Рабочие области Microsoft.MachineLearningServices/schedules 2022-12-01-preview

• последние
• 2024-07-01-preview
• 2024-04-01
• 2024-04-01-preview
• 2024-01-01-preview
• 2023-10-01
• 2023-08-01-preview
• 2023-06-01-preview
• 2023-04-01
• 2023-04-01-preview
• 2023-02-01-preview
• 2022-12-01-preview
• 2022-10-01
• 2022-10-01-preview
• 2022-06-01-preview

Определение ресурсов Bicep

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

• 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/schedules, добавьте следующий Bicep в шаблон.

resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2022-12-01-preview' = {
  name: 'string'
  parent: resourceSymbolicName
  properties: {
    action: {
      actionType: 'string'
      // For remaining properties, see ScheduleActionBase objects
    }
    description: 'string'
    displayName: 'string'
    isEnabled: bool
    properties: {
      {customized property}: 'string'
    }
    tags: {}
    trigger: {
      endTime: 'string'
      startTime: 'string'
      timeZone: 'string'
      triggerType: 'string'
      // For remaining properties, see TriggerBase objects
    }
  }
}

Объекты ScheduleActionBase

Задайте свойство actionType, чтобы указать тип объекта.

Для CreateJobиспользуйте:

  actionType: 'CreateJob'
  jobDefinition: {
    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: {}
    jobType: 'string'
    // For remaining properties, see JobBaseProperties objects
  }

Для InvokeBatchEndpointиспользуйте:

  actionType: 'InvokeBatchEndpoint'
  endpointInvocationDefinition: any()

Объекты JobBaseProperties

Задайте свойство jobType, чтобы указать тип объекта.

Для AutoMLиспользуйте:

  jobType: 'AutoML'
  environmentId: 'string'
  environmentVariables: {
    {customized property}: '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'
  }
  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:

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

Дляметок используйте:

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

Для конвейераиспользуйте:

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

Для Sparkиспользуйте:

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

Для используйте:

  jobType: 'Sweep'
  earlyTermination: {
    delayEvaluation: int
    evaluationInterval: int
    policyType: 'string'
    // For remaining properties, see EarlyTerminationPolicy objects
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  limits: {
    jobLimitsType: 'string'
    maxConcurrentTrials: int
    maxTotalTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  objective: {
    goal: 'string'
    primaryMetric: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  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 IdentityConfiguration

Задайте свойство identityType, чтобы указать тип объекта.

Для AMLTokenиспользуйте:

  identityType: 'AMLToken'

Для управляемыхиспользуйте:

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

Для UserIdentityиспользуйте:

  identityType: 'UserIdentity'

Объекты nodes

Задайте свойство nodesValueType, чтобы указать тип объекта.

Для всехиспользуйте:

  nodesValueType: 'All'

Объекты JobOutput

Задайте свойство jobOutputType, чтобы указать тип объекта.

Для custom_modelиспользуйте:

  jobOutputType: 'custom_model'
  assetName: 'string'
  assetVersion: 'string'
  mode: 'string'
  uri: 'string'

Для mlflow_modelиспользуйте:

  jobOutputType: 'mlflow_model'
  assetName: 'string'
  assetVersion: 'string'
  mode: 'string'
  uri: 'string'

Для mltableиспользуйте:

  jobOutputType: 'mltable'
  assetName: 'string'
  assetVersion: 'string'
  mode: 'string'
  uri: 'string'

Для triton_modelиспользуйте:

  jobOutputType: 'triton_model'
  assetName: 'string'
  assetVersion: 'string'
  mode: 'string'
  uri: 'string'

Для uri_fileиспользуйте:

  jobOutputType: 'uri_file'
  assetName: 'string'
  assetVersion: 'string'
  mode: 'string'
  uri: 'string'

Для uri_folderиспользуйте:

  jobOutputType: 'uri_folder'
  assetName: 'string'
  assetVersion: 'string'
  mode: 'string'
  uri: 'string'

Объекты AutoMLVertical

Задайте свойство taskType, чтобы указать тип объекта.

Для классификациииспользуйте:

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

Для прогнозированияиспользуйте:

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

Для ImageClassificationиспользуйте:

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

Для ImageClassificationMultilabelиспользуйте:

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

Для ImageInstanceSegmentationиспользуйте:

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

Для ImageObjectDetectionиспользуйте:

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

Для регрессиииспользуйте:

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

Для TextClassificationиспользуйте:

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

Для TextClassificationMultilabelиспользуйте:

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

Для TextNERиспользуйте:

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

Объекты NCrossValidations

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

  mode: 'Auto'

Для пользовательскихиспользуйте:

  mode: 'Custom'
  value: int

Объекты EarlyTerminationPolicy

Задайте свойство policyType, чтобы указать тип объекта.

Для Banditиспользуйте:

  policyType: 'Bandit'
  slackAmount: int
  slackFactor: int

Для MedianStoppingиспользуйте:

  policyType: 'MedianStopping'

Для TruncationSelectionиспользуйте:

  policyType: 'TruncationSelection'
  truncationPercentage: int

Объекты ForecastHorizon

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

  mode: 'Auto'

Для пользовательскихиспользуйте:

  mode: 'Custom'
  value: int

Объекты сезонности

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

  mode: 'Auto'

Для пользовательскихиспользуйте:

  mode: 'Custom'
  value: int

Объекты TargetLags

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

  mode: 'Auto'

Для пользовательскихиспользуйте:

  mode: 'Custom'
  values: [
    int
  ]

Объекты TargetRollingWindowSize

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

  mode: 'Auto'

Для пользовательскихиспользуйте:

  mode: 'Custom'
  value: int

Объекты DistributionConfiguration

Задайте свойство distributionType, чтобы указать тип объекта.

Для Mpiиспользуйте:

  distributionType: 'Mpi'
  processCountPerInstance: int

Для PyTorchиспользуйте:

  distributionType: 'PyTorch'
  processCountPerInstance: int

Для TensorFlowиспользуйте:

  distributionType: 'TensorFlow'
  parameterServerCount: int
  workerCount: int

Объекты JobInput

Задайте свойство jobInputType, чтобы указать тип объекта.

Для custom_modelиспользуйте:

  jobInputType: 'custom_model'
  mode: 'string'
  uri: 'string'

Для литералаиспользуйте:

  jobInputType: 'literal'
  value: 'string'

Для mlflow_modelиспользуйте:

  jobInputType: 'mlflow_model'
  mode: 'string'
  uri: 'string'

Для mltableиспользуйте:

  jobInputType: 'mltable'
  mode: 'string'
  uri: 'string'

Для triton_modelиспользуйте:

  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 LabelingJobMediaProperties

Задайте свойство mediaType mediaType, чтобы указать тип объекта.

Для изображенияиспользуйте:

  mediaType: 'Image'
  annotationType: 'string'

Для текстовыхиспользуйте:

  mediaType: 'Text'
  annotationType: 'string'

Объекты MLAssistConfiguration

Задайте свойство mlAssist, чтобы указать тип объекта.

Для отключенныхиспользуйте:

  mlAssist: 'Disabled'

Для включеноиспользуйте:

  mlAssist: 'Enabled'
  inferencingComputeBinding: 'string'
  trainingComputeBinding: 'string'

Объекты SparkJobEntry

Задайте свойство sparkJobEntryType, чтобы указать тип объекта.

Для SparkJobPythonEntryиспользуйте:

  sparkJobEntryType: 'SparkJobPythonEntry'
  file: 'string'

Для SparkJobScalaEntryиспользуйте:

  sparkJobEntryType: 'SparkJobScalaEntry'
  className: 'string'

Объекты ВыборкиAlgorithm

Задайте свойство выборкиAlgorithmType, чтобы указать тип объекта.

Для Байезианаиспользуйте:

  samplingAlgorithmType: 'Bayesian'

Для сеткииспользуйте:

  samplingAlgorithmType: 'Grid'

Для случайныхиспользуйте:

  samplingAlgorithmType: 'Random'
  logbase: 'string'
  rule: 'string'
  seed: int

Объекты TriggerBase

Задайте свойство triggerType, чтобы указать тип объекта.

Для Cronиспользуйте:

  triggerType: 'Cron'
  expression: 'string'

Для повторенияиспользуйте:

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

Значения свойств

рабочие области и расписания

Имя	Описание	Ценность
имя	Имя ресурса Узнайте, как задать имена и типы дочерних ресурсов в Bicep.	строка (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 за пределами родительского ресурса.	Символьное имя ресурса типа: рабочих областей
свойства	[Обязательный] Дополнительные атрибуты сущности.	ScheduleProperties (обязательно)

ScheduleProperties

Имя	Описание	Ценность
действие	[Обязательный] Указывает действие расписания	ScheduleActionBase (обязательно)
описание	Текст описания ресурса.	струна
displayName	Отображаемое имя расписания.	струна
isEnabled	Включен ли расписание?	bool
свойства	Словарь свойств ресурса.	ResourceBaseProperties
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	объект
триггер	[Обязательный] Указывает сведения о триггере	TriggerBase (обязательно)

ScheduleActionBase

Имя	Описание	Ценность
actionType	Установка типа объекта	CreateJob InvokeBatchEndpoint (обязательно)

JobScheduleAction

Имя	Описание	Ценность
actionType	[Обязательный] Указывает тип действия расписания	CreateJob (обязательный)
jobDefinition	[Обязательный] Определяет сведения о определении действия расписания.	JobBaseProperties (обязательно)

JobBaseProperties

Имя	Описание	Ценность
componentId	Идентификатор ресурса ARM ресурса компонента.	струна
computeId	Идентификатор ресурса ARM вычислительного ресурса.	струна
описание	Текст описания ресурса.	струна
displayName	Отображаемое имя задания.	струна
experimentName	Имя эксперимента, к которому принадлежит задание. Если задание не задано, задание помещается в эксперимент по умолчанию.	струна
тождество	Конфигурация удостоверения. Если задано, это должен быть один из AmlToken, ManagedIdentity, UserIdentity или NULL. По умолчанию AmlToken имеет значение NULL.	IdentityConfiguration
isArchived	Архивируется ли ресурс?	bool
свойства	Словарь свойств ресурса.	ResourceBaseProperties
Услуги	Список заданий. Для локальных заданий конечная точка задания будет иметь значение конечной точки FileStreamObject.	JobBaseServices
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	объект
jobType	Установка типа объекта	AutoML Команда метки конвейера Spark (обязательно)

IdentityConfiguration

Имя	Описание	Ценность
identityType	Установка типа объекта	AMLToken Управляемые UserIdentity (обязательно)

AmlToken

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

ManagedIdentity

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

UserIdentity

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

ResourceBaseProperties

Имя	Описание	Ценность
{настраиваемое свойство}		струна

JobBaseServices

Имя	Описание	Ценность
{настраиваемое свойство}		JobService

JobService

Имя	Описание	Ценность
конечная точка	URL-адрес конечной точки.	струна
jobServiceType	Тип конечной точки.	струна
Узлов	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.	int
свойства	Дополнительные свойства, заданные в конечной точке.	JobServiceProperties

Узлов

Имя	Описание	Ценность
nodesValueType	Установка типа объекта	Все (обязательно)

AllNodes

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

JobServiceProperties

Имя	Описание	Ценность
{настраиваемое свойство}		струна

AutoMLJob

Имя	Описание	Ценность
jobType	[Обязательный] Указывает тип задания.	AutoML (обязательно)
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
environmentVariables	Переменные среды, включенные в задание.	AutoMLJobEnvironmentVariables
Выходы	Сопоставление привязок выходных данных, используемых в задании.	AutoMLJobOutputs
ресурсы	Конфигурация вычислительных ресурсов для задания.	JobResourceConfiguration
taskDetails	[Обязательный] Это сценарий, который может быть одним из таблиц/ NLP/Image	AutoMLVertical (обязательно)

AutoMLJobEnvironmentVariables

Имя	Описание	Ценность
{настраиваемое свойство}		струна

AutoMLJobOutputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobOutput

JobOutput

Имя	Описание	Ценность
описание	Описание выходных данных.	струна
jobOutputType	Установка типа объекта	custom_model mlflow_model mltable triton_model uri_file uri_folder (обязательно)

CustomModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"custom_model" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	'Direct' ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

MLFlowModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"mlflow_model" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	'Direct' ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

MLTableJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"mltable" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	'Direct' ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

TritonModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"triton_model" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	'Direct' ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

UriFileJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"uri_file" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	'Direct' ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

UriFolderJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"uri_folder" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	'Direct' ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

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
instanceCount	Необязательное количество экземпляров или узлов, используемых целевым объектом вычислений.	int
instanceType	Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений.	струна
свойства	Дополнительные контейнеры свойств.	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: Pattern = \d+[bBkKmMgG]

ResourceConfigurationProperties

Имя	Описание	Ценность
{настраиваемое свойство}		Для Bicep можно использовать функцию any().

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
trainingData	[Обязательный] Входные данные обучения.	MLTableJobInput (обязательно)
taskType	Установка типа объекта	классификации прогнозирование ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection регрессии TextClassification TextClassificationMultilabel TextNER (обязательно)

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.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	строка (обязательно) Ограничения целостности: Pattern = [a-zA-Z0-9_]

Классификация

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	"Классификация" (обязательно)
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	string[]
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	TableFixedParameters
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossValidations
positiveLabel	Положительная метка для вычисления двоичных метрик.	струна
primaryMetric	Первичная метрика для задачи.	"AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	TableParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings
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.	int
trainingSettings	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.	int
weightColumnName	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

TableVerticalFeaturizationSettings

Имя	Описание	Ценность
заблокированныеTransformers	Эти преобразователи не должны использоваться в признаках.	Массив строк, содержащий любой из: "CatTargetEncoder" CountVectorizer HashOneHotEncoder 'LabelEncoder' 'NaiveBayes' OneHotEncoder TextTargetEncoder 'TfIdf' 'WoETargetEncoder' "WordEmbedding"
columnNameAndTypes	Словарь имени столбца и его типа (int, float, string, datetime и т. д.).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Язык набора данных, полезный для текстовых данных.	струна
enableDnnFeaturization	Определяет, следует ли использовать признаки на основе Dnn для признаков данных.	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.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Имя	Описание	Ценность
{настраиваемое свойство}		струна

TableVerticalFeaturizationSettingsTransformerParams

Имя	Описание	Ценность
{настраиваемое свойство}		ColumnTransformer[]

ColumnTransformer

Имя	Описание	Ценность
Поля	Поля для применения логики преобразователя.	string[]
Параметры	Различные свойства, передаваемые преобразователю. Ожидается, что входные данные — это словарь пар "ключ", "значение" в формате JSON.	Для Bicep можно использовать функцию any().

TableFixedParameters

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.	int
maxBin	Укажите максимальное количество дискретных ячеек для сегментирования непрерывных функций.	int
maxDepth	Укажите максимальную глубину, чтобы ограничить глубину дерева явным образом.	int
maxLeaves	Укажите максимальное количество листьев, чтобы ограничить листья дерева явным образом.	int
minDataInLeaf	Минимальное количество данных на лист.	int
minSplitGain	Минимальное сокращение потери, необходимое для дальнейшего секционирования на конечном узле дерева.	int
ModelName	Имя модели для обучения.	струна
nEstimator	Укажите количество деревьев (или округлений) в модели.	int
numLeaves	Укажите количество листьев.	int
preprocessorName	Имя используемого препроцессора.	струна
regAlpha	Термин нормализации L1 для весов.	int
regLambda	Термин нормализации L2 для весов.	int
subsample	Подсамплексный коэффициент экземпляра обучения.	int
subsampleFreq	Частота подсампли.	int
treeMethod	Укажите метод дерева.	струна
withMean	Если задано значение true, перед масштабированием данных с помощью StandardScalar.	bool
withStd	Если задано значение true, масштабирование данных с помощью единицы вариативности с помощью StandardScalar.	bool

TableVerticalLimitSettings

Имя	Описание	Ценность
enableEarlyTermination	Включите досрочное завершение, определяет, будет ли autoMLJob завершаться рано, если в последних 20 итерациях не будет улучшена оценка.	bool
exitScore	Оценка выхода для задания AutoML.	int
maxConcurrentTrials	Максимальное число одновременных итераций.	int
maxCoresPerTrial	Максимальное число ядер на итерацию.	int
maxNodes	Максимальное количество узлов, используемых для эксперимента.	int
maxTrials	Количество итераций.	int
sweepConcurrentTrials	Количество одновременных запусков, которые пользователь хочет активировать.	int
sweepTrials	Количество разверток запусков, которые пользователь хочет активировать.	int
Времени ожидания	Время ожидания задания AutoML.	струна
trialTimeout	Время ожидания итерации.	струна

NCrossValidations

Имя	Описание	Ценность
режим	Установка типа объекта	автоза настраиваемые (обязательно)

AutoNCrossValidations

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

CustomNCrossValidations

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

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
ModelName	Имя модели для обучения.	струна
nEstimator	Укажите количество деревьев (или округлений) в модели.	струна
numLeaves	Укажите количество листьев.	струна
preprocessorName	Имя используемого препроцессора.	струна
regAlpha	Термин нормализации L1 для весов.	струна
regLambda	Термин нормализации L2 для весов.	струна
subsample	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

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

EarlyTerminationPolicy

Имя	Описание	Ценность
delayEvaluation	Количество интервалов, с помощью которых необходимо отложить первую оценку.	int
evaluationInterval	Интервал (количество запусков) между оценками политики.	int
policyType	Установка типа объекта	Банда MedianStopping TruncationSelection (обязательно)

BanditPolicy

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

MedianStoppingPolicy

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

УсечениеSelectionPolicy

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

КлассификацияTrainingSettings

Имя	Описание	Ценность
allowedTrainingAlgorithms	Разрешенные модели для задачи классификации.	Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" 'GradientBoosting' KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier"
blockedTrainingAlgorithms	Заблокированные модели для задачи классификации.	Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" 'GradientBoosting' KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier"
enableDnnTraining	Включите рекомендацию моделей DNN.	bool
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	bool
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	bool
enableStackEnsemble	Включите запуск ансамбля стека.	bool
enableVoteEnsemble	Включите запуск ансамбля голосования.	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
trainingMode	Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы.	"Авто" "Распределено" "NonDistributed"

StackEnsembleSettings

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

Прогнозирование

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	"Прогнозирование" (обязательно)
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	string[]
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	TableFixedParameters
forecastingSettings	Прогнозирование определенных входных данных задачи.	ForecastingSettings
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossValidations
primaryMetric	Основная метрика для задачи прогнозирования.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation'
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	TableParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings
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.	int
trainingSettings	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.	int
weightColumnName	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
countryOrRegionForHolidays	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.	int
featureLags	Флаг для создания задержек для числовых функций с параметром auto или NULL.	"Авто" "Нет"
прогнозHorizon	Требуемый максимальный горизонт прогнозирования в единицах частоты временных рядов.	ForecastHorizon
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.	сезонности
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.	TargetLags
targetRollingWindowSize	Количество прошлых периодов, используемых для создания скользящего среднего окна целевого столбца.	TargetRollingWindowSize
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.	string[]
useStl	Настройте декомпозицию STL целевого столбца временных рядов.	"Нет" "Сезон" 'SeasonTrend'

ПрогнозHorizon

Имя	Описание	Ценность
режим	Установка типа объекта	автоза настраиваемые (обязательно)

AutoForecastHorizon

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

CustomForecastHorizon

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

Сезонность

Имя	Описание	Ценность
режим	Установка типа объекта	автоза настраиваемые (обязательно)

Автосесональность

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

CustomSeasonality

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

TargetLags

Имя	Описание	Ценность
режим	Установка типа объекта	автоза настраиваемые (обязательно)

AutoTargetLags

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

CustomTargetLags

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

TargetRollingWindowSize

Имя	Описание	Ценность
режим	Установка типа объекта	автоза настраиваемые (обязательно)

AutoTargetRollingWindowSize

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

CustomTargetRollingWindowSize

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

ПрогнозированиеTrainingSettings

Имя	Описание	Ценность
allowedTrainingAlgorithms	Разрешенные модели для задачи прогнозирования.	Массив строк, содержащий любой из: 'Arimax' AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "ДИНАМ" "СезоннаяAverage" "СезоннаяNaive" 'TCNForecaster' "XGBoostRegressor"
blockedTrainingAlgorithms	Заблокированные модели для задачи прогнозирования.	Массив строк, содержащий любой из: 'Arimax' AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "ДИНАМ" "СезоннаяAverage" "СезоннаяNaive" 'TCNForecaster' "XGBoostRegressor"
enableDnnTraining	Включите рекомендацию моделей DNN.	bool
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	bool
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	bool
enableStackEnsemble	Включите запуск ансамбля стека.	bool
enableVoteEnsemble	Включите запуск ансамбля голосования.	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
trainingMode	Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы.	"Авто" "Распределено" "NonDistributed"

ImageClassification

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageClassification (обязательный)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
primaryMetric	Основная метрика для оптимизации для этой задачи.	"AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
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.	int

ImageLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	int
maxTrials	Максимальное число итераций AutoML.	int
Времени ожидания	Время ожидания задания AutoML.	струна

ImageModelSettingsClassification

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	bool
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
контрольная точкаFrequency	Частота хранения контрольных точек модели. Должно быть положительным целым числом.	int
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.	bool
earlyStopping	Включите логику раннего остановки во время обучения.	bool
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	int
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	int
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	bool
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	int
gradientAccumulationStep	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.	int
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.	int
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	int
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	int
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	bool
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	int
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	int
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	int
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	int
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	int
trainingCropSize	Размер обрезки изображения, входной в нейронную сеть для обучающего набора данных. Должно быть положительным целым числом.	int
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	int
validationCropSize	Размер обрезки изображения, входной в нейронную сеть для набора данных проверки. Должно быть положительным целым числом.	int
validationResizeSize	Размер изображения, в который необходимо изменить размер перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	int
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	int
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	int
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	int
весеedLoss	Весовая потеря. Допустимые значения — 0 без потери веса. 1 для взвешаемой потери с sqrt. (class_weights). 2 для взвешаемой потери с class_weights. Должно быть 0 или 1 или 2.	int

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.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	строка (обязательно) Ограничения целостности: Pattern = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

Имя	Описание	Ценность
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
earlyStopping	Включите логику раннего остановки во время обучения.	струна
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
earlyStoppingPatience	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 для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationStep	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. Должен быть плавающей запятой в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой 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". Должен быть плавающей запятой в диапазоне [0, 1].	струна
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	струна
trainingBatchSize	Размер пакета 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 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 изображения, в который необходимо изменить размер перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	струна
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой 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 взвешаемой потери с class_weights. Должно быть 0 или 1 или 2.	струна

ImageSweepSettings

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

ImageClassificationMultilabel

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageClassificationMultilabel (обязательный)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
primaryMetric	Основная метрика для оптимизации для этой задачи.	"AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
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.	int

ImageInstanceSegmentation

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageInstanceSegmentation (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsObjectDetection
primaryMetric	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.	ImageSweepSettings
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.	int

ImageModelSettingsObjectDetection

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	bool
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
boxDetectionsPerImage	Максимальное количество обнаружений на изображение для всех классов. Должно быть положительным целым числом. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
boxScoreThreshold	Во время вывода возвращаются только предложения с оценкой классификации больше, чем BoxScoreThreshold. Должен быть плавающей запятой в диапазоне[0, 1].	int
контрольная точкаFrequency	Частота хранения контрольных точек модели. Должно быть положительным целым числом.	int
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.	bool
earlyStopping	Включите логику раннего остановки во время обучения.	bool
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	int
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	int
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	bool
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	int
gradientAccumulationStep	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.	int
imageSize	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.	int
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.	int
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	int
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
maxSize	Максимальный размер изображения для перемасштабирования перед его добавлением в магистраль. 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.	int
minSize	Минимальный размер изображения, который необходимо перемасштабировать, прежде чем передавать его в магистраль. 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.	int
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/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.	'ExtraLarge' "Большой" "Средний" "Нет" "Маленький"
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	int
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.	bool
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	bool
nmsIouThreshold	Пороговое значение ввода-вывода, используемое во время вывода в процессе последующей обработки NMS. Должен быть плавающей запятой в диапазоне [0, 1].	int
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	int
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	int
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	int
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	int
tileGridSize	Размер сетки, используемый для размещения 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 между смежными плитками в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
tilePredictionsNmsThreshold	Пороговое значение IOU для выполнения NMS при слиянии прогнозов из плиток и изображений. Используется в проверке или выводе. Должен быть плавать в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	int
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	int
validationIouThreshold	Пороговое значение IOU для использования при вычислении метрики проверки. Должен быть плавать в диапазоне [0, 1].	int
validationMetricType	Метод вычисления метрик, используемый для метрик проверки.	"Коко" 'CocoVoc' "Нет" "Voc"
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	int
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	int
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	int

ImageModelDistributionSettingsObjectDetection

Имя	Описание	Ценность
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
boxDetectionsPerImage	Максимальное количество обнаружений на 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 BoxScoreThreshold. Должен быть плавающей запятой в диапазоне[0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
earlyStopping	Включите логику раннего остановки во время обучения.	струна
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
earlyStoppingPatience	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 для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationStep	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
imageSize	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. Должен быть плавающей запятой в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
maxSize	Максимальный размер изображения для перемасштабирования перед его добавлением в магистраль. 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 изображения, который необходимо перемасштабировать, прежде чем передавать его в магистраль. 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
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/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". Должен быть плавающей запятой 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". Должен быть плавающей запятой 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 размещения 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 между смежными плитками в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tilePredictionsNmsThreshold	Пороговое значение IOU для выполнения NMS при слиянии прогнозов из плиток и изображений. Используется в 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 обучения. Должно быть положительным целым числом.	струна
validationBatchSize	Размер пакета 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, используемый для метрик проверки. Должно быть "none", "coco", "voc" или "coco_voc".	струна
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой 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

ImageObjectDetection

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageObjectDetection (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsObjectDetection
primaryMetric	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.	ImageSweepSettings
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.	int

Регрессия

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	Регрессия (обязательно)
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	string[]
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	TableFixedParameters
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossValidations
primaryMetric	Основная метрика для задачи регрессии.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation'
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	TableParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings
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.	int
trainingSettings	Входные данные для этапа обучения для задания AutoML.	РегрессионTrainingSettings
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.	int
weightColumnName	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" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor"
blockedTrainingAlgorithms	Заблокированные модели для задачи регрессии.	Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor"
enableDnnTraining	Включите рекомендацию моделей DNN.	bool
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	bool
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	bool
enableStackEnsemble	Включите запуск ансамбля стека.	bool
enableVoteEnsemble	Включите запуск ансамбля голосования.	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
trainingMode	Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы.	"Авто" "Распределено" "NonDistributed"

TextClassification

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextClassification (обязательный)
featurizationSettings	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
primaryMetric	Основная метрика для задачи Text-Classification.	"AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	NlpParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	NlpSweepSettings
validationData	Входные данные проверки.	MLTableJobInput

NlpVerticalFeaturizationSettings

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

NlpFixedParameters

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

NlpVerticalLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	int
maxNodes	Максимальное количество узлов, используемых для эксперимента.	int
maxTrials	Число итераций AutoML.	int
Времени ожидания	Время ожидания задания AutoML.	струна
trialTimeout	Время ожидания для отдельных пробных версий HD.	струна

NlpParameterSubspace

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
ModelName	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.	EarlyTerminationPolicy
выборкаAlgorithm	[Обязательный] Тип алгоритма выборки.	"Байезиан" "Сетка" "Случайный" (обязательный)

TextClassificationMultilabel

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextClassificationMultilabel (обязательный)
featurizationSettings	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
validationData	Входные данные проверки.	MLTableJobInput

TextNer

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextNER (обязательно)
featurizationSettings	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
validationData	Входные данные проверки.	MLTableJobInput

CommandJob

Имя	Описание	Ценность
jobType	[Обязательный] Указывает тип задания.	"Command" (обязательный)
autologgerSettings	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	AutologgerSettings
codeId	Идентификатор ресурса ARM ресурса ресурса кода.	струна
команда	[Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py"	строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_]
распределение	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	distributionConfiguration
environmentId	[Обязательный] Идентификатор ресурса ARM спецификации среды для задания.	строка (обязательно) Ограничения целостности: Pattern = [a-zA-Z0-9_]
environmentVariables	Переменные среды, включенные в задание.	CommandJobEnvironmentVariables
Входы	Сопоставление входных привязок данных, используемых в задании.	CommandJobInputs
Ограничения	Ограничение задания команд.	CommandJobLimits
Выходы	Сопоставление привязок выходных данных, используемых в задании.	CommandJobOutputs
ресурсы	Конфигурация вычислительных ресурсов для задания.	JobResourceConfiguration

AutologgerSettings

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

DistributionConfiguration

Имя	Описание	Ценность
distributionType	Установка типа объекта	Mpi PyTorch TensorFlow (обязательно)

Mpi

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

PyTorch

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

TensorFlow

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

CommandJobEnvironmentVariables

Имя	Описание	Ценность
{настраиваемое свойство}		струна

CommandJobInputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobInput

JobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	Установка типа объекта	custom_model литерал mlflow_model mltable triton_model uri_file uri_folder (обязательно)

CustomModelJobInput

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

ЛитералJobInput

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

TritonModelJobInput

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

UriFileJobInput

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

UriFolderJobInput

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

CommandJobLimits

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

CommandJobOutputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobOutput

LabelingJobProperties

Имя	Описание	Ценность
componentId	Идентификатор ресурса ARM ресурса компонента.	струна
computeId	Идентификатор ресурса ARM вычислительного ресурса.	струна
dataConfiguration	Настройка данных, используемых в задании.	LabelingDataConfiguration
описание	Текст описания ресурса.	струна
displayName	Отображаемое имя задания.	струна
experimentName	Имя эксперимента, к которому принадлежит задание. Если задание не задано, задание помещается в эксперимент по умолчанию.	струна
тождество	Конфигурация удостоверения. Если задано, это должен быть один из AmlToken, ManagedIdentity, UserIdentity или NULL. По умолчанию AmlToken имеет значение NULL.	IdentityConfiguration
isArchived	Архивируется ли ресурс?	bool
jobInstructions	Инструкции по маркировке задания.	labelingJobInstructions
jobType	[Обязательный] Указывает тип задания.	AutoML "Command" Метка Конвейер Spark "Очистка" (обязательно)
Категории меток	Категории меток задания.	категории LabelingJobLabelCategories
labelingJobMediaProperties	Свойства типа носителя в задании.	LabelingJobMediaProperties
mlAssistConfiguration	Настройка функции MLAssist в задании.	MLAssistConfiguration
свойства	Словарь свойств ресурса.	ResourceBaseProperties
Услуги	Список заданий. Для локальных заданий конечная точка задания будет иметь значение конечной точки FileStreamObject.	JobBaseServices
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	объект

LabelingDataConfiguration

Имя	Описание	Ценность
dataId	Идентификатор ресурса ресурса ресурса для выполнения меток.	струна
incrementalDataRefresh	Указывает, следует ли включить добавочное обновление данных.	"Отключено" "Включено"

LabelingJobInstructions

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

Категории LabelingJobLabel

Имя	Описание	Ценность
{настраиваемое свойство}		LabelCategory

LabelCategory

Имя	Описание	Ценность
Классы	Словарь классов меток в этой категории.	LabelCategoryClasses
displayName	Отображаемое имя категории меток.	струна
MultiSelect	Указывает, разрешено ли выбрать несколько классов в этой категории.	"Отключено" "Включено"

LabelCategoryClasses

Имя	Описание	Ценность
{настраиваемое свойство}		LabelClass

LabelClass

Имя	Описание	Ценность
displayName	Отображаемое имя класса метки.	струна
Подклассы	Словарь подклассов класса меток.	LabelClassSubclasses

LabelClassSubclasses

Имя	Описание	Ценность
{настраиваемое свойство}		LabelClass

LabelingJobMediaProperties

Имя	Описание	Ценность
mediaType	Установка типа объекта	изображения текстовый (обязательный)

LabelingJobImageProperties

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

LabelingJobTextProperties

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

MLAssistConfiguration

Имя	Описание	Ценность
mlAssist	Установка типа объекта	отключены включено (обязательно)

MLAssistConfigurationDisabled

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

MLAssistConfigurationEnabled

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

PipelineJob

Имя	Описание	Ценность
jobType	[Обязательный] Указывает тип задания.	Pipeline (обязательный)
Входы	Входные данные для задания конвейера.	PipelineJobInputs
Рабочих мест	Задания создают задание конвейера.	PipelineJobJobs
Выходы	Выходные данные для задания конвейера	PipelineJobOutputs
Параметры	Параметры конвейера, например ContinueRunOnStepFailure и т. д.	Для Bicep можно использовать функцию any().
sourceJobId	Идентификатор ресурса ARM исходного задания.	струна

PipelineJobInputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobInput

PipelineJobJobs

Имя	Описание	Ценность
{настраиваемое свойство}		Для Bicep можно использовать функцию any().

PipelineJobOutputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobOutput

SparkJob

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

SparkJobConf

Имя	Описание	Ценность
{настраиваемое свойство}		струна

SparkJobEntry

Имя	Описание	Ценность
sparkJobEntryType	Установка типа объекта	SparkJobPythonEntry SparkJobScalaEntry (обязательно)

SparkJobPythonEntry

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

SparkJobScalaEntry

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

SparkJobInputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobInput

SparkJobOutputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobOutput

SparkResourceConfiguration

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

SweepJob

Имя	Описание	Ценность
jobType	[Обязательный] Указывает тип задания.	"Очистка" (обязательно)
ранняятерминация	Политики раннего завершения позволяют отменять низкопроизводительные запуски до их завершения	EarlyTerminationPolicy
Входы	Сопоставление входных привязок данных, используемых в задании.	SweepJobInputs
Ограничения	Ограничение задания очистки.	SweepJobLimits
объективный	[Обязательный] Цель оптимизации.	Objective (обязательно)
Выходы	Сопоставление привязок выходных данных, используемых в задании.	SweepJobOutputs
выборкаAlgorithm	[Обязательный] Алгоритм выборки гиперпараметров	ВыборкаAlgorithm (обязательно)
searchSpace	[Обязательный] Словарь, содержащий каждый параметр и его распределение. Ключ словаря — это имя параметра	Для Bicep можно использовать функцию any(). (обязательно)
испытание	[Обязательный] Определение компонента пробной версии.	TrialComponent (обязательно)

SweepJobInputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobInput

SweepJobLimits

Имя	Описание	Ценность
jobLimitsType	[Обязательный] Тип JobLimit.	"Command" "Очистка" (обязательно)
maxConcurrentTrials	Максимальное число параллельных пробных версий задания очистки.	int
maxTotalTrials	Максимальное количество пробных версий заданий для очистки.	int
Времени ожидания	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

Объективный

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

SweepJobOutputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobOutput

ВыборкаAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	Установка типа объекта	Байезиан сетки случайных (обязательно)

BayesianSamplingAlgorithm

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

GridSamplingAlgorithm

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

RandomSamplingAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	"Случайный" (обязательный)
logbase	Необязательное положительное число или e в строковом формате, используемое в качестве базы для случайной выборки на основе журнала	струна
правило	Конкретный тип случайного алгоритма	"Случайный" 'Sobol'
семя	Необязательное целое число, используемое в качестве начального значения для случайного создания чисел	int

TrialComponent

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

TrialComponentEnvironmentVariables

Имя	Описание	Ценность
{настраиваемое свойство}		струна

EndpointScheduleAction

Имя	Описание	Ценность
actionType	[Обязательный] Указывает тип действия расписания	InvokeBatchEndpoint (обязательно)
endpointInvocationDefinition	[Обязательный] Определяет сведения о определении действия расписания. {see href="TBD" /}	Для Bicep можно использовать функцию any(). (обязательно)

TriggerBase

Имя	Описание	Ценность
endTime	Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601. Формат перекомментированного формата будет "2022-06-01T00:00:01" Если это не так, расписание будет выполняться на неопределенный срок	струна
startTime	Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC.	струна
часовой пояс	Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows. См. ссылку: /windows-hardware/manufacture/desktop/default-time-zones/>	струна
triggerType	Установка типа объекта	Cron повторения (обязательно)

CronTrigger

Имя	Описание	Ценность
endTime	Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601. Формат перекомментированного формата будет "2022-06-01T00:00:01" Если это не так, расписание будет выполняться на неопределенный срок	струна
выражение	[Обязательный] Указывает выражение крона расписания. Выражение должно соответствовать формату NCronTab.	строка (обязательно) Ограничения целостности: Pattern = [a-zA-Z0-9_]
startTime	Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC.	струна
часовой пояс	Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows. Ссылка: /windows-hardware/manufacture/desktop/default-time-пояса	струна
triggerType	[Обязательный]	"Cron" "Повторение" (обязательно)

ПовторениеTrigger

Имя	Описание	Ценность
endTime	Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601. Формат перекомментированного формата будет "2022-06-01T00:00:01" Если это не так, расписание будет выполняться на неопределенный срок	струна
частота	[Обязательный] Частота запуска расписания.	"День" "Час" "Минута" "Месяц" "Неделя" (обязательно)
интервал	[Обязательный] Указывает интервал расписания в сочетании с частотой	int (обязательно)
расписание	Расписание повторения.	ПовторениеSchedule
startTime	Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC.	струна
часовой пояс	Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows. Ссылка: /windows-hardware/manufacture/desktop/default-time-пояса	струна
triggerType	[Обязательный]	"Cron" "Повторение" (обязательно)

ПовторениеSchedule

Имя	Описание	Ценность
Часов	[Обязательный] Список часов для расписания.	int[] (обязательно)
протокол	[Обязательный] Список минут для расписания.	int[] (обязательно)
monthDays	Список дней месяца для расписания	int[]
будни	Список дней для расписания.	Массив строк, содержащий любой из: "Пятница" "Понедельник" "Суббота" "Воскресенье" "Четверг" "Вторник" "Среда"

Определение ресурса шаблона ARM

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

• 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/schedules, добавьте следующий код JSON в шаблон.

{
  "type": "Microsoft.MachineLearningServices/workspaces/schedules",
  "apiVersion": "2022-12-01-preview",
  "name": "string",
  "properties": {
    "action": {
      "actionType": "string"
      // For remaining properties, see ScheduleActionBase objects
    },
    "description": "string",
    "displayName": "string",
    "isEnabled": "bool",
    "properties": {
      "{customized property}": "string"
    },
    "tags": {},
    "trigger": {
      "endTime": "string",
      "startTime": "string",
      "timeZone": "string",
      "triggerType": "string"
      // For remaining properties, see TriggerBase objects
    }
  }
}

Объекты ScheduleActionBase

Задайте свойство actionType, чтобы указать тип объекта.

Для CreateJobиспользуйте:

  "actionType": "CreateJob",
  "jobDefinition": {
    "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": {},
    "jobType": "string"
    // For remaining properties, see JobBaseProperties objects
  }

Для InvokeBatchEndpointиспользуйте:

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

Объекты JobBaseProperties

Задайте свойство jobType, чтобы указать тип объекта.

Для AutoMLиспользуйте:

  "jobType": "AutoML",
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "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"
  },
  "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:

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

Дляметок используйте:

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

Для конвейераиспользуйте:

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

Для Sparkиспользуйте:

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

Для используйте:

  "jobType": "Sweep",
  "earlyTermination": {
    "delayEvaluation": "int",
    "evaluationInterval": "int",
    "policyType": "string"
    // For remaining properties, see EarlyTerminationPolicy objects
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "limits": {
    "jobLimitsType": "string",
    "maxConcurrentTrials": "int",
    "maxTotalTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "objective": {
    "goal": "string",
    "primaryMetric": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "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 IdentityConfiguration

Задайте свойство identityType, чтобы указать тип объекта.

Для AMLTokenиспользуйте:

  "identityType": "AMLToken"

Для управляемыхиспользуйте:

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

Для UserIdentityиспользуйте:

  "identityType": "UserIdentity"

Объекты nodes

Задайте свойство nodesValueType, чтобы указать тип объекта.

Для всехиспользуйте:

  "nodesValueType": "All"

Объекты JobOutput

Задайте свойство jobOutputType, чтобы указать тип объекта.

Для custom_modelиспользуйте:

  "jobOutputType": "custom_model",
  "assetName": "string",
  "assetVersion": "string",
  "mode": "string",
  "uri": "string"

Для mlflow_modelиспользуйте:

  "jobOutputType": "mlflow_model",
  "assetName": "string",
  "assetVersion": "string",
  "mode": "string",
  "uri": "string"

Для mltableиспользуйте:

  "jobOutputType": "mltable",
  "assetName": "string",
  "assetVersion": "string",
  "mode": "string",
  "uri": "string"

Для triton_modelиспользуйте:

  "jobOutputType": "triton_model",
  "assetName": "string",
  "assetVersion": "string",
  "mode": "string",
  "uri": "string"

Для uri_fileиспользуйте:

  "jobOutputType": "uri_file",
  "assetName": "string",
  "assetVersion": "string",
  "mode": "string",
  "uri": "string"

Для uri_folderиспользуйте:

  "jobOutputType": "uri_folder",
  "assetName": "string",
  "assetVersion": "string",
  "mode": "string",
  "uri": "string"

Объекты AutoMLVertical

Задайте свойство taskType, чтобы указать тип объекта.

Для классификациииспользуйте:

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

Для прогнозированияиспользуйте:

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

Для ImageClassificationиспользуйте:

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

Для ImageClassificationMultilabelиспользуйте:

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

Для ImageInstanceSegmentationиспользуйте:

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

Для ImageObjectDetectionиспользуйте:

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

Для регрессиииспользуйте:

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

Для TextClassificationиспользуйте:

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

Для TextClassificationMultilabelиспользуйте:

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

Для TextNERиспользуйте:

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

Объекты NCrossValidations

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

  "mode": "Auto"

Для пользовательскихиспользуйте:

  "mode": "Custom",
  "value": "int"

Объекты EarlyTerminationPolicy

Задайте свойство policyType, чтобы указать тип объекта.

Для Banditиспользуйте:

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

Для MedianStoppingиспользуйте:

  "policyType": "MedianStopping"

Для TruncationSelectionиспользуйте:

  "policyType": "TruncationSelection",
  "truncationPercentage": "int"

Объекты ForecastHorizon

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

  "mode": "Auto"

Для пользовательскихиспользуйте:

  "mode": "Custom",
  "value": "int"

Объекты сезонности

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

  "mode": "Auto"

Для пользовательскихиспользуйте:

  "mode": "Custom",
  "value": "int"

Объекты TargetLags

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

  "mode": "Auto"

Для пользовательскихиспользуйте:

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

Объекты TargetRollingWindowSize

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

  "mode": "Auto"

Для пользовательскихиспользуйте:

  "mode": "Custom",
  "value": "int"

Объекты DistributionConfiguration

Задайте свойство distributionType, чтобы указать тип объекта.

Для Mpiиспользуйте:

  "distributionType": "Mpi",
  "processCountPerInstance": "int"

Для PyTorchиспользуйте:

  "distributionType": "PyTorch",
  "processCountPerInstance": "int"

Для TensorFlowиспользуйте:

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

Объекты JobInput

Задайте свойство jobInputType, чтобы указать тип объекта.

Для custom_modelиспользуйте:

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

Для литералаиспользуйте:

  "jobInputType": "literal",
  "value": "string"

Для mlflow_modelиспользуйте:

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

Для mltableиспользуйте:

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

Для triton_modelиспользуйте:

  "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 LabelingJobMediaProperties

Задайте свойство mediaType mediaType, чтобы указать тип объекта.

Для изображенияиспользуйте:

  "mediaType": "Image",
  "annotationType": "string"

Для текстовыхиспользуйте:

  "mediaType": "Text",
  "annotationType": "string"

Объекты MLAssistConfiguration

Задайте свойство mlAssist, чтобы указать тип объекта.

Для отключенныхиспользуйте:

  "mlAssist": "Disabled"

Для включеноиспользуйте:

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

Объекты SparkJobEntry

Задайте свойство sparkJobEntryType, чтобы указать тип объекта.

Для SparkJobPythonEntryиспользуйте:

  "sparkJobEntryType": "SparkJobPythonEntry",
  "file": "string"

Для SparkJobScalaEntryиспользуйте:

  "sparkJobEntryType": "SparkJobScalaEntry",
  "className": "string"

Объекты ВыборкиAlgorithm

Задайте свойство выборкиAlgorithmType, чтобы указать тип объекта.

Для Байезианаиспользуйте:

  "samplingAlgorithmType": "Bayesian"

Для сеткииспользуйте:

  "samplingAlgorithmType": "Grid"

Для случайныхиспользуйте:

  "samplingAlgorithmType": "Random",
  "logbase": "string",
  "rule": "string",
  "seed": "int"

Объекты TriggerBase

Задайте свойство triggerType, чтобы указать тип объекта.

Для Cronиспользуйте:

  "triggerType": "Cron",
  "expression": "string"

Для повторенияиспользуйте:

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

Значения свойств

рабочие области и расписания

Имя	Описание	Ценность
тип	Тип ресурса	"Microsoft.MachineLearningServices/workspaces/schedules"
apiVersion	Версия API ресурсов	'2022-12-01-preview'
имя	Имя ресурса Узнайте, как задать имена и типы дочерних ресурсов в шаблонах ARM JSON.	строка (обязательно)
свойства	[Обязательный] Дополнительные атрибуты сущности.	ScheduleProperties (обязательно)

ScheduleProperties

Имя	Описание	Ценность
действие	[Обязательный] Указывает действие расписания	ScheduleActionBase (обязательно)
описание	Текст описания ресурса.	струна
displayName	Отображаемое имя расписания.	струна
isEnabled	Включен ли расписание?	bool
свойства	Словарь свойств ресурса.	ResourceBaseProperties
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	объект
триггер	[Обязательный] Указывает сведения о триггере	TriggerBase (обязательно)

ScheduleActionBase

Имя	Описание	Ценность
actionType	Установка типа объекта	CreateJob InvokeBatchEndpoint (обязательно)

JobScheduleAction

Имя	Описание	Ценность
actionType	[Обязательный] Указывает тип действия расписания	CreateJob (обязательный)
jobDefinition	[Обязательный] Определяет сведения о определении действия расписания.	JobBaseProperties (обязательно)

JobBaseProperties

Имя	Описание	Ценность
componentId	Идентификатор ресурса ARM ресурса компонента.	струна
computeId	Идентификатор ресурса ARM вычислительного ресурса.	струна
описание	Текст описания ресурса.	струна
displayName	Отображаемое имя задания.	струна
experimentName	Имя эксперимента, к которому принадлежит задание. Если задание не задано, задание помещается в эксперимент по умолчанию.	струна
тождество	Конфигурация удостоверения. Если задано, это должен быть один из AmlToken, ManagedIdentity, UserIdentity или NULL. По умолчанию AmlToken имеет значение NULL.	IdentityConfiguration
isArchived	Архивируется ли ресурс?	bool
свойства	Словарь свойств ресурса.	ResourceBaseProperties
Услуги	Список заданий. Для локальных заданий конечная точка задания будет иметь значение конечной точки FileStreamObject.	JobBaseServices
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	объект
jobType	Установка типа объекта	AutoML Команда метки конвейера Spark (обязательно)

IdentityConfiguration

Имя	Описание	Ценность
identityType	Установка типа объекта	AMLToken Управляемые UserIdentity (обязательно)

AmlToken

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

ManagedIdentity

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

UserIdentity

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

ResourceBaseProperties

Имя	Описание	Ценность
{настраиваемое свойство}		струна

JobBaseServices

Имя	Описание	Ценность
{настраиваемое свойство}		JobService

JobService

Имя	Описание	Ценность
конечная точка	URL-адрес конечной точки.	струна
jobServiceType	Тип конечной точки.	струна
Узлов	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.	int
свойства	Дополнительные свойства, заданные в конечной точке.	JobServiceProperties

Узлов

Имя	Описание	Ценность
nodesValueType	Установка типа объекта	Все (обязательно)

AllNodes

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

JobServiceProperties

Имя	Описание	Ценность
{настраиваемое свойство}		струна

AutoMLJob

Имя	Описание	Ценность
jobType	[Обязательный] Указывает тип задания.	AutoML (обязательно)
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
environmentVariables	Переменные среды, включенные в задание.	AutoMLJobEnvironmentVariables
Выходы	Сопоставление привязок выходных данных, используемых в задании.	AutoMLJobOutputs
ресурсы	Конфигурация вычислительных ресурсов для задания.	JobResourceConfiguration
taskDetails	[Обязательный] Это сценарий, который может быть одним из таблиц/ NLP/Image	AutoMLVertical (обязательно)

AutoMLJobEnvironmentVariables

Имя	Описание	Ценность
{настраиваемое свойство}		струна

AutoMLJobOutputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobOutput

JobOutput

Имя	Описание	Ценность
описание	Описание выходных данных.	струна
jobOutputType	Установка типа объекта	custom_model mlflow_model mltable triton_model uri_file uri_folder (обязательно)

CustomModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"custom_model" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	'Direct' ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

MLFlowModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"mlflow_model" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	'Direct' ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

MLTableJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"mltable" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	'Direct' ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

TritonModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"triton_model" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	'Direct' ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

UriFileJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"uri_file" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	'Direct' ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

UriFolderJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"uri_folder" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	'Direct' ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

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
instanceCount	Необязательное количество экземпляров или узлов, используемых целевым объектом вычислений.	int
instanceType	Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений.	струна
свойства	Дополнительные контейнеры свойств.	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: Pattern = \d+[bBkKmMgG]

ResourceConfigurationProperties

Имя	Описание	Ценность
{настраиваемое свойство}

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
trainingData	[Обязательный] Входные данные обучения.	MLTableJobInput (обязательно)
taskType	Установка типа объекта	классификации прогнозирование ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection регрессии TextClassification TextClassificationMultilabel TextNER (обязательно)

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.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	строка (обязательно) Ограничения целостности: Pattern = [a-zA-Z0-9_]

Классификация

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	"Классификация" (обязательно)
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	string[]
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	TableFixedParameters
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossValidations
positiveLabel	Положительная метка для вычисления двоичных метрик.	струна
primaryMetric	Первичная метрика для задачи.	"AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	TableParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings
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.	int
trainingSettings	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.	int
weightColumnName	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

TableVerticalFeaturizationSettings

Имя	Описание	Ценность
заблокированныеTransformers	Эти преобразователи не должны использоваться в признаках.	Массив строк, содержащий любой из: "CatTargetEncoder" CountVectorizer HashOneHotEncoder 'LabelEncoder' 'NaiveBayes' OneHotEncoder TextTargetEncoder 'TfIdf' 'WoETargetEncoder' "WordEmbedding"
columnNameAndTypes	Словарь имени столбца и его типа (int, float, string, datetime и т. д.).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Язык набора данных, полезный для текстовых данных.	струна
enableDnnFeaturization	Определяет, следует ли использовать признаки на основе Dnn для признаков данных.	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.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Имя	Описание	Ценность
{настраиваемое свойство}		струна

TableVerticalFeaturizationSettingsTransformerParams

Имя	Описание	Ценность
{настраиваемое свойство}		ColumnTransformer[]

ColumnTransformer

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

TableFixedParameters

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.	int
maxBin	Укажите максимальное количество дискретных ячеек для сегментирования непрерывных функций.	int
maxDepth	Укажите максимальную глубину, чтобы ограничить глубину дерева явным образом.	int
maxLeaves	Укажите максимальное количество листьев, чтобы ограничить листья дерева явным образом.	int
minDataInLeaf	Минимальное количество данных на лист.	int
minSplitGain	Минимальное сокращение потери, необходимое для дальнейшего секционирования на конечном узле дерева.	int
ModelName	Имя модели для обучения.	струна
nEstimator	Укажите количество деревьев (или округлений) в модели.	int
numLeaves	Укажите количество листьев.	int
preprocessorName	Имя используемого препроцессора.	струна
regAlpha	Термин нормализации L1 для весов.	int
regLambda	Термин нормализации L2 для весов.	int
subsample	Подсамплексный коэффициент экземпляра обучения.	int
subsampleFreq	Частота подсампли.	int
treeMethod	Укажите метод дерева.	струна
withMean	Если задано значение true, перед масштабированием данных с помощью StandardScalar.	bool
withStd	Если задано значение true, масштабирование данных с помощью единицы вариативности с помощью StandardScalar.	bool

TableVerticalLimitSettings

Имя	Описание	Ценность
enableEarlyTermination	Включите досрочное завершение, определяет, будет ли autoMLJob завершаться рано, если в последних 20 итерациях не будет улучшена оценка.	bool
exitScore	Оценка выхода для задания AutoML.	int
maxConcurrentTrials	Максимальное число одновременных итераций.	int
maxCoresPerTrial	Максимальное число ядер на итерацию.	int
maxNodes	Максимальное количество узлов, используемых для эксперимента.	int
maxTrials	Количество итераций.	int
sweepConcurrentTrials	Количество одновременных запусков, которые пользователь хочет активировать.	int
sweepTrials	Количество разверток запусков, которые пользователь хочет активировать.	int
Времени ожидания	Время ожидания задания AutoML.	струна
trialTimeout	Время ожидания итерации.	струна

NCrossValidations

Имя	Описание	Ценность
режим	Установка типа объекта	автоза настраиваемые (обязательно)

AutoNCrossValidations

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

CustomNCrossValidations

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

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
ModelName	Имя модели для обучения.	струна
nEstimator	Укажите количество деревьев (или округлений) в модели.	струна
numLeaves	Укажите количество листьев.	струна
preprocessorName	Имя используемого препроцессора.	струна
regAlpha	Термин нормализации L1 для весов.	струна
regLambda	Термин нормализации L2 для весов.	струна
subsample	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

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

EarlyTerminationPolicy

Имя	Описание	Ценность
delayEvaluation	Количество интервалов, с помощью которых необходимо отложить первую оценку.	int
evaluationInterval	Интервал (количество запусков) между оценками политики.	int
policyType	Установка типа объекта	Банда MedianStopping TruncationSelection (обязательно)

BanditPolicy

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

MedianStoppingPolicy

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

УсечениеSelectionPolicy

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

КлассификацияTrainingSettings

Имя	Описание	Ценность
allowedTrainingAlgorithms	Разрешенные модели для задачи классификации.	Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" 'GradientBoosting' KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier"
blockedTrainingAlgorithms	Заблокированные модели для задачи классификации.	Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" 'GradientBoosting' KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier"
enableDnnTraining	Включите рекомендацию моделей DNN.	bool
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	bool
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	bool
enableStackEnsemble	Включите запуск ансамбля стека.	bool
enableVoteEnsemble	Включите запуск ансамбля голосования.	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
trainingMode	Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы.	"Авто" "Распределено" "NonDistributed"

StackEnsembleSettings

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

Прогнозирование

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	"Прогнозирование" (обязательно)
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	string[]
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	TableFixedParameters
forecastingSettings	Прогнозирование определенных входных данных задачи.	ForecastingSettings
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossValidations
primaryMetric	Основная метрика для задачи прогнозирования.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation'
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	TableParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings
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.	int
trainingSettings	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.	int
weightColumnName	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
countryOrRegionForHolidays	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.	int
featureLags	Флаг для создания задержек для числовых функций с параметром auto или NULL.	"Авто" "Нет"
прогнозHorizon	Требуемый максимальный горизонт прогнозирования в единицах частоты временных рядов.	ForecastHorizon
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.	сезонности
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.	TargetLags
targetRollingWindowSize	Количество прошлых периодов, используемых для создания скользящего среднего окна целевого столбца.	TargetRollingWindowSize
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.	string[]
useStl	Настройте декомпозицию STL целевого столбца временных рядов.	"Нет" "Сезон" 'SeasonTrend'

ПрогнозHorizon

Имя	Описание	Ценность
режим	Установка типа объекта	автоза настраиваемые (обязательно)

AutoForecastHorizon

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

CustomForecastHorizon

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

Сезонность

Имя	Описание	Ценность
режим	Установка типа объекта	автоза настраиваемые (обязательно)

Автосесональность

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

CustomSeasonality

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

TargetLags

Имя	Описание	Ценность
режим	Установка типа объекта	автоза настраиваемые (обязательно)

AutoTargetLags

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

CustomTargetLags

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

TargetRollingWindowSize

Имя	Описание	Ценность
режим	Установка типа объекта	автоза настраиваемые (обязательно)

AutoTargetRollingWindowSize

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

CustomTargetRollingWindowSize

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

ПрогнозированиеTrainingSettings

Имя	Описание	Ценность
allowedTrainingAlgorithms	Разрешенные модели для задачи прогнозирования.	Массив строк, содержащий любой из: 'Arimax' AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "ДИНАМ" "СезоннаяAverage" "СезоннаяNaive" 'TCNForecaster' "XGBoostRegressor"
blockedTrainingAlgorithms	Заблокированные модели для задачи прогнозирования.	Массив строк, содержащий любой из: 'Arimax' AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "ДИНАМ" "СезоннаяAverage" "СезоннаяNaive" 'TCNForecaster' "XGBoostRegressor"
enableDnnTraining	Включите рекомендацию моделей DNN.	bool
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	bool
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	bool
enableStackEnsemble	Включите запуск ансамбля стека.	bool
enableVoteEnsemble	Включите запуск ансамбля голосования.	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
trainingMode	Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы.	"Авто" "Распределено" "NonDistributed"

ImageClassification

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageClassification (обязательный)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
primaryMetric	Основная метрика для оптимизации для этой задачи.	"AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
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.	int

ImageLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	int
maxTrials	Максимальное число итераций AutoML.	int
Времени ожидания	Время ожидания задания AutoML.	струна

ImageModelSettingsClassification

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	bool
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
контрольная точкаFrequency	Частота хранения контрольных точек модели. Должно быть положительным целым числом.	int
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.	bool
earlyStopping	Включите логику раннего остановки во время обучения.	bool
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	int
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	int
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	bool
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	int
gradientAccumulationStep	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.	int
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.	int
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	int
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	int
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	bool
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	int
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	int
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	int
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	int
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	int
trainingCropSize	Размер обрезки изображения, входной в нейронную сеть для обучающего набора данных. Должно быть положительным целым числом.	int
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	int
validationCropSize	Размер обрезки изображения, входной в нейронную сеть для набора данных проверки. Должно быть положительным целым числом.	int
validationResizeSize	Размер изображения, в который необходимо изменить размер перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	int
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	int
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	int
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	int
весеedLoss	Весовая потеря. Допустимые значения — 0 без потери веса. 1 для взвешаемой потери с sqrt. (class_weights). 2 для взвешаемой потери с class_weights. Должно быть 0 или 1 или 2.	int

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.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	строка (обязательно) Ограничения целостности: Pattern = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

Имя	Описание	Ценность
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
earlyStopping	Включите логику раннего остановки во время обучения.	струна
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
earlyStoppingPatience	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 для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationStep	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. Должен быть плавающей запятой в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой 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". Должен быть плавающей запятой в диапазоне [0, 1].	струна
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	струна
trainingBatchSize	Размер пакета 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 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 изображения, в который необходимо изменить размер перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	струна
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой 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 взвешаемой потери с class_weights. Должно быть 0 или 1 или 2.	струна

ImageSweepSettings

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

ImageClassificationMultilabel

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageClassificationMultilabel (обязательный)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
primaryMetric	Основная метрика для оптимизации для этой задачи.	"AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
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.	int

ImageInstanceSegmentation

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageInstanceSegmentation (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsObjectDetection
primaryMetric	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.	ImageSweepSettings
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.	int

ImageModelSettingsObjectDetection

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	bool
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
boxDetectionsPerImage	Максимальное количество обнаружений на изображение для всех классов. Должно быть положительным целым числом. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
boxScoreThreshold	Во время вывода возвращаются только предложения с оценкой классификации больше, чем BoxScoreThreshold. Должен быть плавающей запятой в диапазоне[0, 1].	int
контрольная точкаFrequency	Частота хранения контрольных точек модели. Должно быть положительным целым числом.	int
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.	bool
earlyStopping	Включите логику раннего остановки во время обучения.	bool
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	int
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	int
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	bool
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	int
gradientAccumulationStep	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.	int
imageSize	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.	int
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.	int
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	int
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
maxSize	Максимальный размер изображения для перемасштабирования перед его добавлением в магистраль. 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.	int
minSize	Минимальный размер изображения, который необходимо перемасштабировать, прежде чем передавать его в магистраль. 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.	int
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/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.	'ExtraLarge' "Большой" "Средний" "Нет" "Маленький"
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	int
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.	bool
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	bool
nmsIouThreshold	Пороговое значение ввода-вывода, используемое во время вывода в процессе последующей обработки NMS. Должен быть плавающей запятой в диапазоне [0, 1].	int
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	int
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	int
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	int
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	int
tileGridSize	Размер сетки, используемый для размещения 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 между смежными плитками в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
tilePredictionsNmsThreshold	Пороговое значение IOU для выполнения NMS при слиянии прогнозов из плиток и изображений. Используется в проверке или выводе. Должен быть плавать в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	int
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	int
validationIouThreshold	Пороговое значение IOU для использования при вычислении метрики проверки. Должен быть плавать в диапазоне [0, 1].	int
validationMetricType	Метод вычисления метрик, используемый для метрик проверки.	"Коко" 'CocoVoc' "Нет" "Voc"
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	int
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	int
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	int

ImageModelDistributionSettingsObjectDetection

Имя	Описание	Ценность
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
boxDetectionsPerImage	Максимальное количество обнаружений на 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 BoxScoreThreshold. Должен быть плавающей запятой в диапазоне[0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
earlyStopping	Включите логику раннего остановки во время обучения.	струна
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
earlyStoppingPatience	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 для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationStep	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
imageSize	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. Должен быть плавающей запятой в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
maxSize	Максимальный размер изображения для перемасштабирования перед его добавлением в магистраль. 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 изображения, который необходимо перемасштабировать, прежде чем передавать его в магистраль. 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
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/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". Должен быть плавающей запятой 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". Должен быть плавающей запятой 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 размещения 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 между смежными плитками в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tilePredictionsNmsThreshold	Пороговое значение IOU для выполнения NMS при слиянии прогнозов из плиток и изображений. Используется в 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 обучения. Должно быть положительным целым числом.	струна
validationBatchSize	Размер пакета 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, используемый для метрик проверки. Должно быть "none", "coco", "voc" или "coco_voc".	струна
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой 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

ImageObjectDetection

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageObjectDetection (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsObjectDetection
primaryMetric	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.	ImageSweepSettings
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.	int

Регрессия

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	Регрессия (обязательно)
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	string[]
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	TableFixedParameters
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossValidations
primaryMetric	Основная метрика для задачи регрессии.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation'
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	TableParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings
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.	int
trainingSettings	Входные данные для этапа обучения для задания AutoML.	РегрессионTrainingSettings
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.	int
weightColumnName	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" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor"
blockedTrainingAlgorithms	Заблокированные модели для задачи регрессии.	Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor"
enableDnnTraining	Включите рекомендацию моделей DNN.	bool
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	bool
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	bool
enableStackEnsemble	Включите запуск ансамбля стека.	bool
enableVoteEnsemble	Включите запуск ансамбля голосования.	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
trainingMode	Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы.	"Авто" "Распределено" "NonDistributed"

TextClassification

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextClassification (обязательный)
featurizationSettings	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
primaryMetric	Основная метрика для задачи Text-Classification.	"AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	NlpParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	NlpSweepSettings
validationData	Входные данные проверки.	MLTableJobInput

NlpVerticalFeaturizationSettings

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

NlpFixedParameters

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

NlpVerticalLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	int
maxNodes	Максимальное количество узлов, используемых для эксперимента.	int
maxTrials	Число итераций AutoML.	int
Времени ожидания	Время ожидания задания AutoML.	струна
trialTimeout	Время ожидания для отдельных пробных версий HD.	струна

NlpParameterSubspace

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
ModelName	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.	EarlyTerminationPolicy
выборкаAlgorithm	[Обязательный] Тип алгоритма выборки.	"Байезиан" "Сетка" "Случайный" (обязательный)

TextClassificationMultilabel

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextClassificationMultilabel (обязательный)
featurizationSettings	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
validationData	Входные данные проверки.	MLTableJobInput

TextNer

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextNER (обязательно)
featurizationSettings	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
validationData	Входные данные проверки.	MLTableJobInput

CommandJob

Имя	Описание	Ценность
jobType	[Обязательный] Указывает тип задания.	"Command" (обязательный)
autologgerSettings	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	AutologgerSettings
codeId	Идентификатор ресурса ARM ресурса ресурса кода.	струна
команда	[Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py"	строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_]
распределение	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	distributionConfiguration
environmentId	[Обязательный] Идентификатор ресурса ARM спецификации среды для задания.	строка (обязательно) Ограничения целостности: Pattern = [a-zA-Z0-9_]
environmentVariables	Переменные среды, включенные в задание.	CommandJobEnvironmentVariables
Входы	Сопоставление входных привязок данных, используемых в задании.	CommandJobInputs
Ограничения	Ограничение задания команд.	CommandJobLimits
Выходы	Сопоставление привязок выходных данных, используемых в задании.	CommandJobOutputs
ресурсы	Конфигурация вычислительных ресурсов для задания.	JobResourceConfiguration

AutologgerSettings

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

DistributionConfiguration

Имя	Описание	Ценность
distributionType	Установка типа объекта	Mpi PyTorch TensorFlow (обязательно)

Mpi

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

PyTorch

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

TensorFlow

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

CommandJobEnvironmentVariables

Имя	Описание	Ценность
{настраиваемое свойство}		струна

CommandJobInputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobInput

JobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	Установка типа объекта	custom_model литерал mlflow_model mltable triton_model uri_file uri_folder (обязательно)

CustomModelJobInput

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

ЛитералJobInput

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

TritonModelJobInput

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

UriFileJobInput

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

UriFolderJobInput

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

CommandJobLimits

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

CommandJobOutputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobOutput

LabelingJobProperties

Имя	Описание	Ценность
componentId	Идентификатор ресурса ARM ресурса компонента.	струна
computeId	Идентификатор ресурса ARM вычислительного ресурса.	струна
dataConfiguration	Настройка данных, используемых в задании.	LabelingDataConfiguration
описание	Текст описания ресурса.	струна
displayName	Отображаемое имя задания.	струна
experimentName	Имя эксперимента, к которому принадлежит задание. Если задание не задано, задание помещается в эксперимент по умолчанию.	струна
тождество	Конфигурация удостоверения. Если задано, это должен быть один из AmlToken, ManagedIdentity, UserIdentity или NULL. По умолчанию AmlToken имеет значение NULL.	IdentityConfiguration
isArchived	Архивируется ли ресурс?	bool
jobInstructions	Инструкции по маркировке задания.	labelingJobInstructions
jobType	[Обязательный] Указывает тип задания.	AutoML "Command" Метка Конвейер Spark "Очистка" (обязательно)
Категории меток	Категории меток задания.	категории LabelingJobLabelCategories
labelingJobMediaProperties	Свойства типа носителя в задании.	LabelingJobMediaProperties
mlAssistConfiguration	Настройка функции MLAssist в задании.	MLAssistConfiguration
свойства	Словарь свойств ресурса.	ResourceBaseProperties
Услуги	Список заданий. Для локальных заданий конечная точка задания будет иметь значение конечной точки FileStreamObject.	JobBaseServices
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	объект

LabelingDataConfiguration

Имя	Описание	Ценность
dataId	Идентификатор ресурса ресурса ресурса для выполнения меток.	струна
incrementalDataRefresh	Указывает, следует ли включить добавочное обновление данных.	"Отключено" "Включено"

LabelingJobInstructions

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

Категории LabelingJobLabel

Имя	Описание	Ценность
{настраиваемое свойство}		LabelCategory

LabelCategory

Имя	Описание	Ценность
Классы	Словарь классов меток в этой категории.	LabelCategoryClasses
displayName	Отображаемое имя категории меток.	струна
MultiSelect	Указывает, разрешено ли выбрать несколько классов в этой категории.	"Отключено" "Включено"

LabelCategoryClasses

Имя	Описание	Ценность
{настраиваемое свойство}		LabelClass

LabelClass

Имя	Описание	Ценность
displayName	Отображаемое имя класса метки.	струна
Подклассы	Словарь подклассов класса меток.	LabelClassSubclasses

LabelClassSubclasses

Имя	Описание	Ценность
{настраиваемое свойство}		LabelClass

LabelingJobMediaProperties

Имя	Описание	Ценность
mediaType	Установка типа объекта	изображения текстовый (обязательный)

LabelingJobImageProperties

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

LabelingJobTextProperties

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

MLAssistConfiguration

Имя	Описание	Ценность
mlAssist	Установка типа объекта	отключены включено (обязательно)

MLAssistConfigurationDisabled

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

MLAssistConfigurationEnabled

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

PipelineJob

Имя	Описание	Ценность
jobType	[Обязательный] Указывает тип задания.	Pipeline (обязательный)
Входы	Входные данные для задания конвейера.	PipelineJobInputs
Рабочих мест	Задания создают задание конвейера.	PipelineJobJobs
Выходы	Выходные данные для задания конвейера	PipelineJobOutputs
Параметры	Параметры конвейера, например ContinueRunOnStepFailure и т. д.
sourceJobId	Идентификатор ресурса ARM исходного задания.	струна

PipelineJobInputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobInput

PipelineJobJobs

Имя	Описание	Ценность
{настраиваемое свойство}

PipelineJobOutputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobOutput

SparkJob

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

SparkJobConf

Имя	Описание	Ценность
{настраиваемое свойство}		струна

SparkJobEntry

Имя	Описание	Ценность
sparkJobEntryType	Установка типа объекта	SparkJobPythonEntry SparkJobScalaEntry (обязательно)

SparkJobPythonEntry

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

SparkJobScalaEntry

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

SparkJobInputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobInput

SparkJobOutputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobOutput

SparkResourceConfiguration

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

SweepJob

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

SweepJobInputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobInput

SweepJobLimits

Имя	Описание	Ценность
jobLimitsType	[Обязательный] Тип JobLimit.	"Command" "Очистка" (обязательно)
maxConcurrentTrials	Максимальное число параллельных пробных версий задания очистки.	int
maxTotalTrials	Максимальное количество пробных версий заданий для очистки.	int
Времени ожидания	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

Объективный

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

SweepJobOutputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobOutput

ВыборкаAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	Установка типа объекта	Байезиан сетки случайных (обязательно)

BayesianSamplingAlgorithm

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

GridSamplingAlgorithm

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

RandomSamplingAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	"Случайный" (обязательный)
logbase	Необязательное положительное число или e в строковом формате, используемое в качестве базы для случайной выборки на основе журнала	струна
правило	Конкретный тип случайного алгоритма	"Случайный" 'Sobol'
семя	Необязательное целое число, используемое в качестве начального значения для случайного создания чисел	int

TrialComponent

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

TrialComponentEnvironmentVariables

Имя	Описание	Ценность
{настраиваемое свойство}		струна

EndpointScheduleAction

Имя	Описание	Ценность
actionType	[Обязательный] Указывает тип действия расписания	InvokeBatchEndpoint (обязательно)
endpointInvocationDefinition	[Обязательный] Определяет сведения о определении действия расписания. {see href="TBD" /}

TriggerBase

Имя	Описание	Ценность
endTime	Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601. Формат перекомментированного формата будет "2022-06-01T00:00:01" Если это не так, расписание будет выполняться на неопределенный срок	струна
startTime	Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC.	струна
часовой пояс	Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows. См. ссылку: /windows-hardware/manufacture/desktop/default-time-zones/>	струна
triggerType	Установка типа объекта	Cron повторения (обязательно)

CronTrigger

Имя	Описание	Ценность
endTime	Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601. Формат перекомментированного формата будет "2022-06-01T00:00:01" Если это не так, расписание будет выполняться на неопределенный срок	струна
выражение	[Обязательный] Указывает выражение крона расписания. Выражение должно соответствовать формату NCronTab.	строка (обязательно) Ограничения целостности: Pattern = [a-zA-Z0-9_]
startTime	Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC.	струна
часовой пояс	Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows. Ссылка: /windows-hardware/manufacture/desktop/default-time-пояса	струна
triggerType	[Обязательный]	"Cron" "Повторение" (обязательно)

ПовторениеTrigger

Имя	Описание	Ценность
endTime	Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601. Формат перекомментированного формата будет "2022-06-01T00:00:01" Если это не так, расписание будет выполняться на неопределенный срок	струна
частота	[Обязательный] Частота запуска расписания.	"День" "Час" "Минута" "Месяц" "Неделя" (обязательно)
интервал	[Обязательный] Указывает интервал расписания в сочетании с частотой	int (обязательно)
расписание	Расписание повторения.	ПовторениеSchedule
startTime	Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC.	струна
часовой пояс	Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows. Ссылка: /windows-hardware/manufacture/desktop/default-time-пояса	струна
triggerType	[Обязательный]	"Cron" "Повторение" (обязательно)

ПовторениеSchedule

Имя	Описание	Ценность
Часов	[Обязательный] Список часов для расписания.	int[] (обязательно)
протокол	[Обязательный] Список минут для расписания.	int[] (обязательно)
monthDays	Список дней месяца для расписания	int[]
будни	Список дней для расписания.	Массив строк, содержащий любой из: "Пятница" "Понедельник" "Суббота" "Воскресенье" "Четверг" "Вторник" "Среда"

Определение ресурса Terraform (поставщик AzAPI)

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

• групп ресурсов

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

Формат ресурса

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

resource "azapi_resource" "symbolicname" {
  type = "Microsoft.MachineLearningServices/workspaces/schedules@2022-12-01-preview"
  name = "string"
  parent_id = "string"
  body = jsonencode({
    properties = {
      action = {
        actionType = "string"
        // For remaining properties, see ScheduleActionBase objects
      }
      description = "string"
      displayName = "string"
      isEnabled = bool
      properties = {
        {customized property} = "string"
      }
      tags = {}
      trigger = {
        endTime = "string"
        startTime = "string"
        timeZone = "string"
        triggerType = "string"
        // For remaining properties, see TriggerBase objects
      }
    }
  })
}

Объекты ScheduleActionBase

Задайте свойство actionType, чтобы указать тип объекта.

Для CreateJobиспользуйте:

  actionType = "CreateJob"
  jobDefinition = {
    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 = {}
    jobType = "string"
    // For remaining properties, see JobBaseProperties objects
  }

Для InvokeBatchEndpointиспользуйте:

  actionType = "InvokeBatchEndpoint"

Объекты JobBaseProperties

Задайте свойство jobType, чтобы указать тип объекта.

Для AutoMLиспользуйте:

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

Для команды используйте следующую команду:

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

Дляметок используйте:

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

Для конвейераиспользуйте:

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

Для Sparkиспользуйте:

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

Для используйте:

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

Объекты IdentityConfiguration

Задайте свойство identityType, чтобы указать тип объекта.

Для AMLTokenиспользуйте:

  identityType = "AMLToken"

Для управляемыхиспользуйте:

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

Для UserIdentityиспользуйте:

  identityType = "UserIdentity"

Объекты nodes

Задайте свойство nodesValueType, чтобы указать тип объекта.

Для всехиспользуйте:

  nodesValueType = "All"

Объекты JobOutput

Задайте свойство jobOutputType, чтобы указать тип объекта.

Для custom_modelиспользуйте:

  jobOutputType = "custom_model"
  assetName = "string"
  assetVersion = "string"
  mode = "string"
  uri = "string"

Для mlflow_modelиспользуйте:

  jobOutputType = "mlflow_model"
  assetName = "string"
  assetVersion = "string"
  mode = "string"
  uri = "string"

Для mltableиспользуйте:

  jobOutputType = "mltable"
  assetName = "string"
  assetVersion = "string"
  mode = "string"
  uri = "string"

Для triton_modelиспользуйте:

  jobOutputType = "triton_model"
  assetName = "string"
  assetVersion = "string"
  mode = "string"
  uri = "string"

Для uri_fileиспользуйте:

  jobOutputType = "uri_file"
  assetName = "string"
  assetVersion = "string"
  mode = "string"
  uri = "string"

Для uri_folderиспользуйте:

  jobOutputType = "uri_folder"
  assetName = "string"
  assetVersion = "string"
  mode = "string"
  uri = "string"

Объекты AutoMLVertical

Задайте свойство taskType, чтобы указать тип объекта.

Для классификациииспользуйте:

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

Для прогнозированияиспользуйте:

  taskType = "Forecasting"
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  forecastingSettings = {
    countryOrRegionForHolidays = "string"
    cvStepSize = int
    featureLags = "string"
    forecastHorizon = {
      mode = "string"
      // For remaining properties, see ForecastHorizon objects
    }
    frequency = "string"
    seasonality = {
      mode = "string"
      // For remaining properties, see Seasonality objects
    }
    shortSeriesHandlingConfig = "string"
    targetAggregateFunction = "string"
    targetLags = {
      mode = "string"
      // For remaining properties, see TargetLags objects
    }
    targetRollingWindowSize = {
      mode = "string"
      // For remaining properties, see TargetRollingWindowSize objects
    }
    timeColumnName = "string"
    timeSeriesIdColumnNames = [
      "string"
    ]
    useStl = "string"
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxNodes = int
    maxTrials = int
    sweepConcurrentTrials = int
    sweepTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  searchSpace = [
    {
      booster = "string"
      boostingType = "string"
      growPolicy = "string"
      learningRate = "string"
      maxBin = "string"
      maxDepth = "string"
      maxLeaves = "string"
      minDataInLeaf = "string"
      minSplitGain = "string"
      modelName = "string"
      nEstimators = "string"
      numLeaves = "string"
      preprocessorName = "string"
      regAlpha = "string"
      regLambda = "string"
      subsample = "string"
      subsampleFreq = "string"
      treeMethod = "string"
      withMean = "string"
      withStd = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
    trainingMode = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

Для ImageClassificationиспользуйте:

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

Для ImageClassificationMultilabelиспользуйте:

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

Для ImageInstanceSegmentationиспользуйте:

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

Для ImageObjectDetectionиспользуйте:

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

Для регрессиииспользуйте:

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

Для TextClassificationиспользуйте:

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

Для TextClassificationMultilabelиспользуйте:

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

Для TextNERиспользуйте:

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

Объекты NCrossValidations

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

  mode = "Auto"

Для пользовательскихиспользуйте:

  mode = "Custom"
  value = int

Объекты EarlyTerminationPolicy

Задайте свойство policyType, чтобы указать тип объекта.

Для Banditиспользуйте:

  policyType = "Bandit"
  slackAmount = int
  slackFactor = int

Для MedianStoppingиспользуйте:

  policyType = "MedianStopping"

Для TruncationSelectionиспользуйте:

  policyType = "TruncationSelection"
  truncationPercentage = int

Объекты ForecastHorizon

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

  mode = "Auto"

Для пользовательскихиспользуйте:

  mode = "Custom"
  value = int

Объекты сезонности

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

  mode = "Auto"

Для пользовательскихиспользуйте:

  mode = "Custom"
  value = int

Объекты TargetLags

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

  mode = "Auto"

Для пользовательскихиспользуйте:

  mode = "Custom"
  values = [
    int
  ]

Объекты TargetRollingWindowSize

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

  mode = "Auto"

Для пользовательскихиспользуйте:

  mode = "Custom"
  value = int

Объекты DistributionConfiguration

Задайте свойство distributionType, чтобы указать тип объекта.

Для Mpiиспользуйте:

  distributionType = "Mpi"
  processCountPerInstance = int

Для PyTorchиспользуйте:

  distributionType = "PyTorch"
  processCountPerInstance = int

Для TensorFlowиспользуйте:

  distributionType = "TensorFlow"
  parameterServerCount = int
  workerCount = int

Объекты JobInput

Задайте свойство jobInputType, чтобы указать тип объекта.

Для custom_modelиспользуйте:

  jobInputType = "custom_model"
  mode = "string"
  uri = "string"

Для литералаиспользуйте:

  jobInputType = "literal"
  value = "string"

Для mlflow_modelиспользуйте:

  jobInputType = "mlflow_model"
  mode = "string"
  uri = "string"

Для mltableиспользуйте:

  jobInputType = "mltable"
  mode = "string"
  uri = "string"

Для triton_modelиспользуйте:

  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 LabelingJobMediaProperties

Задайте свойство mediaType mediaType, чтобы указать тип объекта.

Для изображенияиспользуйте:

  mediaType = "Image"
  annotationType = "string"

Для текстовыхиспользуйте:

  mediaType = "Text"
  annotationType = "string"

Объекты MLAssistConfiguration

Задайте свойство mlAssist, чтобы указать тип объекта.

Для отключенныхиспользуйте:

  mlAssist = "Disabled"

Для включеноиспользуйте:

  mlAssist = "Enabled"
  inferencingComputeBinding = "string"
  trainingComputeBinding = "string"

Объекты SparkJobEntry

Задайте свойство sparkJobEntryType, чтобы указать тип объекта.

Для SparkJobPythonEntryиспользуйте:

  sparkJobEntryType = "SparkJobPythonEntry"
  file = "string"

Для SparkJobScalaEntryиспользуйте:

  sparkJobEntryType = "SparkJobScalaEntry"
  className = "string"

Объекты ВыборкиAlgorithm

Задайте свойство выборкиAlgorithmType, чтобы указать тип объекта.

Для Байезианаиспользуйте:

  samplingAlgorithmType = "Bayesian"

Для сеткииспользуйте:

  samplingAlgorithmType = "Grid"

Для случайныхиспользуйте:

  samplingAlgorithmType = "Random"
  logbase = "string"
  rule = "string"
  seed = int

Объекты TriggerBase

Задайте свойство triggerType, чтобы указать тип объекта.

Для Cronиспользуйте:

  triggerType = "Cron"
  expression = "string"

Для повторенияиспользуйте:

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

Значения свойств

рабочие области и расписания

Имя	Описание	Ценность
тип	Тип ресурса	"Microsoft.MachineLearningServices/workspaces/schedules@2022-12-01-preview"
имя	Имя ресурса	строка (обязательно)
parent_id	Идентификатор ресурса, который является родительским для этого ресурса.	Идентификатор ресурса типа: рабочих областей
свойства	[Обязательный] Дополнительные атрибуты сущности.	ScheduleProperties (обязательно)

ScheduleProperties

Имя	Описание	Ценность
действие	[Обязательный] Указывает действие расписания	ScheduleActionBase (обязательно)
описание	Текст описания ресурса.	струна
displayName	Отображаемое имя расписания.	струна
isEnabled	Включен ли расписание?	bool
свойства	Словарь свойств ресурса.	ResourceBaseProperties
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	объект
триггер	[Обязательный] Указывает сведения о триггере	TriggerBase (обязательно)

ScheduleActionBase

Имя	Описание	Ценность
actionType	Установка типа объекта	CreateJob InvokeBatchEndpoint (обязательно)

JobScheduleAction

Имя	Описание	Ценность
actionType	[Обязательный] Указывает тип действия расписания	CreateJob (обязательно)
jobDefinition	[Обязательный] Определяет сведения о определении действия расписания.	JobBaseProperties (обязательно)

JobBaseProperties

Имя	Описание	Ценность
componentId	Идентификатор ресурса ARM ресурса компонента.	струна
computeId	Идентификатор ресурса ARM вычислительного ресурса.	струна
описание	Текст описания ресурса.	струна
displayName	Отображаемое имя задания.	струна
experimentName	Имя эксперимента, к которому принадлежит задание. Если задание не задано, задание помещается в эксперимент по умолчанию.	струна
тождество	Конфигурация удостоверения. Если задано, это должен быть один из AmlToken, ManagedIdentity, UserIdentity или NULL. По умолчанию AmlToken имеет значение NULL.	IdentityConfiguration
isArchived	Архивируется ли ресурс?	bool
свойства	Словарь свойств ресурса.	ResourceBaseProperties
Услуги	Список заданий. Для локальных заданий конечная точка задания будет иметь значение конечной точки FileStreamObject.	JobBaseServices
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	объект
jobType	Установка типа объекта	AutoML Команда метки конвейера Spark (обязательно)

IdentityConfiguration

Имя	Описание	Ценность
identityType	Установка типа объекта	AMLToken Управляемые UserIdentity (обязательно)

AmlToken

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

ManagedIdentity

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

UserIdentity

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

ResourceBaseProperties

Имя	Описание	Ценность
{настраиваемое свойство}		струна

JobBaseServices

Имя	Описание	Ценность
{настраиваемое свойство}		JobService

JobService

Имя	Описание	Ценность
конечная точка	URL-адрес конечной точки.	струна
jobServiceType	Тип конечной точки.	струна
Узлов	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.	int
свойства	Дополнительные свойства, заданные в конечной точке.	JobServiceProperties

Узлов

Имя	Описание	Ценность
nodesValueType	Установка типа объекта	Все (обязательно)

AllNodes

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

JobServiceProperties

Имя	Описание	Ценность
{настраиваемое свойство}		струна

AutoMLJob

Имя	Описание	Ценность
jobType	[Обязательный] Указывает тип задания.	AutoML (обязательно)
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
environmentVariables	Переменные среды, включенные в задание.	AutoMLJobEnvironmentVariables
Выходы	Сопоставление привязок выходных данных, используемых в задании.	AutoMLJobOutputs
ресурсы	Конфигурация вычислительных ресурсов для задания.	JobResourceConfiguration
taskDetails	[Обязательный] Это сценарий, который может быть одним из таблиц/ NLP/Image	AutoMLVertical (обязательно)

AutoMLJobEnvironmentVariables

Имя	Описание	Ценность
{настраиваемое свойство}		струна

AutoMLJobOutputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobOutput

JobOutput

Имя	Описание	Ценность
описание	Описание выходных данных.	струна
jobOutputType	Установка типа объекта	custom_model mlflow_model mltable triton_model uri_file uri_folder (обязательно)

CustomModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"custom_model" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	"Direct" ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

MLFlowModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"mlflow_model" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	"Direct" ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

MLTableJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"mltable" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	"Direct" ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

TritonModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"triton_model" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	"Direct" ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

UriFileJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"uri_file" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	"Direct" ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

UriFolderJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	"uri_folder" (обязательно)
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
режим	Режим доставки выходных ресурсов.	"Direct" ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

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
instanceCount	Необязательное количество экземпляров или узлов, используемых целевым объектом вычислений.	int
instanceType	Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений.	струна
свойства	Дополнительные контейнеры свойств.	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: Pattern = \d+[bBkKmMgG]

ResourceConfigurationProperties

Имя	Описание	Ценность
{настраиваемое свойство}

AutoMLVertical

Имя	Описание	Ценность
logVerbosity	Подробность журнала для задания.	"Критический" "Отладка" "Ошибка" "Сведения" NotSet "Предупреждение"
targetColumnName	Имя целевого столбца: это столбец прогнозируемых значений. Также называется именем столбца метки в контексте задач классификации.	струна
trainingData	[Обязательный] Входные данные обучения.	MLTableJobInput (обязательно)
taskType	Установка типа объекта	классификации прогнозирование ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection регрессии TextClassification TextClassificationMultilabel TextNER (обязательно)

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.	"Direct" "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	строка (обязательно) Ограничения целостности: Pattern = [a-zA-Z0-9_]

Классификация

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	"Классификация" (обязательно)
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	string[]
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	TableFixedParameters
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossValidations
positiveLabel	Положительная метка для вычисления двоичных метрик.	струна
primaryMetric	Первичная метрика для задачи.	"AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	TableParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings
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.	int
trainingSettings	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.	int
weightColumnName	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

TableVerticalFeaturizationSettings

Имя	Описание	Ценность
заблокированныеTransformers	Эти преобразователи не должны использоваться в признаках.	Массив строк, содержащий любой из: "CatTargetEncoder" CountVectorizer HashOneHotEncoder LabelEncoder "NaiveBayes" OneHotEncoder "TextTargetEncoder" "TfIdf" "WoETargetEncoder" "WordEmbedding"
columnNameAndTypes	Словарь имени столбца и его типа (int, float, string, datetime и т. д.).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Язык набора данных, полезный для текстовых данных.	струна
enableDnnFeaturization	Определяет, следует ли использовать признаки на основе Dnn для признаков данных.	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" "Off"
преобразовательParams	Пользователь может указать дополнительные преобразователи, которые будут использоваться вместе со столбцами, к которым он будет применяться, и параметрами для конструктора преобразователя.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Имя	Описание	Ценность
{настраиваемое свойство}		струна

TableVerticalFeaturizationSettingsTransformerParams

Имя	Описание	Ценность
{настраиваемое свойство}		ColumnTransformer[]

ColumnTransformer

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

TableFixedParameters

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.	int
maxBin	Укажите максимальное количество дискретных ячеек для сегментирования непрерывных функций.	int
maxDepth	Укажите максимальную глубину, чтобы ограничить глубину дерева явным образом.	int
maxLeaves	Укажите максимальное количество листьев, чтобы ограничить листья дерева явным образом.	int
minDataInLeaf	Минимальное количество данных на лист.	int
minSplitGain	Минимальное сокращение потери, необходимое для дальнейшего секционирования на конечном узле дерева.	int
ModelName	Имя модели для обучения.	струна
nEstimator	Укажите количество деревьев (или округлений) в модели.	int
numLeaves	Укажите количество листьев.	int
preprocessorName	Имя используемого препроцессора.	струна
regAlpha	Термин нормализации L1 для весов.	int
regLambda	Термин нормализации L2 для весов.	int
subsample	Подсамплексный коэффициент экземпляра обучения.	int
subsampleFreq	Частота подсампли.	int
treeMethod	Укажите метод дерева.	струна
withMean	Если задано значение true, перед масштабированием данных с помощью StandardScalar.	bool
withStd	Если задано значение true, масштабирование данных с помощью единицы вариативности с помощью StandardScalar.	bool

TableVerticalLimitSettings

Имя	Описание	Ценность
enableEarlyTermination	Включите досрочное завершение, определяет, будет ли autoMLJob завершаться рано, если в последних 20 итерациях не будет улучшена оценка.	bool
exitScore	Оценка выхода для задания AutoML.	int
maxConcurrentTrials	Максимальное число одновременных итераций.	int
maxCoresPerTrial	Максимальное число ядер на итерацию.	int
maxNodes	Максимальное количество узлов, используемых для эксперимента.	int
maxTrials	Количество итераций.	int
sweepConcurrentTrials	Количество одновременных запусков, которые пользователь хочет активировать.	int
sweepTrials	Количество разверток запусков, которые пользователь хочет активировать.	int
Времени ожидания	Время ожидания задания AutoML.	струна
trialTimeout	Время ожидания итерации.	струна

NCrossValidations

Имя	Описание	Ценность
режим	Установка типа объекта	автоза настраиваемые (обязательно)

AutoNCrossValidations

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

CustomNCrossValidations

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

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
ModelName	Имя модели для обучения.	струна
nEstimator	Укажите количество деревьев (или округлений) в модели.	струна
numLeaves	Укажите количество листьев.	струна
preprocessorName	Имя используемого препроцессора.	струна
regAlpha	Термин нормализации L1 для весов.	струна
regLambda	Термин нормализации L2 для весов.	струна
subsample	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

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

EarlyTerminationPolicy

Имя	Описание	Ценность
delayEvaluation	Количество интервалов, с помощью которых необходимо отложить первую оценку.	int
evaluationInterval	Интервал (количество запусков) между оценками политики.	int
policyType	Установка типа объекта	Банда MedianStopping TruncationSelection (обязательно)

BanditPolicy

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

MedianStoppingPolicy

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

УсечениеSelectionPolicy

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

КлассификацияTrainingSettings

Имя	Описание	Ценность
allowedTrainingAlgorithms	Разрешенные модели для задачи классификации.	Массив строк, содержащий любой из: "БернуллиNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "ХУК" SVM "XGBoostClassifier"
blockedTrainingAlgorithms	Заблокированные модели для задачи классификации.	Массив строк, содержащий любой из: "БернуллиNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "ХУК" SVM "XGBoostClassifier"
enableDnnTraining	Включите рекомендацию моделей DNN.	bool
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	bool
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	bool
enableStackEnsemble	Включите запуск ансамбля стека.	bool
enableVoteEnsemble	Включите запуск ансамбля голосования.	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
trainingMode	Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы.	"Авто" "Распределено" "NonDistributed"

StackEnsembleSettings

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

Прогнозирование

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	"Прогнозирование" (обязательно)
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	string[]
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	TableFixedParameters
forecastingSettings	Прогнозирование определенных входных данных задачи.	ForecastingSettings
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossValidations
primaryMetric	Основная метрика для задачи прогнозирования.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "SpearmanCorrelation"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	TableParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings
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.	int
trainingSettings	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.	int
weightColumnName	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
countryOrRegionForHolidays	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.	int
featureLags	Флаг для создания задержек для числовых функций с параметром auto или NULL.	"Авто" "Нет"
прогнозHorizon	Требуемый максимальный горизонт прогнозирования в единицах частоты временных рядов.	ForecastHorizon
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.	сезонности
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.	TargetLags
targetRollingWindowSize	Количество прошлых периодов, используемых для создания скользящего среднего окна целевого столбца.	TargetRollingWindowSize
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.	string[]
useStl	Настройте декомпозицию STL целевого столбца временных рядов.	"Нет" "Сезон" "SeasonTrend"

ПрогнозHorizon

Имя	Описание	Ценность
режим	Установка типа объекта	автоза настраиваемые (обязательно)

AutoForecastHorizon

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

CustomForecastHorizon

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

Сезонность

Имя	Описание	Ценность
режим	Установка типа объекта	автоза настраиваемые (обязательно)

Автосесональность

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

CustomSeasonality

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

TargetLags

Имя	Описание	Ценность
режим	Установка типа объекта	автоза настраиваемые (обязательно)

AutoTargetLags

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

CustomTargetLags

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

TargetRollingWindowSize

Имя	Описание	Ценность
режим	Установка типа объекта	автоза настраиваемые (обязательно)

AutoTargetRollingWindowSize

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

CustomTargetRollingWindowSize

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

ПрогнозированиеTrainingSettings

Имя	Описание	Ценность
allowedTrainingAlgorithms	Разрешенные модели для задачи прогнозирования.	Массив строк, содержащий любой из: "Arimax" "AutoArima" "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "ЛассоЛарс" "LightGBM" "Наивный" "Пророк" "RandomForest" "ХУК" "SeasonalAverage" "СезоннаяNaive" "TCNForecaster" "XGBoostRegressor"
blockedTrainingAlgorithms	Заблокированные модели для задачи прогнозирования.	Массив строк, содержащий любой из: "Arimax" "AutoArima" "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "ЛассоЛарс" "LightGBM" "Наивный" "Пророк" "RandomForest" "ХУК" "SeasonalAverage" "СезоннаяNaive" "TCNForecaster" "XGBoostRegressor"
enableDnnTraining	Включите рекомендацию моделей DNN.	bool
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	bool
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	bool
enableStackEnsemble	Включите запуск ансамбля стека.	bool
enableVoteEnsemble	Включите запуск ансамбля голосования.	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
trainingMode	Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы.	"Авто" "Распределено" "NonDistributed"

ImageClassification

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageClassification (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
primaryMetric	Основная метрика для оптимизации для этой задачи.	"AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
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.	int

ImageLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	int
maxTrials	Максимальное число итераций AutoML.	int
Времени ожидания	Время ожидания задания AutoML.	струна

ImageModelSettingsClassification

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	bool
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
контрольная точкаFrequency	Частота хранения контрольных точек модели. Должно быть положительным целым числом.	int
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.	bool
earlyStopping	Включите логику раннего остановки во время обучения.	bool
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	int
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	int
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	bool
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	int
gradientAccumulationStep	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.	int
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.	int
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	int
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	int
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	bool
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	int
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	int
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	int
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	int
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	int
trainingCropSize	Размер обрезки изображения, входной в нейронную сеть для обучающего набора данных. Должно быть положительным целым числом.	int
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	int
validationCropSize	Размер обрезки изображения, входной в нейронную сеть для набора данных проверки. Должно быть положительным целым числом.	int
validationResizeSize	Размер изображения, в который необходимо изменить размер перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	int
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	int
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	int
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	int
весеedLoss	Весовая потеря. Допустимые значения — 0 без потери веса. 1 для взвешаемой потери с sqrt. (class_weights). 2 для взвешаемой потери с class_weights. Должно быть 0 или 1 или 2.	int

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.	"Direct" "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	строка (обязательно) Ограничения целостности: Pattern = [a-zA-Z0-9_]

ImageModelDistributionSettingsClassification

Имя	Описание	Ценность
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
earlyStopping	Включите логику раннего остановки во время обучения.	струна
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
earlyStoppingPatience	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 для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationStep	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. Должен быть плавающей запятой в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой 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". Должен быть плавающей запятой в диапазоне [0, 1].	струна
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	струна
trainingBatchSize	Размер пакета 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 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 изображения, в который необходимо изменить размер перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	струна
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой 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 взвешаемой потери с class_weights. Должно быть 0 или 1 или 2.	струна

ImageSweepSettings

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

ImageClassificationMultilabel

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageClassificationMultilabel (обязательный)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
primaryMetric	Основная метрика для оптимизации для этой задачи.	"AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
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.	int

ImageInstanceSegmentation

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageInstanceSegmentation (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsObjectDetection
primaryMetric	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.	ImageSweepSettings
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.	int

ImageModelSettingsObjectDetection

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	bool
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
boxDetectionsPerImage	Максимальное количество обнаружений на изображение для всех классов. Должно быть положительным целым числом. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
boxScoreThreshold	Во время вывода возвращаются только предложения с оценкой классификации больше, чем BoxScoreThreshold. Должен быть плавающей запятой в диапазоне[0, 1].	int
контрольная точкаFrequency	Частота хранения контрольных точек модели. Должно быть положительным целым числом.	int
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.	bool
earlyStopping	Включите логику раннего остановки во время обучения.	bool
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	int
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	int
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	bool
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	int
gradientAccumulationStep	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.	int
imageSize	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.	int
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.	int
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	int
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
maxSize	Максимальный размер изображения для перемасштабирования перед его добавлением в магистраль. 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.	int
minSize	Минимальный размер изображения, который необходимо перемасштабировать, прежде чем передавать его в магистраль. 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.	int
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/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.	"ExtraLarge" "Большой" "Средний" "Нет" "Маленький"
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	int
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.	bool
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	bool
nmsIouThreshold	Пороговое значение ввода-вывода, используемое во время вывода в процессе последующей обработки NMS. Должен быть плавающей запятой в диапазоне [0, 1].	int
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	int
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	int
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	int
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	int
tileGridSize	Размер сетки, используемый для размещения 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 между смежными плитками в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
tilePredictionsNmsThreshold	Пороговое значение IOU для выполнения NMS при слиянии прогнозов из плиток и изображений. Используется в проверке или выводе. Должен быть плавать в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	int
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	int
validationIouThreshold	Пороговое значение IOU для использования при вычислении метрики проверки. Должен быть плавать в диапазоне [0, 1].	int
validationMetricType	Метод вычисления метрик, используемый для метрик проверки.	"Коко" "CocoVoc" "Нет" "Voc"
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	int
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	int
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	int

ImageModelDistributionSettingsObjectDetection

Имя	Описание	Ценность
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
boxDetectionsPerImage	Максимальное количество обнаружений на 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 BoxScoreThreshold. Должен быть плавающей запятой в диапазоне[0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
earlyStopping	Включите логику раннего остановки во время обучения.	струна
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
earlyStoppingPatience	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 для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationStep	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
imageSize	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. Должен быть плавающей запятой в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
maxSize	Максимальный размер изображения для перемасштабирования перед его добавлением в магистраль. 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 изображения, который необходимо перемасштабировать, прежде чем передавать его в магистраль. 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
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/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". Должен быть плавающей запятой 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". Должен быть плавающей запятой 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 размещения 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 между смежными плитками в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tilePredictionsNmsThreshold	Пороговое значение IOU для выполнения NMS при слиянии прогнозов из плиток и изображений. Используется в 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 обучения. Должно быть положительным целым числом.	струна
validationBatchSize	Размер пакета 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, используемый для метрик проверки. Должно быть "none", "coco", "voc" или "coco_voc".	струна
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой 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

ImageObjectDetection

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageObjectDetection (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsObjectDetection
primaryMetric	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.	ImageSweepSettings
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.	int

Регрессия

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	Регрессия (обязательно)
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	string[]
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Параметры модели и обучения, которые будут оставаться постоянными во время обучения.	TableFixedParameters
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossValidations
primaryMetric	Основная метрика для задачи регрессии.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "SpearmanCorrelation"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	TableParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	TableSweepSettings
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.	int
trainingSettings	Входные данные для этапа обучения для задания AutoML.	РегрессионTrainingSettings
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.	int
weightColumnName	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" "GradientBoosting" "KNN" "ЛассоЛарс" "LightGBM" "RandomForest" "ХУК" "XGBoostRegressor"
blockedTrainingAlgorithms	Заблокированные модели для задачи регрессии.	Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" "GradientBoosting" "KNN" "ЛассоЛарс" "LightGBM" "RandomForest" "ХУК" "XGBoostRegressor"
enableDnnTraining	Включите рекомендацию моделей DNN.	bool
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	bool
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	bool
enableStackEnsemble	Включите запуск ансамбля стека.	bool
enableVoteEnsemble	Включите запуск ансамбля голосования.	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
trainingMode	Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы.	"Авто" "Распределено" "NonDistributed"

TextClassification

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextClassification (обязательно)
featurizationSettings	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
primaryMetric	Основная метрика для задачи Text-Classification.	"AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	NlpParameterSubspace[]
sweepSettings	Параметры для настройки масштабируемой модели и гиперпараметров.	NlpSweepSettings
validationData	Входные данные проверки.	MLTableJobInput

NlpVerticalFeaturizationSettings

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

NlpFixedParameters

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

NlpVerticalLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	int
maxNodes	Максимальное количество узлов, используемых для эксперимента.	int
maxTrials	Число итераций AutoML.	int
Времени ожидания	Время ожидания задания AutoML.	струна
trialTimeout	Время ожидания для отдельных пробных версий HD.	струна

NlpParameterSubspace

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
ModelName	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.	EarlyTerminationPolicy
выборкаAlgorithm	[Обязательный] Тип алгоритма выборки.	"Байезиан" "Сетка" "Случайный" (обязательный)

TextClassificationMultilabel

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextClassificationMultilabel (обязательно)
featurizationSettings	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
validationData	Входные данные проверки.	MLTableJobInput

TextNer

Имя	Описание	Ценность
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextNER (обязательно)
featurizationSettings	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
validationData	Входные данные проверки.	MLTableJobInput

CommandJob

Имя	Описание	Ценность
jobType	[Обязательный] Указывает тип задания.	"Command" (обязательно)
autologgerSettings	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	AutologgerSettings
codeId	Идентификатор ресурса ARM ресурса ресурса кода.	струна
команда	[Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py"	строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_]
распределение	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	distributionConfiguration
environmentId	[Обязательный] Идентификатор ресурса ARM спецификации среды для задания.	строка (обязательно) Ограничения целостности: Pattern = [a-zA-Z0-9_]
environmentVariables	Переменные среды, включенные в задание.	CommandJobEnvironmentVariables
Входы	Сопоставление входных привязок данных, используемых в задании.	CommandJobInputs
Ограничения	Ограничение задания команд.	CommandJobLimits
Выходы	Сопоставление привязок выходных данных, используемых в задании.	CommandJobOutputs
ресурсы	Конфигурация вычислительных ресурсов для задания.	JobResourceConfiguration

AutologgerSettings

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

DistributionConfiguration

Имя	Описание	Ценность
distributionType	Установка типа объекта	Mpi PyTorch TensorFlow (обязательно)

Mpi

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

PyTorch

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

TensorFlow

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	TensorFlow (обязательно)
parameterServerCount	Количество задач сервера параметров.	int
workerCount	Число рабочих ролей. Если этот параметр не указан, по умолчанию используется число экземпляров.	int

CommandJobEnvironmentVariables

Имя	Описание	Ценность
{настраиваемое свойство}		струна

CommandJobInputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobInput

JobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	Установка типа объекта	custom_model литерал mlflow_model mltable triton_model uri_file uri_folder (обязательно)

CustomModelJobInput

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

ЛитералJobInput

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

TritonModelJobInput

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

UriFileJobInput

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

UriFolderJobInput

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

CommandJobLimits

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

CommandJobOutputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobOutput

LabelingJobProperties

Имя	Описание	Ценность
componentId	Идентификатор ресурса ARM ресурса компонента.	струна
computeId	Идентификатор ресурса ARM вычислительного ресурса.	струна
dataConfiguration	Настройка данных, используемых в задании.	LabelingDataConfiguration
описание	Текст описания ресурса.	струна
displayName	Отображаемое имя задания.	струна
experimentName	Имя эксперимента, к которому принадлежит задание. Если задание не задано, задание помещается в эксперимент по умолчанию.	струна
тождество	Конфигурация удостоверения. Если задано, это должен быть один из AmlToken, ManagedIdentity, UserIdentity или NULL. По умолчанию AmlToken имеет значение NULL.	IdentityConfiguration
isArchived	Архивируется ли ресурс?	bool
jobInstructions	Инструкции по маркировке задания.	labelingJobInstructions
jobType	[Обязательный] Указывает тип задания.	AutoML "Command" "Метка" Конвейер Spark "Очистка" (обязательно)
Категории меток	Категории меток задания.	категории LabelingJobLabelCategories
labelingJobMediaProperties	Свойства типа носителя в задании.	LabelingJobMediaProperties
mlAssistConfiguration	Настройка функции MLAssist в задании.	MLAssistConfiguration
свойства	Словарь свойств ресурса.	ResourceBaseProperties
Услуги	Список заданий. Для локальных заданий конечная точка задания будет иметь значение конечной точки FileStreamObject.	JobBaseServices
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	объект

LabelingDataConfiguration

Имя	Описание	Ценность
dataId	Идентификатор ресурса ресурса ресурса для выполнения меток.	струна
incrementalDataRefresh	Указывает, следует ли включить добавочное обновление данных.	"Отключено" "Включено"

LabelingJobInstructions

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

Категории LabelingJobLabel

Имя	Описание	Ценность
{настраиваемое свойство}		LabelCategory

LabelCategory

Имя	Описание	Ценность
Классы	Словарь классов меток в этой категории.	LabelCategoryClasses
displayName	Отображаемое имя категории меток.	струна
MultiSelect	Указывает, разрешено ли выбрать несколько классов в этой категории.	"Отключено" "Включено"

LabelCategoryClasses

Имя	Описание	Ценность
{настраиваемое свойство}		LabelClass

LabelClass

Имя	Описание	Ценность
displayName	Отображаемое имя класса метки.	струна
Подклассы	Словарь подклассов класса меток.	LabelClassSubclasses

LabelClassSubclasses

Имя	Описание	Ценность
{настраиваемое свойство}		LabelClass

LabelingJobMediaProperties

Имя	Описание	Ценность
mediaType	Установка типа объекта	изображения текстовый (обязательный)

LabelingJobImageProperties

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

LabelingJobTextProperties

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

MLAssistConfiguration

Имя	Описание	Ценность
mlAssist	Установка типа объекта	отключены включено (обязательно)

MLAssistConfigurationDisabled

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

MLAssistConfigurationEnabled

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

PipelineJob

Имя	Описание	Ценность
jobType	[Обязательный] Указывает тип задания.	"Pipeline" (обязательно)
Входы	Входные данные для задания конвейера.	PipelineJobInputs
Рабочих мест	Задания создают задание конвейера.	PipelineJobJobs
Выходы	Выходные данные для задания конвейера	PipelineJobOutputs
Параметры	Параметры конвейера, например ContinueRunOnStepFailure и т. д.
sourceJobId	Идентификатор ресурса ARM исходного задания.	струна

PipelineJobInputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobInput

PipelineJobJobs

Имя	Описание	Ценность
{настраиваемое свойство}

PipelineJobOutputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobOutput

SparkJob

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

SparkJobConf

Имя	Описание	Ценность
{настраиваемое свойство}		струна

SparkJobEntry

Имя	Описание	Ценность
sparkJobEntryType	Установка типа объекта	SparkJobPythonEntry SparkJobScalaEntry (обязательно)

SparkJobPythonEntry

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

SparkJobScalaEntry

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

SparkJobInputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobInput

SparkJobOutputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobOutput

SparkResourceConfiguration

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

SweepJob

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

SweepJobInputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobInput

SweepJobLimits

Имя	Описание	Ценность
jobLimitsType	[Обязательный] Тип JobLimit.	"Command" "Очистка" (обязательно)
maxConcurrentTrials	Максимальное число параллельных пробных версий задания очистки.	int
maxTotalTrials	Максимальное количество пробных версий заданий для очистки.	int
Времени ожидания	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

Объективный

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

SweepJobOutputs

Имя	Описание	Ценность
{настраиваемое свойство}		JobOutput

ВыборкаAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	Установка типа объекта	Байезиан сетки случайных (обязательно)

BayesianSamplingAlgorithm

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

GridSamplingAlgorithm

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

RandomSamplingAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	"Случайный" (обязательный)
logbase	Необязательное положительное число или e в строковом формате, используемое в качестве базы для случайной выборки на основе журнала	струна
правило	Конкретный тип случайного алгоритма	"Случайный" "Собол"
семя	Необязательное целое число, используемое в качестве начального значения для случайного создания чисел	int

TrialComponent

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

TrialComponentEnvironmentVariables

Имя	Описание	Ценность
{настраиваемое свойство}		струна

EndpointScheduleAction

Имя	Описание	Ценность
actionType	[Обязательный] Указывает тип действия расписания	InvokeBatchEndpoint (обязательно)
endpointInvocationDefinition	[Обязательный] Определяет сведения о определении действия расписания. {see href="TBD" /}

TriggerBase

Имя	Описание	Ценность
endTime	Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601. Формат перекомментированного формата будет "2022-06-01T00:00:01" Если это не так, расписание будет выполняться на неопределенный срок	струна
startTime	Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC.	струна
часовой пояс	Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows. См. ссылку: /windows-hardware/manufacture/desktop/default-time-zones/>	струна
triggerType	Установка типа объекта	Cron повторения (обязательно)

CronTrigger

Имя	Описание	Ценность
endTime	Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601. Формат перекомментированного формата будет "2022-06-01T00:00:01" Если это не так, расписание будет выполняться на неопределенный срок	струна
выражение	[Обязательный] Указывает выражение крона расписания. Выражение должно соответствовать формату NCronTab.	строка (обязательно) Ограничения целостности: Pattern = [a-zA-Z0-9_]
startTime	Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC.	струна
часовой пояс	Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows. Ссылка: /windows-hardware/manufacture/desktop/default-time-пояса	струна
triggerType	[Обязательный]	"Cron" "Повторение" (обязательно)

ПовторениеTrigger

Имя	Описание	Ценность
endTime	Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601. Формат перекомментированного формата будет "2022-06-01T00:00:01" Если это не так, расписание будет выполняться на неопределенный срок	струна
частота	[Обязательный] Частота запуска расписания.	"День" "Час" "Minute" "Месяц" "Неделя" (обязательно)
интервал	[Обязательный] Указывает интервал расписания в сочетании с частотой	int (обязательно)
расписание	Расписание повторения.	ПовторениеSchedule
startTime	Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC.	струна
часовой пояс	Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows. Ссылка: /windows-hardware/manufacture/desktop/default-time-пояса	струна
triggerType	[Обязательный]	"Cron" "Повторение" (обязательно)

ПовторениеSchedule

Имя	Описание	Ценность
Часов	[Обязательный] Список часов для расписания.	int[] (обязательно)
протокол	[Обязательный] Список минут для расписания.	int[] (обязательно)
monthDays	Список дней месяца для расписания	int[]
будни	Список дней для расписания.	Массив строк, содержащий любой из: "Пятница" "Понедельник" "Суббота" "Воскресенье" "Четверг" "Вторник" "Среда"