно быть значением типа float в диапазоне [0, 1].	инт
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	инт
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	инт
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	инт
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должно быть значением типа float в диапазоне [0, 1].	инт
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	инт
tileGridSize	Размер сетки, используемый для мозаичного заполнения каждого изображения. Примечание. TileGridSize не должно быть Нет, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tileOverlapRatio	Коэффициент перекрытия смежных фрагментов в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	инт
tilePredictionsNmsThreshold	Пороговое значение IOU, используемое для выполнения поиска немаксимумов (NMS) при объединении прогнозов из фрагментов и изображения. Используется при проверке или выводе. Должен быть плавать в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	инт
trainingBatchSize	Размер пакета, используемого для обучения. Должно быть положительным целым числом.	инт
validationBatchSize	Размер пакета, используемого для проверки. Должно быть положительным целым числом.	инт
validationIouThreshold	Пороговое значение IOU для использования при вычислении метрики проверки. Должен быть плавать в диапазоне [0, 1].	инт
validationMetricType	Метод вычисления метрик, который используется для расчета проверочных метрик.	"Коко" 'CocoVoc' "Нет" "Voc"
разминкаCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1].	инт
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	инт
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	инт

Обнаружение объектов ImageObject

Имя	Описание	Ценность
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsОбнаружение объектов
первичная метрика	Основная метрика для оптимизации для этой задачи.	"MeanAveragePrecision"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	Настройки ImageSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	ImageObjectDetection (обязательно)
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт

Настройки ImageSweepSettings

Имя	Описание	Ценность
ранняятерминация	Тип политики раннего завершения.	Политика досрочного прекращения
выборкаAlgorithm	[Обязательный] Тип алгоритмов выборки гиперпараметров.	"Байезиан" "Сетка" "Случайный" (обязательный)

JobBaseProperties (Свойства JobBase)

Имя	Описание	Ценность
Идентификатор компонента	Идентификатор ресурса ARM ресурса компонента.	струна
computeId	Идентификатор ресурса ARM вычислительного ресурса.	струна
описание	Текст описания ресурса.	струна
отображаемое имя	Отображаемое имя задания.	струна
Имя эксперимента	Имя эксперимента, к которому принадлежит задание. Если задание не задано, задание помещается в эксперимент по умолчанию.	струна
идентичность	Конфигурация удостоверения. Если задано, это должен быть один из AmlToken, ManagedIdentity, UserIdentity или NULL. По умолчанию AmlToken имеет значение NULL.	IdentityConfiguration (Конфигурация идентичности)
isArchived	Архивируется ли ресурс?	булевая переменная (bool)
тип работы	Установите значение AutoML для типа AutoMLJob. Задайте для типа CommandJob значение CommandJob. Задайте для типа LabelingJobProperties значение "Метка". Задайте для типа PipelineJob значение PipelineJob. Установите значение Spark для типа SparkJob. Задайте значение "Sweep" для типа SweepJob.	AutoML "Command" Метка Конвейер Spark "Очистка" (обязательно)
свойства	Словарь свойств ресурса.	РесурсБазаСвойства
Услуги	Список заданий. Для локальных заданий конечная точка задания будет иметь значение конечной точки FileStreamObject.	Услуги JobBase
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	Теги ResourceBaseTags

Услуги JobBase

Имя	Описание	Ценность

JobInput (Ввод задания)

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	Установите значение "custom_model" для типа CustomModelJobInput. Задайте значение " литерал" для типа LiteralJobInput. Задайте для типа MLFlowModelJobInput значение "mlflow_model". Задайте для типа MLTableJobInput значение mltable. Задайте для типа TritonModelJobInput значение "triton_model". Задайте значение "uri_file" для типа UriFileJobInput. Задайте значение "uri_folder" для типа UriFolderJobInput.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)

JobOutput (Вывод задания)

Имя	Описание	Ценность
описание	Описание выходных данных.	струна
jobOutputType	Установите значение "custom_model" для типа CustomModelJobOutput. Задайте для типа MLFlowModelJobOutput значение "mlflow_model". Задайте для типа MLTableJobOutput значение mltable. Задайте для типа TritonModelJobOutput значение "triton_model". Задайте значение "uri_file" для типа UriFileJobOutput. Задайте значение "uri_folder" для типа UriFolderJobOutput.	"custom_model" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)

JobResourceConfiguration (Конфигурация JobResourceConfiguration)

Имя	Описание	Ценность
dockerArgs	Дополнительные аргументы для передачи команде запуска Docker. Это переопределит все параметры, которые уже были заданы системой или в этом разделе. Этот параметр поддерживается только для типов вычислений Машинного обучения Azure.	струна
Количество экземпляров	Необязательное количество экземпляров или узлов, используемых целевым объектом вычислений.	инт
instanceType	Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений.	струна
свойства	Дополнительные контейнеры свойств.	Свойства ResourceConfigurationProperties
shmSize	Размер общего блока памяти контейнера Docker. Это должно быть в формате (число)(единица), где число должно быть больше 0, а единица может быть одной из b(байтов), k(килобайтов), m(мегабайт) или g(g(gigabytes).	струна Ограничения целостности: Шаблон = \d+[bBkKmMgG]

JobService

Имя	Описание	Ценность
конечная точка	URL-адрес конечной точки.	струна
jobServiceType	Тип конечной точки.	струна
узлы	Узлы, на которые пользователь хочет запустить службу. Если узлы не заданы или заданы значение NULL, служба будет запущена только на узле лидера.	Узлов
порт	Порт для конечной точки, заданной пользователем.	инт
свойства	Дополнительные свойства, заданные в конечной точке.	JobServiceProperties (Свойства JobService)

JobServiceProperties (Свойства JobService)

Имя	Описание	Ценность

Категория метки

Имя	Описание	Ценность
Классы	Словарь классов меток в этой категории.	Классы LabelCategory
отображаемое имя	Отображаемое имя категории меток.	струна
multiSelectEnabled	Указывает, разрешено ли выбрать несколько классов в этой категории.	булевая переменная (bool)

Классы LabelCategory

Имя	Описание	Ценность

Класс меток

Имя	Описание	Ценность
отображаемое имя	Отображаемое имя класса метки.	струна
Подклассы	Словарь подклассов класса меток.	Подклассы LabelClass

Подклассы LabelClass

Имя	Описание	Ценность

LabelingDataConfiguration (МаркировкаDataConfiguration)

Имя	Описание	Ценность
dataId	Идентификатор ресурса ресурса ресурса для выполнения меток.	струна
incrementalDataRefreshEnabled	Указывает, следует ли включить добавочное обновление данных.	булевая переменная (bool)

LabelingJobImageProperties (Свойства LabelingJobImage)

Имя	Описание	Ценность
annotationType	Тип заметки задания маркировки изображений.	"BoundingBox" "Классификация" "InstanceSegmentation"
тип медиа	[Обязательный] Тип носителя задания.	Image (обязательно)

LabelingJobInstructions

Имя	Описание	Ценность
УРИ	Ссылка на страницу с подробными инструкциями по маркировке для меток.	струна

Категории LabelingJobLabel

Имя	Описание	Ценность

LabelingJobMediaProperties (Свойства LabelingJobMedia)

Имя	Описание	Ценность
тип медиа	Задайте значение Image для типа LabelingJobImageProperties. Задайте значение Text для типа LabelingJobTextProperties.	"Изображение" "Текст" (обязательный)

LabelingJobProperties (Свойства задания)

Имя	Описание	Ценность
dataConfiguration	Настройка данных, используемых в задании.	LabelingDataConfiguration (МаркировкаDataConfiguration)
jobInstructions	Инструкции по маркировке задания.	labelingJobInstructions
тип работы	[Обязательный] Указывает тип задания.	"Метка" (обязательно)
Категории меток	Категории меток задания.	Категории LabelingJobLabel
labelingJobMediaProperties	Свойства типа носителя в задании.	LabelingJobMediaProperties (Свойства LabelingJobMedia)
mlAssistConfiguration	Настройка функции MLAssist в задании.	Конфигурация MLAssist

LabelingJobTextProperties (Свойства текста)

Имя	Описание	Ценность
annotationType	Тип заметки задания маркировки текста.	"Классификация" "NamedEntityRecognition"
тип медиа	[Обязательный] Тип носителя задания.	"Текст" (обязательный)

ЛитералJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"литерал" (обязательный)
ценность	[Обязательный] Литеральное значение для входных данных.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

Управляемая идентификация

Имя	Описание	Ценность
clientId	Указывает назначаемое пользователем удостоверение по идентификатору клиента. Для назначаемого системой не устанавливайте это поле.	струна Ограничения целостности: Минимальная длина = 36 Максимальная длина = 36 Шаблон = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
тип идентификации	[Обязательный] Указывает тип платформы удостоверений.	Managed (обязательный)
objectId	Указывает назначаемое пользователем удостоверение по идентификатору объекта. Для назначаемого системой не устанавливайте это поле.	струна Ограничения целостности: Минимальная длина = 36 Максимальная длина = 36 Шаблон = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
идентификатор ресурса	Указывает удостоверение, назначаемое пользователем, по идентификатору ресурса ARM. Для назначаемого системой не устанавливайте это поле.	струна

MedianStoppingPolicy (МедианСтоппингPolicy)

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	MedianStopping (обязательно)

Конфигурация MLAssist

Имя	Описание	Ценность
mlAssist	Установите значение "Отключено" для типа MLAssistConfigurationDisabled. Установите значение "Включено" для типа MLAssistConfigurationEnabled.	"Отключено" "Включено" (обязательно)

MLAssistConfigurationDisabled

Имя	Описание	Ценность
mlAssist	[Обязательный] Указывает, включена ли функция MLAssist.	"Отключено" (обязательно)

MLAssistConfigurationEnabled

Имя	Описание	Ценность
inferencingComputeBinding	[Обязательный] Привязка вычислений AML, используемая в выводе.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
mlAssist	[Обязательный] Указывает, включена ли функция MLAssist.	"Включено" (обязательно)
trainingComputeBinding	[Обязательный] Привязка вычислений AML, используемая в обучении.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLFlowModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"mlflow_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLFlowModelJobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLFlowModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"mlflow_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

MLTableJobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLTableJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"mltable" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLTableJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"mltable" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

Мпи

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	Mpi (обязательно)
processCountPerInstance	Количество процессов на узел MPI.	инт

NCrossВалидации

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoNCrossValidations. Установите значение Custom для типа CustomNCrossValidations.	"Авто" "Custom" (обязательный)

NlpFixedParameters

Имя	Описание	Ценность
градиентAccumulationSteps	Количество шагов для накапливания градиентов перед выполнением обратного прохода.	инт
LearningRate	Скорость обучения для процедуры обучения.	инт
learningRateScheduler	Тип расписания обучения, используемого во время процедуры обучения.	"Констант" "ConstantWithWarmup" "Косин" "CosineWithRestarts" "Линейная" "Нет" "Polynomial"
название модели	Имя модели для обучения.	струна
numberOfEpochs	Число эпох обучения.	инт
trainingBatchSize	Размер пакета для процедуры обучения.	инт
validationBatchSize	Размер пакета, используемый во время оценки.	инт
теплый Ратио	Коэффициент нагрева, используемый вместе с LrSchedulerType.	инт
weightDecay	Разложение веса для процедуры обучения.	инт

NlpParameterПодпространство

Имя	Описание	Ценность
градиентAccumulationSteps	Количество шагов для накапливания градиентов перед выполнением обратного прохода.	струна
LearningRate	Скорость обучения для процедуры обучения.	струна
learningRateScheduler	Тип расписания обучения, используемого во время процедуры обучения.	струна
название модели	Имя модели для обучения.	струна
numberOfEpochs	Число эпох обучения.	струна
trainingBatchSize	Размер пакета для процедуры обучения.	струна
validationBatchSize	Размер пакета, используемый во время оценки.	струна
теплый Ратио	Коэффициент нагрева, используемый вместе с LrSchedulerType.	струна
weightDecay	Разложение веса для процедуры обучения.	струна

NlpSweepSettings

Имя	Описание	Ценность
ранняятерминация	Тип политики раннего завершения для масштабного задания.	Политика досрочного прекращения
выборкаAlgorithm	[Обязательный] Тип алгоритма выборки.	"Байезиан" "Сетка" "Случайный" (обязательный)

NlpVerticalFeaturizationSettings

Имя	Описание	Ценность
datasetLanguage	Язык набора данных, полезный для текстовых данных.	струна

NlpVerticalLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	инт
maxNodes	Максимальное количество узлов для обучения в любой пробной версии. Управляет распределенным обучением с несколькими узлами.	инт
maxTrials	Число итераций AutoML.	инт
таймаут	Время ожидания задания AutoML.	струна
trialTimeout	Время ожидания для отдельных пробных версий HD.	струна

Узлы

Имя	Описание	Ценность
nodesValueType	Задайте для типа AllNodes значение AllNodes.	"Все" (обязательно)

Цель

Имя	Описание	Ценность
цель	[Обязательный] Определяет поддерживаемые цели метрик для настройки гиперпараметров	"Развернуть" "Свернуть" (обязательно)
первичная метрика	[Обязательный] Имя метрики для оптимизации.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

PipelineJob

Имя	Описание	Ценность
входные данные	Входные данные для задания конвейера.	PipelineJobInputs (Входные данные PipelineJob)
работа	Задания создают задание конвейера.	PipelineJobJobs
тип работы	[Обязательный] Указывает тип задания.	Pipeline (обязательный)
выходные данные	Выходные данные для задания конвейера	PipelineJobOutputs (Выходы PipelineJob)
Настройки	Параметры конвейера, например ContinueRunOnStepFailure и т. д.	любой
sourceJobId	Идентификатор ресурса ARM исходного задания.	струна

PipelineJobInputs (Входные данные PipelineJob)

Имя	Описание	Ценность

PipelineJobJobs

Имя	Описание	Ценность

PipelineJobOutputs (Выходы PipelineJob)

Имя	Описание	Ценность

PyTorch

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	PyTorch (обязательный)
processCountPerInstance	Количество процессов на узел.	инт

Алгоритм случайной выборки

Имя	Описание	Ценность
правило	Конкретный тип случайного алгоритма	"Случайный" «Соболь»
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	"Случайный" (обязательный)
семя	Необязательное целое число, используемое в качестве начального значения для случайного создания чисел	инт

Регрессия

Имя	Описание	Ценность
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	строка[]
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	ТаблицаВертикальностьНастройкиХарактеристики
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	ТаблицаИсправленныеПараметры
limitSettings	Ограничения выполнения для AutoMLJob.	НастройкиTableVerticalLimit
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossВалидации
первичная метрика	Основная метрика для задачи регрессии.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" «Корреляция копья»
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	Подпространство TableParameter[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings (Настройки TableSweep)
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	Регрессия (обязательно)
testData	Проверка входных данных.	MLTableJobInput
testDataSize	Доля тестового набора данных, который необходимо отложить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
trainingSettings (обучениеНастройки)	Входные данные для этапа обучения для задания AutoML.	РегрессияTrainingSettings
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
weightИмяСтолбца	Имя столбца веса образца. Автоматизированное машинное обучение поддерживает взвешанный столбец в качестве входных данных, что приводит к тому, что строки в данных будут взвешированы вверх или вниз.	струна

РегрессияTrainingSettings

Имя	Описание	Ценность
allowedTrainingAlgorithms	Разрешенные модели для задачи регрессии.	Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" «ГрадиентБустинг» KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor"
blockedTrainingAlgorithms	Заблокированные модели для задачи регрессии.	Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" «ГрадиентБустинг» KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor"
enableDnnTraining	Включите рекомендацию моделей DNN.	булевая переменная (bool)
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	булевая переменная (bool)
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	булевая переменная (bool)
enableStackEnsemble	Включите запуск ансамбля стека.	булевая переменная (bool)
enableVoteEnsemble	Включите запуск ансамбля голосования.	булевая переменная (bool)
ensembleModelDownloadTimeout	Во время создания модели VotingEnsemble и StackEnsemble скачиваются несколько встроенных моделей из предыдущих дочерних запусков. Настройте этот параметр с более высоким значением, чем 300 с, если требуется больше времени.	струна
stackEnsembleSettings	Параметры ансамбля стека для выполнения ансамбля стека.	StackEnsembleSettings (СтекАнсамбльНастройки)

РесурсБазаСвойства

Имя	Описание	Ценность

Теги ResourceBaseTags

Имя	Описание	Ценность

Свойства ResourceConfigurationProperties

Имя	Описание	Ценность

ВыборкаAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	Установите значение Bayesian для типа BayesianSamplingAlgorithm. Задайте для типа GridSamplingAlgorithm значение GridSamplingAlgorithm. Задайте для типа RandomSamplingAlgorithm значение RandomSamplingAlgorithm.	"Байезиан" "Сетка" "Случайный" (обязательный)

Сезонность

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoSeasonality. Задайте для типа CustomSeasonality значение CustomSeasonality.	"Авто" "Custom" (обязательный)

СпаркДжоб

Имя	Описание	Ценность
архив	Архивные файлы, используемые в задании.	строка[]
Аргументы	Аргументы для задания.	струна
codeId	[Обязательный] Идентификатор ресурса ARM ресурса ресурса кода.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
конф	Настроенные свойства Spark.	Программа SparkJobConf
вход	[Обязательный] Запись, выполняемая при запуске задания.	SparkJobEntry (обязательно)
environmentId	Идентификатор ресурса ARM спецификации среды для задания.	струна
Файлы	Файлы, используемые в задании.	строка[]
входные данные	Сопоставление входных привязок данных, используемых в задании.	SparkJobInputs
Банки	Jar-файлы, используемые в задании.	строка[]
тип работы	[Обязательный] Указывает тип задания.	Spark (обязательно)
выходные данные	Сопоставление привязок выходных данных, используемых в задании.	SparkJobOutputs (Выходные данные SparkJob)
pyFiles	Файлы Python, используемые в задании.	строка[]
ресурсы	Конфигурация вычислительных ресурсов для задания.	SparkResourceConfiguration (Конфигурация SparkResource)

Программа SparkJobConf

Имя	Описание	Ценность

SparkJobEntry (Вход в SparkJob)

Имя	Описание	Ценность
sparkJobEntryType	Установите значение SparkJobPythonEntry для типа SparkJobPythonEntry. Установите значение SparkJobScalaEntry для типа SparkJobScalaEntry.	SparkJobPythonEntry SparkJobScalaEntry (обязательно)

SparkJobInputs

Имя	Описание	Ценность

SparkJobOutputs (Выходные данные SparkJob)

Имя	Описание	Ценность

SparkJobPythonEntry (Вход в SparkJobPython)

Имя	Описание	Ценность
файл	[Обязательный] Относительный путь к файлу Python для точки входа задания.	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
sparkJobEntryType	[Обязательный] Тип точки входа задания.	SparkJobPythonEntry (обязательный)

SparkJobScalaEntry

Имя	Описание	Ценность
имя класса	[Обязательный] Имя класса Scala, используемое в качестве точки входа.	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
sparkJobEntryType	[Обязательный] Тип точки входа задания.	SparkJobScalaEntry (обязательно)

SparkResourceConfiguration (Конфигурация SparkResource)

Имя	Описание	Ценность
instanceType	Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений.	струна
runtimeVersion	Версия среды выполнения Spark, используемая для задания.	струна

StackEnsembleSettings (СтекАнсамбльНастройки)

Имя	Описание	Ценность
stackMetaLearnerKWargs	Необязательные параметры для передачи инициализатору метаучителя.	любой
stackMetaLearnerTrainPercentage	Указывает пропорцию обучающего набора (при выборе типа обучения и проверки обучения), зарезервированного для обучения метаучителя. Значение по умолчанию — 0.2.	инт
stackMetaLearnerType	Метаобучатель — это модель, обученная на выходных данных отдельных разнородных моделей.	ElasticNet "ElasticNetCV" LightGBMClassifier LightGBMRegressor "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "Нет"

СвипДжоб

Имя	Описание	Ценность
ранняятерминация	Политики раннего завершения позволяют отменять низкопроизводительные запуски до их завершения	Политика досрочного прекращения
входные данные	Сопоставление входных привязок данных, используемых в задании.	SweepJobInputs (SweepJobInputs)
тип работы	[Обязательный] Указывает тип задания.	"Очистка" (обязательно)
Ограничения	Ограничение задания очистки.	SweepJobLimits (SweepJobLimits)
цель	[Обязательный] Цель оптимизации.	Цель (обязательно)
выходные данные	Сопоставление привязок выходных данных, используемых в задании.	SweepJobOutputs (SweepJobOutputs)
выборкаAlgorithm	[Обязательный] Алгоритм выборки гиперпараметров	ВыборкаAlgorithm (обязательно)
searchSpace	[Обязательный] Словарь, содержащий каждый параметр и его распределение. Ключ словаря — это имя параметра	любой (обязательный)
испытание	[Обязательный] Определение компонента пробной версии.	TrialComponent (обязательно)

SweepJobInputs (SweepJobInputs)

Имя	Описание	Ценность

SweepJobLimits (SweepJobLimits)

Имя	Описание	Ценность
jobLimitsType	[Обязательный] Тип JobLimit.	"Command" "Очистка" (обязательно)
maxConcurrentTrials	Максимальное число параллельных пробных версий задания очистки.	инт
maxTotalTrials	Максимальное количество пробных версий заданий для очистки.	инт
таймаут	Максимальная длительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживается только длительность с точностью до секунд.	струна
trialTimeout	Значение времени ожидания пробной версии задания подметки.	струна

SweepJobOutputs (SweepJobOutputs)

Имя	Описание	Ценность

ТаблицаИсправленныеПараметры

Имя	Описание	Ценность
усилитель	Укажите тип повышения, например gbdt для XGBoost.	струна
boostingType	Укажите тип повышения, например gbdt для LightGBM.	струна
growPolicy	Укажите политику роста, которая управляет тем, как новые узлы добавляются в дерево.	струна
LearningRate	Скорость обучения для процедуры обучения.	инт
maxBin	Укажите максимальное количество дискретных ячеек для сегментирования непрерывных функций.	инт
maxDepth	Укажите максимальную глубину, чтобы ограничить глубину дерева явным образом.	инт
maxLeaves	Укажите максимальное количество листьев, чтобы ограничить листья дерева явным образом.	инт
minDataInLeaf	Минимальное количество данных на лист.	инт
minSplitGain	Минимальное сокращение потери, необходимое для дальнейшего секционирования на конечном узле дерева.	инт
название модели	Имя модели для обучения.	струна
nEstimator	Укажите количество деревьев (или округлений) в модели.	инт
numLeaves	Укажите количество листьев.	инт
preprocessorName	Имя используемого препроцессора.	струна
РегАльфа	Термин нормализации L1 для весов.	инт
regLambda	Термин нормализации L2 для весов.	инт
подвыборка	Подсамплексный коэффициент экземпляра обучения.	инт
subsampleFreq	Частота подсампли.	инт
treeMethod	Укажите метод дерева.	струна
withMean	Если задано значение true, перед масштабированием данных с помощью StandardScalar.	булевая переменная (bool)
withStd	Если задано значение true, масштабирование данных с помощью единицы вариативности с помощью StandardScalar.	булевая переменная (bool)

TableParameterSubspace

Имя	Описание	Ценность
усилитель	Укажите тип повышения, например gbdt для XGBoost.	струна
boostingType	Укажите тип повышения, например gbdt для LightGBM.	струна
growPolicy	Укажите политику роста, которая управляет тем, как новые узлы добавляются в дерево.	струна
LearningRate	Скорость обучения для процедуры обучения.	струна
maxBin	Укажите максимальное количество дискретных ячеек для сегментирования непрерывных функций.	струна
maxDepth	Укажите максимальную глубину, чтобы ограничить глубину дерева явным образом.	струна
maxLeaves	Укажите максимальное количество листьев, чтобы ограничить листья дерева явным образом.	струна
minDataInLeaf	Минимальное количество данных на лист.	струна
minSplitGain	Минимальное сокращение потери, необходимое для дальнейшего секционирования на конечном узле дерева.	струна
название модели	Имя модели для обучения.	струна
nEstimator	Укажите количество деревьев (или округлений) в модели.	струна
numLeaves	Укажите количество листьев.	струна
preprocessorName	Имя используемого препроцессора.	струна
РегАльфа	Термин нормализации L1 для весов.	струна
regLambda	Термин нормализации L2 для весов.	струна
подвыборка	Подсамплексный коэффициент экземпляра обучения.	струна
subsampleFreq	Частота подсампли	струна
treeMethod	Укажите метод дерева.	струна
withMean	Если задано значение true, перед масштабированием данных с помощью StandardScalar.	струна
withStd	Если задано значение true, масштабирование данных с помощью единицы вариативности с помощью StandardScalar.	струна

TableSweepSettings (Настройки TableSweep)

Имя	Описание	Ценность
ранняятерминация	Тип политики раннего завершения для масштабного задания.	Политика досрочного прекращения
выборкаAlgorithm	[Обязательный] Тип алгоритма выборки.	"Байезиан" "Сетка" "Случайный" (обязательный)

ТаблицаВертикальностьНастройкиХарактеристики

Имя	Описание	Ценность
заблокированныеTransformers	Эти преобразователи не должны использоваться в признаках.	Массив строк, содержащий любой из: "CatTargetEncoder" CountVectorizer HashOneHotEncoder 'Кодировщик этикеток' «Наивный Байес» OneHotEncoder TextTargetEncoder «TfIdf» 'WoETargetEncoder' "WordEmbedding"
columnNameAndTypes	Словарь имени столбца и его типа (int, float, string, datetime и т. д.).	ТаблицаВертикальная ффиатуризацияНастройкиИмяСтолбцаИТипы
datasetLanguage	Язык набора данных, полезный для текстовых данных.	струна
enableDnnФеатуризация	Определяет, следует ли использовать признаки на основе Dnn для признаков данных.	булевая переменная (bool)
режим	Режим признаков . Пользователь может сохранить режим авто по умолчанию, и AutoML будет заботиться о необходимом преобразовании данных на этапе признаков. Если выбрано значение "Выкл.", то нет признаков. Если выбран параметр Custom, пользователь может указать дополнительные входные данные, чтобы настроить способ выполнения признаков.	"Авто" "Custom" "Выкл.
преобразовательParams	Пользователь может указать дополнительные преобразователи, которые будут использоваться вместе со столбцами, к которым он будет применяться, и параметрами для конструктора преобразователя.	ТаблицаВертикальная феатуризацияНастройкиТрансформерыПараметры

ТаблицаВертикальная ффиатуризацияНастройкиИмяСтолбцаИТипы

Имя	Описание	Ценность

ТаблицаВертикальная феатуризацияНастройкиТрансформерыПараметры

Имя	Описание	Ценность

НастройкиTableVerticalLimit

Имя	Описание	Ценность
enableEarlyTermination	Включите досрочное завершение, определяет, будет ли autoMLJob завершаться рано, если в последних 20 итерациях не будет улучшена оценка.	булевая переменная (bool)
exitScore	Оценка выхода для задания AutoML.	инт
maxConcurrentTrials	Максимальное число одновременных итераций.	инт
maxCoresPerTrial	Максимальное число ядер на итерацию.	инт
maxTrials	Число итераций.	инт
sweepConcurrentTrials	Количество одновременных запусков, которые пользователь хочет активировать.	инт
sweepTrials	Количество разверток запусков, которые пользователь хочет активировать.	инт
таймаут	Время ожидания задания AutoML.	струна
trialTimeout	Время ожидания итерации.	струна

Целевые лаги

Имя	Описание	Ценность
режим	Задайте для типа AutoTargetLags значение AutoTargetLags. Задайте для типа CustomTargetLags значение CustomTargetLags.	"Авто" "Custom" (обязательный)

TargetRollingWindowSize (Размер целевого окна)

Имя	Описание	Ценность
режим	Задайте для типа AutoTargetRollingWindowSize значение AutoTargetRollingWindowSize. Задайте для типа CustomTargetRollingWindowSize значение CustomTargetRollingWindowSize.	"Авто" "Custom" (обязательный)

ТензорФлоу

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	TensorFlow (обязательный)
parameterServerCount	Количество задач сервера параметров.	инт
количествоРаботников	Количество работников. Если этот параметр не указан, по умолчанию используется число экземпляров.	инт

Классификация текста

Имя	Описание	Ценность
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	NlpFixedParameters
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
первичная метрика	Основная метрика для задачи Text-Classification.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	NlpParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	NlpSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	TextClassification (обязательный)
validationData	Входные данные проверки.	MLTableJobInput

TextClassificationMultilabel (Множественная метка текста)

Имя	Описание	Ценность
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	NlpFixedParameters
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	NlpParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	NlpSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	TextClassificationMultilabel (обязательный)
validationData	Входные данные проверки.	MLTableJobInput

Текстовый Нер

Имя	Описание	Ценность
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	NlpFixedParameters
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	NlpParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	NlpSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	TextNER (обязательно)
validationData	Входные данные проверки.	MLTableJobInput

ТриалКомпонент

Имя	Описание	Ценность
codeId	Идентификатор ресурса ARM ресурса ресурса кода.	струна
Приказ	[Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py"	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
распределение	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	DistributionConfiguration (РаспределениеКонфигурация)
environmentId	[Обязательный] Идентификатор ресурса ARM спецификации среды для задания.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
переменные окружения	Переменные среды, включенные в задание.	TrialComponentEnvironmentVariables
ресурсы	Конфигурация вычислительных ресурсов для задания.	JobResourceConfiguration (Конфигурация JobResourceConfiguration)

TrialComponentEnvironmentVariables

Имя	Описание	Ценность

TritonModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"triton_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

TritonModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"triton_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

УсечениеSelectionPolicy

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	УсечениеSelection (обязательно)
усечениеPercentage	Процент выполнения для отмены по каждому интервалу оценки.	инт

UriFileJobInput (Ввод UriFileJob)

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"uri_file" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

UriFileJobOutput (UriFileJobOutput)

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"uri_file" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

UriFolderJobInput (Ввод UriFolderJob)

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

UriFolderJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"uri_folder" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

Идентификатор пользователя

Имя	Описание	Ценность
тип идентификации	[Обязательный] Указывает тип платформы удостоверений.	UserIdentity (обязательно)

Примеры использования

Примеры быстрого запуска Azure

Следующие шаблоны быстрого запуска Azure содержат примеры Bicep для развертывания этого типа ресурса.

Bicep-файл	Описание
Создание задания классификации AutoML машинного обучения Azure	Этот шаблон создает задание классификации AutoML машинного обучения Azure, чтобы узнать лучшую модель прогнозирования того, будет ли клиент подписаться на фиксированный срок депозита с финансовым учреждением.
Создание задания команды машинного обучения Azure	Этот шаблон создает задание команды машинного обучения Azure с помощью базового скрипта hello_world
Создание задания "Очистка машинного обучения Azure"	Этот шаблон создает задание "Очистка машинного обучения Azure" для настройки гиперпараметра.

Определение ресурса шаблона ARM

Тип ресурса рабочих областей и заданий можно развернуть с помощью операций, предназначенных для следующих задач:

• Группы ресурсов — см. команды развертывания группы ресурсов

Список измененных свойств в каждой версии API см. в журнала изменений.

Формат ресурса

Чтобы создать ресурс Microsoft.MachineLearningServices/workspaces/jobs, добавьте следующий код JSON в шаблон.

{
  "type": "Microsoft.MachineLearningServices/workspaces/jobs",
  "apiVersion": "2022-10-01-preview",
  "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"
    },
    "services": {
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "nodes": {
          "nodesValueType": "string"
          // For remaining properties, see Nodes objects
        },
        "port": "int",
        "properties": {
          "{customized property}": "string"
        }
      }
    },
    "tags": {
      "{customized property}": "string"
    },
    "jobType": "string"
    // For remaining properties, see JobBaseProperties objects
  }
}

Объекты сезонности

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  "mode": "Auto"
}

Для пользовательского использования используйте:

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

Объекты ForecastHorizon

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  "mode": "Auto"
}

Для пользовательского использования используйте:

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

Объекты JobOutput

Задайте свойство jobOutputType , чтобы указать тип объекта.

Для custom_model используйте:

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

Для mlflow_model используйте:

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

Для mltableиспользуйте:

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

Для triton_model используйте:

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

Для uri_fileиспользуйте:

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

Для uri_folderиспользуйте:

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

Объекты IdentityConfiguration

Задайте свойство identityType , чтобы указать тип объекта.

Для AMLToken используйте:

{
  "identityType": "AMLToken"
}

Для управляемыхиспользуйте:

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

Для UserIdentity используйте:

{
  "identityType": "UserIdentity"
}

Объекты DistributionConfiguration

Задайте свойство distributionType , чтобы указать тип объекта.

Для Mpi используйте:

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

Для PyTorch используйте:

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

Для TensorFlow используйте:

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

Объекты MLAssistConfiguration

Задайте свойство mlAssist , чтобы указать тип объекта.

Для отключенных используйте:

{
  "mlAssist": "Disabled"
}

Для включения используйте:

{
  "inferencingComputeBinding": "string",
  "mlAssist": "Enabled",
  "trainingComputeBinding": "string"
}

Объекты EarlyTerminationPolicy

Задайте свойство policyType , чтобы указать тип объекта.

Для Bandit используйте:

{
  "policyType": "Bandit",
  "slackAmount": "int",
  "slackFactor": "int"
}

Для MedianStopping используйте:

{
  "policyType": "MedianStopping"
}

Для усеченияSelection используйте:

{
  "policyType": "TruncationSelection",
  "truncationPercentage": "int"
}

Объекты TargetRollingWindowSize

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  "mode": "Auto"
}

Для пользовательского использования используйте:

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

Объекты SparkJobEntry

Задайте свойство sparkJobEntryType , чтобы указать тип объекта.

Для SparkJobPythonEntry используйте:

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

Для SparkJobScalaEntry используйте:

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

Объекты AutoMLVertical

Задайте свойство taskType, чтобы указать тип объекта.

Для классификации используйте:

{
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "sweepConcurrentTrials": "int",
    "sweepTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "positiveLabel": "string",
  "primaryMetric": "string",
  "searchSpace": [
    {
      "booster": "string",
      "boostingType": "string",
      "growPolicy": "string",
      "learningRate": "string",
      "maxBin": "string",
      "maxDepth": "string",
      "maxLeaves": "string",
      "minDataInLeaf": "string",
      "minSplitGain": "string",
      "modelName": "string",
      "nEstimators": "string",
      "numLeaves": "string",
      "preprocessorName": "string",
      "regAlpha": "string",
      "regLambda": "string",
      "subsample": "string",
      "subsampleFreq": "string",
      "treeMethod": "string",
      "withMean": "string",
      "withStd": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "Classification",
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"
}

Для прогнозирования используйте:

{
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "forecastingSettings": {
    "countryOrRegionForHolidays": "string",
    "cvStepSize": "int",
    "featureLags": "string",
    "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",
    "sweepConcurrentTrials": "int",
    "sweepTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "booster": "string",
      "boostingType": "string",
      "growPolicy": "string",
      "learningRate": "string",
      "maxBin": "string",
      "maxDepth": "string",
      "maxLeaves": "string",
      "minDataInLeaf": "string",
      "minSplitGain": "string",
      "modelName": "string",
      "nEstimators": "string",
      "numLeaves": "string",
      "preprocessorName": "string",
      "regAlpha": "string",
      "regLambda": "string",
      "subsample": "string",
      "subsampleFreq": "string",
      "treeMethod": "string",
      "withMean": "string",
      "withStd": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "Forecasting",
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"
}

Для ImageClassification используйте:

{
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "momentum": "int",
    "nesterov": "bool",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "trainingBatchSize": "int",
    "trainingCropSize": "int",
    "validationBatchSize": "int",
    "validationCropSize": "int",
    "validationResizeSize": "int",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int",
    "weightedLoss": "int"
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "momentum": "string",
      "nesterov": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "trainingBatchSize": "string",
      "trainingCropSize": "string",
      "validationBatchSize": "string",
      "validationCropSize": "string",
      "validationResizeSize": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string",
      "weightedLoss": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "ImageClassification",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"
}

Для ImageClassificationMultilabel используйте:

{
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "momentum": "int",
    "nesterov": "bool",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "trainingBatchSize": "int",
    "trainingCropSize": "int",
    "validationBatchSize": "int",
    "validationCropSize": "int",
    "validationResizeSize": "int",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int",
    "weightedLoss": "int"
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "momentum": "string",
      "nesterov": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "trainingBatchSize": "string",
      "trainingCropSize": "string",
      "validationBatchSize": "string",
      "validationCropSize": "string",
      "validationResizeSize": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string",
      "weightedLoss": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "ImageClassificationMultilabel",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"
}

Для ImageInstanceSegmentation используйте:

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

Для ImageObjectDetection используйте:

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

Для регрессии используйте:

{
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "sweepConcurrentTrials": "int",
    "sweepTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "booster": "string",
      "boostingType": "string",
      "growPolicy": "string",
      "learningRate": "string",
      "maxBin": "string",
      "maxDepth": "string",
      "maxLeaves": "string",
      "minDataInLeaf": "string",
      "minSplitGain": "string",
      "modelName": "string",
      "nEstimators": "string",
      "numLeaves": "string",
      "preprocessorName": "string",
      "regAlpha": "string",
      "regLambda": "string",
      "subsample": "string",
      "subsampleFreq": "string",
      "treeMethod": "string",
      "withMean": "string",
      "withStd": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "Regression",
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"
}

Для TextClassification используйте:

{
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "fixedParameters": {
    "gradientAccumulationSteps": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "numberOfEpochs": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "warmupRatio": "int",
    "weightDecay": "int"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "gradientAccumulationSteps": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "numberOfEpochs": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "warmupRatio": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "TextClassification",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }
}

Для TextClassificationMultilabel используйте:

{
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "fixedParameters": {
    "gradientAccumulationSteps": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "numberOfEpochs": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "warmupRatio": "int",
    "weightDecay": "int"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "searchSpace": [
    {
      "gradientAccumulationSteps": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "numberOfEpochs": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "warmupRatio": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "TextClassificationMultilabel",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }
}

Для TextNER используйте:

{
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "fixedParameters": {
    "gradientAccumulationSteps": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "numberOfEpochs": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "warmupRatio": "int",
    "weightDecay": "int"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "searchSpace": [
    {
      "gradientAccumulationSteps": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "numberOfEpochs": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "warmupRatio": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "TextNER",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }
}

Объекты TargetLags

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  "mode": "Auto"
}

Для пользовательского использования используйте:

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

Объекты LabelingJobMediaProperties

Задайте свойство mediaType , чтобы указать тип объекта.

Для образа используйте:

{
  "annotationType": "string",
  "mediaType": "Image"
}

Для текста используйте:

{
  "annotationType": "string",
  "mediaType": "Text"
}

Объекты JobInput

Задайте свойство jobInputType , чтобы указать тип объекта.

Для custom_model используйте:

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

Для литерала используйте:

{
  "jobInputType": "literal",
  "value": "string"
}

Для mlflow_model используйте:

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

Для mltableиспользуйте:

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

Для triton_model используйте:

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

Для uri_fileиспользуйте:

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

Для uri_folderиспользуйте:

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

Объекты JobBaseProperties

Задайте свойство jobType , чтобы указать тип объекта.

Для AutoML используйте:

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

Для команды используйте следующую команду:

{
  "autologgerSettings": {
    "mlflowAutologger": "string"
  },
  "codeId": "string",
  "command": "string",
  "distribution": {
    "distributionType": "string"
    // For remaining properties, see DistributionConfiguration objects
  },
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "string"
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "jobType": "Command",
  "limits": {
    "jobLimitsType": "string",
    "timeout": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "properties": {
      "{customized property}": {}
    },
    "shmSize": "string"
  }
}

Для маркировки используйте:

{
  "dataConfiguration": {
    "dataId": "string",
    "incrementalDataRefreshEnabled": "bool"
  },
  "jobInstructions": {
    "uri": "string"
  },
  "jobType": "Labeling",
  "labelCategories": {
    "{customized property}": {
      "classes": {
        "{customized property}": {
          "displayName": "string",
          "subclasses": {
            "{customized property}": ...
          }
        }
      },
      "displayName": "string",
      "multiSelectEnabled": "bool"
    }
  },
  "labelingJobMediaProperties": {
    "mediaType": "string"
    // For remaining properties, see LabelingJobMediaProperties objects
  },
  "mlAssistConfiguration": {
    "mlAssist": "string"
    // For remaining properties, see MLAssistConfiguration objects
  }
}

Для конвейера используйте:

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

Для Spark используйте:

{
  "archives": [ "string" ],
  "args": "string",
  "codeId": "string",
  "conf": {
    "{customized property}": "string"
  },
  "entry": {
    "sparkJobEntryType": "string"
    // For remaining properties, see SparkJobEntry objects
  },
  "environmentId": "string",
  "files": [ "string" ],
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "jars": [ "string" ],
  "jobType": "Spark",
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "pyFiles": [ "string" ],
  "resources": {
    "instanceType": "string",
    "runtimeVersion": "string"
  }
}

Для очистки используйте:

{
  "earlyTermination": {
    "delayEvaluation": "int",
    "evaluationInterval": "int",
    "policyType": "string"
    // For remaining properties, see EarlyTerminationPolicy objects
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "jobType": "Sweep",
  "limits": {
    "jobLimitsType": "string",
    "maxConcurrentTrials": "int",
    "maxTotalTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "objective": {
    "goal": "string",
    "primaryMetric": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "samplingAlgorithm": {
    "samplingAlgorithmType": "string"
    // For remaining properties, see SamplingAlgorithm objects
  },
  "searchSpace": {},
  "trial": {
    "codeId": "string",
    "command": "string",
    "distribution": {
      "distributionType": "string"
      // For remaining properties, see DistributionConfiguration objects
    },
    "environmentId": "string",
    "environmentVariables": {
      "{customized property}": "string"
    },
    "resources": {
      "dockerArgs": "string",
      "instanceCount": "int",
      "instanceType": "string",
      "properties": {
        "{customized property}": {}
      },
      "shmSize": "string"
    }
  }
}

Объекты nodes

Задайте свойство nodesValueType , чтобы указать тип объекта.

Для всех используйте:

{
  "nodesValueType": "All"
}

Объекты ВыборкиAlgorithm

Задайте свойство выборкиAlgorithmType , чтобы указать тип объекта.

Для Байезиана используйте:

{
  "samplingAlgorithmType": "Bayesian"
}

Для Сетки используйте:

{
  "samplingAlgorithmType": "Grid"
}

Для случайного использования используйте:

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

Объекты NCrossValidations

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  "mode": "Auto"
}

Для пользовательского использования используйте:

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

Значения свойств

Microsoft.MachineLearningServices/рабочие области/задания

Имя	Описание	Ценность
apiVersion	Версия API	«2022-10-01-превью»
имя	имя ресурса.	струна Ограничения целостности: Pattern = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (обязательно)
свойства	[Обязательный] Дополнительные атрибуты сущности.	JobBaseProperties (обязательно)
тип	Тип ресурса	"Microsoft.MachineLearningServices/workspaces/jobs"

Узлы AllNodes

Имя	Описание	Ценность
nodesValueType	[Обязательный] Тип значения Nodes	"Все" (обязательно)

Токен AmlToken

Имя	Описание	Ценность
тип идентификации	[Обязательный] Указывает тип платформы удостоверений.	AMLToken (обязательно)

Горизонт автопрогноза

Имя	Описание	Ценность
режим	[Обязательный] Задайте режим выбора значения горизонта прогнозирования.	"Авто" (обязательно)

Настройки авторегистратора

Имя	Описание	Ценность
mlflowАвторегистратор	[Обязательный] Указывает, включена ли функция автолога машинного потока.	"Отключено" "Включено" (обязательно)

AutoMLЧоб

Имя	Описание	Ценность
environmentId	Идентификатор ресурса ARM спецификации среды для задания. Это необязательное значение для предоставления, если оно не указано, AutoML по умолчанию используется для рабочей версии курируемой среды AutoML при выполнении задания.	струна
переменные окружения	Переменные среды, включенные в задание.	AutoMLJobEnvironmentVariables
тип работы	[Обязательный] Указывает тип задания.	AutoML (обязательно)
выходные данные	Сопоставление привязок выходных данных, используемых в задании.	AutoMLJobOutputs
ресурсы	Конфигурация вычислительных ресурсов для задания.	JobResourceConfiguration (Конфигурация JobResourceConfiguration)
задачаПодробнее	[Обязательный] Это сценарий, который может быть одним из таблиц/ NLP/Image	AutoMLVertical (обязательно)

AutoMLJobEnvironmentVariables

Имя	Описание	Ценность

AutoMLJobOutputs

Имя	Описание	Ценность

AutoMLVertical

Имя	Описание	Ценность
logVerbosity	Подробность журнала для задания.	"Критический" "Отладка" "Ошибка" "Info" NotSet Предупреждение
targetColumnName	Имя целевого столбца: это столбец прогнозируемых значений. Также называется именем столбца метки в контексте задач классификации.	струна
тип задачи	Установите значение "Классификация" для классификации типов. Установите значение " Прогнозирование" для прогнозирования типов. Установите значение ImageClassification для типа ImageClassification. Установите значение ImageClassificationMultilabel для типа ImageClassificationMultilabel. Установите значение ImageInstanceSegmentation для типа ImageInstanceSegmentation. Задайте значение ImageObjectDetection для типа ImageObjectDetection. Задайте значение "Регрессия" для регрессии типа. Установите значение TextClassification для типа TextClassification. Установите значение TextClassificationMultilabel для типа TextClassificationMultilabel. Установите значение TextNER для типа TextNer.	"Классификация" "Прогнозирование" ImageClassification ImageClassificationMultilabel "ImageInstanceSegmentation" ImageObjectDetection Регрессия TextClassification TextClassificationMultilabel TextNER (обязательно)
trainingData	[Обязательный] Входные данные обучения.	MLTableJobInput (обязательно)

AutoNCrossValidations

Имя	Описание	Ценность
режим	[Обязательный] Режим определения проверок N-Cross.	"Авто" (обязательно)

Автосесональность

Имя	Описание	Ценность
режим	[Обязательный] Режим сезонности.	"Авто" (обязательно)

AutoTargetLags

Имя	Описание	Ценность
режим	[Обязательный] Настройка режима задержки целевых объектов — автоматическое или настраиваемое	"Авто" (обязательно)

AutoTargetRollingWindowSize

Имя	Описание	Ценность
режим	[Обязательный] Режим обнаружения TargetRollingWindowSiz.	"Авто" (обязательно)

БандитПолитика

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	"Банда" (обязательно)
slackAmount	Абсолютное расстояние, допустимое от оптимального выполнения.	инт
slackFactor	Соотношение допустимого расстояния от оптимального выполнения.	инт

Байесовский алгоритм выборки

Имя	Описание	Ценность
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	Байесян (обязательный)

Классификация

Имя	Описание	Ценность
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	строка[]
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	ТаблицаВертикальностьНастройкиХарактеристики
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	ТаблицаИсправленныеПараметры
limitSettings	Ограничения выполнения для AutoMLJob.	НастройкиTableVerticalLimit
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossВалидации
positiveLabel	Положительная метка для вычисления двоичных метрик.	струна
первичная метрика	Первичная метрика для задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	Подпространство TableParameter[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings (Настройки TableSweep)
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	"Классификация" (обязательно)
testData	Проверка входных данных.	MLTableJobInput
testDataSize	Доля тестового набора данных, который необходимо отложить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
trainingSettings (обучениеНастройки)	Входные данные для этапа обучения для задания AutoML.	КлассификацияTrainingSettings
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
weightИмяСтолбца	Имя столбца веса образца. Автоматизированное машинное обучение поддерживает взвешанный столбец в качестве входных данных, что приводит к тому, что строки в данных будут взвешированы вверх или вниз.	струна

КлассификацияTrainingSettings

Имя	Описание	Ценность
allowedTrainingAlgorithms	Разрешенные модели для задачи классификации.	Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" «ГрадиентБустинг» KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier"
blockedTrainingAlgorithms	Заблокированные модели для задачи классификации.	Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" «ГрадиентБустинг» KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier"
enableDnnTraining	Включите рекомендацию моделей DNN.	булевая переменная (bool)
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	булевая переменная (bool)
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	булевая переменная (bool)
enableStackEnsemble	Включите запуск ансамбля стека.	булевая переменная (bool)
enableVoteEnsemble	Включите запуск ансамбля голосования.	булевая переменная (bool)
ensembleModelDownloadTimeout	Во время создания модели VotingEnsemble и StackEnsemble скачиваются несколько встроенных моделей из предыдущих дочерних запусков. Настройте этот параметр с более высоким значением, чем 300 с, если требуется больше времени.	струна
stackEnsembleSettings	Параметры ансамбля стека для выполнения ансамбля стека.	StackEnsembleSettings (СтекАнсамбльНастройки)

Колонный трансформатор

Имя	Описание	Ценность
Поля	Поля для применения логики преобразователя.	строка[]
Параметры	Различные свойства, передаваемые преобразователю. Ожидается, что входные данные — это словарь пар "ключ", "значение" в формате JSON.	любой

Командная работа

Имя	Описание	Ценность
авторегистраторНастройки	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	Настройки авторегистратора
codeId	Идентификатор ресурса ARM ресурса ресурса кода.	струна
Приказ	[Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py"	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
распределение	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	DistributionConfiguration (РаспределениеКонфигурация)
environmentId	[Обязательный] Идентификатор ресурса ARM спецификации среды для задания.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
переменные окружения	Переменные среды, включенные в задание.	Переменные CommandJobEnvironmentVariables
входные данные	Сопоставление входных привязок данных, используемых в задании.	CommandJobInputs (КомандаJobInputs)
тип работы	[Обязательный] Указывает тип задания.	"Command" (обязательный)
Ограничения	Ограничение задания команд.	CommandJobLimits (Ограничения командного задания)
выходные данные	Сопоставление привязок выходных данных, используемых в задании.	CommandJobOutputs (КомандаJobOutputs)
ресурсы	Конфигурация вычислительных ресурсов для задания.	JobResourceConfiguration (Конфигурация JobResourceConfiguration)

Переменные CommandJobEnvironmentVariables

Имя	Описание	Ценность

CommandJobInputs (КомандаJobInputs)

Имя	Описание	Ценность

CommandJobLimits (Ограничения командного задания)

Имя	Описание	Ценность
jobLimitsType	[Обязательный] Тип JobLimit.	"Command" "Очистка" (обязательно)
таймаут	Максимальная длительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживается только длительность с точностью до секунд.	струна

CommandJobOutputs (КомандаJobOutputs)

Имя	Описание	Ценность

Пользовательский горизонт прогноза

Имя	Описание	Ценность
режим	[Обязательный] Задайте режим выбора значения горизонта прогнозирования.	"Custom" (обязательный)
ценность	[Обязательный] Прогноз значения горизонта.	int (обязательно)

Ввод задания CustomModelJob

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

CustomModelJobOutput (Пользовательский модельЗаданиеВыход)

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"custom_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

CustomNCrossValidations

Имя	Описание	Ценность
режим	[Обязательный] Режим определения проверок N-Cross.	"Custom" (обязательный)
ценность	[Обязательный] Значение N-Cross validations.	int (обязательно)

Пользовательская сезонность

Имя	Описание	Ценность
режим	[Обязательный] Режим сезонности.	"Custom" (обязательный)
ценность	[Обязательный] Значение сезонности.	int (обязательно)

CustomTargetLags (Пользовательские целевые лаги)

Имя	Описание	Ценность
режим	[Обязательный] Настройка режима задержки целевых объектов — автоматическое или настраиваемое	"Custom" (обязательный)
Значения	[Обязательный] Задайте значения задержки целевых значений.	int[] (обязательно)

CustomTargetRollingWindowSize

Имя	Описание	Ценность
режим	[Обязательный] Режим обнаружения TargetRollingWindowSiz.	"Custom" (обязательный)
ценность	[Обязательный] Значение TargetRollingWindowSize.	int (обязательно)

DistributionConfiguration (РаспределениеКонфигурация)

Имя	Описание	Ценность
distributionType	Задайте для типа Mpi значение "Mpi". Задайте для типа PyTorch значение PyTorch. Установите значение TensorFlow для типа TensorFlow.	"Mpi" "PyTorch" TensorFlow (обязательный)

Политика досрочного прекращения

Имя	Описание	Ценность
delayEvaluation	Количество интервалов, с помощью которых необходимо отложить первую оценку.	инт
оценкаИнтервал	Интервал (количество запусков) между оценками политики.	инт
policyType	Задайте для типа BanditPolicy значение "BanditPolicy". Установите значение MedianStopping для типа MedianStoppingPolicy. Задайте значение TruncationSelection для типа TruncationSelectionPolicy.	"Бандит" MedianStopping УсечениеSelection (обязательно)

ПрогнозHorizon

Имя	Описание	Ценность
режим	Задайте для типа AutoForecastHorizon значение AutoForecastHorizon. Задайте для типа CustomForecastHorizon значение CustomForecastHorizon.	"Авто" "Custom" (обязательный)

Прогнозирование

Имя	Описание	Ценность
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	строка[]
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	ТаблицаВертикальностьНастройкиХарактеристики
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	ТаблицаИсправленныеПараметры
прогнозированиеНастройки	Прогнозирование определенных входных данных задачи.	ПрогнозированиеSettings
limitSettings	Ограничения выполнения для AutoMLJob.	НастройкиTableVerticalLimit
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossВалидации
первичная метрика	Основная метрика для задачи прогнозирования.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" «Корреляция копья»
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	Подпространство TableParameter[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings (Настройки TableSweep)
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	"Прогнозирование" (обязательно)
testData	Проверка входных данных.	MLTableJobInput
testDataSize	Доля тестового набора данных, который необходимо отложить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
trainingSettings (обучениеНастройки)	Входные данные для этапа обучения для задания AutoML.	ПрогнозированиеTrainingSettings
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
weightИмяСтолбца	Имя столбца веса образца. Автоматизированное машинное обучение поддерживает взвешанный столбец в качестве входных данных, что приводит к тому, что строки в данных будут взвешированы вверх или вниз.	струна

ПрогнозированиеSettings

Имя	Описание	Ценность
странаРегионДляПраздников	Страна или регион для праздников для задач прогнозирования. Это должны быть коды стран и регионов ISO 3166, например "US" или "GB".	струна
cvStepSize	Число периодов между временем начала одного свертывания CV и следующего свертывания. Для например, если CVStepSize = 3 для ежедневных данных, время источника для каждого свертывания будет три дня в стороне.	инт
featureЛаги	Флаг для создания задержек для числовых функций с параметром auto или NULL.	"Авто" "Нет"
прогнозHorizon	Требуемый максимальный горизонт прогнозирования в единицах частоты временных рядов.	ПрогнозHorizon
частота	При прогнозировании этот параметр представляет период, с которым нужно, например ежедневно, еженедельно, ежегодно и т. д. Частота прогноза — это частота набора данных по умолчанию.	струна
Сезонность	Задайте сезонность временных рядов в качестве целого числа, кратного частоты ряда. Если для сезонности задано значение auto, он будет выводиться.	Сезонность
shortSeriesHandlingConfig	Параметр, определяющий, как autoML должен обрабатывать короткие временные ряды.	"Авто" "Drop" "Нет" "Pad"
targetAggregateFunction	Функция, используемая для агрегирования целевого столбца временных рядов для соответствия заданной пользователем частоте. Если параметр TargetAggregateFunction задан, т. е. не "Нет", но параметр freq не задан, возникает ошибка. Возможные функции агрегирования целевых значений: sum, max, min и среднее.	"Max" "Среднее" "Min" "Нет" "Sum"
targetLags	Число прошлых периодов задержки от целевого столбца.	Целевые лаги
targetRollingWindowSize	Количество прошлых периодов, используемых для создания скользящего среднего окна целевого столбца.	TargetRollingWindowSize (Размер целевого окна)
timeColumnName	Имя столбца времени. Этот параметр требуется при прогнозировании для указания столбца datetime в входных данных, используемых для создания временных рядов и вывода его частоты.	струна
timeSeriesIdColumnNames	Имена столбцов, используемых для группировки таймерий. Его можно использовать для создания нескольких рядов. Если набор данных не определен, предполагается, что набор данных является одним временным рядом. Этот параметр используется с прогнозированием типа задачи.	строка[]
useStl	Настройте декомпозицию STL целевого столбца временных рядов.	"Нет" "Сезон" «Сезонный тренд»

ПрогнозированиеTrainingSettings

Имя	Описание	Ценность
allowedTrainingAlgorithms	Разрешенные модели для задачи прогнозирования.	Массив строк, содержащий любой из: «Аримакс» AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" «ГрадиентБустинг» KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "СезоннаяAverage" "СезоннаяNaive" "ДИНАМ" «TCNForecaster» "XGBoostRegressor"
blockedTrainingAlgorithms	Заблокированные модели для задачи прогнозирования.	Массив строк, содержащий любой из: «Аримакс» AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" «ГрадиентБустинг» KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "СезоннаяAverage" "СезоннаяNaive" "ДИНАМ" «TCNForecaster» "XGBoostRegressor"
enableDnnTraining	Включите рекомендацию моделей DNN.	булевая переменная (bool)
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	булевая переменная (bool)
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	булевая переменная (bool)
enableStackEnsemble	Включите запуск ансамбля стека.	булевая переменная (bool)
enableVoteEnsemble	Включите запуск ансамбля голосования.	булевая переменная (bool)
ensembleModelDownloadTimeout	Во время создания модели VotingEnsemble и StackEnsemble скачиваются несколько встроенных моделей из предыдущих дочерних запусков. Настройте этот параметр с более высоким значением, чем 300 с, если требуется больше времени.	струна
stackEnsembleSettings	Параметры ансамбля стека для выполнения ансамбля стека.	StackEnsembleSettings (СтекАнсамбльНастройки)

Алгоритм сетчатой выборки

Имя	Описание	Ценность
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	Grid (обязательно)

IdentityConfiguration (Конфигурация идентичности)

Имя	Описание	Ценность
тип идентификации	Установите значение AMLToken для типа AmlToken. Задайте для типа ManagedIdentity значение ManagedIdentity. Задайте для типа UserIdentity значение UserIdentity.	AMLToken "Managed" (Управляемый) UserIdentity (обязательно)

Классификация изображений

Имя	Описание	Ценность
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
первичная метрика	Основная метрика для оптимизации для этой задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	Настройки ImageSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	ImageClassification (обязательный)
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт

ImageClassificationMultilabel (Классификация изображенийMultilabel)

Имя	Описание	Ценность
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
первичная метрика	Основная метрика для оптимизации для этой задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	Настройки ImageSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	ImageClassificationMultilabel (обязательный)
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт

Сегментация экземпляра изображения

Имя	Описание	Ценность
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsОбнаружение объектов
первичная метрика	Основная метрика для оптимизации для этой задачи.	"MeanAveragePrecision"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	Настройки ImageSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	ImageInstanceSegmentation (обязательно)
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт

ImageLimitSettings (Настройки ImageLimit)

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	инт
maxTrials	Максимальное число итераций AutoML.	инт
таймаут	Время ожидания задания AutoML.	струна

ImageModelDistributionSettingsКлассификация

Имя	Описание	Ценность
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	струна
бета2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
ранняяОстановка	Включить алгоритм раннего прекращения логики во время обучения.	струна
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота оценки набора данных проверки для получения оценок метрик. Должно быть положительным целым числом.	струна
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должно быть значением типа float в диапазоне [0, 1].	струна
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	струна
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	струна
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	струна
оптимизатор	Тип оптимизатора. Должно быть либо "хем", "адам", либо "адам".	струна
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	струна
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должно быть значением типа float в диапазоне [0, 1].	струна
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	струна
trainingBatchSize	Размер пакета, используемого для обучения. Должно быть положительным целым числом.	струна
trainingCropSize	Размер обрезки изображения, входной в нейронную сеть для обучающего набора данных. Должно быть положительным целым числом.	струна
validationBatchSize	Размер пакета, используемого для проверки. Должно быть положительным целым числом.	струна
validationCropSize	Размер обрезки изображения, входной в нейронную сеть для набора данных проверки. Должно быть положительным целым числом.	струна
validationResizeSize	Размер, до которого необходимо изменить изображение перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	струна
разминкаCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1].	струна
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	струна
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	струна
весеedLoss	Весовая потеря. Допустимые значения — 0 без потери веса. 1 для взвешаемой потери с sqrt. (class_weights). 2 для расчета взвешенной ошибки с помощью class_weights. Значение должно быть 0 или 1 или 2.	струна

ImageModelDistributionSettingsObjectDetection

Имя	Описание	Ценность
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	струна
бета2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	струна
boxDetectionsPerImage	Максимальное число обнаружений на каждое изображение для всех классов. Должно быть положительным целым числом. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
boxScoreThreshold	Во время вывода возвращаются только предложения с оценкой классификации больше, чем Порог BoxScore. Должен быть плавающей запятой в диапазоне[0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
ранняяОстановка	Включить алгоритм раннего прекращения логики во время обучения.	струна
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота оценки набора данных проверки для получения оценок метрик. Должно быть положительным целым числом.	струна
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
размер изображения	Размер изображения для обучения и проверки. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
maxSize	Максимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
minSize	Минимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
modelSize	Размер модели. Должен быть "маленький", "средний", "большой" или "xlarge". Примечание. Учебный запуск может попасть в OOM CUDA, если размер модели слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должно быть значением типа float в диапазоне [0, 1].	струна
MultiScale	Включите многомасштабное изображение, изменив размер изображения по +/-50%. Примечание. Учебный запуск может попасть в OOM CUDA, если недостаточно памяти GPU. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	струна
nmsIouThreshold	Пороговое значение ввода-вывода, используемое во время вывода в процессе последующей обработки NMS. Должен быть плавать в диапазоне [0, 1].	струна
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	струна
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	струна
оптимизатор	Тип оптимизатора. Должно быть либо "хем", "адам", либо "адам".	струна
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	струна
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должно быть значением типа float в диапазоне [0, 1].	струна
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	струна
tileGridSize	Размер сетки, используемый для мозаичного заполнения каждого изображения. Примечание. TileGridSize не должно быть Нет, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tileOverlapRatio	Коэффициент перекрытия смежных фрагментов в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tilePredictionsNmsThreshold	Пороговое значение IOU, используемое для выполнения поиска немаксимумов (NMS) при объединении прогнозов из фрагментов и изображения. Используется при проверке или выводе. Должен быть плавать в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. NMS: не максимальное подавление	струна
trainingBatchSize	Размер пакета, используемого для обучения. Должно быть положительным целым числом.	струна
validationBatchSize	Размер пакета, используемого для проверки. Должно быть положительным целым числом.	струна
validationIouThreshold	Пороговое значение IOU для использования при вычислении метрики проверки. Должен быть плавать в диапазоне [0, 1].	струна
validationMetricType	Метод вычисления метрик, который используется для расчета проверочных метрик. Должно быть "none", "coco", "voc" или "coco_voc".	струна
разминкаCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1].	струна
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	струна
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	струна

ImageModelSettingsClassification

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	булевая переменная (bool)
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	инт
бета2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	инт
контрольная точкаFrequency	Частота сохранения контрольных точек модели. Должно быть положительным целым числом.	инт
контрольная точкаModel	Предварительно обученная модель контрольной точки для добавочного обучения.	MLFlowModelJobInput
контрольная точкаRunId	Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения.	струна
распределённый	Следует ли использовать распределенное обучение.	булевая переменная (bool)
ранняяОстановка	Включить алгоритм раннего прекращения логики во время обучения.	булевая переменная (bool)
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	инт
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	инт
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	булевая переменная (bool)
evaluationFrequency	Частота оценки набора данных проверки для получения оценок метрик. Должно быть положительным целым числом.	инт
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	инт
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	инт
LearningRate	Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1].	инт
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должно быть значением типа float в диапазоне [0, 1].	инт
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	булевая переменная (bool)
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	инт
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	инт
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	инт
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должно быть значением типа float в диапазоне [0, 1].	инт
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	инт
trainingBatchSize	Размер пакета, используемого для обучения. Должно быть положительным целым числом.	инт
trainingCropSize	Размер обрезки изображения, входной в нейронную сеть для обучающего набора данных. Должно быть положительным целым числом.	инт
validationBatchSize	Размер пакета, используемого для проверки. Должно быть положительным целым числом.	инт
validationCropSize	Размер обрезки изображения, входной в нейронную сеть для набора данных проверки. Должно быть положительным целым числом.	инт
validationResizeSize	Размер, до которого необходимо изменить изображение перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	инт
разминкаCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1].	инт
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	инт
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	инт
весеedLoss	Весовая потеря. Допустимые значения — 0 без потери веса. 1 для взвешаемой потери с sqrt. (class_weights). 2 для расчета взвешенной ошибки с помощью class_weights. Значение должно быть 0 или 1 или 2.	инт

ImageModelSettingsОбнаружение объектов

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	булевая переменная (bool)
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	инт
бета2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	инт
boxDetectionsPerImage	Максимальное число обнаружений на каждое изображение для всех классов. Должно быть положительным целым числом. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	инт
boxScoreThreshold	Во время вывода возвращаются только предложения с оценкой классификации больше, чем Порог BoxScore. Должен быть плавающей запятой в диапазоне[0, 1].	инт
контрольная точкаFrequency	Частота сохранения контрольных точек модели. Должно быть положительным целым числом.	инт
контрольная точкаModel	Предварительно обученная модель контрольной точки для добавочного обучения.	MLFlowModelJobInput
контрольная точкаRunId	Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения.	струна
распределённый	Следует ли использовать распределенное обучение.	булевая переменная (bool)
ранняяОстановка	Включить алгоритм раннего прекращения логики во время обучения.	булевая переменная (bool)
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	инт
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	инт
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	булевая переменная (bool)
evaluationFrequency	Частота оценки набора данных проверки для получения оценок метрик. Должно быть положительным целым числом.	инт
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	инт
размер изображения	Размер изображения для обучения и проверки. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	инт
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	инт
LearningRate	Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1].	инт
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
maxSize	Максимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	инт
minSize	Минимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	инт
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
modelSize	Размер модели. Должен быть "маленький", "средний", "большой" или "xlarge". Примечание. Учебный запуск может попасть в OOM CUDA, если размер модели слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	«ЭкстраБольшой» "Большой" "Средний" "Нет" "Маленький"
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должно быть значением типа float в диапазоне [0, 1].	инт
MultiScale	Включите многомасштабное изображение, изменив размер изображения по +/-50%. Примечание. Учебный запуск может попасть в OOM CUDA, если недостаточно памяти GPU. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	булевая переменная (bool)
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	булевая переменная (bool)
nmsIouThreshold	Пороговое значение ввода-вывода, используемое во время вывода в процессе последующей обработки NMS. Должно быть значением типа float в диапазоне [0, 1].	инт
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	инт
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	инт
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	инт
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должно быть значением типа float в диапазоне [0, 1].	инт
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	инт
tileGridSize	Размер сетки, используемый для мозаичного заполнения каждого изображения. Примечание. TileGridSize не должно быть Нет, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tileOverlapRatio	Коэффициент перекрытия смежных фрагментов в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	инт
tilePredictionsNmsThreshold	Пороговое значение IOU, используемое для выполнения поиска немаксимумов (NMS) при объединении прогнозов из фрагментов и изображения. Используется при проверке или выводе. Должен быть плавать в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	инт
trainingBatchSize	Размер пакета, используемого для обучения. Должно быть положительным целым числом.	инт
validationBatchSize	Размер пакета, используемого для проверки. Должно быть положительным целым числом.	инт
validationIouThreshold	Пороговое значение IOU для использования при вычислении метрики проверки. Должен быть плавать в диапазоне [0, 1].	инт
validationMetricType	Метод вычисления метрик, который используется для расчета проверочных метрик.	"Коко" 'CocoVoc' "Нет" "Voc"
разминкаCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1].	инт
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	инт
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	инт

Обнаружение объектов ImageObject

Имя	Описание	Ценность
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsОбнаружение объектов
первичная метрика	Основная метрика для оптимизации для этой задачи.	"MeanAveragePrecision"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	Настройки ImageSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	ImageObjectDetection (обязательно)
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт

Настройки ImageSweepSettings

Имя	Описание	Ценность
ранняятерминация	Тип политики раннего завершения.	Политика досрочного прекращения
выборкаAlgorithm	[Обязательный] Тип алгоритмов выборки гиперпараметров.	"Байезиан" "Сетка" "Случайный" (обязательный)

JobBaseProperties (Свойства JobBase)

Имя	Описание	Ценность
Идентификатор компонента	Идентификатор ресурса ARM ресурса компонента.	струна
computeId	Идентификатор ресурса ARM вычислительного ресурса.	струна
описание	Текст описания ресурса.	струна
отображаемое имя	Отображаемое имя задания.	струна
Имя эксперимента	Имя эксперимента, к которому принадлежит задание. Если задание не задано, задание помещается в эксперимент по умолчанию.	струна
идентичность	Конфигурация удостоверения. Если задано, это должен быть один из AmlToken, ManagedIdentity, UserIdentity или NULL. По умолчанию AmlToken имеет значение NULL.	IdentityConfiguration (Конфигурация идентичности)
isArchived	Архивируется ли ресурс?	булевая переменная (bool)
тип работы	Установите значение AutoML для типа AutoMLJob. Задайте для типа CommandJob значение CommandJob. Задайте для типа LabelingJobProperties значение "Метка". Задайте для типа PipelineJob значение PipelineJob. Установите значение Spark для типа SparkJob. Задайте значение "Sweep" для типа SweepJob.	AutoML "Command" Метка Конвейер Spark "Очистка" (обязательно)
свойства	Словарь свойств ресурса.	РесурсБазаСвойства
Услуги	Список заданий. Для локальных заданий конечная точка задания будет иметь значение конечной точки FileStreamObject.	Услуги JobBase
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	Теги ResourceBaseTags

Услуги JobBase

Имя	Описание	Ценность

JobInput (Ввод задания)

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	Установите значение "custom_model" для типа CustomModelJobInput. Задайте значение " литерал" для типа LiteralJobInput. Задайте для типа MLFlowModelJobInput значение "mlflow_model". Задайте для типа MLTableJobInput значение mltable. Задайте для типа TritonModelJobInput значение "triton_model". Задайте значение "uri_file" для типа UriFileJobInput. Задайте значение "uri_folder" для типа UriFolderJobInput.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)

JobOutput (Вывод задания)

Имя	Описание	Ценность
описание	Описание выходных данных.	струна
jobOutputType	Установите значение "custom_model" для типа CustomModelJobOutput. Задайте для типа MLFlowModelJobOutput значение "mlflow_model". Задайте для типа MLTableJobOutput значение mltable. Задайте для типа TritonModelJobOutput значение "triton_model". Задайте значение "uri_file" для типа UriFileJobOutput. Задайте значение "uri_folder" для типа UriFolderJobOutput.	"custom_model" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)

JobResourceConfiguration (Конфигурация JobResourceConfiguration)

Имя	Описание	Ценность
dockerArgs	Дополнительные аргументы для передачи команде запуска Docker. Это переопределит все параметры, которые уже были заданы системой или в этом разделе. Этот параметр поддерживается только для типов вычислений Машинного обучения Azure.	струна
Количество экземпляров	Необязательное количество экземпляров или узлов, используемых целевым объектом вычислений.	инт
instanceType	Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений.	струна
свойства	Дополнительные контейнеры свойств.	Свойства ResourceConfigurationProperties
shmSize	Размер общего блока памяти контейнера Docker. Это должно быть в формате (число)(единица), где число должно быть больше 0, а единица может быть одной из b(байтов), k(килобайтов), m(мегабайт) или g(g(gigabytes).	струна Ограничения целостности: Шаблон = \d+[bBkKmMgG]

JobService

Имя	Описание	Ценность
конечная точка	URL-адрес конечной точки.	струна
jobServiceType	Тип конечной точки.	струна
узлы	Узлы, на которые пользователь хочет запустить службу. Если узлы не заданы или заданы значение NULL, служба будет запущена только на узле лидера.	Узлов
порт	Порт для конечной точки, заданной пользователем.	инт
свойства	Дополнительные свойства, заданные в конечной точке.	JobServiceProperties (Свойства JobService)

JobServiceProperties (Свойства JobService)

Имя	Описание	Ценность

Категория метки

Имя	Описание	Ценность
Классы	Словарь классов меток в этой категории.	Классы LabelCategory
отображаемое имя	Отображаемое имя категории меток.	струна
multiSelectEnabled	Указывает, разрешено ли выбрать несколько классов в этой категории.	булевая переменная (bool)

Классы LabelCategory

Имя	Описание	Ценность

Класс меток

Имя	Описание	Ценность
отображаемое имя	Отображаемое имя класса метки.	струна
Подклассы	Словарь подклассов класса меток.	Подклассы LabelClass

Подклассы LabelClass

Имя	Описание	Ценность

LabelingDataConfiguration (МаркировкаDataConfiguration)

Имя	Описание	Ценность
dataId	Идентификатор ресурса ресурса ресурса для выполнения меток.	струна
incrementalDataRefreshEnabled	Указывает, следует ли включить добавочное обновление данных.	булевая переменная (bool)

LabelingJobImageProperties (Свойства LabelingJobImage)

Имя	Описание	Ценность
annotationType	Тип заметки задания маркировки изображений.	"BoundingBox" "Классификация" "InstanceSegmentation"
тип медиа	[Обязательный] Тип носителя задания.	Image (обязательно)

LabelingJobInstructions

Имя	Описание	Ценность
УРИ	Ссылка на страницу с подробными инструкциями по маркировке для меток.	струна

Категории LabelingJobLabel

Имя	Описание	Ценность

LabelingJobMediaProperties (Свойства LabelingJobMedia)

Имя	Описание	Ценность
тип медиа	Задайте значение Image для типа LabelingJobImageProperties. Задайте значение Text для типа LabelingJobTextProperties.	"Изображение" "Текст" (обязательный)

LabelingJobProperties (Свойства задания)

Имя	Описание	Ценность
dataConfiguration	Настройка данных, используемых в задании.	LabelingDataConfiguration (МаркировкаDataConfiguration)
jobInstructions	Инструкции по маркировке задания.	labelingJobInstructions
тип работы	[Обязательный] Указывает тип задания.	"Метка" (обязательно)
Категории меток	Категории меток задания.	Категории LabelingJobLabel
labelingJobMediaProperties	Свойства типа носителя в задании.	LabelingJobMediaProperties (Свойства LabelingJobMedia)
mlAssistConfiguration	Настройка функции MLAssist в задании.	Конфигурация MLAssist

LabelingJobTextProperties (Свойства текста)

Имя	Описание	Ценность
annotationType	Тип заметки задания маркировки текста.	"Классификация" "NamedEntityRecognition"
тип медиа	[Обязательный] Тип носителя задания.	"Текст" (обязательный)

ЛитералJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"литерал" (обязательный)
ценность	[Обязательный] Литеральное значение для входных данных.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

Управляемая идентификация

Имя	Описание	Ценность
clientId	Указывает назначаемое пользователем удостоверение по идентификатору клиента. Для назначаемого системой не устанавливайте это поле.	струна Ограничения целостности: Минимальная длина = 36 Максимальная длина = 36 Шаблон = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
тип идентификации	[Обязательный] Указывает тип платформы удостоверений.	Managed (обязательный)
objectId	Указывает назначаемое пользователем удостоверение по идентификатору объекта. Для назначаемого системой не устанавливайте это поле.	струна Ограничения целостности: Минимальная длина = 36 Максимальная длина = 36 Шаблон = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
идентификатор ресурса	Указывает удостоверение, назначаемое пользователем, по идентификатору ресурса ARM. Для назначаемого системой не устанавливайте это поле.	струна

MedianStoppingPolicy (МедианСтоппингPolicy)

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	MedianStopping (обязательно)

Конфигурация MLAssist

Имя	Описание	Ценность
mlAssist	Установите значение "Отключено" для типа MLAssistConfigurationDisabled. Установите значение "Включено" для типа MLAssistConfigurationEnabled.	"Отключено" "Включено" (обязательно)

MLAssistConfigurationDisabled

Имя	Описание	Ценность
mlAssist	[Обязательный] Указывает, включена ли функция MLAssist.	"Отключено" (обязательно)

MLAssistConfigurationEnabled

Имя	Описание	Ценность
inferencingComputeBinding	[Обязательный] Привязка вычислений AML, используемая в выводе.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
mlAssist	[Обязательный] Указывает, включена ли функция MLAssist.	"Включено" (обязательно)
trainingComputeBinding	[Обязательный] Привязка вычислений AML, используемая в обучении.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLFlowModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"mlflow_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLFlowModelJobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLFlowModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"mlflow_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

MLTableJobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLTableJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"mltable" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLTableJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"mltable" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

Мпи

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	Mpi (обязательно)
processCountPerInstance	Количество процессов на узел MPI.	инт

NCrossВалидации

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoNCrossValidations. Установите значение Custom для типа CustomNCrossValidations.	"Авто" "Custom" (обязательный)

NlpFixedParameters

Имя	Описание	Ценность
градиентAccumulationSteps	Количество шагов для накапливания градиентов перед выполнением обратного прохода.	инт
LearningRate	Скорость обучения для процедуры обучения.	инт
learningRateScheduler	Тип расписания обучения, используемого во время процедуры обучения.	"Констант" "ConstantWithWarmup" "Косин" "CosineWithRestarts" "Линейная" "Нет" "Polynomial"
название модели	Имя модели для обучения.	струна
numberOfEpochs	Число эпох обучения.	инт
trainingBatchSize	Размер пакета для процедуры обучения.	инт
validationBatchSize	Размер пакета, используемый во время оценки.	инт
теплый Ратио	Коэффициент нагрева, используемый вместе с LrSchedulerType.	инт
weightDecay	Разложение веса для процедуры обучения.	инт

NlpParameterПодпространство

Имя	Описание	Ценность
градиентAccumulationSteps	Количество шагов для накапливания градиентов перед выполнением обратного прохода.	струна
LearningRate	Скорость обучения для процедуры обучения.	струна
learningRateScheduler	Тип расписания обучения, используемого во время процедуры обучения.	струна
название модели	Имя модели для обучения.	струна
numberOfEpochs	Число эпох обучения.	струна
trainingBatchSize	Размер пакета для процедуры обучения.	струна
validationBatchSize	Размер пакета, используемый во время оценки.	струна
теплый Ратио	Коэффициент нагрева, используемый вместе с LrSchedulerType.	струна
weightDecay	Разложение веса для процедуры обучения.	струна

NlpSweepSettings

Имя	Описание	Ценность
ранняятерминация	Тип политики раннего завершения для масштабного задания.	Политика досрочного прекращения
выборкаAlgorithm	[Обязательный] Тип алгоритма выборки.	"Байезиан" "Сетка" "Случайный" (обязательный)

NlpVerticalFeaturizationSettings

Имя	Описание	Ценность
datasetLanguage	Язык набора данных, полезный для текстовых данных.	струна

NlpVerticalLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	инт
maxNodes	Максимальное количество узлов для обучения в любой пробной версии. Управляет распределенным обучением с несколькими узлами.	инт
maxTrials	Число итераций AutoML.	инт
таймаут	Время ожидания задания AutoML.	струна
trialTimeout	Время ожидания для отдельных пробных версий HD.	струна

Узлы

Имя	Описание	Ценность
nodesValueType	Задайте для типа AllNodes значение AllNodes.	"Все" (обязательно)

Цель

Имя	Описание	Ценность
цель	[Обязательный] Определяет поддерживаемые цели метрик для настройки гиперпараметров	"Развернуть" "Свернуть" (обязательно)
первичная метрика	[Обязательный] Имя метрики для оптимизации.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

PipelineJob

Имя	Описание	Ценность
входные данные	Входные данные для задания конвейера.	PipelineJobInputs (Входные данные PipelineJob)
работа	Задания создают задание конвейера.	PipelineJobJobs
тип работы	[Обязательный] Указывает тип задания.	Pipeline (обязательный)
выходные данные	Выходные данные для задания конвейера	PipelineJobOutputs (Выходы PipelineJob)
Настройки	Параметры конвейера, например ContinueRunOnStepFailure и т. д.	любой
sourceJobId	Идентификатор ресурса ARM исходного задания.	струна

PipelineJobInputs (Входные данные PipelineJob)

Имя	Описание	Ценность

PipelineJobJobs

Имя	Описание	Ценность

PipelineJobOutputs (Выходы PipelineJob)

Имя	Описание	Ценность

PyTorch

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	PyTorch (обязательный)
processCountPerInstance	Количество процессов на узел.	инт

Алгоритм случайной выборки

Имя	Описание	Ценность
правило	Конкретный тип случайного алгоритма	"Случайный" «Соболь»
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	"Случайный" (обязательный)
семя	Необязательное целое число, используемое в качестве начального значения для случайного создания чисел	инт

Регрессия

Имя	Описание	Ценность
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	строка[]
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	ТаблицаВертикальностьНастройкиХарактеристики
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	ТаблицаИсправленныеПараметры
limitSettings	Ограничения выполнения для AutoMLJob.	НастройкиTableVerticalLimit
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossВалидации
первичная метрика	Основная метрика для задачи регрессии.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" «Корреляция копья»
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	Подпространство TableParameter[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings (Настройки TableSweep)
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	Регрессия (обязательно)
testData	Проверка входных данных.	MLTableJobInput
testDataSize	Доля тестового набора данных, который необходимо отложить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
trainingSettings (обучениеНастройки)	Входные данные для этапа обучения для задания AutoML.	РегрессияTrainingSettings
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
weightИмяСтолбца	Имя столбца веса образца. Автоматизированное машинное обучение поддерживает взвешанный столбец в качестве входных данных, что приводит к тому, что строки в данных будут взвешированы вверх или вниз.	струна

РегрессияTrainingSettings

Имя	Описание	Ценность
allowedTrainingAlgorithms	Разрешенные модели для задачи регрессии.	Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" «ГрадиентБустинг» KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor"
blockedTrainingAlgorithms	Заблокированные модели для задачи регрессии.	Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" «ГрадиентБустинг» KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor"
enableDnnTraining	Включите рекомендацию моделей DNN.	булевая переменная (bool)
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	булевая переменная (bool)
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	булевая переменная (bool)
enableStackEnsemble	Включите запуск ансамбля стека.	булевая переменная (bool)
enableVoteEnsemble	Включите запуск ансамбля голосования.	булевая переменная (bool)
ensembleModelDownloadTimeout	Во время создания модели VotingEnsemble и StackEnsemble скачиваются несколько встроенных моделей из предыдущих дочерних запусков. Настройте этот параметр с более высоким значением, чем 300 с, если требуется больше времени.	струна
stackEnsembleSettings	Параметры ансамбля стека для выполнения ансамбля стека.	StackEnsembleSettings (СтекАнсамбльНастройки)

РесурсБазаСвойства

Имя	Описание	Ценность

Теги ResourceBaseTags

Имя	Описание	Ценность

Свойства ResourceConfigurationProperties

Имя	Описание	Ценность

ВыборкаAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	Установите значение Bayesian для типа BayesianSamplingAlgorithm. Задайте для типа GridSamplingAlgorithm значение GridSamplingAlgorithm. Задайте для типа RandomSamplingAlgorithm значение RandomSamplingAlgorithm.	"Байезиан" "Сетка" "Случайный" (обязательный)

Сезонность

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoSeasonality. Задайте для типа CustomSeasonality значение CustomSeasonality.	"Авто" "Custom" (обязательный)

СпаркДжоб

Имя	Описание	Ценность
архив	Архивные файлы, используемые в задании.	строка[]
Аргументы	Аргументы для задания.	струна
codeId	[Обязательный] Идентификатор ресурса ARM ресурса ресурса кода.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
конф	Настроенные свойства Spark.	Программа SparkJobConf
вход	[Обязательный] Запись, выполняемая при запуске задания.	SparkJobEntry (обязательно)
environmentId	Идентификатор ресурса ARM спецификации среды для задания.	струна
Файлы	Файлы, используемые в задании.	строка[]
входные данные	Сопоставление входных привязок данных, используемых в задании.	SparkJobInputs
Банки	Jar-файлы, используемые в задании.	строка[]
тип работы	[Обязательный] Указывает тип задания.	Spark (обязательно)
выходные данные	Сопоставление привязок выходных данных, используемых в задании.	SparkJobOutputs (Выходные данные SparkJob)
pyFiles	Файлы Python, используемые в задании.	строка[]
ресурсы	Конфигурация вычислительных ресурсов для задания.	SparkResourceConfiguration (Конфигурация SparkResource)

Программа SparkJobConf

Имя	Описание	Ценность

SparkJobEntry (Вход в SparkJob)

Имя	Описание	Ценность
sparkJobEntryType	Установите значение SparkJobPythonEntry для типа SparkJobPythonEntry. Установите значение SparkJobScalaEntry для типа SparkJobScalaEntry.	SparkJobPythonEntry SparkJobScalaEntry (обязательно)

SparkJobInputs

Имя	Описание	Ценность

SparkJobOutputs (Выходные данные SparkJob)

Имя	Описание	Ценность

SparkJobPythonEntry (Вход в SparkJobPython)

Имя	Описание	Ценность
файл	[Обязательный] Относительный путь к файлу Python для точки входа задания.	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
sparkJobEntryType	[Обязательный] Тип точки входа задания.	SparkJobPythonEntry (обязательный)

SparkJobScalaEntry

Имя	Описание	Ценность
имя класса	[Обязательный] Имя класса Scala, используемое в качестве точки входа.	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
sparkJobEntryType	[Обязательный] Тип точки входа задания.	SparkJobScalaEntry (обязательно)

SparkResourceConfiguration (Конфигурация SparkResource)

Имя	Описание	Ценность
instanceType	Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений.	струна
runtimeVersion	Версия среды выполнения Spark, используемая для задания.	струна

StackEnsembleSettings (СтекАнсамбльНастройки)

Имя	Описание	Ценность
stackMetaLearnerKWargs	Необязательные параметры для передачи инициализатору метаучителя.	любой
stackMetaLearnerTrainPercentage	Указывает пропорцию обучающего набора (при выборе типа обучения и проверки обучения), зарезервированного для обучения метаучителя. Значение по умолчанию — 0.2.	инт
stackMetaLearnerType	Метаобучатель — это модель, обученная на выходных данных отдельных разнородных моделей.	ElasticNet "ElasticNetCV" LightGBMClassifier LightGBMRegressor "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "Нет"

СвипДжоб

Имя	Описание	Ценность
ранняятерминация	Политики раннего завершения позволяют отменять низкопроизводительные запуски до их завершения	Политика досрочного прекращения
входные данные	Сопоставление входных привязок данных, используемых в задании.	SweepJobInputs (SweepJobInputs)
тип работы	[Обязательный] Указывает тип задания.	"Очистка" (обязательно)
Ограничения	Ограничение задания очистки.	SweepJobLimits (SweepJobLimits)
цель	[Обязательный] Цель оптимизации.	Цель (обязательно)
выходные данные	Сопоставление привязок выходных данных, используемых в задании.	SweepJobOutputs (SweepJobOutputs)
выборкаAlgorithm	[Обязательный] Алгоритм выборки гиперпараметров	ВыборкаAlgorithm (обязательно)
searchSpace	[Обязательный] Словарь, содержащий каждый параметр и его распределение. Ключ словаря — это имя параметра	любой (обязательный)
испытание	[Обязательный] Определение компонента пробной версии.	TrialComponent (обязательно)

SweepJobInputs (SweepJobInputs)

Имя	Описание	Ценность

SweepJobLimits (SweepJobLimits)

Имя	Описание	Ценность
jobLimitsType	[Обязательный] Тип JobLimit.	"Command" "Очистка" (обязательно)
maxConcurrentTrials	Максимальное число параллельных пробных версий задания очистки.	инт
maxTotalTrials	Максимальное количество пробных версий заданий для очистки.	инт
таймаут	Максимальная длительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживается только длительность с точностью до секунд.	струна
trialTimeout	Значение времени ожидания пробной версии задания подметки.	струна

SweepJobOutputs (SweepJobOutputs)

Имя	Описание	Ценность

ТаблицаИсправленныеПараметры

Имя	Описание	Ценность
усилитель	Укажите тип повышения, например gbdt для XGBoost.	струна
boostingType	Укажите тип повышения, например gbdt для LightGBM.	струна
growPolicy	Укажите политику роста, которая управляет тем, как новые узлы добавляются в дерево.	струна
LearningRate	Скорость обучения для процедуры обучения.	инт
maxBin	Укажите максимальное количество дискретных ячеек для сегментирования непрерывных функций.	инт
maxDepth	Укажите максимальную глубину, чтобы ограничить глубину дерева явным образом.	инт
maxLeaves	Укажите максимальное количество листьев, чтобы ограничить листья дерева явным образом.	инт
minDataInLeaf	Минимальное количество данных на лист.	инт
minSplitGain	Минимальное сокращение потери, необходимое для дальнейшего секционирования на конечном узле дерева.	инт
название модели	Имя модели для обучения.	струна
nEstimator	Укажите количество деревьев (или округлений) в модели.	инт
numLeaves	Укажите количество листьев.	инт
preprocessorName	Имя используемого препроцессора.	струна
РегАльфа	Термин нормализации L1 для весов.	инт
regLambda	Термин нормализации L2 для весов.	инт
подвыборка	Подсамплексный коэффициент экземпляра обучения.	инт
subsampleFreq	Частота подсампли.	инт
treeMethod	Укажите метод дерева.	струна
withMean	Если задано значение true, перед масштабированием данных с помощью StandardScalar.	булевая переменная (bool)
withStd	Если задано значение true, масштабирование данных с помощью единицы вариативности с помощью StandardScalar.	булевая переменная (bool)

TableParameterSubspace

Имя	Описание	Ценность
усилитель	Укажите тип повышения, например gbdt для XGBoost.	струна
boostingType	Укажите тип повышения, например gbdt для LightGBM.	струна
growPolicy	Укажите политику роста, которая управляет тем, как новые узлы добавляются в дерево.	струна
LearningRate	Скорость обучения для процедуры обучения.	струна
maxBin	Укажите максимальное количество дискретных ячеек для сегментирования непрерывных функций.	струна
maxDepth	Укажите максимальную глубину, чтобы ограничить глубину дерева явным образом.	струна
maxLeaves	Укажите максимальное количество листьев, чтобы ограничить листья дерева явным образом.	струна
minDataInLeaf	Минимальное количество данных на лист.	струна
minSplitGain	Минимальное сокращение потери, необходимое для дальнейшего секционирования на конечном узле дерева.	струна
название модели	Имя модели для обучения.	струна
nEstimator	Укажите количество деревьев (или округлений) в модели.	струна
numLeaves	Укажите количество листьев.	струна
preprocessorName	Имя используемого препроцессора.	струна
РегАльфа	Термин нормализации L1 для весов.	струна
regLambda	Термин нормализации L2 для весов.	струна
подвыборка	Подсамплексный коэффициент экземпляра обучения.	струна
subsampleFreq	Частота подсампли	струна
treeMethod	Укажите метод дерева.	струна
withMean	Если задано значение true, перед масштабированием данных с помощью StandardScalar.	струна
withStd	Если задано значение true, масштабирование данных с помощью единицы вариативности с помощью StandardScalar.	струна

TableSweepSettings (Настройки TableSweep)

Имя	Описание	Ценность
ранняятерминация	Тип политики раннего завершения для масштабного задания.	Политика досрочного прекращения
выборкаAlgorithm	[Обязательный] Тип алгоритма выборки.	"Байезиан" "Сетка" "Случайный" (обязательный)

ТаблицаВертикальностьНастройкиХарактеристики

Имя	Описание	Ценность
заблокированныеTransformers	Эти преобразователи не должны использоваться в признаках.	Массив строк, содержащий любой из: "CatTargetEncoder" CountVectorizer HashOneHotEncoder 'Кодировщик этикеток' «Наивный Байес» OneHotEncoder TextTargetEncoder «TfIdf» 'WoETargetEncoder' "WordEmbedding"
columnNameAndTypes	Словарь имени столбца и его типа (int, float, string, datetime и т. д.).	ТаблицаВертикальная ффиатуризацияНастройкиИмяСтолбцаИТипы
datasetLanguage	Язык набора данных, полезный для текстовых данных.	струна
enableDnnФеатуризация	Определяет, следует ли использовать признаки на основе Dnn для признаков данных.	булевая переменная (bool)
режим	Режим признаков . Пользователь может сохранить режим авто по умолчанию, и AutoML будет заботиться о необходимом преобразовании данных на этапе признаков. Если выбрано значение "Выкл.", то нет признаков. Если выбран параметр Custom, пользователь может указать дополнительные входные данные, чтобы настроить способ выполнения признаков.	"Авто" "Custom" "Выкл.
преобразовательParams	Пользователь может указать дополнительные преобразователи, которые будут использоваться вместе со столбцами, к которым он будет применяться, и параметрами для конструктора преобразователя.	ТаблицаВертикальная феатуризацияНастройкиТрансформерыПараметры

ТаблицаВертикальная ффиатуризацияНастройкиИмяСтолбцаИТипы

Имя	Описание	Ценность

ТаблицаВертикальная феатуризацияНастройкиТрансформерыПараметры

Имя	Описание	Ценность

НастройкиTableVerticalLimit

Имя	Описание	Ценность
enableEarlyTermination	Включите досрочное завершение, определяет, будет ли autoMLJob завершаться рано, если в последних 20 итерациях не будет улучшена оценка.	булевая переменная (bool)
exitScore	Оценка выхода для задания AutoML.	инт
maxConcurrentTrials	Максимальное число одновременных итераций.	инт
maxCoresPerTrial	Максимальное число ядер на итерацию.	инт
maxTrials	Число итераций.	инт
sweepConcurrentTrials	Количество одновременных запусков, которые пользователь хочет активировать.	инт
sweepTrials	Количество разверток запусков, которые пользователь хочет активировать.	инт
таймаут	Время ожидания задания AutoML.	струна
trialTimeout	Время ожидания итерации.	струна

Целевые лаги

Имя	Описание	Ценность
режим	Задайте для типа AutoTargetLags значение AutoTargetLags. Задайте для типа CustomTargetLags значение CustomTargetLags.	"Авто" "Custom" (обязательный)

TargetRollingWindowSize (Размер целевого окна)

Имя	Описание	Ценность
режим	Задайте для типа AutoTargetRollingWindowSize значение AutoTargetRollingWindowSize. Задайте для типа CustomTargetRollingWindowSize значение CustomTargetRollingWindowSize.	"Авто" "Custom" (обязательный)

ТензорФлоу

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	TensorFlow (обязательный)
parameterServerCount	Количество задач сервера параметров.	инт
количествоРаботников	Количество работников. Если этот параметр не указан, по умолчанию используется число экземпляров.	инт

Классификация текста

Имя	Описание	Ценность
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	NlpFixedParameters
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
первичная метрика	Основная метрика для задачи Text-Classification.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	NlpParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	NlpSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	TextClassification (обязательный)
validationData	Входные данные проверки.	MLTableJobInput

TextClassificationMultilabel (Множественная метка текста)

Имя	Описание	Ценность
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	NlpFixedParameters
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	NlpParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	NlpSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	TextClassificationMultilabel (обязательный)
validationData	Входные данные проверки.	MLTableJobInput

Текстовый Нер

Имя	Описание	Ценность
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	NlpFixedParameters
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	NlpParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	NlpSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	TextNER (обязательно)
validationData	Входные данные проверки.	MLTableJobInput

ТриалКомпонент

Имя	Описание	Ценность
codeId	Идентификатор ресурса ARM ресурса ресурса кода.	струна
Приказ	[Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py"	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
распределение	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	DistributionConfiguration (РаспределениеКонфигурация)
environmentId	[Обязательный] Идентификатор ресурса ARM спецификации среды для задания.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
переменные окружения	Переменные среды, включенные в задание.	TrialComponentEnvironmentVariables
ресурсы	Конфигурация вычислительных ресурсов для задания.	JobResourceConfiguration (Конфигурация JobResourceConfiguration)

TrialComponentEnvironmentVariables

Имя	Описание	Ценность

TritonModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"triton_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

TritonModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"triton_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

УсечениеSelectionPolicy

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	УсечениеSelection (обязательно)
усечениеPercentage	Процент выполнения для отмены по каждому интервалу оценки.	инт

UriFileJobInput (Ввод UriFileJob)

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"uri_file" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

UriFileJobOutput (UriFileJobOutput)

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"uri_file" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

UriFolderJobInput (Ввод UriFolderJob)

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

UriFolderJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"uri_folder" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

Идентификатор пользователя

Имя	Описание	Ценность
тип идентификации	[Обязательный] Указывает тип платформы удостоверений.	UserIdentity (обязательно)

Примеры использования

Шаблоны быстрого запуска Azure

Следующие шаблоны быстрого запуска Azure развертывают этот тип ресурса.

Шаблон	Описание
Создание задания классификации AutoML машинного обучения Azure	Этот шаблон создает задание классификации AutoML машинного обучения Azure, чтобы узнать лучшую модель прогнозирования того, будет ли клиент подписаться на фиксированный срок депозита с финансовым учреждением.
Создание задания команды машинного обучения Azure	Этот шаблон создает задание команды машинного обучения Azure с помощью базового скрипта hello_world
Создание задания "Очистка машинного обучения Azure"	Этот шаблон создает задание "Очистка машинного обучения Azure" для настройки гиперпараметра.

Определение ресурса Terraform (поставщик AzAPI)

Тип ресурса рабочих областей и заданий можно развернуть с помощью операций, предназначенных для следующих задач:

• Группы ресурсов

Список измененных свойств в каждой версии API см. в журнала изменений.

Формат ресурса

Чтобы создать ресурс Microsoft.MachineLearningServices/workspaces/jobs, добавьте следующий объект Terraform в шаблон.

resource "azapi_resource" "symbolicname" {
  type = "Microsoft.MachineLearningServices/workspaces/jobs@2022-10-01-preview"
  name = "string"
  parent_id = "string"
  body = {
    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"
      }
      services = {
        {customized property} = {
          endpoint = "string"
          jobServiceType = "string"
          nodes = {
            nodesValueType = "string"
            // For remaining properties, see Nodes objects
          }
          port = int
          properties = {
            {customized property} = "string"
          }
        }
      }
      tags = {
        {customized property} = "string"
      }
      jobType = "string"
      // For remaining properties, see JobBaseProperties objects
    }
  }
}

Объекты сезонности

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode = "Auto"
}

Для пользовательского использования используйте:

{
  mode = "Custom"
  value = int
}

Объекты ForecastHorizon

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode = "Auto"
}

Для пользовательского использования используйте:

{
  mode = "Custom"
  value = int
}

Объекты JobOutput

Задайте свойство jobOutputType , чтобы указать тип объекта.

Для custom_model используйте:

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

Для mlflow_model используйте:

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

Для mltableиспользуйте:

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

Для triton_model используйте:

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

Для uri_fileиспользуйте:

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

Для uri_folderиспользуйте:

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

Объекты IdentityConfiguration

Задайте свойство identityType , чтобы указать тип объекта.

Для AMLToken используйте:

{
  identityType = "AMLToken"
}

Для управляемыхиспользуйте:

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

Для UserIdentity используйте:

{
  identityType = "UserIdentity"
}

Объекты DistributionConfiguration

Задайте свойство distributionType , чтобы указать тип объекта.

Для Mpi используйте:

{
  distributionType = "Mpi"
  processCountPerInstance = int
}

Для PyTorch используйте:

{
  distributionType = "PyTorch"
  processCountPerInstance = int
}

Для TensorFlow используйте:

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

Объекты MLAssistConfiguration

Задайте свойство mlAssist , чтобы указать тип объекта.

Для отключенных используйте:

{
  mlAssist = "Disabled"
}

Для включения используйте:

{
  inferencingComputeBinding = "string"
  mlAssist = "Enabled"
  trainingComputeBinding = "string"
}

Объекты EarlyTerminationPolicy

Задайте свойство policyType , чтобы указать тип объекта.

Для Bandit используйте:

{
  policyType = "Bandit"
  slackAmount = int
  slackFactor = int
}

Для MedianStopping используйте:

{
  policyType = "MedianStopping"
}

Для усеченияSelection используйте:

{
  policyType = "TruncationSelection"
  truncationPercentage = int
}

Объекты TargetRollingWindowSize

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode = "Auto"
}

Для пользовательского использования используйте:

{
  mode = "Custom"
  value = int
}

Объекты SparkJobEntry

Задайте свойство sparkJobEntryType , чтобы указать тип объекта.

Для SparkJobPythonEntry используйте:

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

Для SparkJobScalaEntry используйте:

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

Объекты AutoMLVertical

Задайте свойство taskType, чтобы указать тип объекта.

Для классификации используйте:

{
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
          parameters = ?
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    sweepConcurrentTrials = int
    sweepTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel = "string"
  primaryMetric = "string"
  searchSpace = [
    {
      booster = "string"
      boostingType = "string"
      growPolicy = "string"
      learningRate = "string"
      maxBin = "string"
      maxDepth = "string"
      maxLeaves = "string"
      minDataInLeaf = "string"
      minSplitGain = "string"
      modelName = "string"
      nEstimators = "string"
      numLeaves = "string"
      preprocessorName = "string"
      regAlpha = "string"
      regLambda = "string"
      subsample = "string"
      subsampleFreq = "string"
      treeMethod = "string"
      withMean = "string"
      withStd = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "Classification"
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerKWargs = ?
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"
}

Для прогнозирования используйте:

{
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
          parameters = ?
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  forecastingSettings = {
    countryOrRegionForHolidays = "string"
    cvStepSize = int
    featureLags = "string"
    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
    sweepConcurrentTrials = int
    sweepTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  searchSpace = [
    {
      booster = "string"
      boostingType = "string"
      growPolicy = "string"
      learningRate = "string"
      maxBin = "string"
      maxDepth = "string"
      maxLeaves = "string"
      minDataInLeaf = "string"
      minSplitGain = "string"
      modelName = "string"
      nEstimators = "string"
      numLeaves = "string"
      preprocessorName = "string"
      regAlpha = "string"
      regLambda = "string"
      subsample = "string"
      subsampleFreq = "string"
      treeMethod = "string"
      withMean = "string"
      withStd = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "Forecasting"
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerKWargs = ?
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"
}

Для ImageClassification используйте:

{
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    momentum = int
    nesterov = bool
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    trainingBatchSize = int
    trainingCropSize = int
    validationBatchSize = int
    validationCropSize = int
    validationResizeSize = int
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
    weightedLoss = int
  }
  primaryMetric = "string"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      momentum = "string"
      nesterov = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      trainingBatchSize = "string"
      trainingCropSize = "string"
      validationBatchSize = "string"
      validationCropSize = "string"
      validationResizeSize = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
      weightedLoss = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "ImageClassification"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

Для ImageClassificationMultilabel используйте:

{
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    momentum = int
    nesterov = bool
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    trainingBatchSize = int
    trainingCropSize = int
    validationBatchSize = int
    validationCropSize = int
    validationResizeSize = int
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
    weightedLoss = int
  }
  primaryMetric = "string"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      momentum = "string"
      nesterov = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      trainingBatchSize = "string"
      trainingCropSize = "string"
      validationBatchSize = "string"
      validationCropSize = "string"
      validationResizeSize = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
      weightedLoss = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "ImageClassificationMultilabel"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

Для ImageInstanceSegmentation используйте:

{
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    boxDetectionsPerImage = int
    boxScoreThreshold = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    imageSize = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    maxSize = int
    minSize = int
    modelName = "string"
    modelSize = "string"
    momentum = int
    multiScale = bool
    nesterov = bool
    nmsIouThreshold = int
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    tileGridSize = "string"
    tileOverlapRatio = int
    tilePredictionsNmsThreshold = int
    trainingBatchSize = int
    validationBatchSize = int
    validationIouThreshold = int
    validationMetricType = "string"
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
  }
  primaryMetric = "string"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      boxDetectionsPerImage = "string"
      boxScoreThreshold = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      imageSize = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      maxSize = "string"
      minSize = "string"
      modelName = "string"
      modelSize = "string"
      momentum = "string"
      multiScale = "string"
      nesterov = "string"
      nmsIouThreshold = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      tileGridSize = "string"
      tileOverlapRatio = "string"
      tilePredictionsNmsThreshold = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      validationIouThreshold = "string"
      validationMetricType = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "ImageInstanceSegmentation"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

Для ImageObjectDetection используйте:

{
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    boxDetectionsPerImage = int
    boxScoreThreshold = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    imageSize = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    maxSize = int
    minSize = int
    modelName = "string"
    modelSize = "string"
    momentum = int
    multiScale = bool
    nesterov = bool
    nmsIouThreshold = int
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    tileGridSize = "string"
    tileOverlapRatio = int
    tilePredictionsNmsThreshold = int
    trainingBatchSize = int
    validationBatchSize = int
    validationIouThreshold = int
    validationMetricType = "string"
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
  }
  primaryMetric = "string"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      boxDetectionsPerImage = "string"
      boxScoreThreshold = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      imageSize = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      maxSize = "string"
      minSize = "string"
      modelName = "string"
      modelSize = "string"
      momentum = "string"
      multiScale = "string"
      nesterov = "string"
      nmsIouThreshold = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      tileGridSize = "string"
      tileOverlapRatio = "string"
      tilePredictionsNmsThreshold = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      validationIouThreshold = "string"
      validationMetricType = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "ImageObjectDetection"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

Для регрессии используйте:

{
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
          parameters = ?
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    sweepConcurrentTrials = int
    sweepTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  searchSpace = [
    {
      booster = "string"
      boostingType = "string"
      growPolicy = "string"
      learningRate = "string"
      maxBin = "string"
      maxDepth = "string"
      maxLeaves = "string"
      minDataInLeaf = "string"
      minSplitGain = "string"
      modelName = "string"
      nEstimators = "string"
      numLeaves = "string"
      preprocessorName = "string"
      regAlpha = "string"
      regLambda = "string"
      subsample = "string"
      subsampleFreq = "string"
      treeMethod = "string"
      withMean = "string"
      withStd = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "Regression"
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerKWargs = ?
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"
}

Для TextClassification используйте:

{
  featurizationSettings = {
    datasetLanguage = "string"
  }
  fixedParameters = {
    gradientAccumulationSteps = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    numberOfEpochs = int
    trainingBatchSize = int
    validationBatchSize = int
    warmupRatio = int
    weightDecay = int
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxNodes = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  primaryMetric = "string"
  searchSpace = [
    {
      gradientAccumulationSteps = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      numberOfEpochs = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      warmupRatio = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "TextClassification"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
}

Для TextClassificationMultilabel используйте:

{
  featurizationSettings = {
    datasetLanguage = "string"
  }
  fixedParameters = {
    gradientAccumulationSteps = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    numberOfEpochs = int
    trainingBatchSize = int
    validationBatchSize = int
    warmupRatio = int
    weightDecay = int
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxNodes = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  searchSpace = [
    {
      gradientAccumulationSteps = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      numberOfEpochs = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      warmupRatio = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "TextClassificationMultilabel"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
}

Для TextNER используйте:

{
  featurizationSettings = {
    datasetLanguage = "string"
  }
  fixedParameters = {
    gradientAccumulationSteps = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    numberOfEpochs = int
    trainingBatchSize = int
    validationBatchSize = int
    warmupRatio = int
    weightDecay = int
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxNodes = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  searchSpace = [
    {
      gradientAccumulationSteps = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      numberOfEpochs = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      warmupRatio = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "TextNER"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
}

Объекты TargetLags

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode = "Auto"
}

Для пользовательского использования используйте:

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

Объекты LabelingJobMediaProperties

Задайте свойство mediaType , чтобы указать тип объекта.

Для образа используйте:

{
  annotationType = "string"
  mediaType = "Image"
}

Для текста используйте:

{
  annotationType = "string"
  mediaType = "Text"
}

Объекты JobInput

Задайте свойство jobInputType , чтобы указать тип объекта.

Для custom_model используйте:

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

Для литерала используйте:

{
  jobInputType = "literal"
  value = "string"
}

Для mlflow_model используйте:

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

Для mltableиспользуйте:

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

Для triton_model используйте:

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

Для uri_fileиспользуйте:

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

Для uri_folderиспользуйте:

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

Объекты JobBaseProperties

Задайте свойство jobType , чтобы указать тип объекта.

Для AutoML используйте:

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

Для команды используйте следующую команду:

{
  autologgerSettings = {
    mlflowAutologger = "string"
  }
  codeId = "string"
  command = "string"
  distribution = {
    distributionType = "string"
    // For remaining properties, see DistributionConfiguration objects
  }
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  jobType = "Command"
  limits = {
    jobLimitsType = "string"
    timeout = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    properties = {
      {customized property} = ?
    }
    shmSize = "string"
  }
}

Для маркировки используйте:

{
  dataConfiguration = {
    dataId = "string"
    incrementalDataRefreshEnabled = bool
  }
  jobInstructions = {
    uri = "string"
  }
  jobType = "Labeling"
  labelCategories = {
    {customized property} = {
      classes = {
        {customized property} = {
          displayName = "string"
          subclasses = {
            {customized property} = ...
          }
        }
      }
      displayName = "string"
      multiSelectEnabled = bool
    }
  }
  labelingJobMediaProperties = {
    mediaType = "string"
    // For remaining properties, see LabelingJobMediaProperties objects
  }
  mlAssistConfiguration = {
    mlAssist = "string"
    // For remaining properties, see MLAssistConfiguration objects
  }
}

Для конвейера используйте:

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

Для Spark используйте:

{
  archives = [
    "string"
  ]
  args = "string"
  codeId = "string"
  conf = {
    {customized property} = "string"
  }
  entry = {
    sparkJobEntryType = "string"
    // For remaining properties, see SparkJobEntry objects
  }
  environmentId = "string"
  files = [
    "string"
  ]
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  jars = [
    "string"
  ]
  jobType = "Spark"
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  pyFiles = [
    "string"
  ]
  resources = {
    instanceType = "string"
    runtimeVersion = "string"
  }
}

Для очистки используйте:

{
  earlyTermination = {
    delayEvaluation = int
    evaluationInterval = int
    policyType = "string"
    // For remaining properties, see EarlyTerminationPolicy objects
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  jobType = "Sweep"
  limits = {
    jobLimitsType = "string"
    maxConcurrentTrials = int
    maxTotalTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  objective = {
    goal = "string"
    primaryMetric = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  samplingAlgorithm = {
    samplingAlgorithmType = "string"
    // For remaining properties, see SamplingAlgorithm objects
  }
  searchSpace = ?
  trial = {
    codeId = "string"
    command = "string"
    distribution = {
      distributionType = "string"
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId = "string"
    environmentVariables = {
      {customized property} = "string"
    }
    resources = {
      dockerArgs = "string"
      instanceCount = int
      instanceType = "string"
      properties = {
        {customized property} = ?
      }
      shmSize = "string"
    }
  }
}

Объекты nodes

Задайте свойство nodesValueType , чтобы указать тип объекта.

Для всех используйте:

{
  nodesValueType = "All"
}

Объекты ВыборкиAlgorithm

Задайте свойство выборкиAlgorithmType , чтобы указать тип объекта.

Для Байезиана используйте:

{
  samplingAlgorithmType = "Bayesian"
}

Для Сетки используйте:

{
  samplingAlgorithmType = "Grid"
}

Для случайного использования используйте:

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

Объекты NCrossValidations

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode = "Auto"
}

Для пользовательского использования используйте:

{
  mode = "Custom"
  value = int
}

Значения свойств

Microsoft.MachineLearningServices/рабочие области/задания

Имя	Описание	Ценность
имя	имя ресурса.	струна Ограничения целостности: Pattern = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (обязательно)
идентификатор_родителя	Идентификатор ресурса, который является родительским для этого ресурса.	Идентификатор ресурса типа: рабочие области
свойства	[Обязательный] Дополнительные атрибуты сущности.	JobBaseProperties (обязательно)
тип	Тип ресурса	"Microsoft.MachineLearningServices/workspaces/jobs@2022-10-01-preview"

Узлы AllNodes

Имя	Описание	Ценность
nodesValueType	[Обязательный] Тип значения Nodes	"Все" (обязательно)

Токен AmlToken

Имя	Описание	Ценность
тип идентификации	[Обязательный] Указывает тип платформы удостоверений.	AMLToken (обязательно)

Горизонт автопрогноза

Имя	Описание	Ценность
режим	[Обязательный] Задайте режим выбора значения горизонта прогнозирования.	"Авто" (обязательно)

Настройки авторегистратора

Имя	Описание	Ценность
mlflowАвторегистратор	[Обязательный] Указывает, включена ли функция автолога машинного потока.	"Отключено" "Включено" (обязательно)

AutoMLЧоб

Имя	Описание	Ценность
environmentId	Идентификатор ресурса ARM спецификации среды для задания. Это необязательное значение для предоставления, если оно не указано, AutoML по умолчанию используется для рабочей версии курируемой среды AutoML при выполнении задания.	струна
переменные окружения	Переменные среды, включенные в задание.	AutoMLJobEnvironmentVariables
тип работы	[Обязательный] Указывает тип задания.	AutoML (обязательно)
выходные данные	Сопоставление привязок выходных данных, используемых в задании.	AutoMLJobOutputs
ресурсы	Конфигурация вычислительных ресурсов для задания.	JobResourceConfiguration (Конфигурация JobResourceConfiguration)
задачаПодробнее	[Обязательный] Это сценарий, который может быть одним из таблиц/ NLP/Image	AutoMLVertical (обязательно)

AutoMLJobEnvironmentVariables

Имя	Описание	Ценность

AutoMLJobOutputs

Имя	Описание	Ценность

AutoMLVertical

Имя	Описание	Ценность
logVerbosity	Подробность журнала для задания.	"Критический" "Отладка" "Ошибка" "Info" NotSet Предупреждение
targetColumnName	Имя целевого столбца: это столбец прогнозируемых значений. Также называется именем столбца метки в контексте задач классификации.	струна
тип задачи	Установите значение "Классификация" для классификации типов. Установите значение " Прогнозирование" для прогнозирования типов. Установите значение ImageClassification для типа ImageClassification. Установите значение ImageClassificationMultilabel для типа ImageClassificationMultilabel. Установите значение ImageInstanceSegmentation для типа ImageInstanceSegmentation. Задайте значение ImageObjectDetection для типа ImageObjectDetection. Задайте значение "Регрессия" для регрессии типа. Установите значение TextClassification для типа TextClassification. Установите значение TextClassificationMultilabel для типа TextClassificationMultilabel. Установите значение TextNER для типа TextNer.	"Классификация" "Прогнозирование" ImageClassification ImageClassificationMultilabel "ImageInstanceSegmentation" ImageObjectDetection Регрессия TextClassification TextClassificationMultilabel TextNER (обязательно)
trainingData	[Обязательный] Входные данные обучения.	MLTableJobInput (обязательно)

AutoNCrossValidations

Имя	Описание	Ценность
режим	[Обязательный] Режим определения проверок N-Cross.	"Авто" (обязательно)

Автосесональность

Имя	Описание	Ценность
режим	[Обязательный] Режим сезонности.	"Авто" (обязательно)

AutoTargetLags

Имя	Описание	Ценность
режим	[Обязательный] Настройка режима задержки целевых объектов — автоматическое или настраиваемое	"Авто" (обязательно)

AutoTargetRollingWindowSize

Имя	Описание	Ценность
режим	[Обязательный] Режим обнаружения TargetRollingWindowSiz.	"Авто" (обязательно)

БандитПолитика

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	"Банда" (обязательно)
slackAmount	Абсолютное расстояние, допустимое от оптимального выполнения.	инт
slackFactor	Соотношение допустимого расстояния от оптимального выполнения.	инт

Байесовский алгоритм выборки

Имя	Описание	Ценность
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	Байесян (обязательный)

Классификация

Имя	Описание	Ценность
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	строка[]
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	ТаблицаВертикальностьНастройкиХарактеристики
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	ТаблицаИсправленныеПараметры
limitSettings	Ограничения выполнения для AutoMLJob.	НастройкиTableVerticalLimit
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossВалидации
positiveLabel	Положительная метка для вычисления двоичных метрик.	струна
первичная метрика	Первичная метрика для задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	Подпространство TableParameter[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings (Настройки TableSweep)
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	"Классификация" (обязательно)
testData	Проверка входных данных.	MLTableJobInput
testDataSize	Доля тестового набора данных, который необходимо отложить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
trainingSettings (обучениеНастройки)	Входные данные для этапа обучения для задания AutoML.	КлассификацияTrainingSettings
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
weightИмяСтолбца	Имя столбца веса образца. Автоматизированное машинное обучение поддерживает взвешанный столбец в качестве входных данных, что приводит к тому, что строки в данных будут взвешированы вверх или вниз.	струна

КлассификацияTrainingSettings

Имя	Описание	Ценность
allowedTrainingAlgorithms	Разрешенные модели для задачи классификации.	Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" «ГрадиентБустинг» KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier"
blockedTrainingAlgorithms	Заблокированные модели для задачи классификации.	Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" «ГрадиентБустинг» KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier"
enableDnnTraining	Включите рекомендацию моделей DNN.	булевая переменная (bool)
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	булевая переменная (bool)
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	булевая переменная (bool)
enableStackEnsemble	Включите запуск ансамбля стека.	булевая переменная (bool)
enableVoteEnsemble	Включите запуск ансамбля голосования.	булевая переменная (bool)
ensembleModelDownloadTimeout	Во время создания модели VotingEnsemble и StackEnsemble скачиваются несколько встроенных моделей из предыдущих дочерних запусков. Настройте этот параметр с более высоким значением, чем 300 с, если требуется больше времени.	струна
stackEnsembleSettings	Параметры ансамбля стека для выполнения ансамбля стека.	StackEnsembleSettings (СтекАнсамбльНастройки)

Колонный трансформатор

Имя	Описание	Ценность
Поля	Поля для применения логики преобразователя.	строка[]
Параметры	Различные свойства, передаваемые преобразователю. Ожидается, что входные данные — это словарь пар "ключ", "значение" в формате JSON.	любой

Командная работа

Имя	Описание	Ценность
авторегистраторНастройки	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	Настройки авторегистратора
codeId	Идентификатор ресурса ARM ресурса ресурса кода.	струна
Приказ	[Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py"	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
распределение	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	DistributionConfiguration (РаспределениеКонфигурация)
environmentId	[Обязательный] Идентификатор ресурса ARM спецификации среды для задания.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
переменные окружения	Переменные среды, включенные в задание.	Переменные CommandJobEnvironmentVariables
входные данные	Сопоставление входных привязок данных, используемых в задании.	CommandJobInputs (КомандаJobInputs)
тип работы	[Обязательный] Указывает тип задания.	"Command" (обязательный)
Ограничения	Ограничение задания команд.	CommandJobLimits (Ограничения командного задания)
выходные данные	Сопоставление привязок выходных данных, используемых в задании.	CommandJobOutputs (КомандаJobOutputs)
ресурсы	Конфигурация вычислительных ресурсов для задания.	JobResourceConfiguration (Конфигурация JobResourceConfiguration)

Переменные CommandJobEnvironmentVariables

Имя	Описание	Ценность

CommandJobInputs (КомандаJobInputs)

Имя	Описание	Ценность

CommandJobLimits (Ограничения командного задания)

Имя	Описание	Ценность
jobLimitsType	[Обязательный] Тип JobLimit.	"Command" "Очистка" (обязательно)
таймаут	Максимальная длительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживается только длительность с точностью до секунд.	струна

CommandJobOutputs (КомандаJobOutputs)

Имя	Описание	Ценность

Пользовательский горизонт прогноза

Имя	Описание	Ценность
режим	[Обязательный] Задайте режим выбора значения горизонта прогнозирования.	"Custom" (обязательный)
ценность	[Обязательный] Прогноз значения горизонта.	int (обязательно)

Ввод задания CustomModelJob

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

CustomModelJobOutput (Пользовательский модельЗаданиеВыход)

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"custom_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

CustomNCrossValidations

Имя	Описание	Ценность
режим	[Обязательный] Режим определения проверок N-Cross.	"Custom" (обязательный)
ценность	[Обязательный] Значение N-Cross validations.	int (обязательно)

Пользовательская сезонность

Имя	Описание	Ценность
режим	[Обязательный] Режим сезонности.	"Custom" (обязательный)
ценность	[Обязательный] Значение сезонности.	int (обязательно)

CustomTargetLags (Пользовательские целевые лаги)

Имя	Описание	Ценность
режим	[Обязательный] Настройка режима задержки целевых объектов — автоматическое или настраиваемое	"Custom" (обязательный)
Значения	[Обязательный] Задайте значения задержки целевых значений.	int[] (обязательно)

CustomTargetRollingWindowSize

Имя	Описание	Ценность
режим	[Обязательный] Режим обнаружения TargetRollingWindowSiz.	"Custom" (обязательный)
ценность	[Обязательный] Значение TargetRollingWindowSize.	int (обязательно)

DistributionConfiguration (РаспределениеКонфигурация)

Имя	Описание	Ценность
distributionType	Задайте для типа Mpi значение "Mpi". Задайте для типа PyTorch значение PyTorch. Установите значение TensorFlow для типа TensorFlow.	"Mpi" "PyTorch" TensorFlow (обязательный)

Политика досрочного прекращения

Имя	Описание	Ценность
delayEvaluation	Количество интервалов, с помощью которых необходимо отложить первую оценку.	инт
оценкаИнтервал	Интервал (количество запусков) между оценками политики.	инт
policyType	Задайте для типа BanditPolicy значение "BanditPolicy". Установите значение MedianStopping для типа MedianStoppingPolicy. Задайте значение TruncationSelection для типа TruncationSelectionPolicy.	"Бандит" MedianStopping УсечениеSelection (обязательно)

ПрогнозHorizon

Имя	Описание	Ценность
режим	Задайте для типа AutoForecastHorizon значение AutoForecastHorizon. Задайте для типа CustomForecastHorizon значение CustomForecastHorizon.	"Авто" "Custom" (обязательный)

Прогнозирование

Имя	Описание	Ценность
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	строка[]
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	ТаблицаВертикальностьНастройкиХарактеристики
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	ТаблицаИсправленныеПараметры
прогнозированиеНастройки	Прогнозирование определенных входных данных задачи.	ПрогнозированиеSettings
limitSettings	Ограничения выполнения для AutoMLJob.	НастройкиTableVerticalLimit
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossВалидации
первичная метрика	Основная метрика для задачи прогнозирования.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" «Корреляция копья»
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	Подпространство TableParameter[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings (Настройки TableSweep)
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	"Прогнозирование" (обязательно)
testData	Проверка входных данных.	MLTableJobInput
testDataSize	Доля тестового набора данных, который необходимо отложить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
trainingSettings (обучениеНастройки)	Входные данные для этапа обучения для задания AutoML.	ПрогнозированиеTrainingSettings
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
weightИмяСтолбца	Имя столбца веса образца. Автоматизированное машинное обучение поддерживает взвешанный столбец в качестве входных данных, что приводит к тому, что строки в данных будут взвешированы вверх или вниз.	струна

ПрогнозированиеSettings

Имя	Описание	Ценность
странаРегионДляПраздников	Страна или регион для праздников для задач прогнозирования. Это должны быть коды стран и регионов ISO 3166, например "US" или "GB".	струна
cvStepSize	Число периодов между временем начала одного свертывания CV и следующего свертывания. Для например, если CVStepSize = 3 для ежедневных данных, время источника для каждого свертывания будет три дня в стороне.	инт
featureЛаги	Флаг для создания задержек для числовых функций с параметром auto или NULL.	"Авто" "Нет"
прогнозHorizon	Требуемый максимальный горизонт прогнозирования в единицах частоты временных рядов.	ПрогнозHorizon
частота	При прогнозировании этот параметр представляет период, с которым нужно, например ежедневно, еженедельно, ежегодно и т. д. Частота прогноза — это частота набора данных по умолчанию.	струна
Сезонность	Задайте сезонность временных рядов в качестве целого числа, кратного частоты ряда. Если для сезонности задано значение auto, он будет выводиться.	Сезонность
shortSeriesHandlingConfig	Параметр, определяющий, как autoML должен обрабатывать короткие временные ряды.	"Авто" "Drop" "Нет" "Pad"
targetAggregateFunction	Функция, используемая для агрегирования целевого столбца временных рядов для соответствия заданной пользователем частоте. Если параметр TargetAggregateFunction задан, т. е. не "Нет", но параметр freq не задан, возникает ошибка. Возможные функции агрегирования целевых значений: sum, max, min и среднее.	"Max" "Среднее" "Min" "Нет" "Sum"
targetLags	Число прошлых периодов задержки от целевого столбца.	Целевые лаги
targetRollingWindowSize	Количество прошлых периодов, используемых для создания скользящего среднего окна целевого столбца.	TargetRollingWindowSize (Размер целевого окна)
timeColumnName	Имя столбца времени. Этот параметр требуется при прогнозировании для указания столбца datetime в входных данных, используемых для создания временных рядов и вывода его частоты.	струна
timeSeriesIdColumnNames	Имена столбцов, используемых для группировки таймерий. Его можно использовать для создания нескольких рядов. Если набор данных не определен, предполагается, что набор данных является одним временным рядом. Этот параметр используется с прогнозированием типа задачи.	строка[]
useStl	Настройте декомпозицию STL целевого столбца временных рядов.	"Нет" "Сезон" «Сезонный тренд»

ПрогнозированиеTrainingSettings

Имя	Описание	Ценность
allowedTrainingAlgorithms	Разрешенные модели для задачи прогнозирования.	Массив строк, содержащий любой из: «Аримакс» AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" «ГрадиентБустинг» KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "СезоннаяAverage" "СезоннаяNaive" "ДИНАМ" «TCNForecaster» "XGBoostRegressor"
blockedTrainingAlgorithms	Заблокированные модели для задачи прогнозирования.	Массив строк, содержащий любой из: «Аримакс» AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" «ГрадиентБустинг» KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "СезоннаяAverage" "СезоннаяNaive" "ДИНАМ" «TCNForecaster» "XGBoostRegressor"
enableDnnTraining	Включите рекомендацию моделей DNN.	булевая переменная (bool)
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	булевая переменная (bool)
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	булевая переменная (bool)
enableStackEnsemble	Включите запуск ансамбля стека.	булевая переменная (bool)
enableVoteEnsemble	Включите запуск ансамбля голосования.	булевая переменная (bool)
ensembleModelDownloadTimeout	Во время создания модели VotingEnsemble и StackEnsemble скачиваются несколько встроенных моделей из предыдущих дочерних запусков. Настройте этот параметр с более высоким значением, чем 300 с, если требуется больше времени.	струна
stackEnsembleSettings	Параметры ансамбля стека для выполнения ансамбля стека.	StackEnsembleSettings (СтекАнсамбльНастройки)

Алгоритм сетчатой выборки

Имя	Описание	Ценность
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	Grid (обязательно)

IdentityConfiguration (Конфигурация идентичности)

Имя	Описание	Ценность
тип идентификации	Установите значение AMLToken для типа AmlToken. Задайте для типа ManagedIdentity значение ManagedIdentity. Задайте для типа UserIdentity значение UserIdentity.	AMLToken "Managed" (Управляемый) UserIdentity (обязательно)

Классификация изображений

Имя	Описание	Ценность
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
первичная метрика	Основная метрика для оптимизации для этой задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	Настройки ImageSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	ImageClassification (обязательный)
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт

ImageClassificationMultilabel (Классификация изображенийMultilabel)

Имя	Описание	Ценность
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
первичная метрика	Основная метрика для оптимизации для этой задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	Настройки ImageSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	ImageClassificationMultilabel (обязательный)
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт

Сегментация экземпляра изображения

Имя	Описание	Ценность
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsОбнаружение объектов
первичная метрика	Основная метрика для оптимизации для этой задачи.	"MeanAveragePrecision"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	Настройки ImageSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	ImageInstanceSegmentation (обязательно)
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт

ImageLimitSettings (Настройки ImageLimit)

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	инт
maxTrials	Максимальное число итераций AutoML.	инт
таймаут	Время ожидания задания AutoML.	струна

ImageModelDistributionSettingsКлассификация

Имя	Описание	Ценность
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	струна
бета2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
ранняяОстановка	Включить алгоритм раннего прекращения логики во время обучения.	струна
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота оценки набора данных проверки для получения оценок метрик. Должно быть положительным целым числом.	струна
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должно быть значением типа float в диапазоне [0, 1].	струна
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	струна
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	струна
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	струна
оптимизатор	Тип оптимизатора. Должно быть либо "хем", "адам", либо "адам".	струна
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	струна
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должно быть значением типа float в диапазоне [0, 1].	струна
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	струна
trainingBatchSize	Размер пакета, используемого для обучения. Должно быть положительным целым числом.	струна
trainingCropSize	Размер обрезки изображения, входной в нейронную сеть для обучающего набора данных. Должно быть положительным целым числом.	струна
validationBatchSize	Размер пакета, используемого для проверки. Должно быть положительным целым числом.	струна
validationCropSize	Размер обрезки изображения, входной в нейронную сеть для набора данных проверки. Должно быть положительным целым числом.	струна
validationResizeSize	Размер, до которого необходимо изменить изображение перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	струна
разминкаCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1].	струна
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	струна
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	струна
весеedLoss	Весовая потеря. Допустимые значения — 0 без потери веса. 1 для взвешаемой потери с sqrt. (class_weights). 2 для расчета взвешенной ошибки с помощью class_weights. Значение должно быть 0 или 1 или 2.	струна

ImageModelDistributionSettingsObjectDetection

Имя	Описание	Ценность
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	струна
бета2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	струна
boxDetectionsPerImage	Максимальное число обнаружений на каждое изображение для всех классов. Должно быть положительным целым числом. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
boxScoreThreshold	Во время вывода возвращаются только предложения с оценкой классификации больше, чем Порог BoxScore. Должен быть плавающей запятой в диапазоне[0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
ранняяОстановка	Включить алгоритм раннего прекращения логики во время обучения.	струна
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота оценки набора данных проверки для получения оценок метрик. Должно быть положительным целым числом.	струна
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
размер изображения	Размер изображения для обучения и проверки. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
maxSize	Максимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
minSize	Минимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
modelSize	Размер модели. Должен быть "маленький", "средний", "большой" или "xlarge". Примечание. Учебный запуск может попасть в OOM CUDA, если размер модели слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должно быть значением типа float в диапазоне [0, 1].	струна
MultiScale	Включите многомасштабное изображение, изменив размер изображения по +/-50%. Примечание. Учебный запуск может попасть в OOM CUDA, если недостаточно памяти GPU. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	струна
nmsIouThreshold	Пороговое значение ввода-вывода, используемое во время вывода в процессе последующей обработки NMS. Должен быть плавать в диапазоне [0, 1].	струна
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	струна
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	струна
оптимизатор	Тип оптимизатора. Должно быть либо "хем", "адам", либо "адам".	струна
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	струна
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должно быть значением типа float в диапазоне [0, 1].	струна
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	струна
tileGridSize	Размер сетки, используемый для мозаичного заполнения каждого изображения. Примечание. TileGridSize не должно быть Нет, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tileOverlapRatio	Коэффициент перекрытия смежных фрагментов в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tilePredictionsNmsThreshold	Пороговое значение IOU, используемое для выполнения поиска немаксимумов (NMS) при объединении прогнозов из фрагментов и изображения. Используется при проверке или выводе. Должен быть плавать в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. NMS: не максимальное подавление	струна
trainingBatchSize	Размер пакета, используемого для обучения. Должно быть положительным целым числом.	струна
validationBatchSize	Размер пакета, используемого для проверки. Должно быть положительным целым числом.	струна
validationIouThreshold	Пороговое значение IOU для использования при вычислении метрики проверки. Должен быть плавать в диапазоне [0, 1].	струна
validationMetricType	Метод вычисления метрик, который используется для расчета проверочных метрик. Должно быть "none", "coco", "voc" или "coco_voc".	струна
разминкаCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1].	струна
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	струна
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	струна

ImageModelSettingsClassification

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	булевая переменная (bool)
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	инт
бета2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	инт
контрольная точкаFrequency	Частота сохранения контрольных точек модели. Должно быть положительным целым числом.	инт
контрольная точкаModel	Предварительно обученная модель контрольной точки для добавочного обучения.	MLFlowModelJobInput
контрольная точкаRunId	Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения.	струна
распределённый	Следует ли использовать распределенное обучение.	булевая переменная (bool)
ранняяОстановка	Включить алгоритм раннего прекращения логики во время обучения.	булевая переменная (bool)
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	инт
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	инт
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	булевая переменная (bool)
evaluationFrequency	Частота оценки набора данных проверки для получения оценок метрик. Должно быть положительным целым числом.	инт
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	инт
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	инт
LearningRate	Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1].	инт
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должно быть значением типа float в диапазоне [0, 1].	инт
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	булевая переменная (bool)
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	инт
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	инт
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	инт
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должно быть значением типа float в диапазоне [0, 1].	инт
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	инт
trainingBatchSize	Размер пакета, используемого для обучения. Должно быть положительным целым числом.	инт
trainingCropSize	Размер обрезки изображения, входной в нейронную сеть для обучающего набора данных. Должно быть положительным целым числом.	инт
validationBatchSize	Размер пакета, используемого для проверки. Должно быть положительным целым числом.	инт
validationCropSize	Размер обрезки изображения, входной в нейронную сеть для набора данных проверки. Должно быть положительным целым числом.	инт
validationResizeSize	Размер, до которого необходимо изменить изображение перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	инт
разминкаCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1].	инт
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	инт
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	инт
весеedLoss	Весовая потеря. Допустимые значения — 0 без потери веса. 1 для взвешаемой потери с sqrt. (class_weights). 2 для расчета взвешенной ошибки с помощью class_weights. Значение должно быть 0 или 1 или 2.	инт

ImageModelSettingsОбнаружение объектов

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	булевая переменная (bool)
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	инт
бета2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должно быть значением типа float в диапазоне [0, 1].	инт
boxDetectionsPerImage	Максимальное число обнаружений на каждое изображение для всех классов. Должно быть положительным целым числом. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	инт
boxScoreThreshold	Во время вывода возвращаются только предложения с оценкой классификации больше, чем Порог BoxScore. Должен быть плавающей запятой в диапазоне[0, 1].	инт
контрольная точкаFrequency	Частота сохранения контрольных точек модели. Должно быть положительным целым числом.	инт
контрольная точкаModel	Предварительно обученная модель контрольной точки для добавочного обучения.	MLFlowModelJobInput
контрольная точкаRunId	Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения.	струна
распределённый	Следует ли использовать распределенное обучение.	булевая переменная (bool)
ранняяОстановка	Включить алгоритм раннего прекращения логики во время обучения.	булевая переменная (bool)
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	инт
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	инт
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	булевая переменная (bool)
evaluationFrequency	Частота оценки набора данных проверки для получения оценок метрик. Должно быть положительным целым числом.	инт
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	инт
размер изображения	Размер изображения для обучения и проверки. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	инт
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	инт
LearningRate	Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1].	инт
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
maxSize	Максимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	инт
minSize	Минимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	инт
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
modelSize	Размер модели. Должен быть "маленький", "средний", "большой" или "xlarge". Примечание. Учебный запуск может попасть в OOM CUDA, если размер модели слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	«ЭкстраБольшой» "Большой" "Средний" "Нет" "Маленький"
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должно быть значением типа float в диапазоне [0, 1].	инт
MultiScale	Включите многомасштабное изображение, изменив размер изображения по +/-50%. Примечание. Учебный запуск может попасть в OOM CUDA, если недостаточно памяти GPU. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	булевая переменная (bool)
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	булевая переменная (bool)
nmsIouThreshold	Пороговое значение ввода-вывода, используемое во время вывода в процессе последующей обработки NMS. Должно быть значением типа float в диапазоне [0, 1].	инт
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	инт
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	инт
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	инт
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должно быть значением типа float в диапазоне [0, 1].	инт
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	инт
tileGridSize	Размер сетки, используемый для мозаичного заполнения каждого изображения. Примечание. TileGridSize не должно быть Нет, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tileOverlapRatio	Коэффициент перекрытия смежных фрагментов в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	инт
tilePredictionsNmsThreshold	Пороговое значение IOU, используемое для выполнения поиска немаксимумов (NMS) при объединении прогнозов из фрагментов и изображения. Используется при проверке или выводе. Должен быть плавать в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	инт
trainingBatchSize	Размер пакета, используемого для обучения. Должно быть положительным целым числом.	инт
validationBatchSize	Размер пакета, используемого для проверки. Должно быть положительным целым числом.	инт
validationIouThreshold	Пороговое значение IOU для использования при вычислении метрики проверки. Должен быть плавать в диапазоне [0, 1].	инт
validationMetricType	Метод вычисления метрик, который используется для расчета проверочных метрик.	"Коко" 'CocoVoc' "Нет" "Voc"
разминкаCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1].	инт
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	инт
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	инт

Обнаружение объектов ImageObject

Имя	Описание	Ценность
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsОбнаружение объектов
первичная метрика	Основная метрика для оптимизации для этой задачи.	"MeanAveragePrecision"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	Настройки ImageSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	ImageObjectDetection (обязательно)
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт

Настройки ImageSweepSettings

Имя	Описание	Ценность
ранняятерминация	Тип политики раннего завершения.	Политика досрочного прекращения
выборкаAlgorithm	[Обязательный] Тип алгоритмов выборки гиперпараметров.	"Байезиан" "Сетка" "Случайный" (обязательный)

JobBaseProperties (Свойства JobBase)

Имя	Описание	Ценность
Идентификатор компонента	Идентификатор ресурса ARM ресурса компонента.	струна
computeId	Идентификатор ресурса ARM вычислительного ресурса.	струна
описание	Текст описания ресурса.	струна
отображаемое имя	Отображаемое имя задания.	струна
Имя эксперимента	Имя эксперимента, к которому принадлежит задание. Если задание не задано, задание помещается в эксперимент по умолчанию.	струна
идентичность	Конфигурация удостоверения. Если задано, это должен быть один из AmlToken, ManagedIdentity, UserIdentity или NULL. По умолчанию AmlToken имеет значение NULL.	IdentityConfiguration (Конфигурация идентичности)
isArchived	Архивируется ли ресурс?	булевая переменная (bool)
тип работы	Установите значение AutoML для типа AutoMLJob. Задайте для типа CommandJob значение CommandJob. Задайте для типа LabelingJobProperties значение "Метка". Задайте для типа PipelineJob значение PipelineJob. Установите значение Spark для типа SparkJob. Задайте значение "Sweep" для типа SweepJob.	AutoML "Command" Метка Конвейер Spark "Очистка" (обязательно)
свойства	Словарь свойств ресурса.	РесурсБазаСвойства
Услуги	Список заданий. Для локальных заданий конечная точка задания будет иметь значение конечной точки FileStreamObject.	Услуги JobBase
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	Теги ResourceBaseTags

Услуги JobBase

Имя	Описание	Ценность

JobInput (Ввод задания)

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	Установите значение "custom_model" для типа CustomModelJobInput. Задайте значение " литерал" для типа LiteralJobInput. Задайте для типа MLFlowModelJobInput значение "mlflow_model". Задайте для типа MLTableJobInput значение mltable. Задайте для типа TritonModelJobInput значение "triton_model". Задайте значение "uri_file" для типа UriFileJobInput. Задайте значение "uri_folder" для типа UriFolderJobInput.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)

JobOutput (Вывод задания)

Имя	Описание	Ценность
описание	Описание выходных данных.	струна
jobOutputType	Установите значение "custom_model" для типа CustomModelJobOutput. Задайте для типа MLFlowModelJobOutput значение "mlflow_model". Задайте для типа MLTableJobOutput значение mltable. Задайте для типа TritonModelJobOutput значение "triton_model". Задайте значение "uri_file" для типа UriFileJobOutput. Задайте значение "uri_folder" для типа UriFolderJobOutput.	"custom_model" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)

JobResourceConfiguration (Конфигурация JobResourceConfiguration)

Имя	Описание	Ценность
dockerArgs	Дополнительные аргументы для передачи команде запуска Docker. Это переопределит все параметры, которые уже были заданы системой или в этом разделе. Этот параметр поддерживается только для типов вычислений Машинного обучения Azure.	струна
Количество экземпляров	Необязательное количество экземпляров или узлов, используемых целевым объектом вычислений.	инт
instanceType	Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений.	струна
свойства	Дополнительные контейнеры свойств.	Свойства ResourceConfigurationProperties
shmSize	Размер общего блока памяти контейнера Docker. Это должно быть в формате (число)(единица), где число должно быть больше 0, а единица может быть одной из b(байтов), k(килобайтов), m(мегабайт) или g(g(gigabytes).	струна Ограничения целостности: Шаблон = \d+[bBkKmMgG]

JobService

Имя	Описание	Ценность
конечная точка	URL-адрес конечной точки.	струна
jobServiceType	Тип конечной точки.	струна
узлы	Узлы, на которые пользователь хочет запустить службу. Если узлы не заданы или заданы значение NULL, служба будет запущена только на узле лидера.	Узлов
порт	Порт для конечной точки, заданной пользователем.	инт
свойства	Дополнительные свойства, заданные в конечной точке.	JobServiceProperties (Свойства JobService)

JobServiceProperties (Свойства JobService)

Имя	Описание	Ценность

Категория метки

Имя	Описание	Ценность
Классы	Словарь классов меток в этой категории.	Классы LabelCategory
отображаемое имя	Отображаемое имя категории меток.	струна
multiSelectEnabled	Указывает, разрешено ли выбрать несколько классов в этой категории.	булевая переменная (bool)

Классы LabelCategory

Имя	Описание	Ценность

Класс меток

Имя	Описание	Ценность
отображаемое имя	Отображаемое имя класса метки.	струна
Подклассы	Словарь подклассов класса меток.	Подклассы LabelClass

Подклассы LabelClass

Имя	Описание	Ценность

LabelingDataConfiguration (МаркировкаDataConfiguration)

Имя	Описание	Ценность
dataId	Идентификатор ресурса ресурса ресурса для выполнения меток.	струна
incrementalDataRefreshEnabled	Указывает, следует ли включить добавочное обновление данных.	булевая переменная (bool)

LabelingJobImageProperties (Свойства LabelingJobImage)

Имя	Описание	Ценность
annotationType	Тип заметки задания маркировки изображений.	"BoundingBox" "Классификация" "InstanceSegmentation"
тип медиа	[Обязательный] Тип носителя задания.	Image (обязательно)

LabelingJobInstructions

Имя	Описание	Ценность
УРИ	Ссылка на страницу с подробными инструкциями по маркировке для меток.	струна

Категории LabelingJobLabel

Имя	Описание	Ценность

LabelingJobMediaProperties (Свойства LabelingJobMedia)

Имя	Описание	Ценность
тип медиа	Задайте значение Image для типа LabelingJobImageProperties. Задайте значение Text для типа LabelingJobTextProperties.	"Изображение" "Текст" (обязательный)

LabelingJobProperties (Свойства задания)

Имя	Описание	Ценность
dataConfiguration	Настройка данных, используемых в задании.	LabelingDataConfiguration (МаркировкаDataConfiguration)
jobInstructions	Инструкции по маркировке задания.	labelingJobInstructions
тип работы	[Обязательный] Указывает тип задания.	"Метка" (обязательно)
Категории меток	Категории меток задания.	Категории LabelingJobLabel
labelingJobMediaProperties	Свойства типа носителя в задании.	LabelingJobMediaProperties (Свойства LabelingJobMedia)
mlAssistConfiguration	Настройка функции MLAssist в задании.	Конфигурация MLAssist

LabelingJobTextProperties (Свойства текста)

Имя	Описание	Ценность
annotationType	Тип заметки задания маркировки текста.	"Классификация" "NamedEntityRecognition"
тип медиа	[Обязательный] Тип носителя задания.	"Текст" (обязательный)

ЛитералJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"литерал" (обязательный)
ценность	[Обязательный] Литеральное значение для входных данных.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

Управляемая идентификация

Имя	Описание	Ценность
clientId	Указывает назначаемое пользователем удостоверение по идентификатору клиента. Для назначаемого системой не устанавливайте это поле.	струна Ограничения целостности: Минимальная длина = 36 Максимальная длина = 36 Шаблон = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
тип идентификации	[Обязательный] Указывает тип платформы удостоверений.	Managed (обязательный)
objectId	Указывает назначаемое пользователем удостоверение по идентификатору объекта. Для назначаемого системой не устанавливайте это поле.	струна Ограничения целостности: Минимальная длина = 36 Максимальная длина = 36 Шаблон = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
идентификатор ресурса	Указывает удостоверение, назначаемое пользователем, по идентификатору ресурса ARM. Для назначаемого системой не устанавливайте это поле.	струна

MedianStoppingPolicy (МедианСтоппингPolicy)

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	MedianStopping (обязательно)

Конфигурация MLAssist

Имя	Описание	Ценность
mlAssist	Установите значение "Отключено" для типа MLAssistConfigurationDisabled. Установите значение "Включено" для типа MLAssistConfigurationEnabled.	"Отключено" "Включено" (обязательно)

MLAssistConfigurationDisabled

Имя	Описание	Ценность
mlAssist	[Обязательный] Указывает, включена ли функция MLAssist.	"Отключено" (обязательно)

MLAssistConfigurationEnabled

Имя	Описание	Ценность
inferencingComputeBinding	[Обязательный] Привязка вычислений AML, используемая в выводе.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
mlAssist	[Обязательный] Указывает, включена ли функция MLAssist.	"Включено" (обязательно)
trainingComputeBinding	[Обязательный] Привязка вычислений AML, используемая в обучении.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLFlowModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"mlflow_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLFlowModelJobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLFlowModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"mlflow_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

MLTableJobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLTableJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"mltable" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLTableJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"mltable" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

Мпи

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	Mpi (обязательно)
processCountPerInstance	Количество процессов на узел MPI.	инт

NCrossВалидации

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoNCrossValidations. Установите значение Custom для типа CustomNCrossValidations.	"Авто" "Custom" (обязательный)

NlpFixedParameters

Имя	Описание	Ценность
градиентAccumulationSteps	Количество шагов для накапливания градиентов перед выполнением обратного прохода.	инт
LearningRate	Скорость обучения для процедуры обучения.	инт
learningRateScheduler	Тип расписания обучения, используемого во время процедуры обучения.	"Констант" "ConstantWithWarmup" "Косин" "CosineWithRestarts" "Линейная" "Нет" "Polynomial"
название модели	Имя модели для обучения.	струна
numberOfEpochs	Число эпох обучения.	инт
trainingBatchSize	Размер пакета для процедуры обучения.	инт
validationBatchSize	Размер пакета, используемый во время оценки.	инт
теплый Ратио	Коэффициент нагрева, используемый вместе с LrSchedulerType.	инт
weightDecay	Разложение веса для процедуры обучения.	инт

NlpParameterПодпространство

Имя	Описание	Ценность
градиентAccumulationSteps	Количество шагов для накапливания градиентов перед выполнением обратного прохода.	струна
LearningRate	Скорость обучения для процедуры обучения.	струна
learningRateScheduler	Тип расписания обучения, используемого во время процедуры обучения.	струна
название модели	Имя модели для обучения.	струна
numberOfEpochs	Число эпох обучения.	струна
trainingBatchSize	Размер пакета для процедуры обучения.	струна
validationBatchSize	Размер пакета, используемый во время оценки.	струна
теплый Ратио	Коэффициент нагрева, используемый вместе с LrSchedulerType.	струна
weightDecay	Разложение веса для процедуры обучения.	струна

NlpSweepSettings

Имя	Описание	Ценность
ранняятерминация	Тип политики раннего завершения для масштабного задания.	Политика досрочного прекращения
выборкаAlgorithm	[Обязательный] Тип алгоритма выборки.	"Байезиан" "Сетка" "Случайный" (обязательный)

NlpVerticalFeaturizationSettings

Имя	Описание	Ценность
datasetLanguage	Язык набора данных, полезный для текстовых данных.	струна

NlpVerticalLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	инт
maxNodes	Максимальное количество узлов для обучения в любой пробной версии. Управляет распределенным обучением с несколькими узлами.	инт
maxTrials	Число итераций AutoML.	инт
таймаут	Время ожидания задания AutoML.	струна
trialTimeout	Время ожидания для отдельных пробных версий HD.	струна

Узлы

Имя	Описание	Ценность
nodesValueType	Задайте для типа AllNodes значение AllNodes.	"Все" (обязательно)

Цель

Имя	Описание	Ценность
цель	[Обязательный] Определяет поддерживаемые цели метрик для настройки гиперпараметров	"Развернуть" "Свернуть" (обязательно)
первичная метрика	[Обязательный] Имя метрики для оптимизации.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

PipelineJob

Имя	Описание	Ценность
входные данные	Входные данные для задания конвейера.	PipelineJobInputs (Входные данные PipelineJob)
работа	Задания создают задание конвейера.	PipelineJobJobs
тип работы	[Обязательный] Указывает тип задания.	Pipeline (обязательный)
выходные данные	Выходные данные для задания конвейера	PipelineJobOutputs (Выходы PipelineJob)
Настройки	Параметры конвейера, например ContinueRunOnStepFailure и т. д.	любой
sourceJobId	Идентификатор ресурса ARM исходного задания.	струна

PipelineJobInputs (Входные данные PipelineJob)

Имя	Описание	Ценность

PipelineJobJobs

Имя	Описание	Ценность

PipelineJobOutputs (Выходы PipelineJob)

Имя	Описание	Ценность

PyTorch

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	PyTorch (обязательный)
processCountPerInstance	Количество процессов на узел.	инт

Алгоритм случайной выборки

Имя	Описание	Ценность
правило	Конкретный тип случайного алгоритма	"Случайный" «Соболь»
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	"Случайный" (обязательный)
семя	Необязательное целое число, используемое в качестве начального значения для случайного создания чисел	инт

Регрессия

Имя	Описание	Ценность
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	строка[]
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	ТаблицаВертикальностьНастройкиХарактеристики
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	ТаблицаИсправленныеПараметры
limitSettings	Ограничения выполнения для AutoMLJob.	НастройкиTableVerticalLimit
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossВалидации
первичная метрика	Основная метрика для задачи регрессии.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" «Корреляция копья»
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	Подпространство TableParameter[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings (Настройки TableSweep)
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	Регрессия (обязательно)
testData	Проверка входных данных.	MLTableJobInput
testDataSize	Доля тестового набора данных, который необходимо отложить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
trainingSettings (обучениеНастройки)	Входные данные для этапа обучения для задания AutoML.	РегрессияTrainingSettings
validationData	Входные данные проверки.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	инт
weightИмяСтолбца	Имя столбца веса образца. Автоматизированное машинное обучение поддерживает взвешанный столбец в качестве входных данных, что приводит к тому, что строки в данных будут взвешированы вверх или вниз.	струна

РегрессияTrainingSettings

Имя	Описание	Ценность
allowedTrainingAlgorithms	Разрешенные модели для задачи регрессии.	Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" «ГрадиентБустинг» KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor"
blockedTrainingAlgorithms	Заблокированные модели для задачи регрессии.	Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" «ГрадиентБустинг» KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor"
enableDnnTraining	Включите рекомендацию моделей DNN.	булевая переменная (bool)
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	булевая переменная (bool)
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	булевая переменная (bool)
enableStackEnsemble	Включите запуск ансамбля стека.	булевая переменная (bool)
enableVoteEnsemble	Включите запуск ансамбля голосования.	булевая переменная (bool)
ensembleModelDownloadTimeout	Во время создания модели VotingEnsemble и StackEnsemble скачиваются несколько встроенных моделей из предыдущих дочерних запусков. Настройте этот параметр с более высоким значением, чем 300 с, если требуется больше времени.	струна
stackEnsembleSettings	Параметры ансамбля стека для выполнения ансамбля стека.	StackEnsembleSettings (СтекАнсамбльНастройки)

РесурсБазаСвойства

Имя	Описание	Ценность

Теги ResourceBaseTags

Имя	Описание	Ценность

Свойства ResourceConfigurationProperties

Имя	Описание	Ценность

ВыборкаAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	Установите значение Bayesian для типа BayesianSamplingAlgorithm. Задайте для типа GridSamplingAlgorithm значение GridSamplingAlgorithm. Задайте для типа RandomSamplingAlgorithm значение RandomSamplingAlgorithm.	"Байезиан" "Сетка" "Случайный" (обязательный)

Сезонность

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoSeasonality. Задайте для типа CustomSeasonality значение CustomSeasonality.	"Авто" "Custom" (обязательный)

СпаркДжоб

Имя	Описание	Ценность
архив	Архивные файлы, используемые в задании.	строка[]
Аргументы	Аргументы для задания.	струна
codeId	[Обязательный] Идентификатор ресурса ARM ресурса ресурса кода.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
конф	Настроенные свойства Spark.	Программа SparkJobConf
вход	[Обязательный] Запись, выполняемая при запуске задания.	SparkJobEntry (обязательно)
environmentId	Идентификатор ресурса ARM спецификации среды для задания.	струна
Файлы	Файлы, используемые в задании.	строка[]
входные данные	Сопоставление входных привязок данных, используемых в задании.	SparkJobInputs
Банки	Jar-файлы, используемые в задании.	строка[]
тип работы	[Обязательный] Указывает тип задания.	Spark (обязательно)
выходные данные	Сопоставление привязок выходных данных, используемых в задании.	SparkJobOutputs (Выходные данные SparkJob)
pyFiles	Файлы Python, используемые в задании.	строка[]
ресурсы	Конфигурация вычислительных ресурсов для задания.	SparkResourceConfiguration (Конфигурация SparkResource)

Программа SparkJobConf

Имя	Описание	Ценность

SparkJobEntry (Вход в SparkJob)

Имя	Описание	Ценность
sparkJobEntryType	Установите значение SparkJobPythonEntry для типа SparkJobPythonEntry. Установите значение SparkJobScalaEntry для типа SparkJobScalaEntry.	SparkJobPythonEntry SparkJobScalaEntry (обязательно)

SparkJobInputs

Имя	Описание	Ценность

SparkJobOutputs (Выходные данные SparkJob)

Имя	Описание	Ценность

SparkJobPythonEntry (Вход в SparkJobPython)

Имя	Описание	Ценность
файл	[Обязательный] Относительный путь к файлу Python для точки входа задания.	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
sparkJobEntryType	[Обязательный] Тип точки входа задания.	SparkJobPythonEntry (обязательный)

SparkJobScalaEntry

Имя	Описание	Ценность
имя класса	[Обязательный] Имя класса Scala, используемое в качестве точки входа.	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
sparkJobEntryType	[Обязательный] Тип точки входа задания.	SparkJobScalaEntry (обязательно)

SparkResourceConfiguration (Конфигурация SparkResource)

Имя	Описание	Ценность
instanceType	Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений.	струна
runtimeVersion	Версия среды выполнения Spark, используемая для задания.	струна

StackEnsembleSettings (СтекАнсамбльНастройки)

Имя	Описание	Ценность
stackMetaLearnerKWargs	Необязательные параметры для передачи инициализатору метаучителя.	любой
stackMetaLearnerTrainPercentage	Указывает пропорцию обучающего набора (при выборе типа обучения и проверки обучения), зарезервированного для обучения метаучителя. Значение по умолчанию — 0.2.	инт
stackMetaLearnerType	Метаобучатель — это модель, обученная на выходных данных отдельных разнородных моделей.	ElasticNet "ElasticNetCV" LightGBMClassifier LightGBMRegressor "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "Нет"

СвипДжоб

Имя	Описание	Ценность
ранняятерминация	Политики раннего завершения позволяют отменять низкопроизводительные запуски до их завершения	Политика досрочного прекращения
входные данные	Сопоставление входных привязок данных, используемых в задании.	SweepJobInputs (SweepJobInputs)
тип работы	[Обязательный] Указывает тип задания.	"Очистка" (обязательно)
Ограничения	Ограничение задания очистки.	SweepJobLimits (SweepJobLimits)
цель	[Обязательный] Цель оптимизации.	Цель (обязательно)
выходные данные	Сопоставление привязок выходных данных, используемых в задании.	SweepJobOutputs (SweepJobOutputs)
выборкаAlgorithm	[Обязательный] Алгоритм выборки гиперпараметров	ВыборкаAlgorithm (обязательно)
searchSpace	[Обязательный] Словарь, содержащий каждый параметр и его распределение. Ключ словаря — это имя параметра	любой (обязательный)
испытание	[Обязательный] Определение компонента пробной версии.	TrialComponent (обязательно)

SweepJobInputs (SweepJobInputs)

Имя	Описание	Ценность

SweepJobLimits (SweepJobLimits)

Имя	Описание	Ценность
jobLimitsType	[Обязательный] Тип JobLimit.	"Command" "Очистка" (обязательно)
maxConcurrentTrials	Максимальное число параллельных пробных версий задания очистки.	инт
maxTotalTrials	Максимальное количество пробных версий заданий для очистки.	инт
таймаут	Максимальная длительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживается только длительность с точностью до секунд.	струна
trialTimeout	Значение времени ожидания пробной версии задания подметки.	струна

SweepJobOutputs (SweepJobOutputs)

Имя	Описание	Ценность

ТаблицаИсправленныеПараметры

Имя	Описание	Ценность
усилитель	Укажите тип повышения, например gbdt для XGBoost.	струна
boostingType	Укажите тип повышения, например gbdt для LightGBM.	струна
growPolicy	Укажите политику роста, которая управляет тем, как новые узлы добавляются в дерево.	струна
LearningRate	Скорость обучения для процедуры обучения.	инт
maxBin	Укажите максимальное количество дискретных ячеек для сегментирования непрерывных функций.	инт
maxDepth	Укажите максимальную глубину, чтобы ограничить глубину дерева явным образом.	инт
maxLeaves	Укажите максимальное количество листьев, чтобы ограничить листья дерева явным образом.	инт
minDataInLeaf	Минимальное количество данных на лист.	инт
minSplitGain	Минимальное сокращение потери, необходимое для дальнейшего секционирования на конечном узле дерева.	инт
название модели	Имя модели для обучения.	струна
nEstimator	Укажите количество деревьев (или округлений) в модели.	инт
numLeaves	Укажите количество листьев.	инт
preprocessorName	Имя используемого препроцессора.	струна
РегАльфа	Термин нормализации L1 для весов.	инт
regLambda	Термин нормализации L2 для весов.	инт
подвыборка	Подсамплексный коэффициент экземпляра обучения.	инт
subsampleFreq	Частота подсампли.	инт
treeMethod	Укажите метод дерева.	струна
withMean	Если задано значение true, перед масштабированием данных с помощью StandardScalar.	булевая переменная (bool)
withStd	Если задано значение true, масштабирование данных с помощью единицы вариативности с помощью StandardScalar.	булевая переменная (bool)

TableParameterSubspace

Имя	Описание	Ценность
усилитель	Укажите тип повышения, например gbdt для XGBoost.	струна
boostingType	Укажите тип повышения, например gbdt для LightGBM.	струна
growPolicy	Укажите политику роста, которая управляет тем, как новые узлы добавляются в дерево.	струна
LearningRate	Скорость обучения для процедуры обучения.	струна
maxBin	Укажите максимальное количество дискретных ячеек для сегментирования непрерывных функций.	струна
maxDepth	Укажите максимальную глубину, чтобы ограничить глубину дерева явным образом.	струна
maxLeaves	Укажите максимальное количество листьев, чтобы ограничить листья дерева явным образом.	струна
minDataInLeaf	Минимальное количество данных на лист.	струна
minSplitGain	Минимальное сокращение потери, необходимое для дальнейшего секционирования на конечном узле дерева.	струна
название модели	Имя модели для обучения.	струна
nEstimator	Укажите количество деревьев (или округлений) в модели.	струна
numLeaves	Укажите количество листьев.	струна
preprocessorName	Имя используемого препроцессора.	струна
РегАльфа	Термин нормализации L1 для весов.	струна
regLambda	Термин нормализации L2 для весов.	струна
подвыборка	Подсамплексный коэффициент экземпляра обучения.	струна
subsampleFreq	Частота подсампли	струна
treeMethod	Укажите метод дерева.	струна
withMean	Если задано значение true, перед масштабированием данных с помощью StandardScalar.	струна
withStd	Если задано значение true, масштабирование данных с помощью единицы вариативности с помощью StandardScalar.	струна

TableSweepSettings (Настройки TableSweep)

Имя	Описание	Ценность
ранняятерминация	Тип политики раннего завершения для масштабного задания.	Политика досрочного прекращения
выборкаAlgorithm	[Обязательный] Тип алгоритма выборки.	"Байезиан" "Сетка" "Случайный" (обязательный)

ТаблицаВертикальностьНастройкиХарактеристики

Имя	Описание	Ценность
заблокированныеTransformers	Эти преобразователи не должны использоваться в признаках.	Массив строк, содержащий любой из: "CatTargetEncoder" CountVectorizer HashOneHotEncoder 'Кодировщик этикеток' «Наивный Байес» OneHotEncoder TextTargetEncoder «TfIdf» 'WoETargetEncoder' "WordEmbedding"
columnNameAndTypes	Словарь имени столбца и его типа (int, float, string, datetime и т. д.).	ТаблицаВертикальная ффиатуризацияНастройкиИмяСтолбцаИТипы
datasetLanguage	Язык набора данных, полезный для текстовых данных.	струна
enableDnnФеатуризация	Определяет, следует ли использовать признаки на основе Dnn для признаков данных.	булевая переменная (bool)
режим	Режим признаков . Пользователь может сохранить режим авто по умолчанию, и AutoML будет заботиться о необходимом преобразовании данных на этапе признаков. Если выбрано значение "Выкл.", то нет признаков. Если выбран параметр Custom, пользователь может указать дополнительные входные данные, чтобы настроить способ выполнения признаков.	"Авто" "Custom" "Выкл.
преобразовательParams	Пользователь может указать дополнительные преобразователи, которые будут использоваться вместе со столбцами, к которым он будет применяться, и параметрами для конструктора преобразователя.	ТаблицаВертикальная феатуризацияНастройкиТрансформерыПараметры

ТаблицаВертикальная ффиатуризацияНастройкиИмяСтолбцаИТипы

Имя	Описание	Ценность

ТаблицаВертикальная феатуризацияНастройкиТрансформерыПараметры

Имя	Описание	Ценность

НастройкиTableVerticalLimit

Имя	Описание	Ценность
enableEarlyTermination	Включите досрочное завершение, определяет, будет ли autoMLJob завершаться рано, если в последних 20 итерациях не будет улучшена оценка.	булевая переменная (bool)
exitScore	Оценка выхода для задания AutoML.	инт
maxConcurrentTrials	Максимальное число одновременных итераций.	инт
maxCoresPerTrial	Максимальное число ядер на итерацию.	инт
maxTrials	Число итераций.	инт
sweepConcurrentTrials	Количество одновременных запусков, которые пользователь хочет активировать.	инт
sweepTrials	Количество разверток запусков, которые пользователь хочет активировать.	инт
таймаут	Время ожидания задания AutoML.	струна
trialTimeout	Время ожидания итерации.	струна

Целевые лаги

Имя	Описание	Ценность
режим	Задайте для типа AutoTargetLags значение AutoTargetLags. Задайте для типа CustomTargetLags значение CustomTargetLags.	"Авто" "Custom" (обязательный)

TargetRollingWindowSize (Размер целевого окна)

Имя	Описание	Ценность
режим	Задайте для типа AutoTargetRollingWindowSize значение AutoTargetRollingWindowSize. Задайте для типа CustomTargetRollingWindowSize значение CustomTargetRollingWindowSize.	"Авто" "Custom" (обязательный)

ТензорФлоу

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	TensorFlow (обязательный)
parameterServerCount	Количество задач сервера параметров.	инт
количествоРаботников	Количество работников. Если этот параметр не указан, по умолчанию используется число экземпляров.	инт

Классификация текста

Имя	Описание	Ценность
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	NlpFixedParameters
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
первичная метрика	Основная метрика для задачи Text-Classification.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	NlpParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	NlpSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	TextClassification (обязательный)
validationData	Входные данные проверки.	MLTableJobInput

TextClassificationMultilabel (Множественная метка текста)

Имя	Описание	Ценность
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	NlpFixedParameters
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	NlpParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	NlpSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	TextClassificationMultilabel (обязательный)
validationData	Входные данные проверки.	MLTableJobInput

Текстовый Нер

Имя	Описание	Ценность
ФиатуризацияНастройки	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	NlpFixedParameters
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	NlpParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	NlpSweepSettings
тип задачи	[Обязательный] Тип задачи для AutoMLJob.	TextNER (обязательно)
validationData	Входные данные проверки.	MLTableJobInput

ТриалКомпонент

Имя	Описание	Ценность
codeId	Идентификатор ресурса ARM ресурса ресурса кода.	струна
Приказ	[Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py"	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
распределение	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	DistributionConfiguration (РаспределениеКонфигурация)
environmentId	[Обязательный] Идентификатор ресурса ARM спецификации среды для задания.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
переменные окружения	Переменные среды, включенные в задание.	TrialComponentEnvironmentVariables
ресурсы	Конфигурация вычислительных ресурсов для задания.	JobResourceConfiguration (Конфигурация JobResourceConfiguration)

TrialComponentEnvironmentVariables

Имя	Описание	Ценность

TritonModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"triton_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

TritonModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"triton_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

УсечениеSelectionPolicy

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	УсечениеSelection (обязательно)
усечениеPercentage	Процент выполнения для отмены по каждому интервалу оценки.	инт

UriFileJobInput (Ввод UriFileJob)

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"uri_file" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

UriFileJobOutput (UriFileJobOutput)

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"uri_file" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

UriFolderJobInput (Ввод UriFolderJob)

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

UriFolderJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"uri_folder" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

Идентификатор пользователя

Имя	Описание	Ценность
тип идентификации	[Обязательный] Указывает тип платформы удостоверений.	UserIdentity (обязательно)