Рабочие области Microsoft.MachineLearningServices/schedules 2023-08-01-preview

2025-05-01

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@2023-08-01-preview' = {
  parent: resourceSymbolicName
  name: 'string'
  properties: {
    action: {
      actionType: 'string'
      // For remaining properties, see ScheduleActionBase objects
    }
    description: 'string'
    displayName: 'string'
    isEnabled: bool
    properties: {
      {customized property}: 'string'
    }
    tags: {
      {customized property}: 'string'
    }
    trigger: {
      endTime: 'string'
      startTime: 'string'
      timeZone: 'string'
      triggerType: 'string'
      // For remaining properties, see TriggerBase objects
    }
  }
}

Объекты SparkJobEntry

Задайте свойство sparkJobEntryType , чтобы указать тип объекта.

Для SparkJobPythonEntry используйте:

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

Для SparkJobScalaEntry используйте:

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

Объекты TargetRollingWindowSize

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode: 'Auto'
}

Для пользовательского использования используйте:

{
  mode: 'Custom'
  value: int
}

Объекты ModelPerformanceMetricThresholdBase

Задайте свойство modelType , чтобы указать тип объекта.

Для классификации используйте:

{
  metric: 'string'
  modelType: 'Classification'
}

Для регрессии используйте:

{
  metric: 'string'
  modelType: 'Regression'
}

Объекты NCrossValidations

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode: 'Auto'
}

Для пользовательского использования используйте:

{
  mode: 'Custom'
  value: int
}

Объекты MonitorComputeIdentityBase

Задайте свойство computeIdentityType , чтобы указать тип объекта.

Для AmlToken используйте:

{
  computeIdentityType: 'AmlToken'
}

Для ManagedIdentityиспользуйте:

{
  computeIdentityType: 'ManagedIdentity'
  identity: {
    type: 'string'
    userAssignedIdentities: {
      {customized property}: {}
    }
  }
}

Объекты DistributionConfiguration

Задайте свойство distributionType , чтобы указать тип объекта.

Для Mpi используйте:

{
  distributionType: 'Mpi'
  processCountPerInstance: int
}

Для PyTorch используйте:

{
  distributionType: 'PyTorch'
  processCountPerInstance: int
}

Для Ray используйте:

{
  address: 'string'
  dashboardPort: int
  distributionType: 'Ray'
  headNodeAdditionalArgs: 'string'
  includeDashboard: bool
  port: int
  workerNodeAdditionalArgs: 'string'
}

Для TensorFlow используйте:

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

Объекты JobBaseProperties

Задайте свойство jobType , чтобы указать тип объекта.

Для AutoML используйте:

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

Для команды используйте следующую команду:

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

Для маркировки используйте:

{
  dataConfiguration: {
    dataId: 'string'
    incrementalDataRefresh: 'string'
  }
  jobInstructions: {
    uri: 'string'
  }
  jobType: 'Labeling'
  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 конвейера используйте:

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

Для Spark используйте:

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

Для очистки используйте:

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

Объекты DataQualityMetricThresholdBase

Задайте свойство dataType , чтобы указать тип объекта.

Для категориальных используйте:

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

Для числовых значений используйте:

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

Объекты DataImportSource

Задайте свойство sourceType , чтобы указать тип объекта.

Для базы данных используйте:

{
  query: 'string'
  sourceType: 'database'
  storedProcedure: 'string'
  storedProcedureParams: [
    {
      {customized property}: 'string'
    }
  ]
  tableName: 'string'
}

Для file_system используйте:

{
  path: 'string'
  sourceType: 'file_system'
}

Объекты веб-перехватчика

Задайте свойство webhookType , чтобы указать тип объекта.

Для AzureDevOps используйте:

{
  webhookType: 'AzureDevOps'
}

Объекты сезонности

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode: 'Auto'
}

Для пользовательского использования используйте:

{
  mode: 'Custom'
  value: int
}

Объекты DataDriftMetricThresholdBase

Задайте свойство dataType , чтобы указать тип объекта.

Для категориальных используйте:

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

Для числовых значений используйте:

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

Объекты PredictionDriftMetricThresholdBase

Задайте свойство dataType , чтобы указать тип объекта.

Для категориальных используйте:

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

Для числовых значений используйте:

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

Объекты MonitoringSignalBase

Задайте свойство signalType , чтобы указать тип объекта.

Для пользовательского использования используйте:

{
  componentId: 'string'
  inputAssets: {
    {customized property}: {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  metricThresholds: [
    {
      metric: 'string'
      threshold: {
        value: int
      }
    }
  ]
  signalType: 'Custom'
  workspaceConnection: {
    environmentVariables: {
      {customized property}: 'string'
    }
    secrets: {
      {customized property}: 'string'
    }
  }
}

Для DataDrift используйте:

{
  dataSegment: {
    feature: 'string'
    values: [
      'string'
    ]
  }
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  featureImportanceSettings: {
    mode: 'string'
    targetColumn: 'string'
  }
  features: {
    filterType: 'string'
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds: [
    {
      threshold: {
        value: int
      }
      dataType: 'string'
      // For remaining properties, see DataDriftMetricThresholdBase objects
    }
  ]
  productionData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'DataDrift'
}

Для DataQuality используйте:

{
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  featureImportanceSettings: {
    mode: 'string'
    targetColumn: 'string'
  }
  features: {
    filterType: 'string'
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds: [
    {
      threshold: {
        value: int
      }
      dataType: 'string'
      // For remaining properties, see DataQualityMetricThresholdBase objects
    }
  ]
  productionData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'DataQuality'
}

Для FeatureAttributionDrift используйте:

{
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  featureImportanceSettings: {
    mode: 'string'
    targetColumn: 'string'
  }
  metricThreshold: {
    metric: 'string'
    threshold: {
      value: int
    }
  }
  productionData: [
    {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'FeatureAttributionDrift'
}

Для GenerationSafetyQuality используйте следующее:

{
  metricThresholds: [
    {
      metric: 'string'
      threshold: {
        value: int
      }
    }
  ]
  productionData: [
    {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  samplingRate: int
  signalType: 'GenerationSafetyQuality'
  workspaceConnectionId: 'string'
}

Для GenerationTokenStatistics используйте следующее:

{
  metricThresholds: [
    {
      metric: 'string'
      threshold: {
        value: int
      }
    }
  ]
  productionData: [
    {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  samplingRate: int
  signalType: 'GenerationTokenStatistics'
}

Для ModelPerformance используйте:

{
  dataSegment: {
    feature: 'string'
    values: [
      'string'
    ]
  }
  metricThreshold: {
    threshold: {
      value: int
    }
    modelType: 'string'
    // For remaining properties, see ModelPerformanceMetricThresholdBase objects
  }
  productionData: [
    {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'ModelPerformance'
}

Для прогнозированияDrift используйте:

{
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  metricThresholds: [
    {
      threshold: {
        value: int
      }
      dataType: 'string'
      // For remaining properties, see PredictionDriftMetricThresholdBase objects
    }
  ]
  productionData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'PredictionDrift'
}

Объекты nodes

Задайте свойство nodesValueType , чтобы указать тип объекта.

Для всех используйте:

{
  nodesValueType: 'All'
}

Объекты LabelingJobMediaProperties

Задайте свойство mediaType , чтобы указать тип объекта.

Для образа используйте:

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

Для текста используйте:

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

Объекты EarlyTerminationPolicy

Задайте свойство policyType , чтобы указать тип объекта.

Для Bandit используйте:

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

Для MedianStopping используйте:

{
  policyType: 'MedianStopping'
}

Для усеченияSelection используйте:

{
  policyType: 'TruncationSelection'
  truncationPercentage: int
}

Объекты MonitoringInputDataBase

Задайте свойство inputDataType , чтобы указать тип объекта.

Для исправлений используйте:

{
  inputDataType: 'Fixed'
}

Для роллинга используйте:

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

Для статическихиспользуйте:

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

Объекты TargetLags

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode: 'Auto'
}

Для пользовательского использования используйте:

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

Объекты AutoMLVertical

Задайте свойство taskType, чтобы указать тип объекта.

Для классификации используйте:

{
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any(...)
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    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'
  }
  taskType: 'Classification'
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any(...)
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
    trainingMode: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'
}

Для прогнозирования используйте:

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

Для ImageClassification используйте:

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

Для ImageClassificationMultilabel используйте:

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

Для ImageInstanceSegmentation используйте:

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

Для ImageObjectDetection используйте:

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

Для регрессии используйте:

{
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any(...)
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    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'
  }
  taskType: 'Regression'
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any(...)
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
    trainingMode: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'
}

Для TextClassification используйте:

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

Для TextClassificationMultilabel используйте:

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

Для TextNER используйте:

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

Объекты MonitorComputeConfigurationBase

Задайте свойство computeType , чтобы указать тип объекта.

Для serverlessSpark используйте:

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

Объекты TriggerBase

Задайте свойство triggerType , чтобы указать тип объекта.

Для Cron используйте:

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

Для повторения используйте:

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

Объекты JobInput

Задайте свойство jobInputType , чтобы указать тип объекта.

Для custom_model используйте:

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

Для литерала используйте:

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

Для mlflow_model используйте:

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

Для mltable используйте:

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

Для triton_model используйте:

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

Для uri_file используйте:

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

Для uri_folder используйте:

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

Объекты IdentityConfiguration

Задайте свойство identityType , чтобы указать тип объекта.

Для AMLToken используйте:

{
  identityType: 'AMLToken'
}

Для управляемого использования используйте:

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

Для UserIdentity используйте:

{
  identityType: 'UserIdentity'
}

Объекты MLAssistConfiguration

Задайте свойство mlAssist , чтобы указать тип объекта.

Для отключенных используйте:

{
  mlAssist: 'Disabled'
}

Для включения используйте:

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

Объекты ВыборкиAlgorithm

Задайте свойство выборкиAlgorithmType , чтобы указать тип объекта.

Для Байезиана используйте:

{
  samplingAlgorithmType: 'Bayesian'
}

Для Сетки используйте:

{
  samplingAlgorithmType: 'Grid'
}

Для случайного использования используйте:

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

Объекты ForecastHorizon

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode: 'Auto'
}

Для пользовательского использования используйте:

{
  mode: 'Custom'
  value: int
}

Объекты JobOutput

Задайте свойство jobOutputType , чтобы указать тип объекта.

Для custom_model используйте:

{
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  jobOutputType: 'custom_model'
  mode: 'string'
  uri: 'string'
}

Для mlflow_model используйте:

{
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  jobOutputType: 'mlflow_model'
  mode: 'string'
  uri: 'string'
}

Для mltable используйте:

{
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  jobOutputType: 'mltable'
  mode: 'string'
  uri: 'string'
}

Для triton_model используйте:

{
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  jobOutputType: 'triton_model'
  mode: 'string'
  uri: 'string'
}

Для uri_file используйте:

{
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  jobOutputType: 'uri_file'
  mode: 'string'
  uri: 'string'
}

Для uri_folder используйте:

{
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  jobOutputType: 'uri_folder'
  mode: 'string'
  uri: 'string'
}

Объекты MonitoringFeatureFilterBase

Задайте свойство filterType , чтобы указать тип объекта.

Для AllFeatures используйте:

{
  filterType: 'AllFeatures'
}

Для FeatureSubset используйте:

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

Для TopNByAttribution используйте:

{
  filterType: 'TopNByAttribution'
  top: int
}

Объекты ScheduleActionBase

Задайте свойство actionType, чтобы указать тип объекта.

Для CreateJob используйте:

{
  actionType: 'CreateJob'
  jobDefinition: {
    componentId: 'string'
    computeId: 'string'
    description: 'string'
    displayName: 'string'
    experimentName: 'string'
    identity: {
      identityType: 'string'
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived: bool
    notificationSetting: {
      emailOn: [
        'string'
      ]
      emails: [
        'string'
      ]
      webhooks: {
        {customized property}: {
          eventType: 'string'
          webhookType: 'string'
          // For remaining properties, see Webhook objects
        }
      }
    }
    properties: {
      {customized property}: 'string'
    }
    secretsConfiguration: {
      {customized property}: {
        uri: 'string'
        workspaceSecretName: 'string'
      }
    }
    services: {
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        nodes: {
          nodesValueType: 'string'
          // For remaining properties, see Nodes objects
        }
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
    }
    tags: {
      {customized property}: 'string'
    }
    jobType: 'string'
    // For remaining properties, see JobBaseProperties objects
  }
}

Для CreateMonitor используйте:

{
  actionType: 'CreateMonitor'
  monitorDefinition: {
    alertNotificationSettings: {
      emailNotificationSettings: {
        emails: [
          'string'
        ]
      }
    }
    computeConfiguration: {
      computeType: 'string'
      // For remaining properties, see MonitorComputeConfigurationBase objects
    }
    monitoringTarget: {
      deploymentId: 'string'
      modelId: 'string'
      taskType: 'string'
    }
    signals: {
      {customized property}: {
        notificationTypes: [
          'string'
        ]
        properties: {
          {customized property}: 'string'
        }
        signalType: 'string'
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }
}

Для ImportData используйте:

{
  actionType: 'ImportData'
  dataImportDefinition: {
    assetName: 'string'
    autoDeleteSetting: {
      condition: 'string'
      value: 'string'
    }
    dataType: 'string'
    dataUri: 'string'
    description: 'string'
    intellectualProperty: {
      protectionLevel: 'string'
      publisher: 'string'
    }
    isAnonymous: bool
    isArchived: bool
    properties: {
      {customized property}: 'string'
    }
    source: {
      connection: 'string'
      sourceType: 'string'
      // For remaining properties, see DataImportSource objects
    }
    stage: 'string'
    tags: {
      {customized property}: 'string'
    }
  }
}

Для InvokeBatchEndpoint используйте:

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

Значения свойств

Microsoft.MachineLearningServices/рабочие области/расписания

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

ВсеОсобенности

Имя	Описание	Ценность
Тип фильтра	[Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик.	AllFeatures (обязательный)

Узлы AllNodes

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

Токен AmlToken

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

AmlTokenComputeIdentity

Имя	Описание	Ценность
computeIdentityType	[Обязательный] Мониторинг перечисления типа вычислительных удостоверений.	AmlToken (обязательно)

Настройка автоматического удаления

Имя	Описание	Ценность
условие	Когда необходимо проверить, истек ли срок действия ресурса	"CreatedGreaterThan" LastAccessedGreaterThan
ценность	Значение условия окончания срока действия.	струна

Горизонт автопрогноза

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

Настройки авторегистратора

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

AutoMLЧоб

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

AutoMLJobEnvironmentVariables

Имя	Описание	Ценность

AutoMLJobOutputs

Имя	Описание	Ценность

AutoMLVertical

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

AutoNCrossValidations

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

Автосесональность

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

AutoTargetLags

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

AutoTargetRollingWindowSize

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

AzureDevOpsWebhook

Имя	Описание	Ценность
webhookType	[Обязательный] Указывает тип службы для отправки обратного вызова.	AzureDevOps (обязательно)

БандитПолитика

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

Байесовский алгоритм выборки

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

CategoricalDataDriftMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Категориальный" (обязательный)
Метрика	[Обязательный] Вычисляемая метрика смещения категориальных данных.	"JensenShannonDistance" «PearsonsChiSquaredTest» "PopulationStabilityIndex" (обязательный)

CategoricalDataQualityMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Категориальный" (обязательный)
Метрика	[Обязательный] Метрика качества категориальных данных для вычисления.	DataTypeErrorRate NullValueRate OutOfBoundsRate (обязательный)

CategoricalPredictionDriftMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Категориальный" (обязательный)
Метрика	[Обязательный] Метрика смещения категориального прогнозирования для вычисления.	"JensenShannonDistance" «PearsonsChiSquaredTest» "PopulationStabilityIndex" (обязательный)

Классификация

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

ClassificationModelPerformanceMetricThreshold (КлассификацияМодельPerformanceMetricThreshold)

Имя	Описание	Ценность
Метрика	[Обязательный] Производительность модели классификации для вычисления.	"Точность" "Точность" "Отзыв" (обязательно)
modelType	[Обязательный] Указывает тип данных порогового значения метрик.	"Классификация" (обязательно)

КлассификацияTrainingSettings

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

Колонный трансформатор

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

Командная работа

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

Переменные CommandJobEnvironmentVariables

Имя	Описание	Ценность

CommandJobInputs (КомандаJobInputs)

Имя	Описание	Ценность

CommandJobLimits (Ограничения командного задания)

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

CommandJobOutputs (КомандаJobOutputs)

Имя	Описание	Ценность

Конфигурация компонентов

Имя	Описание	Ценность
pipelineSettings (Настройки)	Параметры конвейера, например ContinueRunOnStepFailure и т. д.	любой

CreateMonitorAction (СоздатьMonitorAction)

Имя	Описание	Ценность
Тип действия	[Обязательный] Указывает тип действия расписания	CreateMonitor (обязательно)
Определение монитора	[Обязательный] Определяет монитор.	MonitorDefinition (обязательно)

КранТриггер

Имя	Описание	Ценность
выражение	[Обязательный] Указывает выражение крона расписания. Выражение должно соответствовать формату NCronTab.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
Тип триггера	[Обязательный]	"Cron" (обязательно)

Пользовательский горизонт прогноза

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

CustomMetricThreshold (Пользовательский порог)

Имя	Описание	Ценность
Метрика	[Обязательный] Определяемая пользователем метрика для вычисления.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

Ввод задания CustomModelJob

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

CustomModelJobOutput (Пользовательский модельЗаданиеВыход)

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"custom_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

Пользовательский сигнал мониторинга

Имя	Описание	Ценность
Идентификатор компонента	[Обязательный] Идентификатор ресурса ARM ресурса компонента, используемый для вычисления пользовательских метрик.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
inputAssets	Мониторинг ресурсов, которые необходимо принимать в качестве входных данных. Ключом является имя порта ввода компонента, значением является ресурс данных.	ПользовательскийМониторингСигналВходные Активы
входные данные	Дополнительные параметры компонента, которые будут приниматься в качестве входных данных. Ключом является имя порта ввода компонента, значением является значение параметра.	Пользовательские входы сигналов мониторинга
metricThresholds	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	CustomMetricThreshold[] (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	"Custom" (обязательный)
Подключение к рабочему пространству	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	MonitoringWorkspaceConnection (обязательно)

ПользовательскийМониторингСигналВходные Активы

Имя	Описание	Ценность

Пользовательские входы сигналов мониторинга

Имя	Описание	Ценность

CustomNCrossValidations

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

Пользовательская сезонность

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

CustomTargetLags (Пользовательские целевые лаги)

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

CustomTargetRollingWindowSize

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

Источник базы данных

Имя	Описание	Ценность
запрос	Инструкция SQL Query для источника базы данных импорта данных	струна
тип источника	[Обязательный] Указывает тип данных.	"база данных" (обязательно)
StoredProcedure	SQL StoredProcedure в источнике базы данных импорта данных	струна
storedProcedureParams	Параметры StoredProcedure SQL	DatabaseSourceStoredProcedureParamsItem[]
имя_таблицы	Имя таблицы в источнике базы данных импорта данных	струна

DatabaseSourceStoredProcedureParamsItem

Имя	Описание	Ценность

DataDriftMetricThresholdBase (База данныхДрифтМетрикаПорога)

Имя	Описание	Ценность
тип данных	Установите значение "Категориальный" для типа CategoricalDataDriftMetricThreshold. Задайте значение "Числовой" для типа Числовой данныхDriftMetricThreshold.	"Категориальный" "Числовой" (обязательный)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

DataDriftMonitoringSignal (Сигнал мониторинга)

Имя	Описание	Ценность
dataSegment	Сегмент данных, используемый для определения подмножества данных.	Сегмент мониторингДанных
featureDataTypeOverride	Словарь, который сопоставляет имена функций с соответствующими типами данных.	DataDriftMonitoringSignalFeatureDataTypeOverride
featureВажностьНастройки	Параметры для важности функции вычислений.	FeatureImportanceSettings
особенности	Фильтр компонентов, определяющий, какая функция вычисляет смещение.	MonitoringFeatureFilterBase (База фильтров)
metricThresholds	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	DataDriftMetricThresholdBase[] (обязательно)
производственные данные	[Обязательный] Данные, для которых будет вычисляться смещение.	MonitoringInputDataBase (обязательно)
справочные данные	[Обязательный] Данные для вычисления смещения.	MonitoringInputDataBase (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	DataDrift (обязательно)

DataDriftMonitoringSignalFeatureDataTypeOverride

Имя	Описание	Ценность

Импорт данных

Имя	Описание	Ценность
assetName	Имя ресурса для задания импорта данных для создания	струна
autoDeleteSetting	Задает параметр жизненного цикла управляемого ресурса данных.	Настройка автоматического удаления
тип данных	[Обязательный] Указывает тип данных.	"mltable" "uri_file" "uri_folder" (обязательно)
dataUri	[Обязательный] Универсальный код ресурса (URI) данных. Пример: https://go.microsoft.com/fwlink/?linkid=2202330	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
описание	Текст описания ресурса.	струна
интеллектуальная пропертия	Сведения об интеллектуальной собственности. Используется, если данные являются интеллектуальной собственностью.	Интеллектуальная Проперти
isAnonymous	Если версия имени создается системой (анонимная регистрация). Для типов, в которых определен этап, при указании этапа он будет использоваться для заполнения IsAnonymous	булевая переменная (bool)
isArchived	Архивируется ли ресурс? Для типов, в которых определен этап, при указании этапа он будет использоваться для заполнения IsArchived	булевая переменная (bool)
свойства	Словарь свойств ресурса.	РесурсБазаСвойства
Источник	Исходные данные ресурса для импорта из	Источник импорта данных
этап	Этап жизненного цикла данных, назначенный этому ресурсу данных	струна
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	Теги ResourceBaseTags

Источник импорта данных

Имя	Описание	Ценность
подключение	Подключение к рабочей области для хранилища источников импорта данных	струна
тип источника	Задайте для типа DatabaseSource значение database. Установите значение "file_system" для типа FileSystemSource.	"база данных" "file_system" (обязательно)

DataQualityMetricThresholdBase (ДатаКачествоМетрикаПороговая база)

Имя	Описание	Ценность
тип данных	Установите значение "Категориальный" для типа CategoricalDataQualityMetricThreshold. Задайте значение "Числовой" для типа Числовой ДанныеQualityMetricThreshold.	"Категориальный" "Числовой" (обязательный)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

Сигнал DataQualityMonitoringSignal (Сигнал DataQualityMonitoring)

Имя	Описание	Ценность
featureDataTypeOverride	Словарь, который сопоставляет имена функций с соответствующими типами данных.	DataQualityMonitoringSignalFeatureDataTypeOverride
featureВажностьНастройки	Параметры для важности функции вычислений.	FeatureImportanceSettings
особенности	Функции для вычисления смещения.	MonitoringFeatureFilterBase (База фильтров)
metricThresholds	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	DataQualityMetricThresholdBase[] (обязательно)
производственные данные	[Обязательный] Данные, созданные рабочей службой, для которой будет вычисляться смещение.	MonitoringInputDataBase (обязательно)
справочные данные	[Обязательный] Данные для вычисления смещения.	MonitoringInputDataBase (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	DataQuality (обязательно)

DataQualityMonitoringSignalFeatureDataTypeOverride

Имя	Описание	Ценность

DistributionConfiguration (РаспределениеКонфигурация)

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

Политика досрочного прекращения

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

EndpointScheduleAction (ДействиеEndpointSchedule)

Имя	Описание	Ценность
Тип действия	[Обязательный] Указывает тип действия расписания	InvokeBatchEndpoint (обязательно)
endpointInvocationDefinition	[Обязательный] Определяет сведения о определении действия расписания. <see href="TBD" />	любой (обязательный)

FeatureAttributionDriftMonitoringSignal

Имя	Описание	Ценность
featureDataTypeOverride	Словарь, который сопоставляет имена функций с соответствующими типами данных.	FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
featureВажностьНастройки	Параметры для важности функции вычислений.	FeatureImportanceSettings
metricThreshold	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	FeatureAttributionMetricThreshold (обязательно)
производственные данные	[Обязательный] Данные, для которых будет вычисляться смещение.	MonitoringInputDataBase[] (обязательно)
справочные данные	[Обязательный] Данные для вычисления смещения.	MonitoringInputDataBase (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	FeatureAttributionDrift (обязательный)

FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride

Имя	Описание	Ценность

FeatureAttributionMetricThreshold

Имя	Описание	Ценность
Метрика	[Обязательный] Вычислимая метрика атрибута.	"NormalizedDiscountedCumulativeGain" (обязательный)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

FeatureImportanceSettings

Имя	Описание	Ценность
режим	Режим работы для важности функции вычислений.	"Отключено" "Включено"
targetColumn	Имя целевого столбца в входных ресурсах данных.	струна

FeatureSubset (Подмножество функций)

Имя	Описание	Ценность
особенности	[Обязательный] Список функций, которые необходимо включить.	string[] (обязательно)
Тип фильтра	[Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик.	FeatureSubset (обязательный)

Источник файловой системы

Имя	Описание	Ценность
путь	Путь к источнику fileSystem импорта данных	струна
тип источника	[Обязательный] Указывает тип данных.	"file_system" (обязательно)

FixedInputData (Данные ввода)

Имя	Описание	Ценность
inputDataType	[Обязательный] Указывает тип сигнала для отслеживания.	"Исправлено" (обязательно)

ПрогнозHorizon

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

Прогнозирование

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

ПрогнозированиеSettings

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

ПрогнозированиеTrainingSettings

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

Порог метрики GenerationSafetyQualityMeter

Имя	Описание	Ценность
Метрика	[Обязательный] Возвращает или задает метрику атрибуции функции для вычисления.	"AcceptableCoherenceScorePerInstance" "AcceptableFluencyScorePerInstance" "AcceptableGroundednessScorePerInstance" "AcceptableRelevanceScorePerInstance" "AcceptableSimilarityScorePerInstance" «Агрегированный коэффициент когерентности» "AggregatedFluencyPassRate" "AggregatedGroundednessPassRate" "AggregatedRelevancePassRate" "AggregatedSimilarityPassRate" (обязательный)
порог	Возвращает или задает пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

ГенерацияБезопасностьКачествоМониторингСигнал

Имя	Описание	Ценность
metricThresholds	[Обязательный] Возвращает или задает метрики для вычисления и соответствующих пороговых значений.	GenerationSafetyQualityMetricThreshold[] (обязательно)
производственные данные	Возвращает или задает рабочие данные для вычислений метрик.	База данных MonitoringInput[]
выборка	[Обязательный] Частота выборки рабочих данных должна превышать 0 и не более 1.	int (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	GenerationSafetyQuality (обязательно)
workspaceConnectionId	Возвращает или задает идентификатор подключения рабочей области, используемый для подключения к конечной точке создания контента.	струна

Пороговое значение метрики GenerationTokenUsageMetricThreshold

Имя	Описание	Ценность
Метрика	[Обязательный] Возвращает или задает метрику атрибуции функции для вычисления.	TotalTokenCount TotalTokenCountPerGroup (обязательно)
порог	Возвращает или задает пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

GenerationTokenUsageSignal

Имя	Описание	Ценность
metricThresholds	[Обязательный] Возвращает или задает метрики для вычисления и соответствующих пороговых значений.	GenerationTokenUsageMetricThreshold[] (обязательный)
производственные данные	Возвращает или задает рабочие данные для вычислений метрик.	База данных MonitoringInput[]
выборка	[Обязательный] Частота выборки рабочих данных должна превышать 0 и не более 1.	int (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	GenerationTokenStatistics (обязательно)

Алгоритм сетчатой выборки

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

IdentityConfiguration (Конфигурация идентичности)

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

Классификация изображений

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

ImageClassificationMultilabel (Классификация изображенийMultilabel)

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

Сегментация экземпляра изображения

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

ImageLimitSettings (Настройки ImageLimit)

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

ImageModelDistributionSettingsКлассификация

Имя	Описание	Ценность
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
бета2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
ранняяОстановка	Включите логику раннего остановки во время обучения.	струна
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". 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
разминкаCosineLRCycles	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

ImageModelDistributionSettingsObjectDetection

Имя	Описание	Ценность
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
бета2	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 Порог BoxScore. Должен быть плавающей запятой в диапазоне[0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
ранняяОстановка	Включите логику раннего остановки во время обучения.	струна
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
размер изображения	Размер изображения для обучения и проверки. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. 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
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
modelSize	Размер модели. Должен быть "маленький", "средний", "большой" или "xlarge". Примечание. Учебный запуск может попасть в OOM CUDA, если размер модели слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". 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
разминкаCosineLRCycles	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

ImageModelSettingsClassification

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

ImageModelSettingsОбнаружение объектов

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

Обнаружение объектов ImageObject

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

Настройки ImageSweepSettings

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

ImportDataAction (ДействиеImportDataAction)

Имя	Описание	Ценность
Тип действия	[Обязательный] Указывает тип действия расписания	ImportData (обязательно)
dataImportDefinition	[Обязательный] Определяет сведения о определении действия расписания.	DataImport (обязательно)

Интеллектуальная Проперти

Имя	Описание	Ценность
защитаУровень	Уровень защиты интеллектуальной собственности.	"Все" "Нет"
издатель	[Обязательный] Издатель интеллектуальной собственности. Должно совпадать с именем издателя реестра.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

JobBaseProperties (Свойства JobBase)

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

JobBaseSecretsConfiguration (Конфигурация JobBaseSecrets)

Имя	Описание	Ценность

Услуги JobBase

Имя	Описание	Ценность

JobInput (Ввод задания)

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

JobOutput (Вывод задания)

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

JobResourceConfiguration (Конфигурация JobResourceConfiguration)

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

JobScheduleAction (ДействиеJobSchedule)

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

JobService

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

JobServiceProperties (Свойства JobService)

Имя	Описание	Ценность

Категория метки

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

Классы LabelCategory

Имя	Описание	Ценность

Класс меток

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

Подклассы LabelClass

Имя	Описание	Ценность

LabelingDataConfiguration (МаркировкаDataConfiguration)

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

LabelingJobImageProperties (Свойства LabelingJobImage)

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

LabelingJobInstructions

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

Категории LabelingJobLabel

Имя	Описание	Ценность

LabelingJobMediaProperties (Свойства LabelingJobMedia)

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

LabelingJobProperties (Свойства задания)

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

LabelingJobTextProperties (Свойства текста)

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

ЛитералJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"литерал" (обязательный)
ценность	[Обязательный] Литеральное значение для входных данных.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

ManagedComputeIdentity (Управляемая вычислительная идентификация)

Имя	Описание	Ценность
computeIdentityType	[Обязательный] Мониторинг перечисления типа вычислительных удостоверений.	ManagedIdentity (обязательный)
идентичность	Управляемое удостоверение службы (назначенные системой удостоверения и (или) назначенные пользователем удостоверения	ManagedServiceIdentity (Управляемый сервисИдентификация)

Управляемая идентификация

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

Управляемая служебная идентичность

Имя	Описание	Ценность
тип	Тип управляемого удостоверения службы (где разрешены типы SystemAssigned и UserAssigned).	"Нет" SystemAssigned SystemAssigned, UserAssigned UserAssigned (обязательно)
ИдентичностиНазначенныеПользователем	Набор назначенных пользователем удостоверений, связанных с ресурсом. Ключи словаря userAssignedIdentities будут идентификаторами ресурсов ARM в форме: "/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Значения словаря могут быть пустыми объектами ({}) в запросах.	UserAssignedIdentity (Пользовательские идентификаторы)

MedianStoppingPolicy (МедианСтоппингPolicy)

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

Конфигурация MLAssist

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

MLAssistConfigurationDisabled

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

MLAssistConfigurationEnabled

Имя	Описание	Ценность
inferencingComputeBinding	[Обязательный] Привязка вычислений AML, используемая в выводе.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
mlAssist	[Обязательный] Указывает, включена ли функция MLAssist.	"Включено" (обязательно)
trainingComputeBinding	[Обязательный] Привязка вычислений AML, используемая в обучении.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

MLFlowModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"mlflow_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

MLFlowModelJobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

MLFlowModelJobOutput

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"mlflow_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

MLTableJobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

MLTableJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"mltable" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

MLTableJobOutput

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"mltable" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

МодельПроизводительностьМетрикаПороговая база

Имя	Описание	Ценность
modelType	Установите значение "Классификация" для типа ClassificationModelPerformanceMetricThreshold. Задайте значение Regression для типа RegressionModelPerformanceMetricThreshold.	"Классификация" Регрессия (обязательно)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

ModelPerformanceSignal (Сигнал ModelPerformanceSignal)

Имя	Описание	Ценность
dataSegment	Сегмент данных.	Сегмент мониторингДанных
metricThreshold	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	ModelPerformanceMetricThresholdBase (обязательно)
производственные данные	[Обязательный] Данные, созданные рабочей службой, для которой будет вычисляться производительность.	MonitoringInputDataBase[] (обязательно)
справочные данные	[Обязательный] Эталонные данные, используемые в качестве основы для вычисления производительности модели.	MonitoringInputDataBase (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	ModelPerformance (обязательный)

MonitorComputeConfigurationBase (База MonitorComputeConfigurationBase)

Имя	Описание	Ценность
computeType	Установите значение ServerlessSpark для типа MonitorServerlessSparkCompute.	'ServerlessSpark' (обязательный)

MonitorComputeIdentityBase (База MonitorComputeIdentityBase)

Имя	Описание	Ценность
computeIdentityType	Задайте значение AmlToken для типа AmlTokenComputeIdentity. Задайте для типа ManagedComputeIdentity значение ManagedIdentity.	"AmlToken" ManagedIdentity (обязательный)

Определение монитора

Имя	Описание	Ценность
alertNotificationSettings	Параметры уведомлений монитора.	MonitorNotificationSettings (МониторНастройкиУведомления)
computeConfiguration	[Обязательный] Идентификатор ресурса ARM вычислительного ресурса для запуска задания мониторинга.	MonitorComputeConfigurationBase (обязательно)
monitoringTarget	Идентификатор ресурса ARM модели или развертывания, предназначенный для этого монитора.	Цель мониторингаЦель
Сигналы	[Обязательный] Сигналы для отслеживания.	MonitorDefinitionSignals (обязательный)

MonitorDefinitionSignals (Сигналы MonitorDefinition)

Имя	Описание	Ценность

MonitorEmailNotificationSettings (МониторEmailNotificationSettings)

Имя	Описание	Ценность
сообщения электронной почты	Это список получателей электронной почты с ограничением 499 символов в общей сложности.	строка[]

Сегмент мониторингДанных

Имя	Описание	Ценность
особенность	Функция сегментирования данных.	струна
Значения	Фильтры только для указанных значений данного сегментированного компонента.	строка[]

MonitoringFeatureFilterBase (База фильтров)

Имя	Описание	Ценность
Тип фильтра	Задайте для типа AllFeatures значение AllFeatures. Установите значение FeatureSubset для типа FeatureSubset. Установите значение TopNByAttribution для типа TopNFeaturesByAttribution.	"AllFeatures" FeatureSubset TopNByAttribution (обязательно)

База данных MonitoringInputDataBase

Имя	Описание	Ценность
столбцы	Сопоставление имен столбцов с особыми использованием.	Столбцы базы данныхMonitoringInputDataColumns
dataContext	Метаданные контекста источника данных.	струна
inputDataType	Установите значение "Исправлено" для типа FixedInputData. Установите значение "Rolling" для типа RollingInputData. Установите значение Static для типа StaticInputData.	"Исправлено" "Скользящий" "Static" (обязательный)
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

Столбцы базы данныхMonitoringInputDataColumns

Имя	Описание	Ценность

База сигналов мониторинга

Имя	Описание	Ценность
Типы уведомлений	Текущий режим уведомлений для этого сигнала.	Массив строк, содержащий любой из: "AmlNotification" AzureMonitor
свойства	Словарь свойств. Свойства можно добавлять, но не удалять или изменять.	Свойства базы сигнала мониторинга
тип сигнала	Задайте для типа CustomMonitoringSignal значение CustomMonitoringSignal. Задайте для типа DataDriftMonitoringSignal значение DataDriftMonitoringSignal. Установите значение DataQuality для типа DataQualityMonitoringSignal. Установите значение FeatureAttributionDrift для типа FeatureAttributionDriftMonitoringSignal. Задайте значение GenerationSafetyQuality для типа GenerationSafetyQualityMonitoringSignal. Задайте значение GenerationTokenStatistics для типа GenerationTokenUsageSignal. Задайте для типа ModelPerformanceSignal значение ModelPerformanceSignal. Установите значение "PredictionDrift" для типа PredictionDriftMonitoringSignal.	"Custom" DataDrift DataQuality FeatureAttributionDrift "GenerationSafetyQuality" "GenerationTokenStatistics" ModelPerformance "PredictionDrift" (обязательный)

Свойства базы сигнала мониторинга

Имя	Описание	Ценность

Цель мониторингаЦель

Имя	Описание	Ценность
deploymentId	Идентификатор ресурса ARM любого развертывания, предназначенного для этого монитора.	струна
modelId	Идентификатор ресурса ARM любой из моделей, предназначенных для этого монитора.	струна
тип задачи	[Обязательный] Тип задачи машинного обучения модели.	"Классификация" "ВопросAnswering" Регрессия (обязательно)

Контрольный порог

Имя	Описание	Ценность
ценность	Пороговое значение. Если значение NULL, значение по умолчанию зависит от типа метрики.	инт

MonitoringWorkspaceConnection (МониторингWorkspaceConnection)

Имя	Описание	Ценность
переменные окружения	Свойства подключения службы рабочей области для хранения в виде переменных среды в отправленных заданиях. Ключ — путь к свойству подключения к рабочей области, имя — ключ переменной среды.	MonitoringWorkspaceConnectionEnvironmentVariables
Секреты	Свойства подключения к службе рабочей области для хранения в виде секретов в отправленных заданиях. Ключ — путь к свойству подключения к рабочей области, имя — секретный ключ.	MonitoringWorkspaceConnectionSecrets (МониторингРабочее пространствоСекреты подключения)

MonitoringWorkspaceConnectionEnvironmentVariables

Имя	Описание	Ценность

MonitoringWorkspaceConnectionSecrets (МониторингРабочее пространствоСекреты подключения)

Имя	Описание	Ценность

MonitorNotificationSettings (МониторНастройкиУведомления)

Имя	Описание	Ценность
emailNotificationSettings	Параметры электронной почты уведомления AML.	MonitorEmailNotificationSettings (МониторEmailNotificationSettings)

MonitorServerlessSparkCompute (МониторБессерверныйSparkCompute)

Имя	Описание	Ценность
computeIdentity	[Обязательный] Схема удостоверений, используемая заданиями Spark, выполняемыми в бессерверном Spark.	MonitorComputeIdentityBase (обязательно)
computeType	[Обязательный] Указывает тип сигнала для отслеживания.	'ServerlessSpark' (обязательный)
instanceType	[Обязательный] Тип экземпляра, на котором выполняется задание Spark.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
runtimeVersion	[Обязательный] Версия среды выполнения Spark.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

Мпи

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

NCrossВалидации

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

NlpFixedParameters

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

NlpParameterПодпространство

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

NlpSweepSettings

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

NlpVerticalFeaturizationSettings

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

NlpVerticalLimitSettings

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

Узлы

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

Настройка уведомлений

Имя	Описание	Ценность
emailOn	Отправка уведомления электронной почты пользователю по указанному типу уведомлений	Массив строк, содержащий любой из: JobCancelled JobCompleted JobFailed
сообщения электронной почты	Это список получателей электронной почты с ограничением 499 символов в общей сложности с разделителем запятых	строка[]
веб-перехватчики	Отправка обратного вызова веб-перехватчика в службу. Ключ — это имя, предоставленное пользователем для веб-перехватчика.	NotificationSettingWebhooks

NotificationSettingWebhooks

Имя	Описание	Ценность

Числовые данныеDataDriftMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Числовой" (обязательный)
Метрика	[Обязательный] Вычисляемая метрика смещения числовых данных.	"JensenShannonDistance" "NormalizedWasersteinDistance" «Индекс стабильности населения» 'TwoSampleKolmogorovSmirnovTest' (обязательно)

Числовой параметрDataQualityMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Числовой" (обязательный)
Метрика	[Обязательный] Вычисляемая метрика качества числовых данных.	DataTypeErrorRate NullValueRate OutOfBoundsRate (обязательный)

ЧисловаяpredictionDriftMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Числовой" (обязательный)
Метрика	[Обязательный] Вычисляемая метрика смещения числовых прогнозов.	"JensenShannonDistance" "NormalizedWasersteinDistance" «Индекс стабильности населения» 'TwoSampleKolmogorovSmirnovTest' (обязательно)

Цель

Имя	Описание	Ценность
цель	[Обязательный] Определяет поддерживаемые цели метрик для настройки гиперпараметров	"Развернуть" "Свернуть" (обязательно)
первичная метрика	[Обязательный] Имя метрики для оптимизации.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

PipelineJob

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

PipelineJobInputs (Входные данные PipelineJob)

Имя	Описание	Ценность

PipelineJobJobs

Имя	Описание	Ценность

PipelineJobOutputs (Выходы PipelineJob)

Имя	Описание	Ценность

PredictionDriftMetricThresholdBase (ПрогнозированиеДрифтМетрикаПорогБаза)

Имя	Описание	Ценность
тип данных	Установите значение "Категориальный" для типа CategoricalPredictionDriftMetricThreshold. Задайте значение "Число" для типа ЧисловаяpredictionDriftMetricThreshold.	"Категориальный" "Числовой" (обязательный)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

PredictionDriftMonitoringSignal (Сигнал PredictionDriftMonitoringSignal)

Имя	Описание	Ценность
featureDataTypeOverride	Словарь, который сопоставляет имена функций с соответствующими типами данных.	ПрогнозированиеДрифтМониторингСигналФункцияТипДанныеПереопределение
metricThresholds	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	PredictionDriftMetricThresholdBase[] (обязательно)
производственные данные	[Обязательный] Данные, для которых будет вычисляться смещение.	MonitoringInputDataBase (обязательно)
справочные данные	[Обязательный] Данные для вычисления смещения.	MonitoringInputDataBase (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	"PredictionDrift" (обязательный)

ПрогнозированиеДрифтМониторингСигналФункцияТипДанныеПереопределение

Имя	Описание	Ценность

PyTorch

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

Настройки очереди

Имя	Описание	Ценность
jobTier	Управляет уровнем заданий вычислений	"Базовый" "Null" "Премиум" "Spot" "Стандартный"
приоритет	Управляет приоритетом задания в вычислении.	инт

Алгоритм случайной выборки

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

Луч

Имя	Описание	Ценность
адрес	Адрес головного узла Ray.	струна
панель мониторинга	Порт для привязки сервера панели мониторинга к.	инт
distributionType	[Обязательный] Указывает тип платформы распространения.	"Ray" (обязательно)
headNodeAdditionalArgs	Дополнительные аргументы, передаваемые на запуск луча в головном узле.	струна
includeDashboard	Укажите этот аргумент для запуска графического интерфейса панели мониторинга Ray.	булевая переменная (bool)
порт	Порт процесса луча головы.	инт
workerNodeAdditionalArgs	Дополнительные аргументы, передаваемые в запуск ray в рабочем узле.	струна

ПовторениеSchedule

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

ПовторениеTrigger

Имя	Описание	Ценность
частота	[Обязательный] Частота запуска расписания.	"День" "Час" "Минута" "Месяц" "Неделя" (обязательно)
интервал	[Обязательный] Указывает интервал расписания в сочетании с частотой	int (обязательно)
планирование	Расписание повторения.	ПовторениеSchedule
Тип триггера	[Обязательный]	"Повторение" (обязательно)

Регрессия

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

RegressionModelPerformanceMetricThreshold (Порог производительности)

Имя	Описание	Ценность
Метрика	[Обязательный] Вычисляемая метрика производительности модели регрессии.	"MeanAbsoluteError" "MeanSquaredError" RootMeanSquaredError (обязательный)
modelType	[Обязательный] Указывает тип данных порогового значения метрик.	Регрессия (обязательно)

РегрессияTrainingSettings

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

РесурсБазаСвойства

Имя	Описание	Ценность

РесурсБазаСвойства

Имя	Описание	Ценность

РесурсБазаСвойства

Имя	Описание	Ценность

Теги ResourceBaseTags

Имя	Описание	Ценность

Теги ResourceBaseTags

Имя	Описание	Ценность

Теги ResourceBaseTags

Имя	Описание	Ценность

Свойства ResourceConfigurationProperties

Имя	Описание	Ценность

RollingInputData (Данные RollingInput)

Имя	Описание	Ценность
inputDataType	[Обязательный] Указывает тип сигнала для отслеживания.	"Rolling" (обязательно)
preprocessingComponentId	Идентификатор ресурса ARM ресурса компонента, используемый для предварительной обработки данных.	струна
windowOffset	[Обязательный] Смещение времени между окончанием окна данных и текущим временем выполнения монитора.	строка (обязательно)
размер окна	[Обязательный] Размер конечного окна данных.	строка (обязательно)

ВыборкаAlgorithm

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

ScheduleActionBase (База расписания)

Имя	Описание	Ценность
Тип действия	Установите значение CreateJob для типа JobScheduleAction. Установите значение CreateMonitor для типа CreateMonitorAction. Задайте для типа ImportDataAction значение ImportDataAction. Установите значение InvokeBatchEndpoint для типа EndpointScheduleAction.	CreateJob CreateMonitor ImportData InvokeBatchEndpoint (обязательно)

Свойства расписания

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

Сезонность

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

Секретная конфигурация

Имя	Описание	Ценность
УРИ	Универсальный код ресурса (URI секрета). Пример URI: `https://myvault.vault.azure.net/secrets/mysecretname/secretversion`	струна
workspaceSecretName	Имя секрета в хранилище ключей рабочей области.	струна

СпаркДжоб

Имя	Описание	Ценность
архив	Архивные файлы, используемые в задании.	строка[]
Аргументы	Аргументы для задания.	струна
codeId	[Обязательный] Идентификатор ресурса ARM ресурса ресурса кода.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
конф	Настроенные свойства Spark.	Программа SparkJobConf
вход	[Обязательный] Запись, выполняемая при запуске задания.	SparkJobEntry (обязательно)
environmentId	Идентификатор ресурса ARM спецификации среды для задания.	струна
переменные окружения	Переменные среды, включенные в задание.	Переменные SparkJobEnvironmentVariables
Файлы	Файлы, используемые в задании.	строка[]
входные данные	Сопоставление входных привязок данных, используемых в задании.	SparkJobInputs
Банки	Jar-файлы, используемые в задании.	строка[]
тип работы	[Обязательный] Указывает тип задания.	Spark (обязательно)
выходные данные	Сопоставление привязок выходных данных, используемых в задании.	SparkJobOutputs (Выходные данные SparkJob)
pyFiles	Файлы Python, используемые в задании.	строка[]
queueSettings (Настройки)	Параметры очереди для задания	Настройки очереди
ресурсы	Конфигурация вычислительных ресурсов для задания.	SparkResourceConfiguration (Конфигурация SparkResource)

Программа SparkJobConf

Имя	Описание	Ценность

SparkJobEntry (Вход в SparkJob)

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

Переменные SparkJobEnvironmentVariables

Имя	Описание	Ценность

SparkJobInputs

Имя	Описание	Ценность

SparkJobOutputs (Выходные данные SparkJob)

Имя	Описание	Ценность

SparkJobPythonEntry (Вход в SparkJobPython)

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

SparkJobScalaEntry

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

SparkResourceConfiguration (Конфигурация SparkResource)

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

StackEnsembleSettings (СтекАнсамбльНастройки)

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

СтатическиеВходные данные

Имя	Описание	Ценность
inputDataType	[Обязательный] Указывает тип сигнала для отслеживания.	"Static" (обязательный)
preprocessingComponentId	Идентификатор ресурса ARM ресурса компонента, используемый для предварительной обработки данных.	струна
windowEnd	[Обязательный] Дата окончания окна данных.	строка (обязательно)
windowStart	[Обязательный] Дата начала окна данных.	строка (обязательно)

СвипДжоб

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

SweepJobInputs (SweepJobInputs)

Имя	Описание	Ценность

SweepJobLimits (SweepJobLimits)

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

SweepJobOutputs (SweepJobOutputs)

Имя	Описание	Ценность

ТаблицаИсправленныеПараметры

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

TableParameterSubspace

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

TableSweepSettings (Настройки TableSweep)

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

ТаблицаВертикальностьНастройкиХарактеристики

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

ТаблицаВертикальная ффиатуризацияНастройкиИмяСтолбцаИТипы

Имя	Описание	Ценность

ТаблицаВертикальная феатуризацияНастройкиТрансформерыПараметры

Имя	Описание	Ценность

НастройкиTableVerticalLimit

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

Целевые лаги

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

TargetRollingWindowSize (Размер целевого окна)

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

ТензорФлоу

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

Классификация текста

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

TextClassificationMultilabel (Множественная метка текста)

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

Текстовый Нер

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

TopNFeaturesByAttribution

Имя	Описание	Ценность
Тип фильтра	[Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик.	TopNByAttribution (обязательно)
Верх	Количество основных функций, которые необходимо включить.	инт

ТриалКомпонент

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

TrialComponentEnvironmentVariables

Имя	Описание	Ценность

ТриггерБаза

Имя	Описание	Ценность
время окончания	Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. раздел 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
Время начала	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-zones?view=windows-11	струна
Тип триггера	Задайте для типа CronTrigger значение CronTrigger. Установите значение "Повторение" для типа RecurrenceTrigger.	"Cron" "Повторение" (обязательно)

TritonModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"triton_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

TritonModelJobOutput

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"triton_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

УсечениеSelectionPolicy

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

UriFileJobInput (Ввод UriFileJob)

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"uri_file" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

UriFileJobOutput (UriFileJobOutput)

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"uri_file" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

UriFolderJobInput (Ввод UriFolderJob)

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

UriFolderJobOutput

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"uri_folder" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

UserAssignedIdentity (Пользовательские идентификаторы)

Имя	Описание	Ценность

Пользовательская назначенная идентичность

Имя	Описание	Ценность

Идентификатор пользователя

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

Вебхук

Имя	Описание	Ценность
Тип события	Отправка обратного вызова на указанное событие уведомления	струна
webhookType	Установите значение "AzureDevOps" для типа AzureDevOpsWebhook.	AzureDevOps (обязательно)

Определение ресурса шаблона ARM

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": "2023-08-01-preview",
  "name": "string",
  "properties": {
    "action": {
      "actionType": "string"
      // For remaining properties, see ScheduleActionBase objects
    },
    "description": "string",
    "displayName": "string",
    "isEnabled": "bool",
    "properties": {
      "{customized property}": "string"
    },
    "tags": {
      "{customized property}": "string"
    },
    "trigger": {
      "endTime": "string",
      "startTime": "string",
      "timeZone": "string",
      "triggerType": "string"
      // For remaining properties, see TriggerBase objects
    }
  }
}

Объекты SparkJobEntry

Задайте свойство sparkJobEntryType , чтобы указать тип объекта.

Для SparkJobPythonEntry используйте:

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

Для SparkJobScalaEntry используйте:

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

Объекты TargetRollingWindowSize

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  "mode": "Auto"
}

Для пользовательского использования используйте:

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

Объекты ModelPerformanceMetricThresholdBase

Задайте свойство modelType , чтобы указать тип объекта.

Для классификации используйте:

{
  "metric": "string",
  "modelType": "Classification"
}

Для регрессии используйте:

{
  "metric": "string",
  "modelType": "Regression"
}

Объекты NCrossValidations

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  "mode": "Auto"
}

Для пользовательского использования используйте:

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

Объекты MonitorComputeIdentityBase

Задайте свойство computeIdentityType , чтобы указать тип объекта.

Для AmlToken используйте:

{
  "computeIdentityType": "AmlToken"
}

Для ManagedIdentityиспользуйте:

{
  "computeIdentityType": "ManagedIdentity",
  "identity": {
    "type": "string",
    "userAssignedIdentities": {
      "{customized property}": {
      }
    }
  }
}

Объекты DistributionConfiguration

Задайте свойство distributionType , чтобы указать тип объекта.

Для Mpi используйте:

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

Для PyTorch используйте:

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

Для Ray используйте:

{
  "address": "string",
  "dashboardPort": "int",
  "distributionType": "Ray",
  "headNodeAdditionalArgs": "string",
  "includeDashboard": "bool",
  "port": "int",
  "workerNodeAdditionalArgs": "string"
}

Для TensorFlow используйте:

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

Объекты JobBaseProperties

Задайте свойство jobType , чтобы указать тип объекта.

Для AutoML используйте:

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

Для команды используйте следующую команду:

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

Для маркировки используйте:

{
  "dataConfiguration": {
    "dataId": "string",
    "incrementalDataRefresh": "string"
  },
  "jobInstructions": {
    "uri": "string"
  },
  "jobType": "Labeling",
  "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 конвейера используйте:

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

Для Spark используйте:

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

Для очистки используйте:

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

Объекты DataQualityMetricThresholdBase

Задайте свойство dataType , чтобы указать тип объекта.

Для категориальных используйте:

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

Для числовых значений используйте:

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

Объекты DataImportSource

Задайте свойство sourceType , чтобы указать тип объекта.

Для базы данных используйте:

{
  "query": "string",
  "sourceType": "database",
  "storedProcedure": "string",
  "storedProcedureParams": [
    {
      "{customized property}": "string"
    }
  ],
  "tableName": "string"
}

Для file_system используйте:

{
  "path": "string",
  "sourceType": "file_system"
}

Объекты веб-перехватчика

Задайте свойство webhookType , чтобы указать тип объекта.

Для AzureDevOps используйте:

{
  "webhookType": "AzureDevOps"
}

Объекты сезонности

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  "mode": "Auto"
}

Для пользовательского использования используйте:

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

Объекты DataDriftMetricThresholdBase

Задайте свойство dataType , чтобы указать тип объекта.

Для категориальных используйте:

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

Для числовых значений используйте:

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

Объекты PredictionDriftMetricThresholdBase

Задайте свойство dataType , чтобы указать тип объекта.

Для категориальных используйте:

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

Для числовых значений используйте:

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

Объекты MonitoringSignalBase

Задайте свойство signalType , чтобы указать тип объекта.

Для пользовательского использования используйте:

{
  "componentId": "string",
  "inputAssets": {
    "{customized property}": {
      "columns": {
        "{customized property}": "string"
      },
      "dataContext": "string",
      "jobInputType": "string",
      "uri": "string",
      "inputDataType": "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "metricThresholds": [
    {
      "metric": "string",
      "threshold": {
        "value": "int"
      }
    }
  ],
  "signalType": "Custom",
  "workspaceConnection": {
    "environmentVariables": {
      "{customized property}": "string"
    },
    "secrets": {
      "{customized property}": "string"
    }
  }
}

Для DataDrift используйте:

{
  "dataSegment": {
    "feature": "string",
    "values": [ "string" ]
  },
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "featureImportanceSettings": {
    "mode": "string",
    "targetColumn": "string"
  },
  "features": {
    "filterType": "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  },
  "metricThresholds": [ {
    "threshold": {
      "value": "int"
    },
    "dataType": "string"
    // For remaining properties, see DataDriftMetricThresholdBase objects
  } ],
  "productionData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "DataDrift"
}

Для DataQuality используйте:

{
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "featureImportanceSettings": {
    "mode": "string",
    "targetColumn": "string"
  },
  "features": {
    "filterType": "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  },
  "metricThresholds": [ {
    "threshold": {
      "value": "int"
    },
    "dataType": "string"
    // For remaining properties, see DataQualityMetricThresholdBase objects
  } ],
  "productionData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "DataQuality"
}

Для FeatureAttributionDrift используйте:

{
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "featureImportanceSettings": {
    "mode": "string",
    "targetColumn": "string"
  },
  "metricThreshold": {
    "metric": "string",
    "threshold": {
      "value": "int"
    }
  },
  "productionData": [ {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  } ],
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "FeatureAttributionDrift"
}

Для GenerationSafetyQuality используйте следующее:

{
  "metricThresholds": [
    {
      "metric": "string",
      "threshold": {
        "value": "int"
      }
    }
  ],
  "productionData": [ {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  } ],
  "samplingRate": "int",
  "signalType": "GenerationSafetyQuality",
  "workspaceConnectionId": "string"
}

Для GenerationTokenStatistics используйте следующее:

{
  "metricThresholds": [
    {
      "metric": "string",
      "threshold": {
        "value": "int"
      }
    }
  ],
  "productionData": [ {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  } ],
  "samplingRate": "int",
  "signalType": "GenerationTokenStatistics"
}

Для ModelPerformance используйте:

{
  "dataSegment": {
    "feature": "string",
    "values": [ "string" ]
  },
  "metricThreshold": {
    "threshold": {
      "value": "int"
    },
    "modelType": "string"
    // For remaining properties, see ModelPerformanceMetricThresholdBase objects
  },
  "productionData": [ {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  } ],
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "ModelPerformance"
}

Для прогнозированияDrift используйте:

{
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "metricThresholds": [ {
    "threshold": {
      "value": "int"
    },
    "dataType": "string"
    // For remaining properties, see PredictionDriftMetricThresholdBase objects
  } ],
  "productionData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "PredictionDrift"
}

Объекты nodes

Задайте свойство nodesValueType , чтобы указать тип объекта.

Для всех используйте:

{
  "nodesValueType": "All"
}

Объекты LabelingJobMediaProperties

Задайте свойство mediaType , чтобы указать тип объекта.

Для образа используйте:

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

Для текста используйте:

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

Объекты EarlyTerminationPolicy

Задайте свойство policyType , чтобы указать тип объекта.

Для Bandit используйте:

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

Для MedianStopping используйте:

{
  "policyType": "MedianStopping"
}

Для усеченияSelection используйте:

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

Объекты MonitoringInputDataBase

Задайте свойство inputDataType , чтобы указать тип объекта.

Для исправлений используйте:

{
  "inputDataType": "Fixed"
}

Для роллинга используйте:

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

Для статическихиспользуйте:

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

Объекты TargetLags

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  "mode": "Auto"
}

Для пользовательского использования используйте:

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

Объекты AutoMLVertical

Задайте свойство taskType, чтобы указать тип объекта.

Для классификации используйте:

{
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "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"
  },
  "taskType": "Classification",
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    },
    "trainingMode": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"
}

Для прогнозирования используйте:

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

Для ImageClassification используйте:

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

Для ImageClassificationMultilabel используйте:

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

Для ImageInstanceSegmentation используйте:

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

Для ImageObjectDetection используйте:

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

Для регрессии используйте:

{
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "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"
  },
  "taskType": "Regression",
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    },
    "trainingMode": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"
}

Для TextClassification используйте:

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

Для TextClassificationMultilabel используйте:

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

Для TextNER используйте:

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

Объекты MonitorComputeConfigurationBase

Задайте свойство computeType , чтобы указать тип объекта.

Для serverlessSpark используйте:

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

Объекты TriggerBase

Задайте свойство triggerType , чтобы указать тип объекта.

Для Cron используйте:

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

Для повторения используйте:

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

Объекты JobInput

Задайте свойство jobInputType , чтобы указать тип объекта.

Для custom_model используйте:

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

Для литерала используйте:

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

Для mlflow_model используйте:

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

Для mltable используйте:

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

Для triton_model используйте:

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

Для uri_file используйте:

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

Для uri_folder используйте:

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

Объекты IdentityConfiguration

Задайте свойство identityType , чтобы указать тип объекта.

Для AMLToken используйте:

{
  "identityType": "AMLToken"
}

Для управляемого использования используйте:

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

Для UserIdentity используйте:

{
  "identityType": "UserIdentity"
}

Объекты MLAssistConfiguration

Задайте свойство mlAssist , чтобы указать тип объекта.

Для отключенных используйте:

{
  "mlAssist": "Disabled"
}

Для включения используйте:

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

Объекты ВыборкиAlgorithm

Задайте свойство выборкиAlgorithmType , чтобы указать тип объекта.

Для Байезиана используйте:

{
  "samplingAlgorithmType": "Bayesian"
}

Для Сетки используйте:

{
  "samplingAlgorithmType": "Grid"
}

Для случайного использования используйте:

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

Объекты ForecastHorizon

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  "mode": "Auto"
}

Для пользовательского использования используйте:

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

Объекты JobOutput

Задайте свойство jobOutputType , чтобы указать тип объекта.

Для custom_model используйте:

{
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "jobOutputType": "custom_model",
  "mode": "string",
  "uri": "string"
}

Для mlflow_model используйте:

{
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "jobOutputType": "mlflow_model",
  "mode": "string",
  "uri": "string"
}

Для mltable используйте:

{
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "jobOutputType": "mltable",
  "mode": "string",
  "uri": "string"
}

Для triton_model используйте:

{
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "jobOutputType": "triton_model",
  "mode": "string",
  "uri": "string"
}

Для uri_file используйте:

{
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "jobOutputType": "uri_file",
  "mode": "string",
  "uri": "string"
}

Для uri_folder используйте:

{
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "jobOutputType": "uri_folder",
  "mode": "string",
  "uri": "string"
}

Объекты MonitoringFeatureFilterBase

Задайте свойство filterType , чтобы указать тип объекта.

Для AllFeatures используйте:

{
  "filterType": "AllFeatures"
}

Для FeatureSubset используйте:

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

Для TopNByAttribution используйте:

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

Объекты ScheduleActionBase

Задайте свойство actionType, чтобы указать тип объекта.

Для CreateJob используйте:

{
  "actionType": "CreateJob",
  "jobDefinition": {
    "componentId": "string",
    "computeId": "string",
    "description": "string",
    "displayName": "string",
    "experimentName": "string",
    "identity": {
      "identityType": "string"
      // For remaining properties, see IdentityConfiguration objects
    },
    "isArchived": "bool",
    "notificationSetting": {
      "emailOn": [ "string" ],
      "emails": [ "string" ],
      "webhooks": {
        "{customized property}": {
          "eventType": "string",
          "webhookType": "string"
          // For remaining properties, see Webhook objects
        }
      }
    },
    "properties": {
      "{customized property}": "string"
    },
    "secretsConfiguration": {
      "{customized property}": {
        "uri": "string",
        "workspaceSecretName": "string"
      }
    },
    "services": {
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "nodes": {
          "nodesValueType": "string"
          // For remaining properties, see Nodes objects
        },
        "port": "int",
        "properties": {
          "{customized property}": "string"
        }
      }
    },
    "tags": {
      "{customized property}": "string"
    },
    "jobType": "string"
    // For remaining properties, see JobBaseProperties objects
  }
}

Для CreateMonitor используйте:

{
  "actionType": "CreateMonitor",
  "monitorDefinition": {
    "alertNotificationSettings": {
      "emailNotificationSettings": {
        "emails": [ "string" ]
      }
    },
    "computeConfiguration": {
      "computeType": "string"
      // For remaining properties, see MonitorComputeConfigurationBase objects
    },
    "monitoringTarget": {
      "deploymentId": "string",
      "modelId": "string",
      "taskType": "string"
    },
    "signals": {
      "{customized property}": {
        "notificationTypes": [ "string" ],
        "properties": {
          "{customized property}": "string"
        },
        "signalType": "string"
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }
}

Для ImportData используйте:

{
  "actionType": "ImportData",
  "dataImportDefinition": {
    "assetName": "string",
    "autoDeleteSetting": {
      "condition": "string",
      "value": "string"
    },
    "dataType": "string",
    "dataUri": "string",
    "description": "string",
    "intellectualProperty": {
      "protectionLevel": "string",
      "publisher": "string"
    },
    "isAnonymous": "bool",
    "isArchived": "bool",
    "properties": {
      "{customized property}": "string"
    },
    "source": {
      "connection": "string",
      "sourceType": "string"
      // For remaining properties, see DataImportSource objects
    },
    "stage": "string",
    "tags": {
      "{customized property}": "string"
    }
  }
}

Для InvokeBatchEndpoint используйте:

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

Значения свойств

Microsoft.MachineLearningServices/рабочие области/расписания

Имя	Описание	Ценность
apiVersion	Версия API	«2023-08-01-превью»
имя	имя ресурса.	струна Ограничения целостности: Pattern = `^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$` (обязательно)
свойства	[Обязательный] Дополнительные атрибуты сущности.	ScheduleProperties (обязательно)
тип	Тип ресурса	"Microsoft.MachineLearningServices/workspaces/schedules"

ВсеОсобенности

Имя	Описание	Ценность
Тип фильтра	[Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик.	AllFeatures (обязательный)

Узлы AllNodes

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

Токен AmlToken

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

AmlTokenComputeIdentity

Имя	Описание	Ценность
computeIdentityType	[Обязательный] Мониторинг перечисления типа вычислительных удостоверений.	AmlToken (обязательно)

Настройка автоматического удаления

Имя	Описание	Ценность
условие	Когда необходимо проверить, истек ли срок действия ресурса	"CreatedGreaterThan" LastAccessedGreaterThan
ценность	Значение условия окончания срока действия.	струна

Горизонт автопрогноза

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

Настройки авторегистратора

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

AutoMLЧоб

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

AutoMLJobEnvironmentVariables

Имя	Описание	Ценность

AutoMLJobOutputs

Имя	Описание	Ценность

AutoMLVertical

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

AutoNCrossValidations

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

Автосесональность

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

AutoTargetLags

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

AutoTargetRollingWindowSize

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

AzureDevOpsWebhook

Имя	Описание	Ценность
webhookType	[Обязательный] Указывает тип службы для отправки обратного вызова.	AzureDevOps (обязательно)

БандитПолитика

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

Байесовский алгоритм выборки

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

CategoricalDataDriftMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Категориальный" (обязательный)
Метрика	[Обязательный] Вычисляемая метрика смещения категориальных данных.	"JensenShannonDistance" «PearsonsChiSquaredTest» "PopulationStabilityIndex" (обязательный)

CategoricalDataQualityMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Категориальный" (обязательный)
Метрика	[Обязательный] Метрика качества категориальных данных для вычисления.	DataTypeErrorRate NullValueRate OutOfBoundsRate (обязательный)

CategoricalPredictionDriftMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Категориальный" (обязательный)
Метрика	[Обязательный] Метрика смещения категориального прогнозирования для вычисления.	"JensenShannonDistance" «PearsonsChiSquaredTest» "PopulationStabilityIndex" (обязательный)

Классификация

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

ClassificationModelPerformanceMetricThreshold (КлассификацияМодельPerformanceMetricThreshold)

Имя	Описание	Ценность
Метрика	[Обязательный] Производительность модели классификации для вычисления.	"Точность" "Точность" "Отзыв" (обязательно)
modelType	[Обязательный] Указывает тип данных порогового значения метрик.	"Классификация" (обязательно)

КлассификацияTrainingSettings

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

Колонный трансформатор

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

Командная работа

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

Переменные CommandJobEnvironmentVariables

Имя	Описание	Ценность

CommandJobInputs (КомандаJobInputs)

Имя	Описание	Ценность

CommandJobLimits (Ограничения командного задания)

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

CommandJobOutputs (КомандаJobOutputs)

Имя	Описание	Ценность

Конфигурация компонентов

Имя	Описание	Ценность
pipelineSettings (Настройки)	Параметры конвейера, например ContinueRunOnStepFailure и т. д.	любой

CreateMonitorAction (СоздатьMonitorAction)

Имя	Описание	Ценность
Тип действия	[Обязательный] Указывает тип действия расписания	CreateMonitor (обязательно)
Определение монитора	[Обязательный] Определяет монитор.	MonitorDefinition (обязательно)

КранТриггер

Имя	Описание	Ценность
выражение	[Обязательный] Указывает выражение крона расписания. Выражение должно соответствовать формату NCronTab.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
Тип триггера	[Обязательный]	"Cron" (обязательно)

Пользовательский горизонт прогноза

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

CustomMetricThreshold (Пользовательский порог)

Имя	Описание	Ценность
Метрика	[Обязательный] Определяемая пользователем метрика для вычисления.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

Ввод задания CustomModelJob

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

CustomModelJobOutput (Пользовательский модельЗаданиеВыход)

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"custom_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

Пользовательский сигнал мониторинга

Имя	Описание	Ценность
Идентификатор компонента	[Обязательный] Идентификатор ресурса ARM ресурса компонента, используемый для вычисления пользовательских метрик.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
inputAssets	Мониторинг ресурсов, которые необходимо принимать в качестве входных данных. Ключом является имя порта ввода компонента, значением является ресурс данных.	ПользовательскийМониторингСигналВходные Активы
входные данные	Дополнительные параметры компонента, которые будут приниматься в качестве входных данных. Ключом является имя порта ввода компонента, значением является значение параметра.	Пользовательские входы сигналов мониторинга
metricThresholds	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	CustomMetricThreshold[] (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	"Custom" (обязательный)
Подключение к рабочему пространству	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	MonitoringWorkspaceConnection (обязательно)

ПользовательскийМониторингСигналВходные Активы

Имя	Описание	Ценность

Пользовательские входы сигналов мониторинга

Имя	Описание	Ценность

CustomNCrossValidations

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

Пользовательская сезонность

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

CustomTargetLags (Пользовательские целевые лаги)

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

CustomTargetRollingWindowSize

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

Источник базы данных

Имя	Описание	Ценность
запрос	Инструкция SQL Query для источника базы данных импорта данных	струна
тип источника	[Обязательный] Указывает тип данных.	"база данных" (обязательно)
StoredProcedure	SQL StoredProcedure в источнике базы данных импорта данных	струна
storedProcedureParams	Параметры StoredProcedure SQL	DatabaseSourceStoredProcedureParamsItem[]
имя_таблицы	Имя таблицы в источнике базы данных импорта данных	струна

DatabaseSourceStoredProcedureParamsItem

Имя	Описание	Ценность

DataDriftMetricThresholdBase (База данныхДрифтМетрикаПорога)

Имя	Описание	Ценность
тип данных	Установите значение "Категориальный" для типа CategoricalDataDriftMetricThreshold. Задайте значение "Числовой" для типа Числовой данныхDriftMetricThreshold.	"Категориальный" "Числовой" (обязательный)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

DataDriftMonitoringSignal (Сигнал мониторинга)

Имя	Описание	Ценность
dataSegment	Сегмент данных, используемый для определения подмножества данных.	Сегмент мониторингДанных
featureDataTypeOverride	Словарь, который сопоставляет имена функций с соответствующими типами данных.	DataDriftMonitoringSignalFeatureDataTypeOverride
featureВажностьНастройки	Параметры для важности функции вычислений.	FeatureImportanceSettings
особенности	Фильтр компонентов, определяющий, какая функция вычисляет смещение.	MonitoringFeatureFilterBase (База фильтров)
metricThresholds	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	DataDriftMetricThresholdBase[] (обязательно)
производственные данные	[Обязательный] Данные, для которых будет вычисляться смещение.	MonitoringInputDataBase (обязательно)
справочные данные	[Обязательный] Данные для вычисления смещения.	MonitoringInputDataBase (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	DataDrift (обязательно)

DataDriftMonitoringSignalFeatureDataTypeOverride

Имя	Описание	Ценность

Импорт данных

Имя	Описание	Ценность
assetName	Имя ресурса для задания импорта данных для создания	струна
autoDeleteSetting	Задает параметр жизненного цикла управляемого ресурса данных.	Настройка автоматического удаления
тип данных	[Обязательный] Указывает тип данных.	"mltable" "uri_file" "uri_folder" (обязательно)
dataUri	[Обязательный] Универсальный код ресурса (URI) данных. Пример: https://go.microsoft.com/fwlink/?linkid=2202330	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
описание	Текст описания ресурса.	струна
интеллектуальная пропертия	Сведения об интеллектуальной собственности. Используется, если данные являются интеллектуальной собственностью.	Интеллектуальная Проперти
isAnonymous	Если версия имени создается системой (анонимная регистрация). Для типов, в которых определен этап, при указании этапа он будет использоваться для заполнения IsAnonymous	булевая переменная (bool)
isArchived	Архивируется ли ресурс? Для типов, в которых определен этап, при указании этапа он будет использоваться для заполнения IsArchived	булевая переменная (bool)
свойства	Словарь свойств ресурса.	РесурсБазаСвойства
Источник	Исходные данные ресурса для импорта из	Источник импорта данных
этап	Этап жизненного цикла данных, назначенный этому ресурсу данных	струна
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	Теги ResourceBaseTags

Источник импорта данных

Имя	Описание	Ценность
подключение	Подключение к рабочей области для хранилища источников импорта данных	струна
тип источника	Задайте для типа DatabaseSource значение database. Установите значение "file_system" для типа FileSystemSource.	"база данных" "file_system" (обязательно)

DataQualityMetricThresholdBase (ДатаКачествоМетрикаПороговая база)

Имя	Описание	Ценность
тип данных	Установите значение "Категориальный" для типа CategoricalDataQualityMetricThreshold. Задайте значение "Числовой" для типа Числовой ДанныеQualityMetricThreshold.	"Категориальный" "Числовой" (обязательный)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

Сигнал DataQualityMonitoringSignal (Сигнал DataQualityMonitoring)

Имя	Описание	Ценность
featureDataTypeOverride	Словарь, который сопоставляет имена функций с соответствующими типами данных.	DataQualityMonitoringSignalFeatureDataTypeOverride
featureВажностьНастройки	Параметры для важности функции вычислений.	FeatureImportanceSettings
особенности	Функции для вычисления смещения.	MonitoringFeatureFilterBase (База фильтров)
metricThresholds	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	DataQualityMetricThresholdBase[] (обязательно)
производственные данные	[Обязательный] Данные, созданные рабочей службой, для которой будет вычисляться смещение.	MonitoringInputDataBase (обязательно)
справочные данные	[Обязательный] Данные для вычисления смещения.	MonitoringInputDataBase (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	DataQuality (обязательно)

DataQualityMonitoringSignalFeatureDataTypeOverride

Имя	Описание	Ценность

DistributionConfiguration (РаспределениеКонфигурация)

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

Политика досрочного прекращения

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

EndpointScheduleAction (ДействиеEndpointSchedule)

Имя	Описание	Ценность
Тип действия	[Обязательный] Указывает тип действия расписания	InvokeBatchEndpoint (обязательно)
endpointInvocationDefinition	[Обязательный] Определяет сведения о определении действия расписания. <see href="TBD" />	любой (обязательный)

FeatureAttributionDriftMonitoringSignal

Имя	Описание	Ценность
featureDataTypeOverride	Словарь, который сопоставляет имена функций с соответствующими типами данных.	FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
featureВажностьНастройки	Параметры для важности функции вычислений.	FeatureImportanceSettings
metricThreshold	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	FeatureAttributionMetricThreshold (обязательно)
производственные данные	[Обязательный] Данные, для которых будет вычисляться смещение.	MonitoringInputDataBase[] (обязательно)
справочные данные	[Обязательный] Данные для вычисления смещения.	MonitoringInputDataBase (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	FeatureAttributionDrift (обязательный)

FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride

Имя	Описание	Ценность

FeatureAttributionMetricThreshold

Имя	Описание	Ценность
Метрика	[Обязательный] Вычислимая метрика атрибута.	"NormalizedDiscountedCumulativeGain" (обязательный)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

FeatureImportanceSettings

Имя	Описание	Ценность
режим	Режим работы для важности функции вычислений.	"Отключено" "Включено"
targetColumn	Имя целевого столбца в входных ресурсах данных.	струна

FeatureSubset (Подмножество функций)

Имя	Описание	Ценность
особенности	[Обязательный] Список функций, которые необходимо включить.	string[] (обязательно)
Тип фильтра	[Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик.	FeatureSubset (обязательный)

Источник файловой системы

Имя	Описание	Ценность
путь	Путь к источнику fileSystem импорта данных	струна
тип источника	[Обязательный] Указывает тип данных.	"file_system" (обязательно)

FixedInputData (Данные ввода)

Имя	Описание	Ценность
inputDataType	[Обязательный] Указывает тип сигнала для отслеживания.	"Исправлено" (обязательно)

ПрогнозHorizon

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

Прогнозирование

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

ПрогнозированиеSettings

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

ПрогнозированиеTrainingSettings

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

Порог метрики GenerationSafetyQualityMeter

Имя	Описание	Ценность
Метрика	[Обязательный] Возвращает или задает метрику атрибуции функции для вычисления.	"AcceptableCoherenceScorePerInstance" "AcceptableFluencyScorePerInstance" "AcceptableGroundednessScorePerInstance" "AcceptableRelevanceScorePerInstance" "AcceptableSimilarityScorePerInstance" «Агрегированный коэффициент когерентности» "AggregatedFluencyPassRate" "AggregatedGroundednessPassRate" "AggregatedRelevancePassRate" "AggregatedSimilarityPassRate" (обязательный)
порог	Возвращает или задает пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

ГенерацияБезопасностьКачествоМониторингСигнал

Имя	Описание	Ценность
metricThresholds	[Обязательный] Возвращает или задает метрики для вычисления и соответствующих пороговых значений.	GenerationSafetyQualityMetricThreshold[] (обязательно)
производственные данные	Возвращает или задает рабочие данные для вычислений метрик.	База данных MonitoringInput[]
выборка	[Обязательный] Частота выборки рабочих данных должна превышать 0 и не более 1.	int (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	GenerationSafetyQuality (обязательно)
workspaceConnectionId	Возвращает или задает идентификатор подключения рабочей области, используемый для подключения к конечной точке создания контента.	струна

Пороговое значение метрики GenerationTokenUsageMetricThreshold

Имя	Описание	Ценность
Метрика	[Обязательный] Возвращает или задает метрику атрибуции функции для вычисления.	TotalTokenCount TotalTokenCountPerGroup (обязательно)
порог	Возвращает или задает пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

GenerationTokenUsageSignal

Имя	Описание	Ценность
metricThresholds	[Обязательный] Возвращает или задает метрики для вычисления и соответствующих пороговых значений.	GenerationTokenUsageMetricThreshold[] (обязательный)
производственные данные	Возвращает или задает рабочие данные для вычислений метрик.	База данных MonitoringInput[]
выборка	[Обязательный] Частота выборки рабочих данных должна превышать 0 и не более 1.	int (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	GenerationTokenStatistics (обязательно)

Алгоритм сетчатой выборки

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

IdentityConfiguration (Конфигурация идентичности)

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

Классификация изображений

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

ImageClassificationMultilabel (Классификация изображенийMultilabel)

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

Сегментация экземпляра изображения

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

ImageLimitSettings (Настройки ImageLimit)

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

ImageModelDistributionSettingsКлассификация

Имя	Описание	Ценность
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
бета2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
ранняяОстановка	Включите логику раннего остановки во время обучения.	струна
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". 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
разминкаCosineLRCycles	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

ImageModelDistributionSettingsObjectDetection

Имя	Описание	Ценность
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
бета2	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 Порог BoxScore. Должен быть плавающей запятой в диапазоне[0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
ранняяОстановка	Включите логику раннего остановки во время обучения.	струна
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
размер изображения	Размер изображения для обучения и проверки. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. 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
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
modelSize	Размер модели. Должен быть "маленький", "средний", "большой" или "xlarge". Примечание. Учебный запуск может попасть в OOM CUDA, если размер модели слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". 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
разминкаCosineLRCycles	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

ImageModelSettingsClassification

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

ImageModelSettingsОбнаружение объектов

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

Обнаружение объектов ImageObject

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

Настройки ImageSweepSettings

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

ImportDataAction (ДействиеImportDataAction)

Имя	Описание	Ценность
Тип действия	[Обязательный] Указывает тип действия расписания	ImportData (обязательно)
dataImportDefinition	[Обязательный] Определяет сведения о определении действия расписания.	DataImport (обязательно)

Интеллектуальная Проперти

Имя	Описание	Ценность
защитаУровень	Уровень защиты интеллектуальной собственности.	"Все" "Нет"
издатель	[Обязательный] Издатель интеллектуальной собственности. Должно совпадать с именем издателя реестра.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

JobBaseProperties (Свойства JobBase)

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

JobBaseSecretsConfiguration (Конфигурация JobBaseSecrets)

Имя	Описание	Ценность

Услуги JobBase

Имя	Описание	Ценность

JobInput (Ввод задания)

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

JobOutput (Вывод задания)

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

JobResourceConfiguration (Конфигурация JobResourceConfiguration)

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

JobScheduleAction (ДействиеJobSchedule)

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

JobService

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

JobServiceProperties (Свойства JobService)

Имя	Описание	Ценность

Категория метки

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

Классы LabelCategory

Имя	Описание	Ценность

Класс меток

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

Подклассы LabelClass

Имя	Описание	Ценность

LabelingDataConfiguration (МаркировкаDataConfiguration)

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

LabelingJobImageProperties (Свойства LabelingJobImage)

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

LabelingJobInstructions

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

Категории LabelingJobLabel

Имя	Описание	Ценность

LabelingJobMediaProperties (Свойства LabelingJobMedia)

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

LabelingJobProperties (Свойства задания)

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

LabelingJobTextProperties (Свойства текста)

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

ЛитералJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"литерал" (обязательный)
ценность	[Обязательный] Литеральное значение для входных данных.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

ManagedComputeIdentity (Управляемая вычислительная идентификация)

Имя	Описание	Ценность
computeIdentityType	[Обязательный] Мониторинг перечисления типа вычислительных удостоверений.	ManagedIdentity (обязательный)
идентичность	Управляемое удостоверение службы (назначенные системой удостоверения и (или) назначенные пользователем удостоверения	ManagedServiceIdentity (Управляемый сервисИдентификация)

Управляемая идентификация

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

Управляемая служебная идентичность

Имя	Описание	Ценность
тип	Тип управляемого удостоверения службы (где разрешены типы SystemAssigned и UserAssigned).	"Нет" SystemAssigned SystemAssigned, UserAssigned UserAssigned (обязательно)
ИдентичностиНазначенныеПользователем	Набор назначенных пользователем удостоверений, связанных с ресурсом. Ключи словаря userAssignedIdentities будут идентификаторами ресурсов ARM в форме: "/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Значения словаря могут быть пустыми объектами ({}) в запросах.	UserAssignedIdentity (Пользовательские идентификаторы)

MedianStoppingPolicy (МедианСтоппингPolicy)

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

Конфигурация MLAssist

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

MLAssistConfigurationDisabled

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

MLAssistConfigurationEnabled

Имя	Описание	Ценность
inferencingComputeBinding	[Обязательный] Привязка вычислений AML, используемая в выводе.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
mlAssist	[Обязательный] Указывает, включена ли функция MLAssist.	"Включено" (обязательно)
trainingComputeBinding	[Обязательный] Привязка вычислений AML, используемая в обучении.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

MLFlowModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"mlflow_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

MLFlowModelJobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

MLFlowModelJobOutput

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"mlflow_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

MLTableJobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

MLTableJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"mltable" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

MLTableJobOutput

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"mltable" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

МодельПроизводительностьМетрикаПороговая база

Имя	Описание	Ценность
modelType	Установите значение "Классификация" для типа ClassificationModelPerformanceMetricThreshold. Задайте значение Regression для типа RegressionModelPerformanceMetricThreshold.	"Классификация" Регрессия (обязательно)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

ModelPerformanceSignal (Сигнал ModelPerformanceSignal)

Имя	Описание	Ценность
dataSegment	Сегмент данных.	Сегмент мониторингДанных
metricThreshold	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	ModelPerformanceMetricThresholdBase (обязательно)
производственные данные	[Обязательный] Данные, созданные рабочей службой, для которой будет вычисляться производительность.	MonitoringInputDataBase[] (обязательно)
справочные данные	[Обязательный] Эталонные данные, используемые в качестве основы для вычисления производительности модели.	MonitoringInputDataBase (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	ModelPerformance (обязательный)

MonitorComputeConfigurationBase (База MonitorComputeConfigurationBase)

Имя	Описание	Ценность
computeType	Установите значение ServerlessSpark для типа MonitorServerlessSparkCompute.	'ServerlessSpark' (обязательный)

MonitorComputeIdentityBase (База MonitorComputeIdentityBase)

Имя	Описание	Ценность
computeIdentityType	Задайте значение AmlToken для типа AmlTokenComputeIdentity. Задайте для типа ManagedComputeIdentity значение ManagedIdentity.	"AmlToken" ManagedIdentity (обязательный)

Определение монитора

Имя	Описание	Ценность
alertNotificationSettings	Параметры уведомлений монитора.	MonitorNotificationSettings (МониторНастройкиУведомления)
computeConfiguration	[Обязательный] Идентификатор ресурса ARM вычислительного ресурса для запуска задания мониторинга.	MonitorComputeConfigurationBase (обязательно)
monitoringTarget	Идентификатор ресурса ARM модели или развертывания, предназначенный для этого монитора.	Цель мониторингаЦель
Сигналы	[Обязательный] Сигналы для отслеживания.	MonitorDefinitionSignals (обязательный)

MonitorDefinitionSignals (Сигналы MonitorDefinition)

Имя	Описание	Ценность

MonitorEmailNotificationSettings (МониторEmailNotificationSettings)

Имя	Описание	Ценность
сообщения электронной почты	Это список получателей электронной почты с ограничением 499 символов в общей сложности.	строка[]

Сегмент мониторингДанных

Имя	Описание	Ценность
особенность	Функция сегментирования данных.	струна
Значения	Фильтры только для указанных значений данного сегментированного компонента.	строка[]

MonitoringFeatureFilterBase (База фильтров)

Имя	Описание	Ценность
Тип фильтра	Задайте для типа AllFeatures значение AllFeatures. Установите значение FeatureSubset для типа FeatureSubset. Установите значение TopNByAttribution для типа TopNFeaturesByAttribution.	"AllFeatures" FeatureSubset TopNByAttribution (обязательно)

База данных MonitoringInputDataBase

Имя	Описание	Ценность
столбцы	Сопоставление имен столбцов с особыми использованием.	Столбцы базы данныхMonitoringInputDataColumns
dataContext	Метаданные контекста источника данных.	струна
inputDataType	Установите значение "Исправлено" для типа FixedInputData. Установите значение "Rolling" для типа RollingInputData. Установите значение Static для типа StaticInputData.	"Исправлено" "Скользящий" "Static" (обязательный)
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

Столбцы базы данныхMonitoringInputDataColumns

Имя	Описание	Ценность

База сигналов мониторинга

Имя	Описание	Ценность
Типы уведомлений	Текущий режим уведомлений для этого сигнала.	Массив строк, содержащий любой из: "AmlNotification" AzureMonitor
свойства	Словарь свойств. Свойства можно добавлять, но не удалять или изменять.	Свойства базы сигнала мониторинга
тип сигнала	Задайте для типа CustomMonitoringSignal значение CustomMonitoringSignal. Задайте для типа DataDriftMonitoringSignal значение DataDriftMonitoringSignal. Установите значение DataQuality для типа DataQualityMonitoringSignal. Установите значение FeatureAttributionDrift для типа FeatureAttributionDriftMonitoringSignal. Задайте значение GenerationSafetyQuality для типа GenerationSafetyQualityMonitoringSignal. Задайте значение GenerationTokenStatistics для типа GenerationTokenUsageSignal. Задайте для типа ModelPerformanceSignal значение ModelPerformanceSignal. Установите значение "PredictionDrift" для типа PredictionDriftMonitoringSignal.	"Custom" DataDrift DataQuality FeatureAttributionDrift "GenerationSafetyQuality" "GenerationTokenStatistics" ModelPerformance "PredictionDrift" (обязательный)

Свойства базы сигнала мониторинга

Имя	Описание	Ценность

Цель мониторингаЦель

Имя	Описание	Ценность
deploymentId	Идентификатор ресурса ARM любого развертывания, предназначенного для этого монитора.	струна
modelId	Идентификатор ресурса ARM любой из моделей, предназначенных для этого монитора.	струна
тип задачи	[Обязательный] Тип задачи машинного обучения модели.	"Классификация" "ВопросAnswering" Регрессия (обязательно)

Контрольный порог

Имя	Описание	Ценность
ценность	Пороговое значение. Если значение NULL, значение по умолчанию зависит от типа метрики.	инт

MonitoringWorkspaceConnection (МониторингWorkspaceConnection)

Имя	Описание	Ценность
переменные окружения	Свойства подключения службы рабочей области для хранения в виде переменных среды в отправленных заданиях. Ключ — путь к свойству подключения к рабочей области, имя — ключ переменной среды.	MonitoringWorkspaceConnectionEnvironmentVariables
Секреты	Свойства подключения к службе рабочей области для хранения в виде секретов в отправленных заданиях. Ключ — путь к свойству подключения к рабочей области, имя — секретный ключ.	MonitoringWorkspaceConnectionSecrets (МониторингРабочее пространствоСекреты подключения)

MonitoringWorkspaceConnectionEnvironmentVariables

Имя	Описание	Ценность

MonitoringWorkspaceConnectionSecrets (МониторингРабочее пространствоСекреты подключения)

Имя	Описание	Ценность

MonitorNotificationSettings (МониторНастройкиУведомления)

Имя	Описание	Ценность
emailNotificationSettings	Параметры электронной почты уведомления AML.	MonitorEmailNotificationSettings (МониторEmailNotificationSettings)

MonitorServerlessSparkCompute (МониторБессерверныйSparkCompute)

Имя	Описание	Ценность
computeIdentity	[Обязательный] Схема удостоверений, используемая заданиями Spark, выполняемыми в бессерверном Spark.	MonitorComputeIdentityBase (обязательно)
computeType	[Обязательный] Указывает тип сигнала для отслеживания.	'ServerlessSpark' (обязательный)
instanceType	[Обязательный] Тип экземпляра, на котором выполняется задание Spark.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
runtimeVersion	[Обязательный] Версия среды выполнения Spark.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

Мпи

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

NCrossВалидации

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

NlpFixedParameters

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

NlpParameterПодпространство

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

NlpSweepSettings

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

NlpVerticalFeaturizationSettings

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

NlpVerticalLimitSettings

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

Узлы

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

Настройка уведомлений

Имя	Описание	Ценность
emailOn	Отправка уведомления электронной почты пользователю по указанному типу уведомлений	Массив строк, содержащий любой из: JobCancelled JobCompleted JobFailed
сообщения электронной почты	Это список получателей электронной почты с ограничением 499 символов в общей сложности с разделителем запятых	строка[]
веб-перехватчики	Отправка обратного вызова веб-перехватчика в службу. Ключ — это имя, предоставленное пользователем для веб-перехватчика.	NotificationSettingWebhooks

NotificationSettingWebhooks

Имя	Описание	Ценность

Числовые данныеDataDriftMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Числовой" (обязательный)
Метрика	[Обязательный] Вычисляемая метрика смещения числовых данных.	"JensenShannonDistance" "NormalizedWasersteinDistance" «Индекс стабильности населения» 'TwoSampleKolmogorovSmirnovTest' (обязательно)

Числовой параметрDataQualityMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Числовой" (обязательный)
Метрика	[Обязательный] Вычисляемая метрика качества числовых данных.	DataTypeErrorRate NullValueRate OutOfBoundsRate (обязательный)

ЧисловаяpredictionDriftMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Числовой" (обязательный)
Метрика	[Обязательный] Вычисляемая метрика смещения числовых прогнозов.	"JensenShannonDistance" "NormalizedWasersteinDistance" «Индекс стабильности населения» 'TwoSampleKolmogorovSmirnovTest' (обязательно)

Цель

Имя	Описание	Ценность
цель	[Обязательный] Определяет поддерживаемые цели метрик для настройки гиперпараметров	"Развернуть" "Свернуть" (обязательно)
первичная метрика	[Обязательный] Имя метрики для оптимизации.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

PipelineJob

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

PipelineJobInputs (Входные данные PipelineJob)

Имя	Описание	Ценность

PipelineJobJobs

Имя	Описание	Ценность

PipelineJobOutputs (Выходы PipelineJob)

Имя	Описание	Ценность

PredictionDriftMetricThresholdBase (ПрогнозированиеДрифтМетрикаПорогБаза)

Имя	Описание	Ценность
тип данных	Установите значение "Категориальный" для типа CategoricalPredictionDriftMetricThreshold. Задайте значение "Число" для типа ЧисловаяpredictionDriftMetricThreshold.	"Категориальный" "Числовой" (обязательный)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

PredictionDriftMonitoringSignal (Сигнал PredictionDriftMonitoringSignal)

Имя	Описание	Ценность
featureDataTypeOverride	Словарь, который сопоставляет имена функций с соответствующими типами данных.	ПрогнозированиеДрифтМониторингСигналФункцияТипДанныеПереопределение
metricThresholds	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	PredictionDriftMetricThresholdBase[] (обязательно)
производственные данные	[Обязательный] Данные, для которых будет вычисляться смещение.	MonitoringInputDataBase (обязательно)
справочные данные	[Обязательный] Данные для вычисления смещения.	MonitoringInputDataBase (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	"PredictionDrift" (обязательный)

ПрогнозированиеДрифтМониторингСигналФункцияТипДанныеПереопределение

Имя	Описание	Ценность

PyTorch

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

Настройки очереди

Имя	Описание	Ценность
jobTier	Управляет уровнем заданий вычислений	"Базовый" "Null" "Премиум" "Spot" "Стандартный"
приоритет	Управляет приоритетом задания в вычислении.	инт

Алгоритм случайной выборки

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

Луч

Имя	Описание	Ценность
адрес	Адрес головного узла Ray.	струна
панель мониторинга	Порт для привязки сервера панели мониторинга к.	инт
distributionType	[Обязательный] Указывает тип платформы распространения.	"Ray" (обязательно)
headNodeAdditionalArgs	Дополнительные аргументы, передаваемые на запуск луча в головном узле.	струна
includeDashboard	Укажите этот аргумент для запуска графического интерфейса панели мониторинга Ray.	булевая переменная (bool)
порт	Порт процесса луча головы.	инт
workerNodeAdditionalArgs	Дополнительные аргументы, передаваемые в запуск ray в рабочем узле.	струна

ПовторениеSchedule

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

ПовторениеTrigger

Имя	Описание	Ценность
частота	[Обязательный] Частота запуска расписания.	"День" "Час" "Минута" "Месяц" "Неделя" (обязательно)
интервал	[Обязательный] Указывает интервал расписания в сочетании с частотой	int (обязательно)
планирование	Расписание повторения.	ПовторениеSchedule
Тип триггера	[Обязательный]	"Повторение" (обязательно)

Регрессия

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

RegressionModelPerformanceMetricThreshold (Порог производительности)

Имя	Описание	Ценность
Метрика	[Обязательный] Вычисляемая метрика производительности модели регрессии.	"MeanAbsoluteError" "MeanSquaredError" RootMeanSquaredError (обязательный)
modelType	[Обязательный] Указывает тип данных порогового значения метрик.	Регрессия (обязательно)

РегрессияTrainingSettings

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

РесурсБазаСвойства

Имя	Описание	Ценность

РесурсБазаСвойства

Имя	Описание	Ценность

РесурсБазаСвойства

Имя	Описание	Ценность

Теги ResourceBaseTags

Имя	Описание	Ценность

Теги ResourceBaseTags

Имя	Описание	Ценность

Теги ResourceBaseTags

Имя	Описание	Ценность

Свойства ResourceConfigurationProperties

Имя	Описание	Ценность

RollingInputData (Данные RollingInput)

Имя	Описание	Ценность
inputDataType	[Обязательный] Указывает тип сигнала для отслеживания.	"Rolling" (обязательно)
preprocessingComponentId	Идентификатор ресурса ARM ресурса компонента, используемый для предварительной обработки данных.	струна
windowOffset	[Обязательный] Смещение времени между окончанием окна данных и текущим временем выполнения монитора.	строка (обязательно)
размер окна	[Обязательный] Размер конечного окна данных.	строка (обязательно)

ВыборкаAlgorithm

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

ScheduleActionBase (База расписания)

Имя	Описание	Ценность
Тип действия	Установите значение CreateJob для типа JobScheduleAction. Установите значение CreateMonitor для типа CreateMonitorAction. Задайте для типа ImportDataAction значение ImportDataAction. Установите значение InvokeBatchEndpoint для типа EndpointScheduleAction.	CreateJob CreateMonitor ImportData InvokeBatchEndpoint (обязательно)

Свойства расписания

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

Сезонность

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

Секретная конфигурация

Имя	Описание	Ценность
УРИ	Универсальный код ресурса (URI секрета). Пример URI: `https://myvault.vault.azure.net/secrets/mysecretname/secretversion`	струна
workspaceSecretName	Имя секрета в хранилище ключей рабочей области.	струна

СпаркДжоб

Имя	Описание	Ценность
архив	Архивные файлы, используемые в задании.	строка[]
Аргументы	Аргументы для задания.	струна
codeId	[Обязательный] Идентификатор ресурса ARM ресурса ресурса кода.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
конф	Настроенные свойства Spark.	Программа SparkJobConf
вход	[Обязательный] Запись, выполняемая при запуске задания.	SparkJobEntry (обязательно)
environmentId	Идентификатор ресурса ARM спецификации среды для задания.	струна
переменные окружения	Переменные среды, включенные в задание.	Переменные SparkJobEnvironmentVariables
Файлы	Файлы, используемые в задании.	строка[]
входные данные	Сопоставление входных привязок данных, используемых в задании.	SparkJobInputs
Банки	Jar-файлы, используемые в задании.	строка[]
тип работы	[Обязательный] Указывает тип задания.	Spark (обязательно)
выходные данные	Сопоставление привязок выходных данных, используемых в задании.	SparkJobOutputs (Выходные данные SparkJob)
pyFiles	Файлы Python, используемые в задании.	строка[]
queueSettings (Настройки)	Параметры очереди для задания	Настройки очереди
ресурсы	Конфигурация вычислительных ресурсов для задания.	SparkResourceConfiguration (Конфигурация SparkResource)

Программа SparkJobConf

Имя	Описание	Ценность

SparkJobEntry (Вход в SparkJob)

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

Переменные SparkJobEnvironmentVariables

Имя	Описание	Ценность

SparkJobInputs

Имя	Описание	Ценность

SparkJobOutputs (Выходные данные SparkJob)

Имя	Описание	Ценность

SparkJobPythonEntry (Вход в SparkJobPython)

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

SparkJobScalaEntry

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

SparkResourceConfiguration (Конфигурация SparkResource)

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

StackEnsembleSettings (СтекАнсамбльНастройки)

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

СтатическиеВходные данные

Имя	Описание	Ценность
inputDataType	[Обязательный] Указывает тип сигнала для отслеживания.	"Static" (обязательный)
preprocessingComponentId	Идентификатор ресурса ARM ресурса компонента, используемый для предварительной обработки данных.	струна
windowEnd	[Обязательный] Дата окончания окна данных.	строка (обязательно)
windowStart	[Обязательный] Дата начала окна данных.	строка (обязательно)

СвипДжоб

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

SweepJobInputs (SweepJobInputs)

Имя	Описание	Ценность

SweepJobLimits (SweepJobLimits)

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

SweepJobOutputs (SweepJobOutputs)

Имя	Описание	Ценность

ТаблицаИсправленныеПараметры

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

TableParameterSubspace

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

TableSweepSettings (Настройки TableSweep)

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

ТаблицаВертикальностьНастройкиХарактеристики

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

ТаблицаВертикальная ффиатуризацияНастройкиИмяСтолбцаИТипы

Имя	Описание	Ценность

ТаблицаВертикальная феатуризацияНастройкиТрансформерыПараметры

Имя	Описание	Ценность

НастройкиTableVerticalLimit

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

Целевые лаги

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

TargetRollingWindowSize (Размер целевого окна)

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

ТензорФлоу

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

Классификация текста

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

TextClassificationMultilabel (Множественная метка текста)

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

Текстовый Нер

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

TopNFeaturesByAttribution

Имя	Описание	Ценность
Тип фильтра	[Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик.	TopNByAttribution (обязательно)
Верх	Количество основных функций, которые необходимо включить.	инт

ТриалКомпонент

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

TrialComponentEnvironmentVariables

Имя	Описание	Ценность

ТриггерБаза

Имя	Описание	Ценность
время окончания	Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. раздел 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
Время начала	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-zones?view=windows-11	струна
Тип триггера	Задайте для типа CronTrigger значение CronTrigger. Установите значение "Повторение" для типа RecurrenceTrigger.	"Cron" "Повторение" (обязательно)

TritonModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"triton_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

TritonModelJobOutput

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"triton_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

УсечениеSelectionPolicy

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

UriFileJobInput (Ввод UriFileJob)

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"uri_file" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

UriFileJobOutput (UriFileJobOutput)

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"uri_file" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

UriFolderJobInput (Ввод UriFolderJob)

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

UriFolderJobOutput

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"uri_folder" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

UserAssignedIdentity (Пользовательские идентификаторы)

Имя	Описание	Ценность

Пользовательская назначенная идентичность

Имя	Описание	Ценность

Идентификатор пользователя

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

Вебхук

Имя	Описание	Ценность
Тип события	Отправка обратного вызова на указанное событие уведомления	струна
webhookType	Установите значение "AzureDevOps" для типа AzureDevOpsWebhook.	AzureDevOps (обязательно)

Примеры использования

Определение ресурса Terraform (поставщик AzAPI)

Группы 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@2023-08-01-preview"
  name = "string"
  parent_id = "string"
  body = {
    properties = {
      action = {
        actionType = "string"
        // For remaining properties, see ScheduleActionBase objects
      }
      description = "string"
      displayName = "string"
      isEnabled = bool
      properties = {
        {customized property} = "string"
      }
      tags = {
        {customized property} = "string"
      }
      trigger = {
        endTime = "string"
        startTime = "string"
        timeZone = "string"
        triggerType = "string"
        // For remaining properties, see TriggerBase objects
      }
    }
  }
}

Объекты SparkJobEntry

Задайте свойство sparkJobEntryType , чтобы указать тип объекта.

Для SparkJobPythonEntry используйте:

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

Для SparkJobScalaEntry используйте:

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

Объекты TargetRollingWindowSize

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode = "Auto"
}

Для пользовательского использования используйте:

{
  mode = "Custom"
  value = int
}

Объекты ModelPerformanceMetricThresholdBase

Задайте свойство modelType , чтобы указать тип объекта.

Для классификации используйте:

{
  metric = "string"
  modelType = "Classification"
}

Для регрессии используйте:

{
  metric = "string"
  modelType = "Regression"
}

Объекты NCrossValidations

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode = "Auto"
}

Для пользовательского использования используйте:

{
  mode = "Custom"
  value = int
}

Объекты MonitorComputeIdentityBase

Задайте свойство computeIdentityType , чтобы указать тип объекта.

Для AmlToken используйте:

{
  computeIdentityType = "AmlToken"
}

Для ManagedIdentityиспользуйте:

{
  computeIdentityType = "ManagedIdentity"
  identity = {
    type = "string"
    userAssignedIdentities = {
      {customized property} = {
      }
    }
  }
}

Объекты DistributionConfiguration

Задайте свойство distributionType , чтобы указать тип объекта.

Для Mpi используйте:

{
  distributionType = "Mpi"
  processCountPerInstance = int
}

Для PyTorch используйте:

{
  distributionType = "PyTorch"
  processCountPerInstance = int
}

Для Ray используйте:

{
  address = "string"
  dashboardPort = int
  distributionType = "Ray"
  headNodeAdditionalArgs = "string"
  includeDashboard = bool
  port = int
  workerNodeAdditionalArgs = "string"
}

Для TensorFlow используйте:

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

Объекты JobBaseProperties

Задайте свойство jobType , чтобы указать тип объекта.

Для AutoML используйте:

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

Для команды используйте следующую команду:

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

Для маркировки используйте:

{
  dataConfiguration = {
    dataId = "string"
    incrementalDataRefresh = "string"
  }
  jobInstructions = {
    uri = "string"
  }
  jobType = "Labeling"
  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 конвейера используйте:

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

Для Spark используйте:

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

Для очистки используйте:

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

Объекты DataQualityMetricThresholdBase

Задайте свойство dataType , чтобы указать тип объекта.

Для категориальных используйте:

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

Для числовых значений используйте:

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

Объекты DataImportSource

Задайте свойство sourceType , чтобы указать тип объекта.

Для базы данных используйте:

{
  query = "string"
  sourceType = "database"
  storedProcedure = "string"
  storedProcedureParams = [
    {
      {customized property} = "string"
    }
  ]
  tableName = "string"
}

Для file_system используйте:

{
  path = "string"
  sourceType = "file_system"
}

Объекты веб-перехватчика

Задайте свойство webhookType , чтобы указать тип объекта.

Для AzureDevOps используйте:

{
  webhookType = "AzureDevOps"
}

Объекты сезонности

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode = "Auto"
}

Для пользовательского использования используйте:

{
  mode = "Custom"
  value = int
}

Объекты DataDriftMetricThresholdBase

Задайте свойство dataType , чтобы указать тип объекта.

Для категориальных используйте:

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

Для числовых значений используйте:

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

Объекты PredictionDriftMetricThresholdBase

Задайте свойство dataType , чтобы указать тип объекта.

Для категориальных используйте:

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

Для числовых значений используйте:

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

Объекты MonitoringSignalBase

Задайте свойство signalType , чтобы указать тип объекта.

Для пользовательского использования используйте:

{
  componentId = "string"
  inputAssets = {
    {customized property} = {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  metricThresholds = [
    {
      metric = "string"
      threshold = {
        value = int
      }
    }
  ]
  signalType = "Custom"
  workspaceConnection = {
    environmentVariables = {
      {customized property} = "string"
    }
    secrets = {
      {customized property} = "string"
    }
  }
}

Для DataDrift используйте:

{
  dataSegment = {
    feature = "string"
    values = [
      "string"
    ]
  }
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  featureImportanceSettings = {
    mode = "string"
    targetColumn = "string"
  }
  features = {
    filterType = "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds = [
    {
      threshold = {
        value = int
      }
      dataType = "string"
      // For remaining properties, see DataDriftMetricThresholdBase objects
    }
  ]
  productionData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "DataDrift"
}

Для DataQuality используйте:

{
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  featureImportanceSettings = {
    mode = "string"
    targetColumn = "string"
  }
  features = {
    filterType = "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds = [
    {
      threshold = {
        value = int
      }
      dataType = "string"
      // For remaining properties, see DataQualityMetricThresholdBase objects
    }
  ]
  productionData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "DataQuality"
}

Для FeatureAttributionDrift используйте:

{
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  featureImportanceSettings = {
    mode = "string"
    targetColumn = "string"
  }
  metricThreshold = {
    metric = "string"
    threshold = {
      value = int
    }
  }
  productionData = [
    {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "FeatureAttributionDrift"
}

Для GenerationSafetyQuality используйте следующее:

{
  metricThresholds = [
    {
      metric = "string"
      threshold = {
        value = int
      }
    }
  ]
  productionData = [
    {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  samplingRate = int
  signalType = "GenerationSafetyQuality"
  workspaceConnectionId = "string"
}

Для GenerationTokenStatistics используйте следующее:

{
  metricThresholds = [
    {
      metric = "string"
      threshold = {
        value = int
      }
    }
  ]
  productionData = [
    {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  samplingRate = int
  signalType = "GenerationTokenStatistics"
}

Для ModelPerformance используйте:

{
  dataSegment = {
    feature = "string"
    values = [
      "string"
    ]
  }
  metricThreshold = {
    threshold = {
      value = int
    }
    modelType = "string"
    // For remaining properties, see ModelPerformanceMetricThresholdBase objects
  }
  productionData = [
    {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "ModelPerformance"
}

Для прогнозированияDrift используйте:

{
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  metricThresholds = [
    {
      threshold = {
        value = int
      }
      dataType = "string"
      // For remaining properties, see PredictionDriftMetricThresholdBase objects
    }
  ]
  productionData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "PredictionDrift"
}

Объекты nodes

Задайте свойство nodesValueType , чтобы указать тип объекта.

Для всех используйте:

{
  nodesValueType = "All"
}

Объекты LabelingJobMediaProperties

Задайте свойство mediaType , чтобы указать тип объекта.

Для образа используйте:

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

Для текста используйте:

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

Объекты EarlyTerminationPolicy

Задайте свойство policyType , чтобы указать тип объекта.

Для Bandit используйте:

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

Для MedianStopping используйте:

{
  policyType = "MedianStopping"
}

Для усеченияSelection используйте:

{
  policyType = "TruncationSelection"
  truncationPercentage = int
}

Объекты MonitoringInputDataBase

Задайте свойство inputDataType , чтобы указать тип объекта.

Для исправлений используйте:

{
  inputDataType = "Fixed"
}

Для роллинга используйте:

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

Для статическихиспользуйте:

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

Объекты TargetLags

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode = "Auto"
}

Для пользовательского использования используйте:

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

Объекты AutoMLVertical

Задайте свойство taskType, чтобы указать тип объекта.

Для классификации используйте:

{
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
          parameters = ?
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    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"
  }
  taskType = "Classification"
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerKWargs = ?
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
    trainingMode = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"
}

Для прогнозирования используйте:

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

Для ImageClassification используйте:

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

Для ImageClassificationMultilabel используйте:

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

Для ImageInstanceSegmentation используйте:

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

Для ImageObjectDetection используйте:

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

Для регрессии используйте:

{
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
          parameters = ?
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    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"
  }
  taskType = "Regression"
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerKWargs = ?
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
    trainingMode = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"
}

Для TextClassification используйте:

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

Для TextClassificationMultilabel используйте:

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

Для TextNER используйте:

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

Объекты MonitorComputeConfigurationBase

Задайте свойство computeType , чтобы указать тип объекта.

Для serverlessSpark используйте:

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

Объекты TriggerBase

Задайте свойство triggerType , чтобы указать тип объекта.

Для Cron используйте:

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

Для повторения используйте:

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

Объекты JobInput

Задайте свойство jobInputType , чтобы указать тип объекта.

Для custom_model используйте:

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

Для литерала используйте:

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

Для mlflow_model используйте:

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

Для mltable используйте:

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

Для triton_model используйте:

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

Для uri_file используйте:

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

Для uri_folder используйте:

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

Объекты IdentityConfiguration

Задайте свойство identityType , чтобы указать тип объекта.

Для AMLToken используйте:

{
  identityType = "AMLToken"
}

Для управляемого использования используйте:

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

Для UserIdentity используйте:

{
  identityType = "UserIdentity"
}

Объекты MLAssistConfiguration

Задайте свойство mlAssist , чтобы указать тип объекта.

Для отключенных используйте:

{
  mlAssist = "Disabled"
}

Для включения используйте:

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

Объекты ВыборкиAlgorithm

Задайте свойство выборкиAlgorithmType , чтобы указать тип объекта.

Для Байезиана используйте:

{
  samplingAlgorithmType = "Bayesian"
}

Для Сетки используйте:

{
  samplingAlgorithmType = "Grid"
}

Для случайного использования используйте:

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

Объекты ForecastHorizon

Задайте свойство режима , чтобы указать тип объекта.

Для автоматического использования используйте:

{
  mode = "Auto"
}

Для пользовательского использования используйте:

{
  mode = "Custom"
  value = int
}

Объекты JobOutput

Задайте свойство jobOutputType , чтобы указать тип объекта.

Для custom_model используйте:

{
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  jobOutputType = "custom_model"
  mode = "string"
  uri = "string"
}

Для mlflow_model используйте:

{
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  jobOutputType = "mlflow_model"
  mode = "string"
  uri = "string"
}

Для mltable используйте:

{
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  jobOutputType = "mltable"
  mode = "string"
  uri = "string"
}

Для triton_model используйте:

{
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  jobOutputType = "triton_model"
  mode = "string"
  uri = "string"
}

Для uri_file используйте:

{
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  jobOutputType = "uri_file"
  mode = "string"
  uri = "string"
}

Для uri_folder используйте:

{
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  jobOutputType = "uri_folder"
  mode = "string"
  uri = "string"
}

Объекты MonitoringFeatureFilterBase

Задайте свойство filterType , чтобы указать тип объекта.

Для AllFeatures используйте:

{
  filterType = "AllFeatures"
}

Для FeatureSubset используйте:

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

Для TopNByAttribution используйте:

{
  filterType = "TopNByAttribution"
  top = int
}

Объекты ScheduleActionBase

Задайте свойство actionType, чтобы указать тип объекта.

Для CreateJob используйте:

{
  actionType = "CreateJob"
  jobDefinition = {
    componentId = "string"
    computeId = "string"
    description = "string"
    displayName = "string"
    experimentName = "string"
    identity = {
      identityType = "string"
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived = bool
    notificationSetting = {
      emailOn = [
        "string"
      ]
      emails = [
        "string"
      ]
      webhooks = {
        {customized property} = {
          eventType = "string"
          webhookType = "string"
          // For remaining properties, see Webhook objects
        }
      }
    }
    properties = {
      {customized property} = "string"
    }
    secretsConfiguration = {
      {customized property} = {
        uri = "string"
        workspaceSecretName = "string"
      }
    }
    services = {
      {customized property} = {
        endpoint = "string"
        jobServiceType = "string"
        nodes = {
          nodesValueType = "string"
          // For remaining properties, see Nodes objects
        }
        port = int
        properties = {
          {customized property} = "string"
        }
      }
    }
    tags = {
      {customized property} = "string"
    }
    jobType = "string"
    // For remaining properties, see JobBaseProperties objects
  }
}

Для CreateMonitor используйте:

{
  actionType = "CreateMonitor"
  monitorDefinition = {
    alertNotificationSettings = {
      emailNotificationSettings = {
        emails = [
          "string"
        ]
      }
    }
    computeConfiguration = {
      computeType = "string"
      // For remaining properties, see MonitorComputeConfigurationBase objects
    }
    monitoringTarget = {
      deploymentId = "string"
      modelId = "string"
      taskType = "string"
    }
    signals = {
      {customized property} = {
        notificationTypes = [
          "string"
        ]
        properties = {
          {customized property} = "string"
        }
        signalType = "string"
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }
}

Для ImportData используйте:

{
  actionType = "ImportData"
  dataImportDefinition = {
    assetName = "string"
    autoDeleteSetting = {
      condition = "string"
      value = "string"
    }
    dataType = "string"
    dataUri = "string"
    description = "string"
    intellectualProperty = {
      protectionLevel = "string"
      publisher = "string"
    }
    isAnonymous = bool
    isArchived = bool
    properties = {
      {customized property} = "string"
    }
    source = {
      connection = "string"
      sourceType = "string"
      // For remaining properties, see DataImportSource objects
    }
    stage = "string"
    tags = {
      {customized property} = "string"
    }
  }
}

Для InvokeBatchEndpoint используйте:

{
  actionType = "InvokeBatchEndpoint"
  endpointInvocationDefinition = ?
}

Значения свойств

Microsoft.MachineLearningServices/рабочие области/расписания

Имя	Описание	Ценность
имя	имя ресурса.	струна Ограничения целостности: Pattern = `^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$` (обязательно)
идентификатор_родителя	Идентификатор ресурса, который является родительским для этого ресурса.	Идентификатор ресурса типа: рабочих областей
свойства	[Обязательный] Дополнительные атрибуты сущности.	ScheduleProperties (обязательно)
тип	Тип ресурса	"Microsoft.MachineLearningServices/workspaces/schedules@2023-08-01-preview"

ВсеОсобенности

Имя	Описание	Ценность
Тип фильтра	[Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик.	AllFeatures (обязательный)

Узлы AllNodes

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

Токен AmlToken

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

AmlTokenComputeIdentity

Имя	Описание	Ценность
computeIdentityType	[Обязательный] Мониторинг перечисления типа вычислительных удостоверений.	AmlToken (обязательно)

Настройка автоматического удаления

Имя	Описание	Ценность
условие	Когда необходимо проверить, истек ли срок действия ресурса	"CreatedGreaterThan" LastAccessedGreaterThan
ценность	Значение условия окончания срока действия.	струна

Горизонт автопрогноза

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

Настройки авторегистратора

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

AutoMLЧоб

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

AutoMLJobEnvironmentVariables

Имя	Описание	Ценность

AutoMLJobOutputs

Имя	Описание	Ценность

AutoMLVertical

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

AutoNCrossValidations

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

Автосесональность

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

AutoTargetLags

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

AutoTargetRollingWindowSize

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

AzureDevOpsWebhook

Имя	Описание	Ценность
webhookType	[Обязательный] Указывает тип службы для отправки обратного вызова.	AzureDevOps (обязательно)

БандитПолитика

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

Байесовский алгоритм выборки

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

CategoricalDataDriftMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Категориальный" (обязательный)
Метрика	[Обязательный] Вычисляемая метрика смещения категориальных данных.	"JensenShannonDistance" «PearsonsChiSquaredTest» "PopulationStabilityIndex" (обязательный)

CategoricalDataQualityMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Категориальный" (обязательный)
Метрика	[Обязательный] Метрика качества категориальных данных для вычисления.	DataTypeErrorRate NullValueRate OutOfBoundsRate (обязательный)

CategoricalPredictionDriftMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Категориальный" (обязательный)
Метрика	[Обязательный] Метрика смещения категориального прогнозирования для вычисления.	"JensenShannonDistance" «PearsonsChiSquaredTest» "PopulationStabilityIndex" (обязательный)

Классификация

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

ClassificationModelPerformanceMetricThreshold (КлассификацияМодельPerformanceMetricThreshold)

Имя	Описание	Ценность
Метрика	[Обязательный] Производительность модели классификации для вычисления.	"Точность" "Точность" "Отзыв" (обязательно)
modelType	[Обязательный] Указывает тип данных порогового значения метрик.	"Классификация" (обязательно)

КлассификацияTrainingSettings

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

Колонный трансформатор

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

Командная работа

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

Переменные CommandJobEnvironmentVariables

Имя	Описание	Ценность

CommandJobInputs (КомандаJobInputs)

Имя	Описание	Ценность

CommandJobLimits (Ограничения командного задания)

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

CommandJobOutputs (КомандаJobOutputs)

Имя	Описание	Ценность

Конфигурация компонентов

Имя	Описание	Ценность
pipelineSettings (Настройки)	Параметры конвейера, например ContinueRunOnStepFailure и т. д.	любой

CreateMonitorAction (СоздатьMonitorAction)

Имя	Описание	Ценность
Тип действия	[Обязательный] Указывает тип действия расписания	CreateMonitor (обязательно)
Определение монитора	[Обязательный] Определяет монитор.	MonitorDefinition (обязательно)

КранТриггер

Имя	Описание	Ценность
выражение	[Обязательный] Указывает выражение крона расписания. Выражение должно соответствовать формату NCronTab.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
Тип триггера	[Обязательный]	"Cron" (обязательно)

Пользовательский горизонт прогноза

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

CustomMetricThreshold (Пользовательский порог)

Имя	Описание	Ценность
Метрика	[Обязательный] Определяемая пользователем метрика для вычисления.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

Ввод задания CustomModelJob

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

CustomModelJobOutput (Пользовательский модельЗаданиеВыход)

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"custom_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

Пользовательский сигнал мониторинга

Имя	Описание	Ценность
Идентификатор компонента	[Обязательный] Идентификатор ресурса ARM ресурса компонента, используемый для вычисления пользовательских метрик.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
inputAssets	Мониторинг ресурсов, которые необходимо принимать в качестве входных данных. Ключом является имя порта ввода компонента, значением является ресурс данных.	ПользовательскийМониторингСигналВходные Активы
входные данные	Дополнительные параметры компонента, которые будут приниматься в качестве входных данных. Ключом является имя порта ввода компонента, значением является значение параметра.	Пользовательские входы сигналов мониторинга
metricThresholds	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	CustomMetricThreshold[] (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	"Custom" (обязательный)
Подключение к рабочему пространству	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	MonitoringWorkspaceConnection (обязательно)

ПользовательскийМониторингСигналВходные Активы

Имя	Описание	Ценность

Пользовательские входы сигналов мониторинга

Имя	Описание	Ценность

CustomNCrossValidations

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

Пользовательская сезонность

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

CustomTargetLags (Пользовательские целевые лаги)

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

CustomTargetRollingWindowSize

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

Источник базы данных

Имя	Описание	Ценность
запрос	Инструкция SQL Query для источника базы данных импорта данных	струна
тип источника	[Обязательный] Указывает тип данных.	"база данных" (обязательно)
StoredProcedure	SQL StoredProcedure в источнике базы данных импорта данных	струна
storedProcedureParams	Параметры StoredProcedure SQL	DatabaseSourceStoredProcedureParamsItem[]
имя_таблицы	Имя таблицы в источнике базы данных импорта данных	струна

DatabaseSourceStoredProcedureParamsItem

Имя	Описание	Ценность

DataDriftMetricThresholdBase (База данныхДрифтМетрикаПорога)

Имя	Описание	Ценность
тип данных	Установите значение "Категориальный" для типа CategoricalDataDriftMetricThreshold. Задайте значение "Числовой" для типа Числовой данныхDriftMetricThreshold.	"Категориальный" "Числовой" (обязательный)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

DataDriftMonitoringSignal (Сигнал мониторинга)

Имя	Описание	Ценность
dataSegment	Сегмент данных, используемый для определения подмножества данных.	Сегмент мониторингДанных
featureDataTypeOverride	Словарь, который сопоставляет имена функций с соответствующими типами данных.	DataDriftMonitoringSignalFeatureDataTypeOverride
featureВажностьНастройки	Параметры для важности функции вычислений.	FeatureImportanceSettings
особенности	Фильтр компонентов, определяющий, какая функция вычисляет смещение.	MonitoringFeatureFilterBase (База фильтров)
metricThresholds	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	DataDriftMetricThresholdBase[] (обязательно)
производственные данные	[Обязательный] Данные, для которых будет вычисляться смещение.	MonitoringInputDataBase (обязательно)
справочные данные	[Обязательный] Данные для вычисления смещения.	MonitoringInputDataBase (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	DataDrift (обязательно)

DataDriftMonitoringSignalFeatureDataTypeOverride

Имя	Описание	Ценность

Импорт данных

Имя	Описание	Ценность
assetName	Имя ресурса для задания импорта данных для создания	струна
autoDeleteSetting	Задает параметр жизненного цикла управляемого ресурса данных.	Настройка автоматического удаления
тип данных	[Обязательный] Указывает тип данных.	"mltable" "uri_file" "uri_folder" (обязательно)
dataUri	[Обязательный] Универсальный код ресурса (URI) данных. Пример: https://go.microsoft.com/fwlink/?linkid=2202330	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
описание	Текст описания ресурса.	струна
интеллектуальная пропертия	Сведения об интеллектуальной собственности. Используется, если данные являются интеллектуальной собственностью.	Интеллектуальная Проперти
isAnonymous	Если версия имени создается системой (анонимная регистрация). Для типов, в которых определен этап, при указании этапа он будет использоваться для заполнения IsAnonymous	булевая переменная (bool)
isArchived	Архивируется ли ресурс? Для типов, в которых определен этап, при указании этапа он будет использоваться для заполнения IsArchived	булевая переменная (bool)
свойства	Словарь свойств ресурса.	РесурсБазаСвойства
Источник	Исходные данные ресурса для импорта из	Источник импорта данных
этап	Этап жизненного цикла данных, назначенный этому ресурсу данных	струна
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	Теги ResourceBaseTags

Источник импорта данных

Имя	Описание	Ценность
подключение	Подключение к рабочей области для хранилища источников импорта данных	струна
тип источника	Задайте для типа DatabaseSource значение database. Установите значение "file_system" для типа FileSystemSource.	"база данных" "file_system" (обязательно)

DataQualityMetricThresholdBase (ДатаКачествоМетрикаПороговая база)

Имя	Описание	Ценность
тип данных	Установите значение "Категориальный" для типа CategoricalDataQualityMetricThreshold. Задайте значение "Числовой" для типа Числовой ДанныеQualityMetricThreshold.	"Категориальный" "Числовой" (обязательный)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

Сигнал DataQualityMonitoringSignal (Сигнал DataQualityMonitoring)

Имя	Описание	Ценность
featureDataTypeOverride	Словарь, который сопоставляет имена функций с соответствующими типами данных.	DataQualityMonitoringSignalFeatureDataTypeOverride
featureВажностьНастройки	Параметры для важности функции вычислений.	FeatureImportanceSettings
особенности	Функции для вычисления смещения.	MonitoringFeatureFilterBase (База фильтров)
metricThresholds	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	DataQualityMetricThresholdBase[] (обязательно)
производственные данные	[Обязательный] Данные, созданные рабочей службой, для которой будет вычисляться смещение.	MonitoringInputDataBase (обязательно)
справочные данные	[Обязательный] Данные для вычисления смещения.	MonitoringInputDataBase (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	DataQuality (обязательно)

DataQualityMonitoringSignalFeatureDataTypeOverride

Имя	Описание	Ценность

DistributionConfiguration (РаспределениеКонфигурация)

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

Политика досрочного прекращения

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

EndpointScheduleAction (ДействиеEndpointSchedule)

Имя	Описание	Ценность
Тип действия	[Обязательный] Указывает тип действия расписания	InvokeBatchEndpoint (обязательно)
endpointInvocationDefinition	[Обязательный] Определяет сведения о определении действия расписания. <see href="TBD" />	любой (обязательный)

FeatureAttributionDriftMonitoringSignal

Имя	Описание	Ценность
featureDataTypeOverride	Словарь, который сопоставляет имена функций с соответствующими типами данных.	FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
featureВажностьНастройки	Параметры для важности функции вычислений.	FeatureImportanceSettings
metricThreshold	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	FeatureAttributionMetricThreshold (обязательно)
производственные данные	[Обязательный] Данные, для которых будет вычисляться смещение.	MonitoringInputDataBase[] (обязательно)
справочные данные	[Обязательный] Данные для вычисления смещения.	MonitoringInputDataBase (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	FeatureAttributionDrift (обязательный)

FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride

Имя	Описание	Ценность

FeatureAttributionMetricThreshold

Имя	Описание	Ценность
Метрика	[Обязательный] Вычислимая метрика атрибута.	"NormalizedDiscountedCumulativeGain" (обязательный)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

FeatureImportanceSettings

Имя	Описание	Ценность
режим	Режим работы для важности функции вычислений.	"Отключено" "Включено"
targetColumn	Имя целевого столбца в входных ресурсах данных.	струна

FeatureSubset (Подмножество функций)

Имя	Описание	Ценность
особенности	[Обязательный] Список функций, которые необходимо включить.	string[] (обязательно)
Тип фильтра	[Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик.	FeatureSubset (обязательный)

Источник файловой системы

Имя	Описание	Ценность
путь	Путь к источнику fileSystem импорта данных	струна
тип источника	[Обязательный] Указывает тип данных.	"file_system" (обязательно)

FixedInputData (Данные ввода)

Имя	Описание	Ценность
inputDataType	[Обязательный] Указывает тип сигнала для отслеживания.	"Исправлено" (обязательно)

ПрогнозHorizon

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

Прогнозирование

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

ПрогнозированиеSettings

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

ПрогнозированиеTrainingSettings

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

Порог метрики GenerationSafetyQualityMeter

Имя	Описание	Ценность
Метрика	[Обязательный] Возвращает или задает метрику атрибуции функции для вычисления.	"AcceptableCoherenceScorePerInstance" "AcceptableFluencyScorePerInstance" "AcceptableGroundednessScorePerInstance" "AcceptableRelevanceScorePerInstance" "AcceptableSimilarityScorePerInstance" «Агрегированный коэффициент когерентности» "AggregatedFluencyPassRate" "AggregatedGroundednessPassRate" "AggregatedRelevancePassRate" "AggregatedSimilarityPassRate" (обязательный)
порог	Возвращает или задает пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

ГенерацияБезопасностьКачествоМониторингСигнал

Имя	Описание	Ценность
metricThresholds	[Обязательный] Возвращает или задает метрики для вычисления и соответствующих пороговых значений.	GenerationSafetyQualityMetricThreshold[] (обязательно)
производственные данные	Возвращает или задает рабочие данные для вычислений метрик.	База данных MonitoringInput[]
выборка	[Обязательный] Частота выборки рабочих данных должна превышать 0 и не более 1.	int (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	GenerationSafetyQuality (обязательно)
workspaceConnectionId	Возвращает или задает идентификатор подключения рабочей области, используемый для подключения к конечной точке создания контента.	струна

Пороговое значение метрики GenerationTokenUsageMetricThreshold

Имя	Описание	Ценность
Метрика	[Обязательный] Возвращает или задает метрику атрибуции функции для вычисления.	TotalTokenCount TotalTokenCountPerGroup (обязательно)
порог	Возвращает или задает пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

GenerationTokenUsageSignal

Имя	Описание	Ценность
metricThresholds	[Обязательный] Возвращает или задает метрики для вычисления и соответствующих пороговых значений.	GenerationTokenUsageMetricThreshold[] (обязательный)
производственные данные	Возвращает или задает рабочие данные для вычислений метрик.	База данных MonitoringInput[]
выборка	[Обязательный] Частота выборки рабочих данных должна превышать 0 и не более 1.	int (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	GenerationTokenStatistics (обязательно)

Алгоритм сетчатой выборки

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

IdentityConfiguration (Конфигурация идентичности)

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

Классификация изображений

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

ImageClassificationMultilabel (Классификация изображенийMultilabel)

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

Сегментация экземпляра изображения

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

ImageLimitSettings (Настройки ImageLimit)

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

ImageModelDistributionSettingsКлассификация

Имя	Описание	Ценность
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
бета2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
ранняяОстановка	Включите логику раннего остановки во время обучения.	струна
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". 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
разминкаCosineLRCycles	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

ImageModelDistributionSettingsObjectDetection

Имя	Описание	Ценность
Градиент amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
бета1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
бета2	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 Порог BoxScore. Должен быть плавающей запятой в диапазоне[0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
ранняяОстановка	Включите логику раннего остановки во время обучения.	струна
ранняя остановкаЗадержка	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
ранняяОстановкаТерпение	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationШаг	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
размер изображения	Размер изображения для обучения и проверки. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. 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
название модели	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/машинное обучение/how-to-auto-train-image-models.	струна
modelSize	Размер модели. Должен быть "маленький", "средний", "большой" или "xlarge". Примечание. Учебный запуск может попасть в OOM CUDA, если размер модели слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". 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
разминкаCosineLRCycles	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

ImageModelSettingsClassification

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

ImageModelSettingsОбнаружение объектов

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

Обнаружение объектов ImageObject

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

Настройки ImageSweepSettings

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

ImportDataAction (ДействиеImportDataAction)

Имя	Описание	Ценность
Тип действия	[Обязательный] Указывает тип действия расписания	ImportData (обязательно)
dataImportDefinition	[Обязательный] Определяет сведения о определении действия расписания.	DataImport (обязательно)

Интеллектуальная Проперти

Имя	Описание	Ценность
защитаУровень	Уровень защиты интеллектуальной собственности.	"Все" "Нет"
издатель	[Обязательный] Издатель интеллектуальной собственности. Должно совпадать с именем издателя реестра.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

JobBaseProperties (Свойства JobBase)

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

JobBaseSecretsConfiguration (Конфигурация JobBaseSecrets)

Имя	Описание	Ценность

Услуги JobBase

Имя	Описание	Ценность

JobInput (Ввод задания)

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

JobOutput (Вывод задания)

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

JobResourceConfiguration (Конфигурация JobResourceConfiguration)

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

JobScheduleAction (ДействиеJobSchedule)

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

JobService

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

JobServiceProperties (Свойства JobService)

Имя	Описание	Ценность

Категория метки

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

Классы LabelCategory

Имя	Описание	Ценность

Класс меток

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

Подклассы LabelClass

Имя	Описание	Ценность

LabelingDataConfiguration (МаркировкаDataConfiguration)

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

LabelingJobImageProperties (Свойства LabelingJobImage)

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

LabelingJobInstructions

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

Категории LabelingJobLabel

Имя	Описание	Ценность

LabelingJobMediaProperties (Свойства LabelingJobMedia)

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

LabelingJobProperties (Свойства задания)

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

LabelingJobTextProperties (Свойства текста)

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

ЛитералJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"литерал" (обязательный)
ценность	[Обязательный] Литеральное значение для входных данных.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

ManagedComputeIdentity (Управляемая вычислительная идентификация)

Имя	Описание	Ценность
computeIdentityType	[Обязательный] Мониторинг перечисления типа вычислительных удостоверений.	ManagedIdentity (обязательный)
идентичность	Управляемое удостоверение службы (назначенные системой удостоверения и (или) назначенные пользователем удостоверения	ManagedServiceIdentity (Управляемый сервисИдентификация)

Управляемая идентификация

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

Управляемая служебная идентичность

Имя	Описание	Ценность
тип	Тип управляемого удостоверения службы (где разрешены типы SystemAssigned и UserAssigned).	"Нет" SystemAssigned SystemAssigned, UserAssigned UserAssigned (обязательно)
ИдентичностиНазначенныеПользователем	Набор назначенных пользователем удостоверений, связанных с ресурсом. Ключи словаря userAssignedIdentities будут идентификаторами ресурсов ARM в форме: "/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Значения словаря могут быть пустыми объектами ({}) в запросах.	UserAssignedIdentity (Пользовательские идентификаторы)

MedianStoppingPolicy (МедианСтоппингPolicy)

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

Конфигурация MLAssist

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

MLAssistConfigurationDisabled

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

MLAssistConfigurationEnabled

Имя	Описание	Ценность
inferencingComputeBinding	[Обязательный] Привязка вычислений AML, используемая в выводе.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
mlAssist	[Обязательный] Указывает, включена ли функция MLAssist.	"Включено" (обязательно)
trainingComputeBinding	[Обязательный] Привязка вычислений AML, используемая в обучении.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

MLFlowModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"mlflow_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

MLFlowModelJobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

MLFlowModelJobOutput

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"mlflow_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

MLTableJobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

MLTableJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"mltable" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

MLTableJobOutput

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"mltable" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

МодельПроизводительностьМетрикаПороговая база

Имя	Описание	Ценность
modelType	Установите значение "Классификация" для типа ClassificationModelPerformanceMetricThreshold. Задайте значение Regression для типа RegressionModelPerformanceMetricThreshold.	"Классификация" Регрессия (обязательно)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

ModelPerformanceSignal (Сигнал ModelPerformanceSignal)

Имя	Описание	Ценность
dataSegment	Сегмент данных.	Сегмент мониторингДанных
metricThreshold	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	ModelPerformanceMetricThresholdBase (обязательно)
производственные данные	[Обязательный] Данные, созданные рабочей службой, для которой будет вычисляться производительность.	MonitoringInputDataBase[] (обязательно)
справочные данные	[Обязательный] Эталонные данные, используемые в качестве основы для вычисления производительности модели.	MonitoringInputDataBase (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	ModelPerformance (обязательный)

MonitorComputeConfigurationBase (База MonitorComputeConfigurationBase)

Имя	Описание	Ценность
computeType	Установите значение ServerlessSpark для типа MonitorServerlessSparkCompute.	'ServerlessSpark' (обязательный)

MonitorComputeIdentityBase (База MonitorComputeIdentityBase)

Имя	Описание	Ценность
computeIdentityType	Задайте значение AmlToken для типа AmlTokenComputeIdentity. Задайте для типа ManagedComputeIdentity значение ManagedIdentity.	"AmlToken" ManagedIdentity (обязательный)

Определение монитора

Имя	Описание	Ценность
alertNotificationSettings	Параметры уведомлений монитора.	MonitorNotificationSettings (МониторНастройкиУведомления)
computeConfiguration	[Обязательный] Идентификатор ресурса ARM вычислительного ресурса для запуска задания мониторинга.	MonitorComputeConfigurationBase (обязательно)
monitoringTarget	Идентификатор ресурса ARM модели или развертывания, предназначенный для этого монитора.	Цель мониторингаЦель
Сигналы	[Обязательный] Сигналы для отслеживания.	MonitorDefinitionSignals (обязательный)

MonitorDefinitionSignals (Сигналы MonitorDefinition)

Имя	Описание	Ценность

MonitorEmailNotificationSettings (МониторEmailNotificationSettings)

Имя	Описание	Ценность
сообщения электронной почты	Это список получателей электронной почты с ограничением 499 символов в общей сложности.	строка[]

Сегмент мониторингДанных

Имя	Описание	Ценность
особенность	Функция сегментирования данных.	струна
Значения	Фильтры только для указанных значений данного сегментированного компонента.	строка[]

MonitoringFeatureFilterBase (База фильтров)

Имя	Описание	Ценность
Тип фильтра	Задайте для типа AllFeatures значение AllFeatures. Установите значение FeatureSubset для типа FeatureSubset. Установите значение TopNByAttribution для типа TopNFeaturesByAttribution.	"AllFeatures" FeatureSubset TopNByAttribution (обязательно)

База данных MonitoringInputDataBase

Имя	Описание	Ценность
столбцы	Сопоставление имен столбцов с особыми использованием.	Столбцы базы данныхMonitoringInputDataColumns
dataContext	Метаданные контекста источника данных.	струна
inputDataType	Установите значение "Исправлено" для типа FixedInputData. Установите значение "Rolling" для типа RollingInputData. Установите значение Static для типа StaticInputData.	"Исправлено" "Скользящий" "Static" (обязательный)
jobInputType	[Обязательный] Указывает тип задания.	"custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно)
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

Столбцы базы данныхMonitoringInputDataColumns

Имя	Описание	Ценность

База сигналов мониторинга

Имя	Описание	Ценность
Типы уведомлений	Текущий режим уведомлений для этого сигнала.	Массив строк, содержащий любой из: "AmlNotification" AzureMonitor
свойства	Словарь свойств. Свойства можно добавлять, но не удалять или изменять.	Свойства базы сигнала мониторинга
тип сигнала	Задайте для типа CustomMonitoringSignal значение CustomMonitoringSignal. Задайте для типа DataDriftMonitoringSignal значение DataDriftMonitoringSignal. Установите значение DataQuality для типа DataQualityMonitoringSignal. Установите значение FeatureAttributionDrift для типа FeatureAttributionDriftMonitoringSignal. Задайте значение GenerationSafetyQuality для типа GenerationSafetyQualityMonitoringSignal. Задайте значение GenerationTokenStatistics для типа GenerationTokenUsageSignal. Задайте для типа ModelPerformanceSignal значение ModelPerformanceSignal. Установите значение "PredictionDrift" для типа PredictionDriftMonitoringSignal.	"Custom" DataDrift DataQuality FeatureAttributionDrift "GenerationSafetyQuality" "GenerationTokenStatistics" ModelPerformance "PredictionDrift" (обязательный)

Свойства базы сигнала мониторинга

Имя	Описание	Ценность

Цель мониторингаЦель

Имя	Описание	Ценность
deploymentId	Идентификатор ресурса ARM любого развертывания, предназначенного для этого монитора.	струна
modelId	Идентификатор ресурса ARM любой из моделей, предназначенных для этого монитора.	струна
тип задачи	[Обязательный] Тип задачи машинного обучения модели.	"Классификация" "ВопросAnswering" Регрессия (обязательно)

Контрольный порог

Имя	Описание	Ценность
ценность	Пороговое значение. Если значение NULL, значение по умолчанию зависит от типа метрики.	инт

MonitoringWorkspaceConnection (МониторингWorkspaceConnection)

Имя	Описание	Ценность
переменные окружения	Свойства подключения службы рабочей области для хранения в виде переменных среды в отправленных заданиях. Ключ — путь к свойству подключения к рабочей области, имя — ключ переменной среды.	MonitoringWorkspaceConnectionEnvironmentVariables
Секреты	Свойства подключения к службе рабочей области для хранения в виде секретов в отправленных заданиях. Ключ — путь к свойству подключения к рабочей области, имя — секретный ключ.	MonitoringWorkspaceConnectionSecrets (МониторингРабочее пространствоСекреты подключения)

MonitoringWorkspaceConnectionEnvironmentVariables

Имя	Описание	Ценность

MonitoringWorkspaceConnectionSecrets (МониторингРабочее пространствоСекреты подключения)

Имя	Описание	Ценность

MonitorNotificationSettings (МониторНастройкиУведомления)

Имя	Описание	Ценность
emailNotificationSettings	Параметры электронной почты уведомления AML.	MonitorEmailNotificationSettings (МониторEmailNotificationSettings)

MonitorServerlessSparkCompute (МониторБессерверныйSparkCompute)

Имя	Описание	Ценность
computeIdentity	[Обязательный] Схема удостоверений, используемая заданиями Spark, выполняемыми в бессерверном Spark.	MonitorComputeIdentityBase (обязательно)
computeType	[Обязательный] Указывает тип сигнала для отслеживания.	'ServerlessSpark' (обязательный)
instanceType	[Обязательный] Тип экземпляра, на котором выполняется задание Spark.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
runtimeVersion	[Обязательный] Версия среды выполнения Spark.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

Мпи

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

NCrossВалидации

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

NlpFixedParameters

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

NlpParameterПодпространство

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

NlpSweepSettings

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

NlpVerticalFeaturizationSettings

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

NlpVerticalLimitSettings

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

Узлы

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

Настройка уведомлений

Имя	Описание	Ценность
emailOn	Отправка уведомления электронной почты пользователю по указанному типу уведомлений	Массив строк, содержащий любой из: JobCancelled JobCompleted JobFailed
сообщения электронной почты	Это список получателей электронной почты с ограничением 499 символов в общей сложности с разделителем запятых	строка[]
веб-перехватчики	Отправка обратного вызова веб-перехватчика в службу. Ключ — это имя, предоставленное пользователем для веб-перехватчика.	NotificationSettingWebhooks

NotificationSettingWebhooks

Имя	Описание	Ценность

Числовые данныеDataDriftMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Числовой" (обязательный)
Метрика	[Обязательный] Вычисляемая метрика смещения числовых данных.	"JensenShannonDistance" "NormalizedWasersteinDistance" «Индекс стабильности населения» 'TwoSampleKolmogorovSmirnovTest' (обязательно)

Числовой параметрDataQualityMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Числовой" (обязательный)
Метрика	[Обязательный] Вычисляемая метрика качества числовых данных.	DataTypeErrorRate NullValueRate OutOfBoundsRate (обязательный)

ЧисловаяpredictionDriftMetricThreshold

Имя	Описание	Ценность
тип данных	[Обязательный] Указывает тип данных порогового значения метрик.	"Числовой" (обязательный)
Метрика	[Обязательный] Вычисляемая метрика смещения числовых прогнозов.	"JensenShannonDistance" "NormalizedWasersteinDistance" «Индекс стабильности населения» 'TwoSampleKolmogorovSmirnovTest' (обязательно)

Цель

Имя	Описание	Ценность
цель	[Обязательный] Определяет поддерживаемые цели метрик для настройки гиперпараметров	"Развернуть" "Свернуть" (обязательно)
первичная метрика	[Обязательный] Имя метрики для оптимизации.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

PipelineJob

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

PipelineJobInputs (Входные данные PipelineJob)

Имя	Описание	Ценность

PipelineJobJobs

Имя	Описание	Ценность

PipelineJobOutputs (Выходы PipelineJob)

Имя	Описание	Ценность

PredictionDriftMetricThresholdBase (ПрогнозированиеДрифтМетрикаПорогБаза)

Имя	Описание	Ценность
тип данных	Установите значение "Категориальный" для типа CategoricalPredictionDriftMetricThreshold. Задайте значение "Число" для типа ЧисловаяpredictionDriftMetricThreshold.	"Категориальный" "Числовой" (обязательный)
порог	Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики.	Контрольный порог

PredictionDriftMonitoringSignal (Сигнал PredictionDriftMonitoringSignal)

Имя	Описание	Ценность
featureDataTypeOverride	Словарь, который сопоставляет имена функций с соответствующими типами данных.	ПрогнозированиеДрифтМониторингСигналФункцияТипДанныеПереопределение
metricThresholds	[Обязательный] Список метрик для вычисления и связанных с ними пороговых значений.	PredictionDriftMetricThresholdBase[] (обязательно)
производственные данные	[Обязательный] Данные, для которых будет вычисляться смещение.	MonitoringInputDataBase (обязательно)
справочные данные	[Обязательный] Данные для вычисления смещения.	MonitoringInputDataBase (обязательно)
тип сигнала	[Обязательный] Указывает тип сигнала для отслеживания.	"PredictionDrift" (обязательный)

ПрогнозированиеДрифтМониторингСигналФункцияТипДанныеПереопределение

Имя	Описание	Ценность

PyTorch

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

Настройки очереди

Имя	Описание	Ценность
jobTier	Управляет уровнем заданий вычислений	"Базовый" "Null" "Премиум" "Spot" "Стандартный"
приоритет	Управляет приоритетом задания в вычислении.	инт

Алгоритм случайной выборки

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

Луч

Имя	Описание	Ценность
адрес	Адрес головного узла Ray.	струна
панель мониторинга	Порт для привязки сервера панели мониторинга к.	инт
distributionType	[Обязательный] Указывает тип платформы распространения.	"Ray" (обязательно)
headNodeAdditionalArgs	Дополнительные аргументы, передаваемые на запуск луча в головном узле.	струна
includeDashboard	Укажите этот аргумент для запуска графического интерфейса панели мониторинга Ray.	булевая переменная (bool)
порт	Порт процесса луча головы.	инт
workerNodeAdditionalArgs	Дополнительные аргументы, передаваемые в запуск ray в рабочем узле.	струна

ПовторениеSchedule

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

ПовторениеTrigger

Имя	Описание	Ценность
частота	[Обязательный] Частота запуска расписания.	"День" "Час" "Минута" "Месяц" "Неделя" (обязательно)
интервал	[Обязательный] Указывает интервал расписания в сочетании с частотой	int (обязательно)
планирование	Расписание повторения.	ПовторениеSchedule
Тип триггера	[Обязательный]	"Повторение" (обязательно)

Регрессия

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

RegressionModelPerformanceMetricThreshold (Порог производительности)

Имя	Описание	Ценность
Метрика	[Обязательный] Вычисляемая метрика производительности модели регрессии.	"MeanAbsoluteError" "MeanSquaredError" RootMeanSquaredError (обязательный)
modelType	[Обязательный] Указывает тип данных порогового значения метрик.	Регрессия (обязательно)

РегрессияTrainingSettings

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

РесурсБазаСвойства

Имя	Описание	Ценность

РесурсБазаСвойства

Имя	Описание	Ценность

РесурсБазаСвойства

Имя	Описание	Ценность

Теги ResourceBaseTags

Имя	Описание	Ценность

Теги ResourceBaseTags

Имя	Описание	Ценность

Теги ResourceBaseTags

Имя	Описание	Ценность

Свойства ResourceConfigurationProperties

Имя	Описание	Ценность

RollingInputData (Данные RollingInput)

Имя	Описание	Ценность
inputDataType	[Обязательный] Указывает тип сигнала для отслеживания.	"Rolling" (обязательно)
preprocessingComponentId	Идентификатор ресурса ARM ресурса компонента, используемый для предварительной обработки данных.	струна
windowOffset	[Обязательный] Смещение времени между окончанием окна данных и текущим временем выполнения монитора.	строка (обязательно)
размер окна	[Обязательный] Размер конечного окна данных.	строка (обязательно)

ВыборкаAlgorithm

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

ScheduleActionBase (База расписания)

Имя	Описание	Ценность
Тип действия	Установите значение CreateJob для типа JobScheduleAction. Установите значение CreateMonitor для типа CreateMonitorAction. Задайте для типа ImportDataAction значение ImportDataAction. Установите значение InvokeBatchEndpoint для типа EndpointScheduleAction.	CreateJob CreateMonitor ImportData InvokeBatchEndpoint (обязательно)

Свойства расписания

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

Сезонность

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

Секретная конфигурация

Имя	Описание	Ценность
УРИ	Универсальный код ресурса (URI секрета). Пример URI: `https://myvault.vault.azure.net/secrets/mysecretname/secretversion`	струна
workspaceSecretName	Имя секрета в хранилище ключей рабочей области.	струна

СпаркДжоб

Имя	Описание	Ценность
архив	Архивные файлы, используемые в задании.	строка[]
Аргументы	Аргументы для задания.	струна
codeId	[Обязательный] Идентификатор ресурса ARM ресурса ресурса кода.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)
конф	Настроенные свойства Spark.	Программа SparkJobConf
вход	[Обязательный] Запись, выполняемая при запуске задания.	SparkJobEntry (обязательно)
environmentId	Идентификатор ресурса ARM спецификации среды для задания.	струна
переменные окружения	Переменные среды, включенные в задание.	Переменные SparkJobEnvironmentVariables
Файлы	Файлы, используемые в задании.	строка[]
входные данные	Сопоставление входных привязок данных, используемых в задании.	SparkJobInputs
Банки	Jar-файлы, используемые в задании.	строка[]
тип работы	[Обязательный] Указывает тип задания.	Spark (обязательно)
выходные данные	Сопоставление привязок выходных данных, используемых в задании.	SparkJobOutputs (Выходные данные SparkJob)
pyFiles	Файлы Python, используемые в задании.	строка[]
queueSettings (Настройки)	Параметры очереди для задания	Настройки очереди
ресурсы	Конфигурация вычислительных ресурсов для задания.	SparkResourceConfiguration (Конфигурация SparkResource)

Программа SparkJobConf

Имя	Описание	Ценность

SparkJobEntry (Вход в SparkJob)

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

Переменные SparkJobEnvironmentVariables

Имя	Описание	Ценность

SparkJobInputs

Имя	Описание	Ценность

SparkJobOutputs (Выходные данные SparkJob)

Имя	Описание	Ценность

SparkJobPythonEntry (Вход в SparkJobPython)

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

SparkJobScalaEntry

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

SparkResourceConfiguration (Конфигурация SparkResource)

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

StackEnsembleSettings (СтекАнсамбльНастройки)

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

СтатическиеВходные данные

Имя	Описание	Ценность
inputDataType	[Обязательный] Указывает тип сигнала для отслеживания.	"Static" (обязательный)
preprocessingComponentId	Идентификатор ресурса ARM ресурса компонента, используемый для предварительной обработки данных.	струна
windowEnd	[Обязательный] Дата окончания окна данных.	строка (обязательно)
windowStart	[Обязательный] Дата начала окна данных.	строка (обязательно)

СвипДжоб

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

SweepJobInputs (SweepJobInputs)

Имя	Описание	Ценность

SweepJobLimits (SweepJobLimits)

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

SweepJobOutputs (SweepJobOutputs)

Имя	Описание	Ценность

ТаблицаИсправленныеПараметры

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

TableParameterSubspace

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

TableSweepSettings (Настройки TableSweep)

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

ТаблицаВертикальностьНастройкиХарактеристики

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

ТаблицаВертикальная ффиатуризацияНастройкиИмяСтолбцаИТипы

Имя	Описание	Ценность

ТаблицаВертикальная феатуризацияНастройкиТрансформерыПараметры

Имя	Описание	Ценность

НастройкиTableVerticalLimit

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

Целевые лаги

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

TargetRollingWindowSize (Размер целевого окна)

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

ТензорФлоу

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

Классификация текста

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

TextClassificationMultilabel (Множественная метка текста)

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

Текстовый Нер

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

TopNFeaturesByAttribution

Имя	Описание	Ценность
Тип фильтра	[Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик.	TopNByAttribution (обязательно)
Верх	Количество основных функций, которые необходимо включить.	инт

ТриалКомпонент

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

TrialComponentEnvironmentVariables

Имя	Описание	Ценность

ТриггерБаза

Имя	Описание	Ценность
время окончания	Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. раздел 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
Время начала	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-zones?view=windows-11	струна
Тип триггера	Задайте для типа CronTrigger значение CronTrigger. Установите значение "Повторение" для типа RecurrenceTrigger.	"Cron" "Повторение" (обязательно)

TritonModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"triton_model" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

TritonModelJobOutput

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"triton_model" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

УсечениеSelectionPolicy

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

UriFileJobInput (Ввод UriFileJob)

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"uri_file" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

UriFileJobOutput (UriFileJobOutput)

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"uri_file" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

UriFolderJobInput (Ввод UriFolderJob)

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"uri_folder" (обязательно)
режим	Режим доставки входных ресурсов.	«Прямой» "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
УРИ	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Минимальная длина = 1 Pattern = `[a-zA-Z0-9_]` (обязательно)

UriFolderJobOutput

Имя	Описание	Ценность
assetName	Имя выходного ресурса.	струна
assetVersion	Версия выходного ресурса.	струна
autoDeleteSetting	Автоматическое удаление параметра выходного ресурса данных.	Настройка автоматического удаления
jobOutputType	[Обязательный] Указывает тип задания.	"uri_folder" (обязательно)
режим	Режим доставки выходных ресурсов.	«Прямой» ReadWriteMount "Отправить"
УРИ	URI выходного ресурса.	струна

UserAssignedIdentity (Пользовательские идентификаторы)

Имя	Описание	Ценность

Пользовательская назначенная идентичность

Имя	Описание	Ценность

Идентификатор пользователя

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

Вебхук

Имя	Описание	Ценность
Тип события	Отправка обратного вызова на указанное событие уведомления	струна
webhookType	Установите значение "AzureDevOps" для типа AzureDevOpsWebhook.	AzureDevOps (обязательно)

Поделиться через

Рабочие области Microsoft.MachineLearningServices/schedules 2023-08-01-preview

Определение ресурсов Bicep

Формат ресурса

Объекты SparkJobEntry

Объекты TargetRollingWindowSize

Объекты ModelPerformanceMetricThresholdBase

Объекты NCrossValidations

Объекты MonitorComputeIdentityBase

Объекты DistributionConfiguration

Объекты JobBaseProperties

Объекты DataQualityMetricThresholdBase

Объекты DataImportSource

Объекты веб-перехватчика

Объекты сезонности

Объекты DataDriftMetricThresholdBase

Объекты PredictionDriftMetricThresholdBase

Объекты MonitoringSignalBase

Объекты nodes

Объекты LabelingJobMediaProperties

Объекты EarlyTerminationPolicy

Объекты MonitoringInputDataBase

Объекты TargetLags

Объекты AutoMLVertical

Объекты MonitorComputeConfigurationBase

Объекты TriggerBase

Объекты JobInput

Объекты IdentityConfiguration

Объекты MLAssistConfiguration

Объекты ВыборкиAlgorithm

Объекты ForecastHorizon

Объекты JobOutput

Объекты MonitoringFeatureFilterBase

Объекты ScheduleActionBase

Значения свойств

Microsoft.MachineLearningServices/рабочие области/расписания

ВсеОсобенности

Узлы AllNodes

Токен AmlToken

AmlTokenComputeIdentity

Настройка автоматического удаления

Горизонт автопрогноза

Настройки авторегистратора

AutoMLЧоб

AutoMLJobEnvironmentVariables

AutoMLJobOutputs

AutoMLVertical

AutoNCrossValidations

Автосесональность

AutoTargetLags

AutoTargetRollingWindowSize

AzureDevOpsWebhook

БандитПолитика

Байесовский алгоритм выборки

CategoricalDataDriftMetricThreshold

CategoricalDataQualityMetricThreshold

CategoricalPredictionDriftMetricThreshold

Классификация

ClassificationModelPerformanceMetricThreshold (КлассификацияМодельPerformanceMetricThreshold)

КлассификацияTrainingSettings

Колонный трансформатор

Командная работа

Переменные CommandJobEnvironmentVariables

CommandJobInputs (КомандаJobInputs)

CommandJobLimits (Ограничения командного задания)

CommandJobOutputs (КомандаJobOutputs)

Конфигурация компонентов

CreateMonitorAction (СоздатьMonitorAction)

КранТриггер

Пользовательский горизонт прогноза

CustomMetricThreshold (Пользовательский порог)

Ввод задания CustomModelJob

CustomModelJobOutput (Пользовательский модельЗаданиеВыход)

Пользовательский сигнал мониторинга

ПользовательскийМониторингСигналВходные Активы

Пользовательские входы сигналов мониторинга

CustomNCrossValidations

Пользовательская сезонность

CustomTargetLags (Пользовательские целевые лаги)

CustomTargetRollingWindowSize