Microsoft.MachineLearningServices çalışma alanları/işleri 2022-02-01-preview

• En son
• 2023-10-01
• 2023-08-01-önizleme
• 2023-06-01-önizleme
• 2023-04-01
• 2023-04-01-önizleme
• 2023-02-01-önizleme
• 2022-12-01-önizleme
• 2022-10-01
• 2022-10-01-önizleme
• 2022-06-01-önizleme
• 2022-05-01
• 2022-02-01-önizleme
• 2021-03-01-önizleme

Bicep kaynak tanımı

Çalışma alanları/işler kaynak türü, aşağıdakileri hedefleyen işlemlerle dağıtılabilir:

• Kaynak grupları - Bkz. kaynak grubu dağıtım komutları

Her API sürümünde değiştirilen özelliklerin listesi için bkz. değişiklik günlüğü.

Kaynak biçimi

Microsoft.MachineLearningServices/workspaces/jobs kaynağı oluşturmak için aşağıdaki Bicep'i şablonunuza ekleyin.

resource symbolicname 'Microsoft.MachineLearningServices/workspaces/jobs@2022-02-01-preview' = {
  name: 'string'
  parent: resourceSymbolicName
  properties: {
    computeId: 'string'
    description: 'string'
    displayName: 'string'
    experimentName: 'string'
    identity: {
      identityType: 'string'
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived: bool
    properties: {
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
    }
    schedule: {
      endTime: 'string'
      scheduleStatus: 'string'
      startTime: 'string'
      timeZone: 'string'
      scheduleType: 'string'
      // For remaining properties, see ScheduleBase objects
    }
    services: {
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
    }
    tags: {
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
    }
    jobType: 'string'
    // For remaining properties, see JobBaseDetails objects
  }
}

JobBaseDetails nesneleri

nesne türünü belirtmek için jobType özelliğini ayarlayın.

AutoML için şunu kullanın:

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

Komut için şunu kullanın:

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

İşlem Hattı için şunu kullanın:

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

Süpür için şunu kullanın:

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

IdentityConfiguration nesneleri

nesne türünü belirtmek için identityType özelliğini ayarlayın.

AMLToken için şunu kullanın:

  identityType: 'AMLToken'

Yönetilen için şunu kullanın:

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

UserIdentity için şunu kullanın:

  identityType: 'UserIdentity'

ScheduleBase nesneleri

nesne türünü belirtmek için scheduleType özelliğini ayarlayın.

Cron için şunu kullanın:

  scheduleType: 'Cron'
  expression: 'string'

Yinelenme için şunu kullanın:

  scheduleType: 'Recurrence'
  frequency: 'string'
  interval: int
  pattern: {
    hours: [
      int
    ]
    minutes: [
      int
    ]
    weekdays: [
      'string'
    ]
  }

JobOutput nesneleri

nesne türünü belirtmek için jobOutputType özelliğini ayarlayın.

CustomModel için şunu kullanın:

  jobOutputType: 'CustomModel'
  mode: 'string'
  uri: 'string'

MLFlowModel için şunu kullanın:

  jobOutputType: 'MLFlowModel'
  mode: 'string'
  uri: 'string'

MLTable için şunu kullanın:

  jobOutputType: 'MLTable'
  mode: 'string'
  uri: 'string'

TritonModel için şunu kullanın:

  jobOutputType: 'TritonModel'
  mode: 'string'
  uri: 'string'

UriFile için şunu kullanın:

  jobOutputType: 'UriFile'
  mode: 'string'
  uri: 'string'

UriFolder için şunu kullanın:

  jobOutputType: 'UriFolder'
  mode: 'string'
  uri: 'string'

AutoMLVertical nesneleri

nesne türünü belirtmek için taskType özelliğini ayarlayın.

Sınıflandırma için şunu kullanın:

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

Tahmin için şunu kullanın:

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

ImageClassification için şunu kullanın:

  taskType: 'ImageClassification'
  dataSettings: {
    targetColumnName: 'string'
    testData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      testDataSize: int
    }
    trainingData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
    }
    validationData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      validationDataSize: int
    }
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    checkpointDatasetId: 'string'
    checkpointFilename: 'string'
    checkpointFrequency: int
    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
    splitRatio: 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'
      splitRatio: '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
    }
    limits: {
      maxConcurrentTrials: int
      maxTrials: int
    }
    samplingAlgorithm: 'string'
  }

ImageClassificationMultilabel için şunu kullanın:

  taskType: 'ImageClassificationMultilabel'
  dataSettings: {
    targetColumnName: 'string'
    testData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      testDataSize: int
    }
    trainingData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
    }
    validationData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      validationDataSize: int
    }
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    checkpointDatasetId: 'string'
    checkpointFilename: 'string'
    checkpointFrequency: int
    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
    splitRatio: 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'
      splitRatio: '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
    }
    limits: {
      maxConcurrentTrials: int
      maxTrials: int
    }
    samplingAlgorithm: 'string'
  }

ImageInstanceSegmentation için şunu kullanın:

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

ImageObjectDetection için şunu kullanın:

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

Regresyon için şunu kullanın:

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

TextClassification için şunu kullanın:

  taskType: 'TextClassification'
  dataSettings: {
    targetColumnName: 'string'
    testData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      testDataSize: int
    }
    trainingData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
    }
    validationData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      validationDataSize: int
    }
  }
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  primaryMetric: 'string'

TextClassificationMultilabel için şunu kullanın:

  taskType: 'TextClassificationMultilabel'
  dataSettings: {
    targetColumnName: 'string'
    testData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      testDataSize: int
    }
    trainingData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
    }
    validationData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      validationDataSize: int
    }
  }
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }

TextNER için şunu kullanın:

  taskType: 'TextNER'
  dataSettings: {
    targetColumnName: 'string'
    testData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      testDataSize: int
    }
    trainingData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
    }
    validationData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      validationDataSize: int
    }
  }
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }

NCrossValidations nesneleri

nesne türünü belirtmek için mode özelliğini ayarlayın.

Otomatik için şunu kullanın:

  mode: 'Auto'

Özel için şunu kullanın:

  mode: 'Custom'
  value: int

ForecastHorizon nesneleri

nesne türünü belirtmek için mode özelliğini ayarlayın.

Otomatik için şunu kullanın:

  mode: 'Auto'

Özel için şunu kullanın:

  mode: 'Custom'
  value: int

Mevsimsellik nesneleri

nesne türünü belirtmek için mode özelliğini ayarlayın.

Otomatik için şunu kullanın:

  mode: 'Auto'

Özel için şunu kullanın:

  mode: 'Custom'
  value: int

TargetLags nesneleri

nesne türünü belirtmek için mode özelliğini ayarlayın.

Otomatik için şunu kullanın:

  mode: 'Auto'

Özel için şunu kullanın:

  mode: 'Custom'
  values: [
    int
  ]

TargetRollingWindowSize nesneleri

nesne türünü belirtmek için mode özelliğini ayarlayın.

Otomatik için şunu kullanın:

  mode: 'Auto'

Özel için şunu kullanın:

  mode: 'Custom'
  value: int

EarlyTerminationPolicy nesneleri

nesne türünü belirtmek için policyType özelliğini ayarlayın.

Eşkıya için şunu kullanın:

  policyType: 'Bandit'
  slackAmount: int
  slackFactor: int

MedianStopping için şunu kullanın:

  policyType: 'MedianStopping'

TruncationSelection için şunu kullanın:

  policyType: 'TruncationSelection'
  truncationPercentage: int

DistributionConfiguration nesneleri

nesne türünü belirtmek için distributionType özelliğini ayarlayın.

Mpi için şunu kullanın:

  distributionType: 'Mpi'
  processCountPerInstance: int

PyTorch için şunu kullanın:

  distributionType: 'PyTorch'
  processCountPerInstance: int

TensorFlow için şunu kullanın:

  distributionType: 'TensorFlow'
  parameterServerCount: int
  workerCount: int

JobInput nesneleri

nesnesinin türünü belirtmek için jobInputType özelliğini ayarlayın.

CustomModel için şunu kullanın:

  jobInputType: 'CustomModel'
  mode: 'string'
  uri: 'string'

Değişmez Değer için şunu kullanın:

  jobInputType: 'Literal'
  value: 'string'

MLFlowModel için şunu kullanın:

  jobInputType: 'MLFlowModel'
  mode: 'string'
  uri: 'string'

MLTable için şunu kullanın:

  jobInputType: 'MLTable'
  mode: 'string'
  uri: 'string'

TritonModel için şunu kullanın:

  jobInputType: 'TritonModel'
  mode: 'string'
  uri: 'string'

UriFile için şunu kullanın:

  jobInputType: 'UriFile'
  mode: 'string'
  uri: 'string'

UriFolder için şunu kullanın:

  jobInputType: 'UriFolder'
  mode: 'string'
  uri: 'string'

SamplingAlgorithm nesneleri

nesne türünü belirtmek için samplingAlgorithmType özelliğini ayarlayın.

Bayes dili için şunu kullanın:

  samplingAlgorithmType: 'Bayesian'

Kılavuz için şunu kullanın:

  samplingAlgorithmType: 'Grid'

Rastgele için şunu kullanın:

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

Özellik değerleri

çalışma alanları/işler

Ad	Açıklama	Değer
name	Kaynak adı Bicep'te alt kaynaklar için adları ve türleri ayarlamayı öğrenin.	dize (gerekli)
Üst	Bicep'te alt kaynak için üst kaynağı belirtebilirsiniz. Bu özelliği yalnızca alt kaynak üst kaynağın dışında bildirildiğinde eklemeniz gerekir. Daha fazla bilgi için bkz . Üst kaynağın dışındaki alt kaynak.	Kaynak türü için sembolik ad: çalışma alanları
properties	[Gerekli] Varlığın ek öznitelikleri.	JobBaseDetails (gerekli)

JobBaseDetails

Ad	Açıklama	Değer
computeId	İşlem kaynağının ARM kaynak kimliği.	string
açıklama	Varlık açıklaması metni.	string
displayName	İşin görünen adı.	string
experimentName	İşin ait olduğu denemenin adı. Ayarlanmadıysa, iş "Varsayılan" denemesine yerleştirilir.	string
identity	Kimlik yapılandırması. Ayarlanırsa, bu AmlToken, ManagedIdentity, UserIdentity veya null değerlerinden biri olmalıdır. Varsayılan değer null ise AmlToken olarak ayarlanır.	Identityconfiguration
isArchived	Varlık arşivlenmiş mi?	bool
properties	Varlık özelliği sözlüğü.	ResourceBaseProperties
schedule	İşin tanımını zamanlama. Zamanlama sağlanmazsa, iş gönderimden hemen sonra ve bir kez çalıştırılır.	Schedulebase
services	JobEndpoints listesi. Yerel işler için bir iş uç noktası FileStreamObject uç noktası değerine sahip olur.	JobBaseServices
etiketler	Etiket sözlüğü. Etiketler eklenebilir, kaldırılabilir ve güncelleştirilebilir.	object
jobType	Nesne türünü ayarlama	AutoML Komut İşlem Hattı Süpür (gerekli)

Identityconfiguration

Ad	Açıklama	Değer
ıdentitytype	Nesne türünü ayarlama	AMLToken Yönetilen UserIdentity (gerekli)

AmlToken

Ad	Açıklama	Değer
ıdentitytype	[Gerekli] Kimlik çerçevesinin türünü belirtir.	'AMLToken' (gerekli)

ManagedIdentity

Ad	Açıklama	Değer
ıdentitytype	[Gerekli] Kimlik çerçevesinin türünü belirtir.	'Managed' (gerekli)
clientId	İstemci kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın.	string Kısıtlama -ları: En az uzunluk = 36 Maksimum uzunluk = 36 Desen = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
objectId	Nesne kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın.	string Kısıtlama -ları: En az uzunluk = 36 Maksimum uzunluk = 36 Desen = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId	ARM kaynak kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın.	string

UserIdentity

Ad	Açıklama	Değer
ıdentitytype	[Gerekli] Kimlik çerçevesinin türünü belirtir.	'UserIdentity' (gerekli)

ResourceBaseProperties

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string

Schedulebase

Ad	Açıklama	Değer
endTime	Zamanlamanın bitiş saatini ISO 8601 biçiminde belirtir. Yoksa, zamanlama süresiz olarak çalışır	string
scheduleStatus	Zamanlamanın durumunu belirtir	'Devre Dışı' 'Etkin'
startTime	Zamanlamanın başlangıç saatini ISO 8601 biçiminde belirtir.	string
timeZone	Zamanlamanın çalıştırıldığı saat dilimini belirtir. TimeZone, Windows saat dilimi biçimine uygun olmalıdır.	string
scheduleType	Nesne türünü ayarlama	Cron Yinelenme (gerekli)

CronSchedule

Ad	Açıklama	Değer
scheduleType	[Gerekli] Zamanlama türünü belirtir	'Cron' (gerekli)
ifade	[Gerekli] Zamanlamanın cron ifadesini belirtir. İfade NCronTab biçiminde olmalıdır.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

RecurrenceSchedule

Ad	Açıklama	Değer
scheduleType	[Gerekli] Zamanlama türünü belirtir	'Yinelenme' (gerekli)
frequency	[Gerekli] Zamanlamanın tetiklendiği sıklığı belirtir	'Gün' 'Saat' 'Dakika' 'Ay' 'Hafta' (gerekli)
interval	[Gerekli] Zamanlama aralığını sıklık ile birlikte belirtir	int (gerekli)
Desen	Yinelenme zamanlaması desenini belirtir	Recurrencepattern

Recurrencepattern

Ad	Açıklama	Değer
saat	[Gerekli] Yinelenme zamanlaması düzeni için saat listesi	int[] (gerekli)
sürdü	[Gerekli] Yinelenme zamanlaması düzeni için dakika listesi	int[] (gerekli)
Hafta içi	Yinelenme zamanlaması deseni için hafta içi günlerin listesi	Herhangi birini içeren dize dizisi: 'Cuma' 'Pazartesi' 'Cumartesi' 'Pazar' 'Perşembe' 'Salı' 'Çarşamba'

JobBaseServices

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobService

JobService

Ad	Açıklama	Değer
endpoint	Uç nokta url'si.	string
jobServiceType	Uç nokta türü.	string
port	Uç nokta için bağlantı noktası.	int
properties	Uç noktada ayarlanacağı ek özellikler.	JobServiceProperties

JobServiceProperties

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string

AutoMLjob

Ad	Açıklama	Değer
jobType	[Gerekli] İşin türünü belirtir.	'AutoML' (gerekli)
environmentId	İşin Ortam belirtiminin ARM kaynak kimliği. Bu, sağlanmazsa AutoML işi çalıştırırken bunu varsayılan olarak Üretim AutoML tarafından seçilmiş ortam sürümü olarak sağlayacak isteğe bağlı bir değerdir.	string
environmentVariables	İşe dahil edilen ortam değişkenleri.	AutoMLJobEnvironmentVariables
Çıkış	İşte kullanılan çıkış veri bağlamalarının eşlemesi.	AutoMLJobOutputs
kaynaklar	İş için İşlem Kaynağı yapılandırması.	ResourceConfiguration
taskDetails	[Gerekli] Bu, Tablolardan/NLP/Görüntüden biri olabilecek senaryoları temsil eder	AutoMLVertical (gerekli)

AutoMLJobEnvironmentVariables

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string

AutoMLJobOutputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobOutput

JobOutput

Ad	Açıklama	Değer
açıklama	Çıktının açıklaması.	string
jobOutputType	Nesne türünü ayarlama	CustomModel MLFlowModel MLTable TritonModel UriFile UriFolder (gerekli)

CustomModelJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	'CustomModel' (gerekli)
mod	Çıkış Varlığı Teslim Modu.	'ReadWriteMount' 'Karşıya Yükle'
Urı	Çıkış Varlığı URI'si.	string

MLFlowModelJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	'MLFlowModel' (gerekli)
mod	Çıkış Varlığı Teslim Modu.	'ReadWriteMount' 'Karşıya Yükle'
Urı	Çıkış Varlığı URI'si.	string

MLTableJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	'MLTable' (gerekli)
mod	Çıkış Varlığı Teslim Modu.	'ReadWriteMount' 'Karşıya Yükle'
Urı	Çıkış Varlığı URI'si.	string

TritonModelJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	'TritonModel' (gerekli)
mod	Çıkış Varlığı Teslim Modu.	'ReadWriteMount' 'Karşıya Yükle'
Urı	Çıkış Varlığı URI'si.	string

UriFileJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	'UriFile' (gerekli)
mod	Çıkış Varlığı Teslim Modu.	'ReadWriteMount' 'Karşıya Yükle'
Urı	Çıkış Varlığı URI'si.	string

UriFolderJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	'UriFolder' (gerekli)
mod	Çıkış Varlığı Teslim Modu.	'ReadWriteMount' 'Karşıya Yükle'
Urı	Çıkış Varlığı URI'si.	string

ResourceConfiguration

Ad	Açıklama	Değer
instanceCount	İşlem hedefi tarafından kullanılan isteğe bağlı örnek veya düğüm sayısı.	int
instanceType	İşlem hedefi tarafından desteklendiği şekilde kullanılan isteğe bağlı VM türü.	string
properties	Ek özellikler çantası.	ResourceConfigurationProperties

ResourceConfigurationProperties

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		Bicep için any() işlevini kullanabilirsiniz.

AutoMLVertical

Ad	Açıklama	Değer
logVerbosity	İşin ayrıntı düzeyini günlüğe kaydetme.	'Kritik' 'Hata Ayıkla' 'Hata' 'Bilgi' 'NotSet' 'Uyarı'
Tasktype	Nesne türünü ayarlama	Sınıflandırma Tahmin etme ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regresyon TextClassification TextClassificationMultilabel TextNER (gerekli)

Sınıflandırma

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'Sınıflandırma' (gerekli)
allowedModels	Sınıflandırma görevi için izin verilen modeller.	Herhangi birini içeren dize dizisi: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradyanBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
blockedModels	Sınıflandırma görevi için engellenen modeller.	Herhangi birini içeren dize dizisi: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradyanBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
dataSettings	AutoMLJob için veri girişleri.	TableVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	TableVerticalFeaturizationSettings
limitSettings	AutoMLjob için yürütme kısıtlamaları.	TableVerticalLimitSettings
primaryMetric	Görevin birincil ölçümü.	'AUCWeighted' 'Doğruluk' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
trainingSettings	AutoML İşi için eğitim aşamasına yönelik girişler.	TrainingSettings

TableVerticalDataSettings

Ad	Açıklama	Değer
targetColumnName	[Gerekli] Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]
Testdata	Veri girişini test edin.	TestDataSettings
trainingData	[Gerekli] Eğitim verileri girişi.	TrainingDataSettings (gerekli)
validationData	Doğrulama verisi girişleri.	TableVerticalValidationDataSettings
weightColumnName	Örnek ağırlık sütununun adı. Otomatik ML, giriş olarak ağırlıklı bir sütunu destekler ve bu da verilerdeki satırların yukarı veya aşağı ağırlıklı olmasına neden olur.	string

TestDataSettings

Ad	Açıklama	Değer
veriler	MlTable verilerini test etme.	MLTableJobInput
testDataSize	Doğrulama amacıyla bir kenara ayarlanması gereken test veri kümesinin kesri. (0,0 , 1,0) arasındaki değerler Doğrulama veri kümesi sağlanmadığında uygulanır.	int

MLTableJobInput

Ad	Açıklama	Değer
açıklama	Girişin açıklaması.	string
jobInputType	[Gerekli] İşin türünü belirtir.	'CustomModel' 'Değişmez Değer' 'MLFlowModel' 'MLTable' 'TritonModel' 'UriFile' 'UriFolder' (gerekli)
mod	Giriş Varlığı Teslim Modu.	'Doğrudan' 'İndir' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

TrainingDataSettings

Ad	Açıklama	Değer
veriler	[Gerekli] Eğitim verileri MLTable.	MLTableJobInput (gerekli)

TableVerticalValidationDataSettings

Ad	Açıklama	Değer
cvSplitColumnNames	CVSplit verileri için kullanılacak sütunlar.	dize[]
veriler	Doğrulama verileri MLTable.	MLTableJobInput
nCrossValidations	Eğitim veri kümesine uygulanacak çapraz doğrulama katlamalarının sayısı doğrulama veri kümesi sağlanmadığında.	NCrossValidations
validationDataSize	Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü. (0,0 , 1,0) arasındaki değerler Doğrulama veri kümesi sağlanmadığında uygulanır.	int

NCrossValidations

Ad	Açıklama	Değer
mod	Nesne türünü ayarlama	Otomatik Özel (gerekli)

AutoNCrossValidations

Ad	Açıklama	Değer
mod	[Gerekli] N-Cross doğrulamalarını belirleme modu.	'Otomatik' (gerekli)

CustomNCrossValidations

Ad	Açıklama	Değer
mod	[Gerekli] N-Cross doğrulamalarını belirleme modu.	'Özel' (gerekli)
değer	[Gerekli] N-Cross doğrulama değeri.	int (gerekli)

TableVerticalFeaturizationSettings

Ad	Açıklama	Değer
blockedTransformers	Bu transformatörler özellik kazandırmada kullanılmamalıdır.	dize[]
columnNameAndTypes	Sütun adı ve türü sözlüğü (int, float, string, datetime vb.).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Veri kümesi dili; metin verileri için kullanışlıdır.	string
dropColumns	Özellik geliştirme sırasında verilerden bırakılacak sütunlar.	dize[]
enableDnnFeaturization	Veri özellik kazandırma için Dnn tabanlı özellik oluşturucuların kullanılıp kullanılmayacağını belirler.	bool
mod	Özellik geliştirme modu - Kullanıcı varsayılan 'Otomatik' modunu tutabilir ve AutoML özellik geliştirme aşamasında verilerin gerekli dönüşümünün icabına bakar. 'Kapalı' seçilirse özellik kazandırma işlemi yapılmaz. 'Özel' seçilirse, özellik geliştirmenin nasıl yapıldığını özelleştirmek için kullanıcı ek girişler belirtebilir.	'Otomatik' 'Özel' 'Kapalı'
transformerParams	Kullanıcı, uygulanacağı sütunlar ve transformatör oluşturucu için parametrelerle birlikte kullanılacak ek transformatörleri belirtebilir.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string

TableVerticalFeaturizationSettingsTransformerParams

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		ColumnTransformer[]

ColumnTransformer

Ad	Açıklama	Değer
fields	Transformatör mantığının uygulanacağı alanlar.	dize[]
parameters	Transformatöre geçirilecek farklı özellikler. Giriş bekleniyor, JSON biçiminde anahtar,değer çiftlerinin sözlüğüdür.	Bicep için any() işlevini kullanabilirsiniz.

TableVerticalLimitSettings

Ad	Açıklama	Değer
enableEarlyTermination	Erken sonlandırmayı etkinleştirin, AutoMLjob'ın son 20 yinelemede puan iyileştirmesi yoksa erken sonlandırılıp sonlandırılmayacağını belirler.	bool
exitScore	AutoML işinin çıkış puanı.	int
maxConcurrentTrials	Maksimum Eşzamanlı yineleme.	int
maxCoresPerTrial	Yineleme başına maksimum çekirdek.	int
maxTrials	Yineleme sayısı.	int
timeout	AutoML işi zaman aşımı.	string
trialTimeout	Yineleme zaman aşımı.	string

TrainingSettings

Ad	Açıklama	Değer
enableDnnTraining	DNN modellerinin önerisini etkinleştirin.	bool
enableModelExplainability	En iyi modelde açıklanabilirliği açmak için bayrak ekleyin.	bool
enableOnnxCompatibleModels	Onnx uyumlu modelleri etkinleştirme bayrağı.	bool
enableStackEnsemble	Yığın topluluğu çalıştırmasını etkinleştirin.	bool
enableVoteEnsemble	Oylama grup çalıştırmasını etkinleştirin.	bool
ensembleModelDownloadTimeout	VotingEnsemble ve StackEnsemble model oluşturma sırasında, önceki alt çalıştırmalardan gelen birden çok uydurılmış model indirilir. Daha fazla zaman gerekiyorsa bu parametreyi 300 saniyeden daha yüksek bir değerle yapılandırın.	string
stackEnsembleSettings	Yığın topluluğu çalıştırması için yığın topluluğu ayarları.	StackEnsembleSettings

StackEnsembleSettings

Ad	Açıklama	Değer
stackMetaLearnerKWargs	Meta öğrenicinin başlatıcısına geçirmek için isteğe bağlı parametreler.	Bicep için any() işlevini kullanabilirsiniz.
stackMetaLearnerTrainPercentage	Meta öğreniciyi eğitmek için ayrılacak eğitim kümesinin (eğitim ve doğrulama türü seçerken) oranını belirtir. Varsayılan değer 0,2'dir.	int
stackMetaLearnerType	Meta öğrenen, tek tek heterojen modellerin çıkışı üzerinde eğitilen bir modeldir.	'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'Yok'

Tahmin etme

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'Tahmin' (gerekli)
allowedModels	Tahmin görevi için izin verilen modeller.	Herhangi birini içeren dize dizisi: 'Arimax' 'AutoArima' 'Ortalama' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradyanBoosting' 'KNN' 'Kementler' 'LightGBM' 'Naive' 'Peygamber' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor'
blockedModels	Tahmin görevi için engellenen modeller.	Herhangi birini içeren dize dizisi: 'Arimax' 'AutoArima' 'Ortalama' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradyanBoosting' 'KNN' 'Kementler' 'LightGBM' 'Naive' 'Peygamber' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor'
dataSettings	AutoMLJob için veri girişleri.	TableVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	TableVerticalFeaturizationSettings
tahminayarlar	Göreve özgü girişleri tahmin etme.	TahminAyarlar
limitSettings	AutoMLjob için yürütme kısıtlamaları.	TableVerticalLimitSettings
primaryMetric	Tahmin görevi için birincil ölçüm.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'SpearmanCorrelation'
trainingSettings	AutoML İşi için eğitim aşamasına yönelik girişler.	TrainingSettings

TahminAyarlar

Ad	Açıklama	Değer
countryOrRegionForHolidays	Tahmin görevleri için tatiller için ülke veya bölge. Bunlar ISO 3166 iki harfli ülke/bölge kodları olmalıdır, örneğin 'ABD' veya 'GB'.	string
cvStepSize	Bir CV katlama ile bir sonraki katlamanın çıkış zamanı arasındaki dönem sayısı. İçin örneğin, günlük veriler için = 3 ise CVStepSize , her katlamanın kaynak süresi üç gün arayla.	int
featureLags	'auto' veya null ile sayısal özellikler için gecikmeler oluşturmaya yönelik bayrak.	'Otomatik' 'Yok'
forecastHorizon	Zaman serisi sıklığı birimleri cinsinden istenen maksimum tahmin ufku.	ForecastHorizon
frequency	Tahmin yaparken, bu parametre tahminin istendiği dönemi (örneğin, günlük, haftalık, yıllık vb.) temsil eder. Tahmin sıklığı varsayılan olarak veri kümesi sıklığıdır.	string
Seasonality	Zaman serisi mevsimselliğini, seri sıklığının tamsayı katı olarak ayarlayın. Mevsimsellik 'otomatik' olarak ayarlanırsa, çıkarsanır.	Seasonality
shortSeriesHandlingConfig	AutoML'nin kısa zaman serisini nasıl işleyeceklerini tanımlayan parametre.	'Otomatik' 'Bırak' 'Yok' 'Tuş Takımı'
targetAggregateFunction	Zaman serisi hedef sütununu kullanıcının belirtilen sıklığına uyacak şekilde toplamak için kullanılacak işlev. TargetAggregateFunction değeri 'Yok' olarak ayarlanmamışsa ancak freq parametresi ayarlanmamışsa hata oluşur. Olası hedef toplama işlevleri şunlardır: "sum", "max", "min" ve "ortalama".	'Max' 'Ortalama' 'Min' 'Yok' 'Toplam'
targetLags	Hedef sütundan geri alınacak geçmiş dönemlerin sayısı.	TargetLags
targetRollingWindowSize	Hedef sütunun sıralı pencere ortalamasını oluşturmak için kullanılan geçmiş dönemlerin sayısı.	TargetRollingWindowSize
timeColumnName	Saat sütununun adı. Bu parametre, zaman serisini oluşturmak ve sıklığını çıkarsamak için kullanılan giriş verilerinde tarih saat sütununu belirtmek için tahminde bulunurken gereklidir.	string
timeSeriesIdColumnNames	Zaman aralıklarını gruplandırmak için kullanılan sütunların adları. Birden çok seri oluşturmak için kullanılabilir. Tahıl tanımlanmamışsa, veri kümesinin tek bir zaman serisi olduğu varsayılır. Bu parametre, görev türü tahmini ile kullanılır.	string[]
useStl	Zaman serisi hedef sütununun STL Ayrıştırma'sını yapılandırın.	'Yok' 'Sezon' 'SeasonTrend'

ForecastHorizon

Ad	Açıklama	Değer
mod	Nesne türünü ayarlama	Otomatik Özel (gerekli)

AutoForecastHorizon

Ad	Açıklama	Değer
mod	[Gerekli] Tahmin ufku değer seçim modunu ayarlayın.	'Otomatik' (gerekli)

CustomForecastHorizon

Ad	Açıklama	Değer
mod	[Gerekli] Tahmin ufku değer seçim modunu ayarlayın.	'Özel' (gerekli)
değer	[Gerekli] Tahmin ufuk değeri.	int (gerekli)

Mevsimsellik

Ad	Açıklama	Değer
mod	Nesne türünü ayarlama	Otomatik Özel (gerekli)

Otomatik Boyut

Ad	Açıklama	Değer
mod	[Gerekli] Mevsimsellik modu.	'Otomatik' (gerekli)

CustomSeasonality

Ad	Açıklama	Değer
mod	[Gerekli] Mevsimsellik modu.	'Özel' (gerekli)
değer	[Gerekli] Mevsimsellik değeri.	int (gerekli)

TargetLags

Ad	Açıklama	Değer
mod	Nesne türünü ayarlama	Otomatik Özel (gerekli)

AutoTargetLags

Ad	Açıklama	Değer
mod	[Gerekli] Hedef gecikme modunu ayarlama - Otomatik/Özel	'Otomatik' (gerekli)

CustomTargetLags

Ad	Açıklama	Değer
mod	[Gerekli] Hedef gecikme modunu ayarlama - Otomatik/Özel	'Özel' (gerekli)
değerler	[Gerekli] Hedef gecikme değerlerini ayarlayın.	int[] (gerekli)

TargetRollingWindowSize

Ad	Açıklama	Değer
mod	Nesne türünü ayarlama	Otomatik Özel (gerekli)

AutoTargetRollingWindowSize

Ad	Açıklama	Değer
mod	[Gerekli] TargetRollingWindowSiz algılama modu.	'Otomatik' (gerekli)

CustomTargetRollingWindowSize

Ad	Açıklama	Değer
mod	[Gerekli] TargetRollingWindowSiz algılama modu.	'Özel' (gerekli)
değer	[Gerekli] TargetRollingWindowSize değeri.	int (gerekli)

ImageClassification

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'ImageClassification' (gerekli)
dataSettings	[Gerekli] Modelleri eğitip doğrulamak için gereken kayıtlı Tablosal Veri Kümesi Kimliklerinin ve diğer veri ayarlarının toplanması.	ImageVerticalDataSettings (gerekli)
limitSettings	[Gerekli] AutoML işinin ayarlarını sınırlayın.	ImageLimitSettings (gerekli)
modelSettings	Modeli eğiterken kullanılan ayarlar.	ImageModelSettingsClassification
primaryMetric	Bu görev için iyileştirmeye yönelik birincil ölçüm.	'AUCWeighted' 'Doğruluk' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	Farklı model birleşimlerini ve hiper parametreleri örneklemek için arama alanı.	ImageModelDistributionSettingsClassification[]
sweepSettings	Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.	ImageSweepSettings

ImageVerticalDataSettings

Ad	Açıklama	Değer
targetColumnName	[Gerekli] Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]
Testdata	Veri girişini test edin.	TestDataSettings
trainingData	[Gerekli] Eğitim verileri girişi.	TrainingDataSettings (gerekli)
validationData	Doğrulama veri kümesinin ayarları.	ImageVerticalValidationDataSettings

ImageVerticalValidationDataSettings

Ad	Açıklama	Değer
veriler	Doğrulama verileri MLTable.	MLTableJobInput
validationDataSize	Doğrulama amacıyla ayırması gereken eğitim veri kümesinin bölümü. (0,0 , 1,0) arasındaki değerler Doğrulama veri kümesi sağlanmadığında uygulanır.	int

ImageLimitSettings

Ad	Açıklama	Değer
maxConcurrentTrials	En fazla eşzamanlı AutoML yinelemesi sayısı.	int
maxTrials	AutoML yineleme sayısı üst sınırı.	int
timeout	AutoML işi zaman aşımı.	string

ImageModelSettingsClassification

Ad	Açıklama	Değer
advancedSettings	Gelişmiş senaryolar için ayarlar.	string
amsGradient	İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin.	bool
Augmentations	Artırmaları kullanma ayarları.	string
beta1	İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır.	int
beta2	İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır.	int
checkpointDatasetId	Artımlı eğitim için önceden eğitilmiş denetim noktaları için FileDataset kimliği. CheckpointDatasetId ile birlikte CheckpointFilename değerini de geçirerek emin olun.	string
checkpointFilename	Artımlı eğitim için FileDataset'teki önceden eğitilmiş denetim noktası dosya adı. CheckpointFilename ile birlikte CheckpointDatasetId değerini de geçirmeyi unutmayın.	string
checkpointFrequency	Model denetim noktalarını depolama sıklığı. Pozitif bir tamsayı olmalıdır.	int
checkpointRunId	Artımlı eğitim için önceden eğitilmiş bir denetim noktası olan önceki çalıştırmanın kimliği.	string
Dağıtılmış	Dağıtılmış eğitimin kullanılıp kullanılmaymayacağı.	bool
earlyStopping	Eğitim sırasında erken durdurma mantığını etkinleştirin.	bool
earlyStoppingDelay	Birincil ölçüm geliştirmesi öncesinde bekleştirilmesi gereken en az dönem veya doğrulama değerlendirmesi sayısı erken durdurma için izlenir. Pozitif bir tamsayı olmalıdır.	int
earlyStoppingPatience	Daha önce birincil ölçüm geliştirmesi yapılmadan en az dönem sayısı veya doğrulama değerlendirmeleri çalıştırma durdurulur. Pozitif bir tamsayı olmalıdır.	int
enableOnnxNormalization	ONNX modelini dışarı aktarırken normalleştirmeyi etkinleştirin.	bool
evaluationFrequency	Ölçüm puanlarını almak için doğrulama veri kümesini değerlendirme sıklığı. Pozitif bir tamsayı olmalıdır.	int
gradientAccumulationStep	Gradyan birikmesi, yapılandırılmış sayıda "GradAccumulationStep" adımının olmadan çalıştırılması anlamına gelir bu adımların gradyanlarını biriktirirken model ağırlıklarını güncelleştirme ve ardından ağırlık güncelleştirmelerini hesaplamak için birikmiş gradyanlar. Pozitif bir tamsayı olmalıdır.	int
layersToFreeze	Model için donacak katman sayısı. Pozitif bir tamsayı olmalıdır. Örneğin, 'seresnext' için değer olarak 2 geçirmek, donma katmanı0 ve katman1. Desteklenen modellerin tam listesi ve katman dondurmayla ilgili ayrıntılar için lütfen bkz: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	int
öğrenme Hızı	İlk öğrenme oranı. [0, 1] aralığında bir float olmalıdır.	int
learningRateScheduler	Öğrenme hızı zamanlayıcısının türü. 'warmup_cosine' veya 'step' olmalıdır.	'Yok' 'Step' 'WarmupCosine'
Modelname	Eğitim için kullanılacak modelin adı. Kullanılabilir modeller hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
Momentum	İyileştirici 'sgd' olduğunda momentum değeri. [0, 1] aralığında bir float olmalıdır.	int
nesterov	İyileştirici 'sgd' olduğunda nesterov'ı etkinleştirin.	bool
numberOfEpochs	Eğitim dönemlerinin sayısı. Pozitif bir tamsayı olmalıdır.	int
numberOfWorkers	Veri yükleyici çalışanlarının sayısı. Negatif olmayan bir tamsayı olmalıdır.	int
Iyileştiricisi	İyileştirici türü.	'Adam' 'Adamw' 'Yok' 'Sgd'
randomSeed	Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum.	int
splitRatio	Doğrulama verileri tanımlanmamışsa, bölme için bölme oranını belirtir verileri rastgele eğitim ve doğrulama alt kümelerine eğitin. [0, 1] aralığında bir float olmalıdır.	int
stepLRGamma	Öğrenme hızı zamanlayıcısı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır.	int
stepLRStepSize	Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutunun değeri. Pozitif bir tamsayı olmalıdır.	int
trainingBatchSize	Eğitim toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	int
trainingCropSize	Eğitim veri kümesinin sinir ağına giriş olan görüntü kırpma boyutu. Pozitif bir tamsayı olmalıdır.	int
validationBatchSize	Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	int
validationCropSize	Doğrulama veri kümesi için sinir ağına giriş yapılan görüntü kırpma boyutu. Pozitif bir tamsayı olmalıdır.	int
validationResizeSize	Doğrulama veri kümesi için kırpmadan önce yeniden boyutlandırılan görüntü boyutu. Pozitif bir tamsayı olmalıdır.	int
warmupCosineLRCycles	Öğrenme hızı zamanlayıcısı 'warmup_cosine' olduğunda kosinüs döngüsünün değeri. [0, 1] aralığında bir float olmalıdır.	int
warmupCosineLRWarmupEpochs	Öğrenme hızı zamanlayıcı 'warmup_cosine' olduğunda ısınma dönemlerinin değeri. Pozitif bir tamsayı olmalıdır.	int
weightDecay	İyileştirici 'sgd', 'adam' veya 'adamw' olduğunda ağırlık bozulma değeri. [0, 1] aralığındaki bir float olmalıdır.	int
weightedLoss	Ağırlıklı kayıp. Ağırlıksız kayıp için kabul edilen değerler 0'dır. 1 sqrt ile ağırlıklı kayıp için. (class_weights). class_weights ile ağırlıklı kayıp için 2. 0 veya 1 veya 2 olmalıdır.	int

ImageModelDistributionSettingsClassification

Ad	Açıklama	Değer
amsGradient	İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin.	string
Augmentations	Büyütmeleri kullanma ayarları.	string
beta1	İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır.	string
beta2	İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır.	string
Dağıtılmış	Distributer eğitiminin kullanılıp kullanılmaycağı.	string
earlyStopping	Eğitim sırasında erken durdurma mantığını etkinleştirin.	string
earlyStoppingDelay	Birincil ölçüm geliştirmeden önce bekleştirilmesi gereken en az dönem veya doğrulama değerlendirmesi sayısı erken durdurma için izlenir. Pozitif bir tamsayı olmalıdır.	string
earlyStoppingPatience	Daha önce birincil ölçüm geliştirmesi yapılmadan en az dönem veya doğrulama değerlendirmesi sayısı çalıştırma durdurulur. Pozitif bir tamsayı olmalıdır.	string
enableOnnxNormalization	ONNX modelini dışarı aktarırken normalleştirmeyi etkinleştirin.	string
evaluationFrequency	Ölçüm puanlarını almak için doğrulama veri kümesini değerlendirme sıklığı. Pozitif bir tamsayı olmalıdır.	string
gradientAccumulationStep	Gradyan birikimi, yapılandırılmış sayıda "GradAccumulationStep" adımının olmadan çalıştırılması anlamına gelir bu adımların gradyanlarını biriktirirken model ağırlıklarını güncelleştirme ve ardından ağırlık güncelleştirmelerini hesaplamak için birikmiş gradyanlar. Pozitif bir tamsayı olmalıdır.	string
layersToFreeze	Model için donduracak katman sayısı. Pozitif bir tamsayı olmalıdır. Örneğin, 'seresnext' için değer olarak 2 geçirmek, donma katmanı0 ve katman1. Desteklenen modellerin tam listesi ve katman dondurmayla ilgili ayrıntılar için lütfen bkz: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
learningRate	İlk öğrenme oranı. [0, 1] aralığında bir float olmalıdır.	string
learningRateScheduler	Öğrenme oranı zamanlayıcısının türü. 'warmup_cosine' veya 'step' olmalıdır.	string
Modelname	Eğitim için kullanılacak modelin adı. Kullanılabilir modeller hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
Momentum	İyileştirici 'sgd' olduğunda momentum değeri. [0, 1] aralığında bir float olmalıdır.	string
nesterov	İyileştirici 'sgd' olduğunda nesterov'ı etkinleştirin.	string
numberOfEpochs	Eğitim dönemlerinin sayısı. Pozitif bir tamsayı olmalıdır.	string
numberOfWorkers	Veri yükleyici çalışanlarının sayısı. Negatif olmayan bir tamsayı olmalıdır.	string
Iyileştiricisi	İyileştirici türü. 'sgd', 'adam' veya 'adamw' olmalıdır.	string
randomSeed	Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum.	string
splitRatio	Doğrulama verileri tanımlanmamışsa bölme oranını belirtir verileri rastgele eğitim ve doğrulama alt kümelerine eğitin. [0, 1] aralığında bir float olmalıdır.	string
stepLRGamma	Öğrenme hızı zamanlayıcı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır.	string
stepLRStepSize	Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutunun değeri. Pozitif bir tamsayı olmalıdır.	string
trainingBatchSize	Eğitim toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	string
trainingCropSize	Eğitim veri kümesi için sinir ağına giriş olan görüntü kırpma boyutu. Pozitif bir tamsayı olmalıdır.	string
validationBatchSize	Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	string
validationCropSize	Doğrulama veri kümesi için sinir ağına giriş olan görüntü kırpma boyutu. Pozitif bir tamsayı olmalıdır.	string
validationResizeSize	Doğrulama veri kümesi için kırpmadan önce yeniden boyutlandırılan görüntü boyutu. Pozitif bir tamsayı olmalıdır.	string
warmupCosineLRCycles	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda kosinüs döngüsünün değeri. [0, 1] aralığında bir float olmalıdır.	string
warmupCosineLRWarmupEpochs	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda ısınma dönemlerinin değeri. Pozitif bir tamsayı olmalıdır.	string
weightDecay	İyileştirici 'sgd', 'adam' veya 'adamw' olduğunda ağırlık bozulmasının değeri. [0, 1] aralığında bir float olmalıdır.	string
weightedLoss	Ağırlıklı kayıp. Ağırlıksız kayıp için kabul edilen değerler 0'dır. Kare ile ağırlıklı kayıp için 1. (class_weights). class_weights ile ağırlıklı kayıp için 2. 0 veya 1 veya 2 olmalıdır.	string

ImageSweepSettings

Ad	Açıklama	Değer
earlyTermination	Erken sonlandırma ilkesinin türü.	EarlyTerminationPolicy
Sınır -ları	[Gerekli] Model süpürme ve hiper parametre süpürme ayarlarını sınırlayın.	ImageSweepLimitSettings (gerekli)
samplingAlgorithm	[Gerekli] Hiper parametre örnekleme algoritmalarının türü.	'Bayes dili' 'Kılavuz' 'Rastgele' (gerekli)

EarlyTerminationPolicy

Ad	Açıklama	Değer
delayEvaluation	İlk değerlendirmenin geciktirilme aralığı sayısı.	int
evaluationInterval	İlke değerlendirmeleri arasındaki aralık (çalıştırma sayısı).	int
policyType	Nesne türünü ayarlama	Haydut MedianStopping TruncationSelection (gerekli)

BanditPolicy

Ad	Açıklama	Değer
policyType	[Gerekli] İlke yapılandırmasının adı	'Eşkıya' (gerekli)
slackAmount	En iyi performans gösteren çalıştırmadan mutlak uzaklık.	int
slackFactor	İzin verilen uzaklık ile en iyi performansa sahip çalıştırmanın oranı.	int

MedianStoppingPolicy

Ad	Açıklama	Değer
policyType	[Gerekli] İlke yapılandırmasının adı	'MedianStopping' (gerekli)

TruncationSelectionPolicy

Ad	Açıklama	Değer
policyType	[Gerekli] İlke yapılandırmasının adı	'TruncationSelection' (gerekli)
truncationPercentage	Her değerlendirme aralığında iptal edilecek çalıştırmaların yüzdesi.	int

ImageSweepLimitSettings

Ad	Açıklama	Değer
maxConcurrentTrials	Temel alınan Süpür işi için en fazla eşzamanlı yineleme sayısı.	int
maxTrials	Temel alınan Süpürme işi için en fazla yineleme sayısı.	int

ImageClassificationMultilabel

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'ImageClassificationMultilabel' (gerekli)
dataSettings	[Gerekli] Modelleri eğitip doğrulamak için gereken kayıtlı Tablosal Veri Kümesi Kimliklerinin ve diğer veri ayarlarının toplanması.	ImageVerticalDataSettings (gerekli)
limitSettings	[Gerekli] AutoML işinin ayarlarını sınırlayın.	ImageLimitSettings (gerekli)
modelSettings	Modeli eğiterken kullanılan ayarlar.	ImageModelSettingsClassification
primaryMetric	Bu görev için iyileştirmeye yönelik birincil ölçüm.	'AUCWeighted' 'Doğruluk' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	Farklı model birleşimlerini ve hiper parametreleri örneklemek için arama alanı.	ImageModelDistributionSettingsClassification[]
sweepSettings	Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.	ImageSweepSettings

ImageInstanceSegmentation

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'ImageInstanceSegmentation' (gerekli)
dataSettings	[Gerekli] Modelleri eğitip doğrulamak için gereken kayıtlı Tablosal Veri Kümesi Kimliklerinin ve diğer veri ayarlarının toplanması.	ImageVerticalDataSettings (gerekli)
limitSettings	[Gerekli] AutoML işinin ayarlarını sınırlayın.	ImageLimitSettings (gerekli)
modelSettings	Modeli eğiterken kullanılan ayarlar.	ImageModelSettingsObjectDetection
primaryMetric	Bu görev için iyileştirmeye yönelik birincil ölçüm.	'MeanAveragePrecision'
searchSpace	Farklı model birleşimlerini ve hiper parametreleri örneklemek için arama alanı.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.	ImageSweepSettings

ImageModelSettingsObjectDetection

Ad	Açıklama	Değer
advancedSettings	Gelişmiş senaryolar için ayarlar.	string
amsGradient	İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin.	bool
Augmentations	Artırmaları kullanma ayarları.	string
beta1	İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır.	int
beta2	İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır.	int
boxDetectionsPerImage	Tüm sınıflar için görüntü başına en fazla algılama sayısı. Pozitif bir tamsayı olmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	int
boxScoreThreshold	Çıkarım sırasında yalnızca sınıflandırma puanı şundan büyük olan teklifleri döndür: BoxScoreThreshold. [0, 1] aralığındaki bir float olmalıdır.	int
checkpointDatasetId	Artımlı eğitim için önceden eğitilmiş denetim noktaları için FileDataset kimliği. CheckpointDatasetId ile birlikte CheckpointFilename değerini de geçirerek emin olun.	string
checkpointFilename	Artımlı eğitim için FileDataset'teki önceden eğitilmiş denetim noktası dosya adı. CheckpointFilename ile birlikte CheckpointDatasetId değerini de geçirmeyi unutmayın.	string
checkpointFrequency	Model denetim noktalarını depolama sıklığı. Pozitif bir tamsayı olmalıdır.	int
checkpointRunId	Artımlı eğitim için önceden eğitilmiş bir denetim noktası olan önceki çalıştırmanın kimliği.	string
Dağıtılmış	Dağıtılmış eğitimin kullanılıp kullanılmaymayacağı.	bool
earlyStopping	Eğitim sırasında erken durdurma mantığını etkinleştirin.	bool
earlyStoppingDelay	Birincil ölçüm geliştirmeden önce bekleştirilmesi gereken en az dönem veya doğrulama değerlendirmesi sayısı erken durdurma için izlenir. Pozitif bir tamsayı olmalıdır.	int
earlyStoppingPatience	Daha önce birincil ölçüm geliştirmesi yapılmadan en az dönem veya doğrulama değerlendirmesi sayısı çalıştırma durdurulur. Pozitif bir tamsayı olmalıdır.	int
enableOnnxNormalization	ONNX modelini dışarı aktarırken normalleştirmeyi etkinleştirin.	bool
evaluationFrequency	Ölçüm puanlarını almak için doğrulama veri kümesini değerlendirme sıklığı. Pozitif bir tamsayı olmalıdır.	int
gradientAccumulationStep	Gradyan birikimi, yapılandırılmış sayıda "GradAccumulationStep" adımının olmadan çalıştırılması anlamına gelir bu adımların gradyanlarını biriktirirken model ağırlıklarını güncelleştirme ve ardından ağırlık güncelleştirmelerini hesaplamak için birikmiş gradyanlar. Pozitif bir tamsayı olmalıdır.	int
ımagesize	Tren ve doğrulama için görüntü boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	int
layersToFreeze	Model için donduracak katman sayısı. Pozitif bir tamsayı olmalıdır. Örneğin, 'seresnext' için değer olarak 2 geçirmek, donma katmanı0 ve katman1. Desteklenen modellerin tam listesi ve katman dondurmayla ilgili ayrıntılar için lütfen bkz: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	İlk öğrenme oranı. [0, 1] aralığında bir float olmalıdır.	int
learningRateScheduler	Öğrenme oranı zamanlayıcısının türü. 'warmup_cosine' veya 'step' olmalıdır.	'Yok' 'Adım' 'WarmupCosine'
Maxsize	Omurgaya beslemeden önce yeniden ölçeklendirilecek görüntünün maksimum boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	int
Minsize	Omurgaya beslemeden önce yeniden ölçeklendirilecek görüntünün minimum boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	int
Modelname	Eğitim için kullanılacak modelin adı. Kullanılabilir modeller hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
modelSize	Model boyutu. 'Küçük', 'orta', 'büyük' veya 'xlarge' olmalıdır. Not: Model boyutu çok büyükse eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	'ExtraLarge' 'Büyük' 'Orta' 'Yok' 'Küçük'
Momentum	İyileştirici 'sgd' olduğunda momentum değeri. [0, 1] aralığında bir float olmalıdır.	int
multiScale	Görüntü boyutunu +/- %50 oranında değiştirerek çok ölçekli görüntüyü etkinleştirin. Not: Yeterli GPU belleği yoksa eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	bool
nesterov	İyileştirici 'sgd' olduğunda nesterov'ı etkinleştirin.	bool
nmsIouThreshold	NMS sonrası işlemede çıkarım sırasında kullanılan IOU eşiği. [0, 1] aralığında bir float olmalıdır.	int
numberOfEpochs	Eğitim dönemlerinin sayısı. Pozitif bir tamsayı olmalıdır.	int
numberOfWorkers	Veri yükleyici çalışanlarının sayısı. Negatif olmayan bir tamsayı olmalıdır.	int
Iyileştiricisi	İyileştirici türü.	'Adam' 'Adamw' 'Yok' 'Sgd'
randomSeed	Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum.	int
splitRatio	Doğrulama verileri tanımlanmamışsa bölme oranını belirtir verileri rastgele eğitim ve doğrulama alt kümelerine eğitin. [0, 1] aralığında bir float olmalıdır.	int
stepLRGamma	Öğrenme hızı zamanlayıcı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır.	int
stepLRStepSize	Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutunun değeri. Pozitif bir tamsayı olmalıdır.	int
tileGridSize	Her görüntüyü döşemek için kullanılacak kılavuz boyutu. Not: TileGridSize olmamalıdır Küçük nesne algılama mantığını etkinleştirmek için hiçbiri. mxn biçiminde iki tamsayı içeren bir dize. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
tileOverlapRatio	Her boyuttaki bitişik kutucuklar arasındaki çakışma oranı. [0, 1) aralığında kaydırılmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	int
tilePredictionsNmsThreshold	Kutucuklardan ve görüntüden tahminleri birleştirirken NMS gerçekleştirmek için kullanılacak IOU eşiği. Doğrulama/çıkarımda kullanılır. [0, 1] aralığında kaydırılmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	int
trainingBatchSize	Eğitim toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	int
validationBatchSize	Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	int
validationIouThreshold	Doğrulama ölçümü hesaplanırken kullanılacak IOU eşiği. [0, 1] aralığında kaydırılmalıdır.	int
validationMetricType	Doğrulama ölçümleri için kullanılacak ölçüm hesaplama yöntemi.	'Coco' 'CocoVoc' 'Yok' 'Voc'
warmupCosineLRCycles	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda kosinüs döngüsünün değeri. [0, 1] aralığında bir float olmalıdır.	int
warmupCosineLRWarmupEpochs	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda ısınma dönemlerinin değeri. Pozitif bir tamsayı olmalıdır.	int
weightDecay	İyileştirici 'sgd', 'adam' veya 'adamw' olduğunda ağırlık bozulmasının değeri. [0, 1] aralığında bir float olmalıdır.	int

ImageModelDistributionSettingsObjectDetection

Ad	Açıklama	Değer
amsGradient	İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin.	string
Augmentations	Büyütmeleri kullanma ayarları.	string
beta1	İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır.	string
beta2	İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır.	string
boxDetectionsPerImage	Tüm sınıflar için görüntü başına en fazla algılama sayısı. Pozitif bir tamsayı olmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
boxScoreThreshold	Çıkarım sırasında yalnızca sınıflandırma puanı şundan büyük olan teklifleri döndür: BoxScoreThreshold. [0, 1] aralığındaki bir float olmalıdır.	string
Dağıtılmış	Distributer eğitiminin kullanılıp kullanılmaymayacağı.	string
earlyStopping	Eğitim sırasında erken durdurma mantığını etkinleştirin.	string
earlyStoppingDelay	Birincil ölçüm geliştirmesi öncesinde bekleştirilmesi gereken en az dönem veya doğrulama değerlendirmesi sayısı erken durdurma için izlenir. Pozitif bir tamsayı olmalıdır.	string
earlyStoppingPatience	Daha önce birincil ölçüm geliştirmesi yapılmadan en az dönem sayısı veya doğrulama değerlendirmeleri çalıştırma durdurulur. Pozitif bir tamsayı olmalıdır.	string
enableOnnxNormalization	ONNX modelini dışarı aktarırken normalleştirmeyi etkinleştirin.	string
evaluationFrequency	Ölçüm puanlarını almak için doğrulama veri kümesini değerlendirme sıklığı. Pozitif bir tamsayı olmalıdır.	string
gradientAccumulationStep	Gradyan birikmesi, yapılandırılmış sayıda "GradAccumulationStep" adımının olmadan çalıştırılması anlamına gelir bu adımların gradyanlarını biriktirirken model ağırlıklarını güncelleştirme ve ardından ağırlık güncelleştirmelerini hesaplamak için birikmiş gradyanlar. Pozitif bir tamsayı olmalıdır.	string
ımagesize	Eğitim ve doğrulama için görüntü boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	string
layersToFreeze	Model için donacak katman sayısı. Pozitif bir tamsayı olmalıdır. Örneğin, 'seresnext' için değer olarak 2 geçirmek, donma katmanı0 ve katman1. Desteklenen modellerin tam listesi ve katman dondurmayla ilgili ayrıntılar için lütfen bkz: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
öğrenme Hızı	İlk öğrenme oranı. [0, 1] aralığında bir float olmalıdır.	string
learningRateScheduler	Öğrenme hızı zamanlayıcısının türü. 'warmup_cosine' veya 'step' olmalıdır.	string
Maxsize	Omurgaya beslemeden önce yeniden ölçeklendirilecek en büyük görüntü boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
Minsize	Omurgaya beslemeden önce yeniden ölçeklendirilecek görüntünün minimum boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
Modelname	Eğitim için kullanılacak modelin adı. Kullanılabilir modeller hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
modelSize	Model boyutu. 'Küçük', 'orta', 'büyük' veya 'xlarge' olmalıdır. Not: Model boyutu çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	string
Momentum	İyileştirici 'sgd' olduğunda momentum değeri. [0, 1] aralığında bir float olmalıdır.	string
multiScale	Görüntü boyutunu +/- %50 oranında değiştirerek çok ölçekli görüntüyü etkinleştirin. Not: Yeterli GPU belleği yoksa eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	string
nesterov	İyileştirici 'sgd' olduğunda nesterov'ı etkinleştirin.	string
nmsIouThreshold	NMS sonrası işlemede çıkarım sırasında kullanılan IOU eşiği. [0, 1] aralığında kaydırılmalıdır.	string
numberOfEpochs	Eğitim dönemlerinin sayısı. Pozitif bir tamsayı olmalıdır.	string
numberOfWorkers	Veri yükleyici çalışanlarının sayısı. Negatif olmayan bir tamsayı olmalıdır.	string
Iyileştiricisi	İyileştirici türü. 'sgd', 'adam' veya 'adamw' olmalıdır.	string
randomSeed	Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum.	string
splitRatio	Doğrulama verileri tanımlanmamışsa bölme oranını belirtir verileri rastgele eğitim ve doğrulama alt kümelerine eğitin. [0, 1] aralığında bir float olmalıdır.	string
stepLRGamma	Öğrenme hızı zamanlayıcı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır.	string
stepLRStepSize	Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutunun değeri. Pozitif bir tamsayı olmalıdır.	string
tileGridSize	Her görüntüyü döşemek için kullanılacak kılavuz boyutu. Not: TileGridSize olmamalıdır Küçük nesne algılama mantığını etkinleştirmek için hiçbiri. mxn biçiminde iki tamsayı içeren bir dize. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
tileOverlapRatio	Her boyuttaki bitişik kutucuklar arasındaki çakışma oranı. [0, 1) aralığında kaydırılmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
tilePredictionsNmsThreshold	Kutucuklardan ve görüntüden tahminleri birleştirirken NMS gerçekleştirmek için kullanılacak IOU eşiği. Doğrulama/çıkarımda kullanılır. [0, 1] aralığında kaydırılmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez. NMS: Maksimum olmayan gizleme	string
trainingBatchSize	Eğitim toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	string
validationBatchSize	Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	string
validationIouThreshold	Doğrulama ölçümü hesaplanırken kullanılacak IOU eşiği. [0, 1] aralığında kaydırılmalıdır.	string
validationMetricType	Doğrulama ölçümleri için kullanılacak ölçüm hesaplama yöntemi. 'yok', 'coco', 'voc' veya 'coco_voc' olmalıdır.	string
warmupCosineLRCycles	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda kosinüs döngüsünün değeri. [0, 1] aralığında bir float olmalıdır.	string
warmupCosineLRWarmupEpochs	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda ısınma dönemlerinin değeri. Pozitif bir tamsayı olmalıdır.	string
weightDecay	İyileştirici 'sgd', 'adam' veya 'adamw' olduğunda ağırlık bozulmasının değeri. [0, 1] aralığında bir float olmalıdır.	string

ImageObjectDetection

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'ImageObjectDetection' (gerekli)
dataSettings	[Gerekli] Modelleri eğitip doğrulamak için gereken kayıtlı Tablosal Veri Kümesi Kimliklerinin ve diğer veri ayarlarının toplanması.	ImageVerticalDataSettings (gerekli)
limitSettings	[Gerekli] AutoML işinin ayarlarını sınırlayın.	ImageLimitSettings (gerekli)
modelSettings	Modeli eğitk için kullanılan ayarlar.	ImageModelSettingsObjectDetection
primaryMetric	Bu görev için iyileştirmeye yönelik birincil ölçüm.	'MeanAveragePrecision'
searchSpace	Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.	ImageSweepSettings

Regresyon

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'Regresyon' (gerekli)
allowedModels	Regresyon görevi için izin verilen modeller.	Herhangi birini içeren dize dizisi: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'Kementler' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
blockedModels	Regresyon görevi için engellenen modeller.	Herhangi birini içeren dize dizisi: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'Kementler' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
dataSettings	AutoMLjob için veri girişleri.	TableVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	TableVerticalFeaturizationSettings
limitSettings	AutoMLjob için yürütme kısıtlamaları.	TableVerticalLimitSettings
primaryMetric	Regresyon görevi için birincil ölçüm.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'SpearmanCorrelation'
trainingSettings	AutoML İşi için eğitim aşamasına yönelik girişler.	TrainingSettings

TextClassification

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'TextClassification' (gerekli)
dataSettings	AutoMLjob için veri girişleri.	NlpVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLjob için yürütme kısıtlamaları.	NlpVerticalLimitSettings
primaryMetric	Text-Classification görevi için birincil ölçüm.	'AUCWeighted' 'Doğruluk' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'

NlpVerticalDataSettings

Ad	Açıklama	Değer
targetColumnName	[Gerekli] Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]
Testdata	Veri girişini test etme.	TestDataSettings
trainingData	[Gerekli] Eğitim verileri girişi.	TrainingDataSettings (gerekli)
validationData	Doğrulama verisi girişleri.	NlpVerticalValidationDataSettings

NlpVerticalValidationDataSettings

Ad	Açıklama	Değer
veriler	Doğrulama verileri MLTable.	MLTableJobInput
validationDataSize	Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü. (0,0 , 1,0) arasındaki değerler Doğrulama veri kümesi sağlanmadığında uygulanır.	int

NlpVerticalFeaturizationSettings

Ad	Açıklama	Değer
datasetLanguage	Veri kümesi dili; metin verileri için kullanışlıdır.	string

NlpVerticalLimitSettings

Ad	Açıklama	Değer
maxConcurrentTrials	En fazla Eşzamanlı AutoML yinelemesi.	int
maxTrials	AutoML yinelemelerinin sayısı.	int
timeout	AutoML işi zaman aşımı.	string

TextClassificationMultilabel

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'TextClassificationMultilabel' (gerekli)
dataSettings	AutoMLJob için veri girişleri.	NlpVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLjob için yürütme kısıtlamaları.	NlpVerticalLimitSettings

TextNer

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'TextNER' (gerekli)
dataSettings	AutoMLJob için veri girişleri.	NlpVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLjob için yürütme kısıtlamaları.	NlpVerticalLimitSettings

CommandJob

Ad	Açıklama	Değer
jobType	[Gerekli] İşin türünü belirtir.	'Command' (gerekli)
codeId	Kod varlığının ARM kaynak kimliği.	string
command	[Gerekli] İşin başlangıcında yürütülecek komut. Örneğin "python train.py"	dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_]
Dağıtım	İşin dağıtım yapılandırması. Ayarlanırsa, bu Mpi, Tensorflow, PyTorch veya null değerlerinden biri olmalıdır.	DistributionConfiguration
environmentId	[Gerekli] İşin Ortam belirtiminin ARM kaynak kimliği.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]
environmentVariables	İşe dahil edilen ortam değişkenleri.	CommandJobEnvironmentVariables
Giriş	İşte kullanılan giriş veri bağlamalarının eşlemesi.	CommandJobInputs
Sınır -ları	Komut İşi sınırı.	CommandJobLimits
Çıkış	İşte kullanılan çıkış veri bağlamalarının eşlemesi.	CommandJobOutputs
kaynaklar	İş için İşlem Kaynağı yapılandırması.	ResourceConfiguration

DistributionConfiguration

Ad	Açıklama	Değer
distributionType	Nesne türünü ayarlama	Mpı PyTorch TensorFlow (gerekli)

Mpı

Ad	Açıklama	Değer
distributionType	[Gerekli] Dağıtım çerçevesinin türünü belirtir.	'Mpi' (gerekli)
processCountPerInstance	MPI düğümü başına işlem sayısı.	int

PyTorch

Ad	Açıklama	Değer
distributionType	[Gerekli] Dağıtım çerçevesinin türünü belirtir.	'PyTorch' (gerekli)
processCountPerInstance	Düğüm başına işlem sayısı.	int

TensorFlow

Ad	Açıklama	Değer
distributionType	[Gerekli] Dağıtım çerçevesinin türünü belirtir.	'TensorFlow' (gerekli)
parameterServerCount	Parametre sunucusu görevlerinin sayısı.	int
workerCount	Çalışan sayısı. Belirtilmezse, varsayılan olarak örnek sayısı olur.	int

CommandJobEnvironmentVariables

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string

CommandJobInputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobInput

JobInput

Ad	Açıklama	Değer
açıklama	Girişin açıklaması.	string
jobInputType	Nesne türünü ayarlama	CustomModel Değişmez değer MLFlowModel MLTable TritonModel UriFile UriFolder (gerekli)

CustomModelJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	'CustomModel' (gerekli)
mod	Giriş Varlığı Teslim Modu.	'Doğrudan' 'İndir' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

LiteralJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	'Değişmez Değer' (gerekli)
değer	[Gerekli] Giriş için değişmez değer.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

MLFlowModelJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	'MLFlowModel' (gerekli)
mod	Giriş Varlığı Teslim Modu.	'Doğrudan' 'İndir' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

TritonModelJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	'TritonModel' (gerekli)
mod	Giriş Varlığı Teslim Modu.	'Doğrudan' 'İndir' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

UriFileJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	'UriFile' (gerekli)
mod	Giriş Varlığı Teslim Modu.	'Doğrudan' 'İndir' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

UriFolderJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	'UriFolder' (gerekli)
mod	Giriş Varlığı Teslim Modu.	'Doğrudan' 'İndir' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

CommandJobLimits

Ad	Açıklama	Değer
jobLimitsType	[Gerekli] JobLimit türü.	'Command' 'Süpür' (gerekli)
timeout	ISO 8601 biçimindeki en uzun çalıştırma süresidir ve bundan sonra iş iptal edilir. Yalnızca Saniye kadar düşük duyarlıkla süreyi destekler.	string

CommandJobOutputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobOutput

PipelineJob

Ad	Açıklama	Değer
jobType	[Gerekli] İşin türünü belirtir.	'pipeline' (gerekli)
Giriş	İşlem hattı işi için girişler.	PipelineJobInputs
Işleri	İşler, İşlem Hattı İşini oluşturur.	PipelineJobJobs
Çıkış	İşlem hattı işinin çıkışları	PipelineJobOutputs
ayarlar	ContinueRunOnStepFailure gibi işlemler için işlem hattı ayarları.	Bicep için any() işlevini kullanabilirsiniz.

PipelineJobInputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobInput

PipelineJobJobs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		Bicep için any() işlevini kullanabilirsiniz.

PipelineJobOutputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobOutput

Süpürme İşi

Ad	Açıklama	Değer
jobType	[Gerekli] İşin türünü belirtir.	'Süpür' (gerekli)
earlyTermination	Erken sonlandırma ilkeleri, düşük performanslı çalıştırmaların tamamlanmadan önce iptal edilmesine olanak tanır	EarlyTerminationPolicy
Giriş	İşte kullanılan giriş veri bağlamalarının eşlemesi.	SweepJobInputs
Sınır -ları	Süpürme İşi sınırı.	SweepJobLimits
Amaç	[Gerekli] İyileştirme hedefi.	Amaç (gerekli)
Çıkış	İşte kullanılan çıkış veri bağlamalarının eşlemesi.	SweepJobOutputs
samplingAlgorithm	[Gerekli] Hiper parametre örnekleme algoritması	SamplingAlgorithm (gerekli)
searchSpace	[Gerekli] Her parametreyi ve dağılımını içeren bir sözlük. Sözlük anahtarı parametrenin adıdır	Bicep için any() işlevini kullanabilirsiniz. (gerekli)
trial	[Gerekli] Deneme bileşeni tanımı.	TrialComponent (gerekli)

SweepJobInputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobInput

SweepJobLimits

Ad	Açıklama	Değer
jobLimitsType	[Gerekli] JobLimit türü.	'Command' 'Süpür' (gerekli)
maxConcurrentTrials	Süpürme İşi maksimum eşzamanlı deneme sayısı.	int
maxTotalTrials	Süpürme İşi maksimum toplam deneme sayısı.	int
timeout	ISO 8601 biçimindeki en uzun çalıştırma süresidir ve bundan sonra iş iptal edilir. Yalnızca Saniye kadar düşük duyarlıkla süreyi destekler.	string
trialTimeout	Süpürme İşi Deneme zaman aşımı değeri.	string

Amaç

Ad	Açıklama	Değer
goal	[Gerekli] Hiper parametre ayarlama için desteklenen ölçüm hedeflerini tanımlar	'Ekranı Kapla' 'Simge Durumuna Küçült' (gerekli)
primaryMetric	[Gerekli] İyileştirecek ölçümün adı.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

SweepJobOutputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobOutput

SamplingAlgorithm

Ad	Açıklama	Değer
samplingAlgorithmType	Nesne türünü ayarlama	Bayesian Kılavuz Rastgele (gerekli)

BayesianSamplingAlgorithm

Ad	Açıklama	Değer
samplingAlgorithmType	[Gerekli] Yapılandırma özellikleriyle birlikte hiper parametre değerleri oluşturmak için kullanılan algoritma	'Bayesian' (gerekli)

GridSamplingAlgorithm

Ad	Açıklama	Değer
samplingAlgorithmType	[Gerekli] Yapılandırma özellikleriyle birlikte hiper parametre değerleri oluşturmak için kullanılan algoritma	'Grid' (gerekli)

RandomSamplingAlgorithm

Ad	Açıklama	Değer
samplingAlgorithmType	[Gerekli] Yapılandırma özellikleriyle birlikte hiper parametre değerleri oluşturmak için kullanılan algoritma	'Rastgele' (gerekli)
Kural	Belirli bir rastgele algoritma türü	'Rastgele' 'Sobol'
Tohum	Rastgele sayı oluşturma için çekirdek olarak kullanılacak isteğe bağlı bir tamsayı	int

TrialComponent

Ad	Açıklama	Değer
codeId	Kod varlığının ARM kaynak kimliği.	string
command	[Gerekli] İşin başlangıcında yürütülecek komut. Örneğin "python train.py"	dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_]
Dağıtım	İşin dağıtım yapılandırması. Ayarlanırsa, bu Mpi, Tensorflow, PyTorch veya null değerlerinden biri olmalıdır.	DistributionConfiguration
environmentId	[Gerekli] İş için Ortam belirtiminin ARM kaynak kimliği.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]
environmentVariables	İşe dahil edilen ortam değişkenleri.	TrialComponentEnvironmentVariables
kaynaklar	İş için İşlem Kaynağı yapılandırması.	ResourceConfiguration

TrialComponentEnvironmentVariables

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string

Hızlı başlangıç şablonları

Aşağıdaki hızlı başlangıç şablonları bu kaynak türünü dağıtır.

Şablon	Description
Azure Machine Learning AutoML sınıflandırma işi oluşturma	Bu şablon, bir müşterinin bir finans kurumuna sabit vadeli bir depozitoya abone olup olmadığını tahmin etmek için en iyi modeli bulmak için bir Azure Machine Learning AutoML sınıflandırma işi oluşturur.
Azure Machine Learning Komut işi oluşturma	Bu şablon, temel bir hello_world betiğiyle bir Azure Machine Learning Komut işi oluşturur
Azure Machine Learning Süpürme işi oluşturma	Bu şablon, hiper parametre ayarlaması için bir Azure Machine Learning Süpürme işi oluşturur.

ARM şablonu kaynak tanımı

Çalışma alanları/işler kaynak türü, aşağıdakileri hedefleyen işlemlerle dağıtılabilir:

• Kaynak grupları - Bkz. kaynak grubu dağıtım komutları

Her API sürümünde değiştirilen özelliklerin listesi için bkz. değişiklik günlüğü.

Kaynak biçimi

Microsoft.MachineLearningServices/workspaces/jobs kaynağı oluşturmak için şablonunuza aşağıdaki JSON'u ekleyin.

{
  "type": "Microsoft.MachineLearningServices/workspaces/jobs",
  "apiVersion": "2022-02-01-preview",
  "name": "string",
  "properties": {
    "computeId": "string",
    "description": "string",
    "displayName": "string",
    "experimentName": "string",
    "identity": {
      "identityType": "string"
      // For remaining properties, see IdentityConfiguration objects
    },
    "isArchived": "bool",
    "properties": {
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string"
    },
    "schedule": {
      "endTime": "string",
      "scheduleStatus": "string",
      "startTime": "string",
      "timeZone": "string",
      "scheduleType": "string"
      // For remaining properties, see ScheduleBase objects
    },
    "services": {
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "port": "int",
        "properties": {
          "{customized property}": "string"
        }
      }
    },
    "tags": {
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string"
    },
    "jobType": "string"
    // For remaining properties, see JobBaseDetails objects
  }
}

JobBaseDetails nesneleri

nesne türünü belirtmek için jobType özelliğini ayarlayın.

AutoML için şunu kullanın:

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

Komut için şunu kullanın:

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

İşlem Hattı için şunu kullanın:

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

Süpür için şunu kullanın:

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

IdentityConfiguration nesneleri

nesne türünü belirtmek için identityType özelliğini ayarlayın.

AMLToken için şunu kullanın:

  "identityType": "AMLToken"

Yönetilen için şunu kullanın:

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

UserIdentity için şunu kullanın:

  "identityType": "UserIdentity"

ScheduleBase nesneleri

nesne türünü belirtmek için scheduleType özelliğini ayarlayın.

Cron için şunu kullanın:

  "scheduleType": "Cron",
  "expression": "string"

Yinelenme için şunu kullanın:

  "scheduleType": "Recurrence",
  "frequency": "string",
  "interval": "int",
  "pattern": {
    "hours": [ "int" ],
    "minutes": [ "int" ],
    "weekdays": [ "string" ]
  }

JobOutput nesneleri

nesne türünü belirtmek için jobOutputType özelliğini ayarlayın.

CustomModel için şunu kullanın:

  "jobOutputType": "CustomModel",
  "mode": "string",
  "uri": "string"

MLFlowModel için şunu kullanın:

  "jobOutputType": "MLFlowModel",
  "mode": "string",
  "uri": "string"

MLTable için şunu kullanın:

  "jobOutputType": "MLTable",
  "mode": "string",
  "uri": "string"

TritonModel için şunu kullanın:

  "jobOutputType": "TritonModel",
  "mode": "string",
  "uri": "string"

UriFile için şunu kullanın:

  "jobOutputType": "UriFile",
  "mode": "string",
  "uri": "string"

UriFolder için şunu kullanın:

  "jobOutputType": "UriFolder",
  "mode": "string",
  "uri": "string"

AutoMLVertical nesneleri

nesne türünü belirtmek için taskType özelliğini ayarlayın.

Sınıflandırma için şunu kullanın:

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

Tahmin için şunu kullanın:

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

ImageClassification için şunu kullanın:

  "taskType": "ImageClassification",
  "dataSettings": {
    "targetColumnName": "string",
    "testData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "testDataSize": "int"
    },
    "trainingData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      }
    },
    "validationData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "validationDataSize": "int"
    }
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "checkpointDatasetId": "string",
    "checkpointFilename": "string",
    "checkpointFrequency": "int",
    "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",
    "splitRatio": "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",
      "splitRatio": "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
    },
    "limits": {
      "maxConcurrentTrials": "int",
      "maxTrials": "int"
    },
    "samplingAlgorithm": "string"
  }

ImageClassificationMultilabel için şunu kullanın:

  "taskType": "ImageClassificationMultilabel",
  "dataSettings": {
    "targetColumnName": "string",
    "testData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "testDataSize": "int"
    },
    "trainingData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      }
    },
    "validationData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "validationDataSize": "int"
    }
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "checkpointDatasetId": "string",
    "checkpointFilename": "string",
    "checkpointFrequency": "int",
    "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",
    "splitRatio": "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",
      "splitRatio": "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
    },
    "limits": {
      "maxConcurrentTrials": "int",
      "maxTrials": "int"
    },
    "samplingAlgorithm": "string"
  }

ImageInstanceSegmentation için şunu kullanın:

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

ImageObjectDetection için şunu kullanın:

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

Regresyon için şunu kullanın:

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

TextClassification için şunu kullanın:

  "taskType": "TextClassification",
  "dataSettings": {
    "targetColumnName": "string",
    "testData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "testDataSize": "int"
    },
    "trainingData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      }
    },
    "validationData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "validationDataSize": "int"
    }
  },
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "primaryMetric": "string"

TextClassificationMultilabel için şunu kullanın:

  "taskType": "TextClassificationMultilabel",
  "dataSettings": {
    "targetColumnName": "string",
    "testData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "testDataSize": "int"
    },
    "trainingData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      }
    },
    "validationData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "validationDataSize": "int"
    }
  },
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  }

TextNER için şunu kullanın:

  "taskType": "TextNER",
  "dataSettings": {
    "targetColumnName": "string",
    "testData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "testDataSize": "int"
    },
    "trainingData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      }
    },
    "validationData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "validationDataSize": "int"
    }
  },
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  }

NCrossValidations nesneleri

nesne türünü belirtmek için mode özelliğini ayarlayın.

Otomatik için şunu kullanın:

  "mode": "Auto"

Özel için şunu kullanın:

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

ForecastHorizon nesneleri

nesne türünü belirtmek için mode özelliğini ayarlayın.

Otomatik için şunu kullanın:

  "mode": "Auto"

Özel için şunu kullanın:

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

Mevsimsellik nesneleri

nesne türünü belirtmek için mode özelliğini ayarlayın.

Otomatik için şunu kullanın:

  "mode": "Auto"

Özel için şunu kullanın:

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

TargetLags nesneleri

nesne türünü belirtmek için mode özelliğini ayarlayın.

Otomatik için şunu kullanın:

  "mode": "Auto"

Özel için şunu kullanın:

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

TargetRollingWindowSize nesneleri

nesne türünü belirtmek için mode özelliğini ayarlayın.

Otomatik için şunu kullanın:

  "mode": "Auto"

Özel için şunu kullanın:

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

EarlyTerminationPolicy nesneleri

nesne türünü belirtmek için policyType özelliğini ayarlayın.

Eşkıya için şunu kullanın:

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

MedianStopping için şunu kullanın:

  "policyType": "MedianStopping"

TruncationSelection için şunu kullanın:

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

DistributionConfiguration nesneleri

nesne türünü belirtmek için distributionType özelliğini ayarlayın.

Mpi için şunu kullanın:

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

PyTorch için şunu kullanın:

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

TensorFlow için şunu kullanın:

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

JobInput nesneleri

nesnesinin türünü belirtmek için jobInputType özelliğini ayarlayın.

CustomModel için şunu kullanın:

  "jobInputType": "CustomModel",
  "mode": "string",
  "uri": "string"

Değişmez Değer için şunu kullanın:

  "jobInputType": "Literal",
  "value": "string"

MLFlowModel için şunu kullanın:

  "jobInputType": "MLFlowModel",
  "mode": "string",
  "uri": "string"

MLTable için şunu kullanın:

  "jobInputType": "MLTable",
  "mode": "string",
  "uri": "string"

TritonModel için şunu kullanın:

  "jobInputType": "TritonModel",
  "mode": "string",
  "uri": "string"

UriFile için şunu kullanın:

  "jobInputType": "UriFile",
  "mode": "string",
  "uri": "string"

UriFolder için şunu kullanın:

  "jobInputType": "UriFolder",
  "mode": "string",
  "uri": "string"

SamplingAlgorithm nesneleri

nesne türünü belirtmek için samplingAlgorithmType özelliğini ayarlayın.

Bayes dili için şunu kullanın:

  "samplingAlgorithmType": "Bayesian"

Kılavuz için şunu kullanın:

  "samplingAlgorithmType": "Grid"

Rastgele için şunu kullanın:

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

Özellik değerleri

çalışma alanları/işler

Ad	Açıklama	Değer
tür	Kaynak türü	'Microsoft.MachineLearningServices/workspaces/jobs'
apiVersion	Kaynak API'sinin sürümü	'2022-02-01-preview'
name	Kaynak adı JSON ARM şablonlarında alt kaynaklar için adları ve türleri ayarlamayı öğrenin.	dize (gerekli)
properties	[Gerekli] Varlığın ek öznitelikleri.	JobBaseDetails (gerekli)

JobBaseDetails

Ad	Açıklama	Değer
computeId	İşlem kaynağının ARM kaynak kimliği.	string
açıklama	Varlık açıklaması metni.	string
displayName	İşin görünen adı.	string
experimentName	İşin ait olduğu denemenin adı. Ayarlanmadıysa, iş "Varsayılan" denemesine yerleştirilir.	string
identity	Kimlik yapılandırması. Ayarlanırsa, bu AmlToken, ManagedIdentity, UserIdentity veya null değerlerinden biri olmalıdır. Varsayılan değer null ise AmlToken olarak ayarlanır.	Identityconfiguration
isArchived	Varlık arşivlenmiş mi?	bool
properties	Varlık özelliği sözlüğü.	ResourceBaseProperties
schedule	İşin tanımını zamanlama. Zamanlama sağlanmazsa, iş gönderimden hemen sonra ve bir kez çalıştırılır.	Schedulebase
services	JobEndpoints listesi. Yerel işler için bir iş uç noktası FileStreamObject uç noktası değerine sahip olur.	JobBaseServices
etiketler	Etiket sözlüğü. Etiketler eklenebilir, kaldırılabilir ve güncelleştirilebilir.	object
jobType	Nesne türünü ayarlama	AutoML Komut İşlem Hattı Süpür (gerekli)

Identityconfiguration

Ad	Açıklama	Değer
ıdentitytype	Nesne türünü ayarlama	AMLToken Yönetilen UserIdentity (gerekli)

AmlToken

Ad	Açıklama	Değer
ıdentitytype	[Gerekli] Kimlik çerçevesinin türünü belirtir.	'AMLToken' (gerekli)

ManagedIdentity

Ad	Açıklama	Değer
ıdentitytype	[Gerekli] Kimlik çerçevesinin türünü belirtir.	'Yönetilen' (gerekli)
clientId	İstemci kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın.	string Kısıtlama -ları: En az uzunluk = 36 Maksimum uzunluk = 36 Desen = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
objectId	Nesne kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın.	string Kısıtlama -ları: En az uzunluk = 36 Maksimum uzunluk = 36 Desen = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId	ARM kaynak kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın.	string

UserIdentity

Ad	Açıklama	Değer
ıdentitytype	[Gerekli] Kimlik çerçevesinin türünü belirtir.	'UserIdentity' (gerekli)

ResourceBaseProperties

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string

Schedulebase

Ad	Açıklama	Değer
endTime	Zamanlamanın bitiş saatini ISO 8601 biçiminde belirtir. Yoksa, zamanlama süresiz olarak çalışır	string
scheduleStatus	Zamanlamanın durumunu belirtir	'Devre Dışı' 'Etkin'
startTime	Zamanlamanın başlangıç saatini ISO 8601 biçiminde belirtir.	string
timeZone	Zamanlamanın çalıştırıldığı saat dilimini belirtir. TimeZone, Windows saat dilimi biçimine uygun olmalıdır.	string
scheduleType	Nesne türünü ayarlama	Cron Yinelenme (gerekli)

CronSchedule

Ad	Açıklama	Değer
scheduleType	[Gerekli] Zamanlama türünü belirtir	'Cron' (gerekli)
ifade	[Gerekli] Zamanlamanın cron ifadesini belirtir. İfade NCronTab biçiminde olmalıdır.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

RecurrenceSchedule

Ad	Açıklama	Değer
scheduleType	[Gerekli] Zamanlama türünü belirtir	'Yinelenme' (gerekli)
frequency	[Gerekli] Zamanlamanın tetiklendiği sıklığı belirtir	'Gün' 'Saat' 'Dakika' 'Ay' 'Hafta' (gerekli)
interval	[Gerekli] Zamanlama aralığını sıklık ile birlikte belirtir	int (gerekli)
Desen	Yinelenme zamanlaması desenini belirtir	Recurrencepattern

Recurrencepattern

Ad	Açıklama	Değer
saat	[Gerekli] Yinelenme zamanlaması düzeni için saat listesi	int[] (gerekli)
sürdü	[Gerekli] Yinelenme zamanlaması düzeni için dakika listesi	int[] (gerekli)
Hafta içi	Yinelenme zamanlaması deseni için hafta içi günlerin listesi	Herhangi birini içeren dize dizisi: 'Cuma' 'Pazartesi' 'Cumartesi' 'Pazar' 'Perşembe' 'Salı' 'Çarşamba'

JobBaseServices

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobService

JobService

Ad	Açıklama	Değer
endpoint	Uç nokta url'si.	string
jobServiceType	Uç nokta türü.	string
port	Uç nokta için bağlantı noktası.	int
properties	Uç noktada ayarlanacağı ek özellikler.	JobServiceProperties

JobServiceProperties

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string

AutoMLjob

Ad	Açıklama	Değer
jobType	[Gerekli] İşin türünü belirtir.	'AutoML' (gerekli)
environmentId	İşin Ortam belirtiminin ARM kaynak kimliği. Bu, sağlanmazsa AutoML işi çalıştırırken bunu varsayılan olarak Üretim AutoML tarafından seçilmiş ortam sürümü olarak sağlayacak isteğe bağlı bir değerdir.	string
environmentVariables	İşe dahil edilen ortam değişkenleri.	AutoMLJobEnvironmentVariables
Çıkış	İşte kullanılan çıkış veri bağlamalarının eşlemesi.	AutoMLJobOutputs
kaynaklar	İş için İşlem Kaynağı yapılandırması.	ResourceConfiguration
taskDetails	[Gerekli] Bu, Tablolardan/NLP/Görüntüden biri olabilecek senaryoları temsil eder	AutoMLVertical (gerekli)

AutoMLJobEnvironmentVariables

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string

AutoMLJobOutputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobOutput

JobOutput

Ad	Açıklama	Değer
açıklama	Çıktının açıklaması.	string
jobOutputType	Nesne türünü ayarlama	CustomModel MLFlowModel MLTable TritonModel UriFile UriFolder (gerekli)

CustomModelJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	'CustomModel' (gerekli)
mod	Çıkış Varlığı Teslim Modu.	'ReadWriteMount' 'Karşıya Yükle'
Urı	Çıkış Varlığı URI'si.	string

MLFlowModelJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	'MLFlowModel' (gerekli)
mod	Çıkış Varlığı Teslim Modu.	'ReadWriteMount' 'Karşıya Yükle'
Urı	Çıkış Varlığı URI'si.	string

MLTableJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	'MLTable' (gerekli)
mod	Çıkış Varlığı Teslim Modu.	'ReadWriteMount' 'Karşıya Yükle'
Urı	Çıkış Varlığı URI'si.	string

TritonModelJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	'TritonModel' (gerekli)
mod	Çıkış Varlığı Teslim Modu.	'ReadWriteMount' 'Karşıya Yükle'
Urı	Çıkış Varlığı URI'si.	string

UriFileJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	'UriFile' (gerekli)
mod	Çıkış Varlığı Teslim Modu.	'ReadWriteMount' 'Karşıya Yükle'
Urı	Çıkış Varlığı URI'si.	string

UriFolderJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	'UriFolder' (gerekli)
mod	Çıkış Varlığı Teslim Modu.	'ReadWriteMount' 'Karşıya Yükle'
Urı	Çıkış Varlığı URI'si.	string

ResourceConfiguration

Ad	Açıklama	Değer
instanceCount	İşlem hedefi tarafından kullanılan isteğe bağlı örnek veya düğüm sayısı.	int
instanceType	İşlem hedefi tarafından desteklendiği şekilde kullanılan isteğe bağlı VM türü.	string
properties	Ek özellikler çantası.	ResourceConfigurationProperties

ResourceConfigurationProperties

Ad	Açıklama	Değer
{özelleştirilmiş özellik}

AutoMLVertical

Ad	Açıklama	Değer
logVerbosity	İşin ayrıntı düzeyini günlüğe kaydetme.	'Kritik' 'Hata Ayıkla' 'Hata' 'Bilgi' 'NotSet' 'Uyarı'
Tasktype	Nesne türünü ayarlama	Sınıflandırma Tahmin etme ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regresyon TextClassification TextClassificationMultilabel TextNER (gerekli)

Sınıflandırma

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'Sınıflandırma' (gerekli)
allowedModels	Sınıflandırma görevi için izin verilen modeller.	Herhangi birini içeren dize dizisi: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
blockedModels	Sınıflandırma görevi için engellenen modeller.	Herhangi birini içeren dize dizisi: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
dataSettings	AutoMLjob için veri girişleri.	TableVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	TableVerticalFeaturizationSettings
limitSettings	AutoMLjob için yürütme kısıtlamaları.	TableVerticalLimitSettings
primaryMetric	Görevin birincil ölçümü.	'AUCWeighted' 'Doğruluk' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
trainingSettings	AutoML İşi için eğitim aşamasına yönelik girişler.	TrainingSettings

TableVerticalDataSettings

Ad	Açıklama	Değer
targetColumnName	[Gerekli] Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]
Testdata	Veri girişini test etme.	TestDataSettings
trainingData	[Gerekli] Eğitim verileri girişi.	TrainingDataSettings (gerekli)
validationData	Doğrulama verisi girişleri.	TableVerticalValidationDataSettings
weightColumnName	Örnek ağırlık sütununun adı. Otomatik ML, giriş olarak ağırlıklı bir sütunu destekler ve bu da verilerdeki satırların yukarı veya aşağı ağırlıklı olmasına neden olur.	string

TestDataSettings

Ad	Açıklama	Değer
veriler	MlTable verilerini test etme.	MLTableJobInput
testDataSize	Doğrulama amacıyla bir kenara ayarlanması gereken test veri kümesinin kesri. (0,0 , 1,0) arasındaki değerler Doğrulama veri kümesi sağlanmadığında uygulanır.	int

MLTableJobInput

Ad	Açıklama	Değer
açıklama	Girişin açıklaması.	string
jobInputType	[Gerekli] İşin türünü belirtir.	'CustomModel' 'Değişmez Değer' 'MLFlowModel' 'MLTable' 'TritonModel' 'UriFile' 'UriFolder' (gerekli)
mod	Giriş Varlığı Teslim Modu.	'Doğrudan' 'İndir' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

TrainingDataSettings

Ad	Açıklama	Değer
veriler	[Gerekli] Eğitim verileri MLTable.	MLTableJobInput (gerekli)

TableVerticalValidationDataSettings

Ad	Açıklama	Değer
cvSplitColumnNames	CVSplit verileri için kullanılacak sütunlar.	dize[]
veriler	Doğrulama verileri MLTable.	MLTableJobInput
nCrossValidations	Eğitim veri kümesine uygulanacak çapraz doğrulama katlamalarının sayısı doğrulama veri kümesi sağlanmadığında.	NCrossValidations
validationDataSize	Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü. (0,0 , 1,0) arasındaki değerler Doğrulama veri kümesi sağlanmadığında uygulanır.	int

NCrossValidations

Ad	Açıklama	Değer
mod	Nesne türünü ayarlama	Otomatik Özel (gerekli)

AutoNCrossValidations

Ad	Açıklama	Değer
mod	[Gerekli] N-Cross doğrulamalarını belirleme modu.	'Otomatik' (gerekli)

CustomNCrossValidations

Ad	Açıklama	Değer
mod	[Gerekli] N-Cross doğrulamalarını belirleme modu.	'Özel' (gerekli)
değer	[Gerekli] N-Cross doğrulama değeri.	int (gerekli)

TableVerticalFeaturizationSettings

Ad	Açıklama	Değer
blockedTransformers	Bu transformatörler özellik kazandırmada kullanılmamalıdır.	dize[]
columnNameAndTypes	Sütun adı ve türü sözlüğü (int, float, string, datetime vb.).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Veri kümesi dili; metin verileri için kullanışlıdır.	string
dropColumns	Özellik geliştirme sırasında verilerden bırakılacak sütunlar.	dize[]
enableDnnFeaturization	Veri özellik kazandırma için Dnn tabanlı özellik oluşturucuların kullanılıp kullanılmayacağını belirler.	bool
mod	Özellik geliştirme modu - Kullanıcı varsayılan 'Otomatik' modunu tutabilir ve AutoML özellik geliştirme aşamasında verilerin gerekli dönüşümünün icabına bakar. 'Kapalı' seçilirse özellik kazandırma işlemi yapılmaz. 'Özel' seçilirse, özellik geliştirmenin nasıl yapıldığını özelleştirmek için kullanıcı ek girişler belirtebilir.	'Otomatik' 'Özel' 'Kapalı'
transformerParams	Kullanıcı, uygulanacağı sütunlar ve transformatör oluşturucu için parametrelerle birlikte kullanılacak ek transformatörleri belirtebilir.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string

TableVerticalFeaturizationSettingsTransformerParams

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		ColumnTransformer[]

ColumnTransformer

Ad	Açıklama	Değer
fields	Transformatör mantığının uygulanacağı alanlar.	dize[]
parameters	Transformatöre geçirilecek farklı özellikler. Giriş bekleniyor, JSON biçiminde anahtar,değer çiftlerinin sözlüğüdür.

TableVerticalLimitSettings

Ad	Açıklama	Değer
enableEarlyTermination	Erken sonlandırmayı etkinleştirin, AutoMLjob'ın son 20 yinelemede puan iyileştirmesi yoksa erken sonlandırılıp sonlandırılmayacağını belirler.	bool
exitScore	AutoML işinin çıkış puanı.	int
maxConcurrentTrials	Maksimum Eşzamanlı yineleme.	int
maxCoresPerTrial	Yineleme başına maksimum çekirdek.	int
maxTrials	Yineleme sayısı.	int
timeout	AutoML işi zaman aşımı.	string
trialTimeout	Yineleme zaman aşımı.	string

TrainingSettings

Ad	Açıklama	Değer
enableDnnTraining	DNN modellerinin önerisini etkinleştirin.	bool
enableModelExplainability	En iyi modelde açıklanabilirliği açmak için bayrak ekleyin.	bool
enableOnnxCompatibleModels	Onnx uyumlu modelleri etkinleştirme bayrağı.	bool
enableStackEnsemble	Yığın topluluğu çalıştırmasını etkinleştirin.	bool
enableVoteEnsemble	Oylama grup çalıştırmasını etkinleştirin.	bool
ensembleModelDownloadTimeout	VotingEnsemble ve StackEnsemble model oluşturma sırasında, önceki alt çalıştırmalardan gelen birden çok uydurılmış model indirilir. Daha fazla zaman gerekiyorsa bu parametreyi 300 saniyeden daha yüksek bir değerle yapılandırın.	string
stackEnsembleSettings	Yığın topluluğu çalıştırması için yığın topluluğu ayarları.	StackEnsembleSettings

StackEnsembleSettings

Ad	Açıklama	Değer
stackMetaLearnerKWargs	Meta öğrenicinin başlatıcısına geçirmek için isteğe bağlı parametreler.
stackMetaLearnerTrainPercentage	Meta öğrenciyi eğitmek için ayrılacak eğitim kümesinin (eğitim ve doğrulama türünü seçerken) oranını belirtir. Varsayılan değer 0,2'dir.	int
stackMetaLearnerType	Meta öğrenen, tek tek heterojen modellerin çıktısı üzerinde eğitilen bir modeldir.	'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'Yok'

Tahmin etme

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'Tahmin' (gerekli)
allowedModels	Tahmin görevi için izin verilen modeller.	Herhangi birini içeren dize dizisi: 'Arimax' 'AutoArima' 'Ortalama' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'Kementler' 'LightGBM' 'Naive' 'Peygamber' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor'
blockedModels	Tahmin görevi için engellenen modeller.	Herhangi birini içeren dize dizisi: 'Arimax' 'AutoArima' 'Ortalama' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'Kementler' 'LightGBM' 'Naive' 'Peygamber' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor'
dataSettings	AutoMLjob için veri girişleri.	TableVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	TableVerticalFeaturizationSettings
tahminAyarlar	Göreve özgü girişleri tahmin etme.	TahminAyarlar
limitSettings	AutoMLjob için yürütme kısıtlamaları.	TableVerticalLimitSettings
primaryMetric	Tahmin görevi için birincil ölçüm.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'SpearmanCorrelation'
trainingSettings	AutoML İşi için eğitim aşamasına yönelik girişler.	TrainingSettings

TahminAyarlar

Ad	Açıklama	Değer
countryOrRegionForHolidays	Tahmin görevleri için tatiller için ülke veya bölge. Bunlar ISO 3166 iki harfli ülke/bölge kodları olmalıdır, örneğin 'US' veya 'GB'.	string
cvStepSize	Bir CV katlama ile bir sonraki katlama arasındaki dönem sayısı. İçin örnek, günlük veriler için = 3 ise CVStepSize , her katlamanın başlangıç zamanı üç gün arayla.	int
featureLags	'auto' veya null ile sayısal özellikler için gecikme oluşturma bayrağı.	'Otomatik' 'Yok'
forecastHorizon	Zaman serisi sıklığı birimlerinde istenen maksimum tahmin ufku.	ForecastHorizon
frequency	Tahmin yapılırken, bu parametre tahminin istendiği dönemi (örneğin, günlük, haftalık, yıllık vb.) temsil eder. Tahmin sıklığı varsayılan olarak veri kümesi sıklığıdır.	string
Seasonality	Zaman serisi mevsimselliğini, seri sıklığının tamsayı katı olarak ayarlayın. Mevsimsellik 'otomatik' olarak ayarlanırsa, çıkarsanır.	Seasonality
shortSeriesHandlingConfig	AutoML'nin kısa zaman serisini nasıl işleyeceklerini tanımlayan parametre.	'Otomatik' 'Bırak' 'Yok' 'Tuş Takımı'
targetAggregateFunction	Zaman serisi hedef sütununu kullanıcının belirtilen sıklığına uyacak şekilde toplamak için kullanılacak işlev. TargetAggregateFunction değeri 'Yok' değil de freq parametresi ayarlanmamışsa hata oluşur. Olası hedef toplama işlevleri şunlardır: "sum", "max", "min" ve "mean".	'Max' 'Ortalama' 'Min' 'Yok' 'Toplam'
targetLags	Hedef sütundan gecikmeye neden olan geçmiş dönemlerin sayısı.	TargetLags
targetRollingWindowSize	Hedef sütunun sıralı pencere ortalamasını oluşturmak için kullanılan geçmiş dönemlerin sayısı.	TargetRollingWindowSize
timeColumnName	Saat sütununun adı. Bu parametre, zaman serisini oluşturmak ve sıklığını çıkarsamak için kullanılan giriş verilerinde tarih saat sütununu belirtmek için tahminde bulunurken gereklidir.	string
timeSeriesIdColumnNames	Zaman zamanlarını gruplandırmak için kullanılan sütunların adları. Birden çok seri oluşturmak için kullanılabilir. Tahıl tanımlanmamışsa, veri kümesinin bir zaman serisi olduğu varsayılır. Bu parametre, görev türü tahmini ile kullanılır.	dize[]
useStl	Zaman serisi hedef sütununun STL Ayrıştırmasını yapılandırın.	'Yok' 'Sezon' 'SeasonTrend'

ForecastHorizon

Ad	Açıklama	Değer
mod	Nesne türünü ayarlama	Otomatik Özel (gerekli)

AutoForecastHorizon

Ad	Açıklama	Değer
mod	[Gerekli] Tahmin ufku değeri seçim modunu ayarlayın.	'Otomatik' (gerekli)

CustomForecastHorizon

Ad	Açıklama	Değer
mod	[Gerekli] Tahmin ufku değeri seçim modunu ayarlayın.	'Özel' (gerekli)
değer	[Gerekli] Tahmin ufuk değeri.	int (gerekli)

Mevsimsellik

Ad	Açıklama	Değer
mod	Nesne türünü ayarlama	Otomatik Özel (gerekli)

Otomatik Boyut

Ad	Açıklama	Değer
mod	[Gerekli] Mevsimsellik modu.	'Otomatik' (gerekli)

CustomSeasonality

Ad	Açıklama	Değer
mod	[Gerekli] Mevsimsellik modu.	'Özel' (gerekli)
değer	[Gerekli] Mevsimsellik değeri.	int (gerekli)

TargetLags

Ad	Açıklama	Değer
mod	Nesne türünü ayarlama	Otomatik Özel (gerekli)

AutoTargetLags

Ad	Açıklama	Değer
mod	[Gerekli] Hedef gecikme modunu ayarlama - Otomatik/Özel	'Otomatik' (gerekli)

CustomTargetLags

Ad	Açıklama	Değer
mod	[Gerekli] Hedef gecikme modunu ayarlama - Otomatik/Özel	'Özel' (gerekli)
değerler	[Gerekli] Hedef gecikme değerlerini ayarlayın.	int[] (gerekli)

TargetRollingWindowSize

Ad	Açıklama	Değer
mod	Nesne türünü ayarlama	Otomatik Özel (gerekli)

AutoTargetRollingWindowSize

Ad	Açıklama	Değer
mod	[Gerekli] TargetRollingWindowSiz algılama modu.	'Otomatik' (gerekli)

CustomTargetRollingWindowSize

Ad	Açıklama	Değer
mod	[Gerekli] TargetRollingWindowSiz algılama modu.	'Özel' (gerekli)
değer	[Gerekli] TargetRollingWindowSize değeri.	int (gerekli)

ImageClassification

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'ImageClassification' (gerekli)
dataSettings	[Gerekli] Modelleri eğitip doğrulamak için gereken kayıtlı Tablosal Veri Kümesi Kimliklerinin ve diğer veri ayarlarının toplanması.	ImageVerticalDataSettings (gerekli)
limitSettings	[Gerekli] AutoML işinin ayarlarını sınırlayın.	ImageLimitSettings (gerekli)
modelSettings	Modeli eğitk için kullanılan ayarlar.	ImageModelSettingsClassification
primaryMetric	Bu görev için iyileştirmeye yönelik birincil ölçüm.	'AUCWeighted' 'Doğruluk' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı.	ImageModelDistributionSettingsClassification[]
sweepSettings	Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.	ImageSweepSettings

ImageVerticalDataSettings

Ad	Açıklama	Değer
targetColumnName	[Gerekli] Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]
Testdata	Veri girişini test etme.	TestDataSettings
trainingData	[Gerekli] Eğitim verileri girişi.	TrainingDataSettings (gerekli)
validationData	Doğrulama veri kümesinin ayarları.	ImageVerticalValidationDataSettings

ImageVerticalValidationDataSettings

Ad	Açıklama	Değer
veriler	Doğrulama verileri MLTable.	MLTableJobInput
validationDataSize	Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü. (0,0 , 1,0) arasındaki değerler Doğrulama veri kümesi sağlanmadığında uygulanır.	int

ImageLimitSettings

Ad	Açıklama	Değer
maxConcurrentTrials	En fazla eşzamanlı AutoML yinelemesi sayısı.	int
maxTrials	AutoML yineleme sayısı üst sınırı.	int
timeout	AutoML işi zaman aşımı.	string

ImageModelSettingsClassification

Ad	Açıklama	Değer
advancedSettings	Gelişmiş senaryolar için ayarlar.	string
amsGradient	İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin.	bool
Augmentations	Artırmaları kullanma ayarları.	string
beta1	İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır.	int
beta2	İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır.	int
checkpointDatasetId	Artımlı eğitim için önceden eğitilmiş denetim noktaları için FileDataset kimliği. CheckpointDatasetId ile birlikte CheckpointFilename değerini de geçirerek emin olun.	string
checkpointFilename	Artımlı eğitim için FileDataset'teki önceden eğitilmiş denetim noktası dosya adı. CheckpointFilename ile birlikte CheckpointDatasetId değerini de geçirmeyi unutmayın.	string
checkpointFrequency	Model denetim noktalarını depolama sıklığı. Pozitif bir tamsayı olmalıdır.	int
checkpointRunId	Artımlı eğitim için önceden eğitilmiş bir denetim noktası olan önceki çalıştırmanın kimliği.	string
Dağıtılmış	Dağıtılmış eğitimin kullanılıp kullanılmaymayacağı.	bool
earlyStopping	Eğitim sırasında erken durdurma mantığını etkinleştirin.	bool
earlyStoppingDelay	Birincil ölçüm geliştirmesi öncesinde bekleştirilmesi gereken en az dönem veya doğrulama değerlendirmesi sayısı erken durdurma için izlenir. Pozitif bir tamsayı olmalıdır.	int
earlyStoppingPatience	Daha önce birincil ölçüm geliştirmesi yapılmadan en az dönem sayısı veya doğrulama değerlendirmeleri çalıştırma durdurulur. Pozitif bir tamsayı olmalıdır.	int
enableOnnxNormalization	ONNX modelini dışarı aktarırken normalleştirmeyi etkinleştirin.	bool
evaluationFrequency	Ölçüm puanlarını almak için doğrulama veri kümesini değerlendirme sıklığı. Pozitif bir tamsayı olmalıdır.	int
gradientAccumulationStep	Gradyan birikmesi, yapılandırılmış sayıda "GradAccumulationStep" adımının olmadan çalıştırılması anlamına gelir bu adımların gradyanlarını biriktirirken model ağırlıklarını güncelleştirme ve ardından ağırlık güncelleştirmelerini hesaplamak için birikmiş gradyanlar. Pozitif bir tamsayı olmalıdır.	int
layersToFreeze	Model için donacak katman sayısı. Pozitif bir tamsayı olmalıdır. Örneğin, 'seresnext' için değer olarak 2 geçirmek, donma katmanı0 ve katman1. Desteklenen modellerin tam listesi ve katman dondurmayla ilgili ayrıntılar için lütfen bkz: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	int
öğrenme Hızı	İlk öğrenme oranı. [0, 1] aralığında bir float olmalıdır.	int
learningRateScheduler	Öğrenme hızı zamanlayıcısının türü. 'warmup_cosine' veya 'step' olmalıdır.	'Yok' 'Step' 'WarmupCosine'
Modelname	Eğitim için kullanılacak modelin adı. Kullanılabilir modeller hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
Momentum	İyileştirici 'sgd' olduğunda momentum değeri. [0, 1] aralığında bir float olmalıdır.	int
nesterov	İyileştirici 'sgd' olduğunda nesterov'ı etkinleştirin.	bool
numberOfEpochs	Eğitim dönemlerinin sayısı. Pozitif bir tamsayı olmalıdır.	int
numberOfWorkers	Veri yükleyici çalışanlarının sayısı. Negatif olmayan bir tamsayı olmalıdır.	int
Iyileştiricisi	İyileştirici türü.	'Adam' 'Adamw' 'Yok' 'Sgd'
randomSeed	Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum.	int
splitRatio	Doğrulama verileri tanımlanmamışsa bölme oranını belirtir verileri rastgele eğitim ve doğrulama alt kümelerine eğitin. [0, 1] aralığında bir float olmalıdır.	int
stepLRGamma	Öğrenme hızı zamanlayıcı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır.	int
stepLRStepSize	Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutunun değeri. Pozitif bir tamsayı olmalıdır.	int
trainingBatchSize	Eğitim toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	int
trainingCropSize	Eğitim veri kümesi için sinir ağına giriş olan görüntü kırpma boyutu. Pozitif bir tamsayı olmalıdır.	int
validationBatchSize	Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	int
validationCropSize	Doğrulama veri kümesi için sinir ağına giriş olan görüntü kırpma boyutu. Pozitif bir tamsayı olmalıdır.	int
validationResizeSize	Doğrulama veri kümesi için kırpmadan önce yeniden boyutlandırılan görüntü boyutu. Pozitif bir tamsayı olmalıdır.	int
warmupCosineLRCycles	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda kosinüs döngüsünün değeri. [0, 1] aralığında bir float olmalıdır.	int
warmupCosineLRWarmupEpochs	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda ısınma dönemlerinin değeri. Pozitif bir tamsayı olmalıdır.	int
weightDecay	İyileştirici 'sgd', 'adam' veya 'adamw' olduğunda ağırlık bozulmasının değeri. [0, 1] aralığında bir float olmalıdır.	int
weightedLoss	Ağırlıklı kayıp. Ağırlıksız kayıp için kabul edilen değerler 0'dır. Kare ile ağırlıklı kayıp için 1. (class_weights). class_weights ile ağırlıklı kayıp için 2. 0 veya 1 veya 2 olmalıdır.	int

ImageModelDistributionSettingsClassification

Ad	Açıklama	Değer
amsGradient	İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin.	string
Augmentations	Büyütmeleri kullanma ayarları.	string
beta1	İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır.	string
beta2	İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır.	string
Dağıtılmış	Distributer eğitiminin kullanılıp kullanılmaycağı.	string
earlyStopping	Eğitim sırasında erken durdurma mantığını etkinleştirin.	string
earlyStoppingDelay	Birincil ölçüm geliştirmeden önce bekleştirilmesi gereken en az dönem veya doğrulama değerlendirmesi sayısı erken durdurma için izlenir. Pozitif bir tamsayı olmalıdır.	string
earlyStoppingPatience	Daha önce birincil ölçüm geliştirmesi yapılmadan en az dönem veya doğrulama değerlendirmesi sayısı çalıştırma durdurulur. Pozitif bir tamsayı olmalıdır.	string
enableOnnxNormalization	ONNX modelini dışarı aktarırken normalleştirmeyi etkinleştirin.	string
evaluationFrequency	Ölçüm puanlarını almak için doğrulama veri kümesini değerlendirme sıklığı. Pozitif bir tamsayı olmalıdır.	string
gradientAccumulationStep	Gradyan birikimi, yapılandırılmış sayıda "GradAccumulationStep" adımının olmadan çalıştırılması anlamına gelir bu adımların gradyanlarını biriktirirken model ağırlıklarını güncelleştirme ve ardından ağırlık güncelleştirmelerini hesaplamak için birikmiş gradyanlar. Pozitif bir tamsayı olmalıdır.	string
layersToFreeze	Model için donduracak katman sayısı. Pozitif bir tamsayı olmalıdır. Örneğin, 'seresnext' için değer olarak 2 geçirmek, donma katmanı0 ve katman1. Desteklenen modellerin tam listesi ve katman dondurmayla ilgili ayrıntılar için lütfen bkz: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
learningRate	İlk öğrenme oranı. [0, 1] aralığında bir float olmalıdır.	string
learningRateScheduler	Öğrenme oranı zamanlayıcısının türü. 'warmup_cosine' veya 'step' olmalıdır.	string
Modelname	Eğitim için kullanılacak modelin adı. Kullanılabilir modeller hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
Momentum	İyileştirici 'sgd' olduğunda momentum değeri. [0, 1] aralığında bir float olmalıdır.	string
nesterov	İyileştirici 'sgd' olduğunda nesterov'ı etkinleştirin.	string
numberOfEpochs	Eğitim dönemlerinin sayısı. Pozitif bir tamsayı olmalıdır.	string
numberOfWorkers	Veri yükleyici çalışanlarının sayısı. Negatif olmayan bir tamsayı olmalıdır.	string
Iyileştiricisi	İyileştirici türü. 'sgd', 'adam' veya 'adamw' olmalıdır.	string
randomSeed	Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum.	string
splitRatio	Doğrulama verileri tanımlanmamışsa bölme oranını belirtir verileri rastgele eğitim ve doğrulama alt kümelerine eğitin. [0, 1] aralığında bir float olmalıdır.	string
stepLRGamma	Öğrenme hızı zamanlayıcı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır.	string
stepLRStepSize	Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutunun değeri. Pozitif bir tamsayı olmalıdır.	string
trainingBatchSize	Eğitim toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	string
trainingCropSize	Eğitim veri kümesi için sinir ağına giriş olan görüntü kırpma boyutu. Pozitif bir tamsayı olmalıdır.	string
validationBatchSize	Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	string
validationCropSize	Doğrulama veri kümesi için sinir ağına giriş olan görüntü kırpma boyutu. Pozitif bir tamsayı olmalıdır.	string
validationResizeSize	Doğrulama veri kümesi için kırpmadan önce yeniden boyutlandırılan görüntü boyutu. Pozitif bir tamsayı olmalıdır.	string
warmupCosineLRCycles	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda kosinüs döngüsünün değeri. [0, 1] aralığında bir float olmalıdır.	string
warmupCosineLRWarmupEpochs	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda ısınma dönemlerinin değeri. Pozitif bir tamsayı olmalıdır.	string
weightDecay	İyileştirici 'sgd', 'adam' veya 'adamw' olduğunda ağırlık bozulma değeri. [0, 1] aralığındaki bir float olmalıdır.	string
weightedLoss	Ağırlıklı kayıp. Ağırlıksız kayıp için kabul edilen değerler 0'dır. 1 sqrt ile ağırlıklı kayıp için. (class_weights). class_weights ile ağırlıklı kayıp için 2. 0 veya 1 veya 2 olmalıdır.	string

ImageSweepSettings

Ad	Açıklama	Değer
earlyTermination	Erken sonlandırma ilkesinin türü.	EarlyTerminationPolicy
Sınır -ları	[Gerekli] Model süpürme ve hiper parametre süpürme ayarlarını sınırlayın.	ImageSweepLimitSettings (gerekli)
samplingAlgorithm	[Gerekli] Hiper parametre örnekleme algoritmalarının türü.	'Bayes dili' 'Kılavuz' 'Rastgele' (gerekli)

EarlyTerminationPolicy

Ad	Açıklama	Değer
delayEvaluation	İlk değerlendirmenin geciktirilme aralığı sayısı.	int
evaluationInterval	İlke değerlendirmeleri arasındaki aralık (çalıştırma sayısı).	int
policyType	Nesne türünü ayarlama	Haydut MedianStopping TruncationSelection (gerekli)

BanditPolicy

Ad	Açıklama	Değer
policyType	[Gerekli] İlke yapılandırmasının adı	'Bandit' (gerekli)
slackAmount	En iyi performans gösteren çalıştırmadan mutlak uzaklık.	int
slackFactor	İzin verilen uzaklık ile en iyi performansa sahip çalıştırmanın oranı.	int

MedianStoppingPolicy

Ad	Açıklama	Değer
policyType	[Gerekli] İlke yapılandırmasının adı	'MedianStopping' (gerekli)

TruncationSelectionPolicy

Ad	Açıklama	Değer
policyType	[Gerekli] İlke yapılandırmasının adı	'TruncationSelection' (gerekli)
truncationPercentage	Her değerlendirme aralığında iptal edilecek çalıştırma yüzdesi.	int

ImageSweepLimitSettings

Ad	Açıklama	Değer
maxConcurrentTrials	Temel alınan Süpür işi için en fazla eşzamanlı yineleme sayısı.	int
maxTrials	Temel alınan Süpürme işi için en fazla yineleme sayısı.	int

ImageClassificationMultilabel

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'ImageClassificationMultilabel' (gerekli)
dataSettings	[Gerekli] Modelleri eğitip doğrulamak için gereken kayıtlı Tablosal Veri Kümesi Kimliklerinin ve diğer veri ayarlarının toplanması.	ImageVerticalDataSettings (gerekli)
limitSettings	[Gerekli] AutoML işinin ayarlarını sınırlayın.	ImageLimitSettings (gerekli)
modelSettings	Modeli eğiterken kullanılan ayarlar.	ImageModelSettingsClassification
primaryMetric	Bu görev için iyileştirmeye yönelik birincil ölçüm.	'AUCWeighted' 'Doğruluk' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	Farklı model birleşimlerini ve hiper parametreleri örneklemek için arama alanı.	ImageModelDistributionSettingsClassification[]
sweepSettings	Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.	ImageSweepSettings

ImageInstanceSegmentation

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'ImageInstanceSegmentation' (gerekli)
dataSettings	[Gerekli] Modelleri eğitip doğrulamak için gereken kayıtlı Tablosal Veri Kümesi Kimliklerinin ve diğer veri ayarlarının toplanması.	ImageVerticalDataSettings (gerekli)
limitSettings	[Gerekli] AutoML işinin ayarlarını sınırlayın.	ImageLimitSettings (gerekli)
modelSettings	Modeli eğiterken kullanılan ayarlar.	ImageModelSettingsObjectDetection
primaryMetric	Bu görev için iyileştirmeye yönelik birincil ölçüm.	'MeanAveragePrecision'
searchSpace	Farklı model birleşimlerini ve hiper parametreleri örneklemek için arama alanı.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.	ImageSweepSettings

ImageModelSettingsObjectDetection

Ad	Açıklama	Değer
advancedSettings	Gelişmiş senaryolar için ayarlar.	string
amsGradient	İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin.	bool
Augmentations	Artırmaları kullanma ayarları.	string
beta1	İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır.	int
beta2	İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır.	int
boxDetectionsPerImage	Tüm sınıflar için görüntü başına en fazla algılama sayısı. Pozitif bir tamsayı olmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	int
boxScoreThreshold	Çıkarım sırasında yalnızca sınıflandırma puanı şundan büyük olan teklifleri döndür: BoxScoreThreshold. [0, 1] aralığındaki bir float olmalıdır.	int
checkpointDatasetId	Artımlı eğitim için önceden eğitilmiş denetim noktaları için FileDataset kimliği. CheckpointDatasetId ile birlikte CheckpointFilename değerini de geçirerek emin olun.	string
checkpointFilename	Artımlı eğitim için FileDataset'teki önceden eğitilmiş denetim noktası dosya adı. CheckpointFilename ile birlikte CheckpointDatasetId değerini de geçirmeyi unutmayın.	string
checkpointFrequency	Model denetim noktalarını depolama sıklığı. Pozitif bir tamsayı olmalıdır.	int
checkpointRunId	Artımlı eğitim için önceden eğitilmiş bir denetim noktası olan önceki çalıştırmanın kimliği.	string
Dağıtılmış	Dağıtılmış eğitimin kullanılıp kullanılmaymayacağı.	bool
earlyStopping	Eğitim sırasında erken durdurma mantığını etkinleştirin.	bool
earlyStoppingDelay	Birincil ölçüm geliştirmesi öncesinde bekleştirilmesi gereken en az dönem veya doğrulama değerlendirmesi sayısı erken durdurma için izlenir. Pozitif bir tamsayı olmalıdır.	int
earlyStoppingPatience	Daha önce birincil ölçüm geliştirmesi yapılmadan en az dönem sayısı veya doğrulama değerlendirmeleri çalıştırma durdurulur. Pozitif bir tamsayı olmalıdır.	int
enableOnnxNormalization	ONNX modelini dışarı aktarırken normalleştirmeyi etkinleştirin.	bool
evaluationFrequency	Ölçüm puanlarını almak için doğrulama veri kümesini değerlendirme sıklığı. Pozitif bir tamsayı olmalıdır.	int
gradientAccumulationStep	Gradyan birikimi, yapılandırılmış sayıda "GradAccumulationStep" adımının olmadan çalıştırılması anlamına gelir bu adımların gradyanlarını biriktirirken model ağırlıklarını güncelleştirme ve ardından ağırlık güncelleştirmelerini hesaplamak için birikmiş gradyanlar. Pozitif bir tamsayı olmalıdır.	int
ımagesize	Tren ve doğrulama için görüntü boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	int
layersToFreeze	Model için donduracak katman sayısı. Pozitif bir tamsayı olmalıdır. Örneğin, 'seresnext' için değer olarak 2 geçirmek, donma katmanı0 ve katman1. Desteklenen modellerin tam listesi ve katman dondurmayla ilgili ayrıntılar için lütfen bkz: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	İlk öğrenme oranı. [0, 1] aralığında bir float olmalıdır.	int
learningRateScheduler	Öğrenme oranı zamanlayıcısının türü. 'warmup_cosine' veya 'step' olmalıdır.	'Yok' 'Adım' 'WarmupCosine'
Maxsize	Omurgaya beslemeden önce yeniden ölçeklendirilecek görüntünün maksimum boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	int
Minsize	Omurgaya beslemeden önce yeniden ölçeklendirilecek görüntünün minimum boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	int
Modelname	Eğitim için kullanılacak modelin adı. Kullanılabilir modeller hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
modelSize	Model boyutu. 'Küçük', 'orta', 'büyük' veya 'xlarge' olmalıdır. Not: Model boyutu çok büyükse eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	'ExtraLarge' 'Büyük' 'Orta' 'Yok' 'Küçük'
Momentum	İyileştirici 'sgd' olduğunda momentum değeri. [0, 1] aralığında bir float olmalıdır.	int
multiScale	Görüntü boyutunu +/- %50 oranında değiştirerek çok ölçekli görüntüyü etkinleştirin. Not: Yeterli GPU belleği yoksa eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	bool
nesterov	İyileştirici 'sgd' olduğunda nesterov'ı etkinleştirin.	bool
nmsIouThreshold	NMS sonrası işlemede çıkarım sırasında kullanılan IOU eşiği. [0, 1] aralığında bir float olmalıdır.	int
numberOfEpochs	Eğitim dönemlerinin sayısı. Pozitif bir tamsayı olmalıdır.	int
numberOfWorkers	Veri yükleyici çalışanlarının sayısı. Negatif olmayan bir tamsayı olmalıdır.	int
Iyileştiricisi	İyileştirici türü.	'Adam' 'Adamw' 'Yok' 'Sgd'
randomSeed	Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum.	int
splitRatio	Doğrulama verileri tanımlanmamışsa bölme oranını belirtir verileri rastgele eğitim ve doğrulama alt kümelerine eğitin. [0, 1] aralığında bir float olmalıdır.	int
stepLRGamma	Öğrenme hızı zamanlayıcı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır.	int
stepLRStepSize	Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutunun değeri. Pozitif bir tamsayı olmalıdır.	int
tileGridSize	Her görüntüyü döşemek için kullanılacak kılavuz boyutu. Not: TileGridSize olmamalıdır Küçük nesne algılama mantığını etkinleştirmek için hiçbiri. mxn biçiminde iki tamsayı içeren bir dize. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
tileOverlapRatio	Her boyuttaki bitişik kutucuklar arasındaki çakışma oranı. [0, 1) aralığında kaydırılmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	int
tilePredictionsNmsThreshold	Kutucuklardan ve görüntüden tahminleri birleştirirken NMS gerçekleştirmek için kullanılacak IOU eşiği. Doğrulama/çıkarımda kullanılır. [0, 1] aralığında kaydırılmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	int
trainingBatchSize	Eğitim toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	int
validationBatchSize	Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	int
validationIouThreshold	Doğrulama ölçümü hesaplanırken kullanılacak IOU eşiği. [0, 1] aralığında kaydırılmalıdır.	int
validationMetricType	Doğrulama ölçümleri için kullanılacak ölçüm hesaplama yöntemi.	'Coco' 'CocoVoc' 'Yok' 'Voc'
warmupCosineLRCycles	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda kosinüs döngüsünün değeri. [0, 1] aralığında bir float olmalıdır.	int
warmupCosineLRWarmupEpochs	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda ısınma dönemlerinin değeri. Pozitif bir tamsayı olmalıdır.	int
weightDecay	İyileştirici 'sgd', 'adam' veya 'adamw' olduğunda ağırlık bozulmasının değeri. [0, 1] aralığında bir float olmalıdır.	int

ImageModelDistributionSettingsObjectDetection

Ad	Açıklama	Değer
amsGradient	İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin.	string
Augmentations	Büyütmeleri kullanma ayarları.	string
beta1	İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır.	string
beta2	İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır.	string
boxDetectionsPerImage	Tüm sınıflar için görüntü başına en fazla algılama sayısı. Pozitif bir tamsayı olmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
boxScoreThreshold	Çıkarım sırasında yalnızca sınıflandırma puanı şundan büyük olan teklifleri döndür: BoxScoreThreshold. [0, 1] aralığında bir float olmalıdır.	string
Dağıtılmış	Distributer eğitiminin kullanılıp kullanılmaycağı.	string
earlyStopping	Eğitim sırasında erken durdurma mantığını etkinleştirin.	string
earlyStoppingDelay	Birincil ölçüm geliştirmeden önce bekleştirilmesi gereken en az dönem veya doğrulama değerlendirmesi sayısı erken durdurma için izlenir. Pozitif bir tamsayı olmalıdır.	string
earlyStoppingPatience	Daha önce birincil ölçüm geliştirmesi yapılmadan en az dönem veya doğrulama değerlendirmesi sayısı çalıştırma durdurulur. Pozitif bir tamsayı olmalıdır.	string
enableOnnxNormalization	ONNX modelini dışarı aktarırken normalleştirmeyi etkinleştirin.	string
evaluationFrequency	Ölçüm puanlarını almak için doğrulama veri kümesini değerlendirme sıklığı. Pozitif bir tamsayı olmalıdır.	string
gradientAccumulationStep	Gradyan birikimi, yapılandırılmış sayıda "GradAccumulationStep" adımının olmadan çalıştırılması anlamına gelir bu adımların gradyanlarını biriktirirken model ağırlıklarını güncelleştirme ve ardından ağırlık güncelleştirmelerini hesaplamak için birikmiş gradyanlar. Pozitif bir tamsayı olmalıdır.	string
ımagesize	Tren ve doğrulama için görüntü boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	string
layersToFreeze	Model için donduracak katman sayısı. Pozitif bir tamsayı olmalıdır. Örneğin, 'seresnext' için değer olarak 2 geçirmek, donma katmanı0 ve katman1. Desteklenen modellerin tam listesi ve katman dondurmayla ilgili ayrıntılar için lütfen bkz: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
learningRate	İlk öğrenme oranı. [0, 1] aralığında bir float olmalıdır.	string
learningRateScheduler	Öğrenme oranı zamanlayıcısının türü. 'warmup_cosine' veya 'step' olmalıdır.	string
Maxsize	Omurgaya beslemeden önce yeniden ölçeklendirilecek görüntünün maksimum boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
Minsize	Omurgaya beslemeden önce yeniden ölçeklendirilecek görüntünün minimum boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
Modelname	Eğitim için kullanılacak modelin adı. Kullanılabilir modeller hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
modelSize	Model boyutu. 'Küçük', 'orta', 'büyük' veya 'xlarge' olmalıdır. Not: Model boyutu çok büyükse eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	string
Momentum	İyileştirici 'sgd' olduğunda momentum değeri. [0, 1] aralığında bir float olmalıdır.	string
multiScale	Görüntü boyutunu +/- %50 oranında değiştirerek çok ölçekli görüntüyü etkinleştirin. Not: Yeterli GPU belleği yoksa eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	string
nesterov	İyileştirici 'sgd' olduğunda nesterov'ı etkinleştirin.	string
nmsIouThreshold	NMS sonrası işlemede çıkarım sırasında kullanılan IOU eşiği. [0, 1] aralığında kaydırılmalıdır.	string
numberOfEpochs	Eğitim dönemlerinin sayısı. Pozitif bir tamsayı olmalıdır.	string
numberOfWorkers	Veri yükleyici çalışanlarının sayısı. Negatif olmayan bir tamsayı olmalıdır.	string
Iyileştiricisi	İyileştirici türü. 'sgd', 'adam' veya 'adamw' olmalıdır.	string
randomSeed	Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum.	string
splitRatio	Doğrulama verileri tanımlanmamışsa bölme oranını belirtir verileri rastgele eğitim ve doğrulama alt kümelerine eğitin. [0, 1] aralığında bir float olmalıdır.	string
stepLRGamma	Öğrenme hızı zamanlayıcı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır.	string
stepLRStepSize	Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutunun değeri. Pozitif bir tamsayı olmalıdır.	string
tileGridSize	Her görüntüyü döşemek için kullanılacak kılavuz boyutu. Not: TileGridSize olmamalıdır Küçük nesne algılama mantığını etkinleştirmek için hiçbiri. mxn biçiminde iki tamsayı içeren bir dize. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
tileOverlapRatio	Her boyuttaki bitişik kutucuklar arasındaki çakışma oranı. [0, 1) aralığında kaydırılmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
tilePredictionsNmsThreshold	Kutucuklardan ve görüntüden tahminleri birleştirirken NMS gerçekleştirmek için kullanılacak IOU eşiği. Doğrulama/çıkarımda kullanılır. [0, 1] aralığında kaydırılmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez. NMS: Maksimum olmayan gizleme	string
trainingBatchSize	Eğitim toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	string
validationBatchSize	Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	string
validationIouThreshold	Doğrulama ölçümü hesaplanırken kullanılacak IOU eşiği. [0, 1] aralığında kaydırılmalıdır.	string
validationMetricType	Doğrulama ölçümleri için kullanılacak ölçüm hesaplama yöntemi. 'hiçbiri', 'coco', 'voc' veya 'coco_voc' olmalıdır.	string
warmupCosineLRCycles	Öğrenme hızı zamanlayıcısı 'warmup_cosine' olduğunda kosinüs döngüsünün değeri. [0, 1] aralığında bir float olmalıdır.	string
warmupCosineLRWarmupEpochs	Öğrenme hızı zamanlayıcı 'warmup_cosine' olduğunda ısınma dönemlerinin değeri. Pozitif bir tamsayı olmalıdır.	string
weightDecay	İyileştirici 'sgd', 'adam' veya 'adamw' olduğunda ağırlık bozulma değeri. [0, 1] aralığındaki bir float olmalıdır.	string

ImageObjectDetection

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'ImageObjectDetection' (gerekli)
dataSettings	[Gerekli] Modelleri eğitip doğrulamak için gereken kayıtlı Tablosal Veri Kümesi Kimliklerinin ve diğer veri ayarlarının toplanması.	ImageVerticalDataSettings (gerekli)
limitSettings	[Gerekli] AutoML işinin ayarlarını sınırlayın.	ImageLimitSettings (gerekli)
modelSettings	Modeli eğiterken kullanılan ayarlar.	ImageModelSettingsObjectDetection
primaryMetric	Bu görev için iyileştirmeye yönelik birincil ölçüm.	'MeanAveragePrecision'
searchSpace	Farklı model birleşimlerini ve hiper parametreleri örneklemek için arama alanı.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.	ImageSweepSettings

Regresyon

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'Regresyon' (gerekli)
allowedModels	Regresyon görevi için izin verilen modeller.	Herhangi birini içeren dize dizisi: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradyanBoosting' 'KNN' 'Kementler' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
blockedModels	Regresyon görevi için engellenen modeller.	Herhangi birini içeren dize dizisi: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradyanBoosting' 'KNN' 'Kementler' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
dataSettings	AutoMLjob için veri girişleri.	TableVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	TableVerticalFeaturizationSettings
limitSettings	AutoMLjob için yürütme kısıtlamaları.	TableVerticalLimitSettings
primaryMetric	Regresyon görevi için birincil ölçüm.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'SpearmanCorrelation'
trainingSettings	AutoML İşi için eğitim aşamasına yönelik girişler.	TrainingSettings

TextClassification

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'TextClassification' (gerekli)
dataSettings	AutoMLjob için veri girişleri.	NlpVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLjob için yürütme kısıtlamaları.	NlpVerticalLimitSettings
primaryMetric	Text-Classification görevi için birincil ölçüm.	'AUCWeighted' 'Doğruluk' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'

NlpVerticalDataSettings

Ad	Açıklama	Değer
targetColumnName	[Gerekli] Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]
Testdata	Veri girişini test etme.	TestDataSettings
trainingData	[Gerekli] Eğitim verileri girişi.	TrainingDataSettings (gerekli)
validationData	Doğrulama verisi girişleri.	NlpVerticalValidationDataSettings

NlpVerticalValidationDataSettings

Ad	Açıklama	Değer
veriler	Doğrulama verileri MLTable.	MLTableJobInput
validationDataSize	Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü. (0,0 , 1,0) arasındaki değerler Doğrulama veri kümesi sağlanmadığında uygulanır.	int

NlpVerticalFeaturizationSettings

Ad	Açıklama	Değer
datasetLanguage	Veri kümesi dili; metin verileri için kullanışlıdır.	string

NlpVerticalLimitSettings

Ad	Açıklama	Değer
maxConcurrentTrials	En fazla Eşzamanlı AutoML yinelemesi.	int
maxTrials	AutoML yinelemelerinin sayısı.	int
timeout	AutoML işi zaman aşımı.	string

TextClassificationMultilabel

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'TextClassificationMultilabel' (gerekli)
dataSettings	AutoMLjob için veri girişleri.	NlpVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLjob için yürütme kısıtlamaları.	NlpVerticalLimitSettings

TextNer

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	'TextNER' (gerekli)
dataSettings	AutoMLjob için veri girişleri.	NlpVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLjob için yürütme kısıtlamaları.	NlpVerticalLimitSettings

CommandJob

Ad	Açıklama	Değer
jobType	[Gerekli] İşin türünü belirtir.	'Command' (gerekli)
codeId	Kod varlığının ARM kaynak kimliği.	string
command	[Gerekli] İşin başlangıcında yürütülecek komut. Örneğin "python train.py"	dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_]
Dağıtım	İşin dağıtım yapılandırması. Ayarlanırsa, bu Mpi, Tensorflow, PyTorch veya null değerlerinden biri olmalıdır.	DistributionConfiguration
environmentId	[Gerekli] İş için Ortam belirtiminin ARM kaynak kimliği.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]
environmentVariables	İşe dahil edilen ortam değişkenleri.	CommandJobEnvironmentVariables
Giriş	İşte kullanılan giriş veri bağlamalarının eşlemesi.	CommandJobInputs
Sınır -ları	Komut İşi sınırı.	CommandJobLimits
Çıkış	İşte kullanılan çıkış veri bağlamalarının eşlemesi.	CommandJobOutputs
kaynaklar	İş için İşlem Kaynağı yapılandırması.	ResourceConfiguration

DistributionConfiguration

Ad	Açıklama	Değer
distributionType	Nesne türünü ayarlama	Mpı PyTorch TensorFlow (gerekli)

Mpı

Ad	Açıklama	Değer
distributionType	[Gerekli] Dağıtım çerçevesinin türünü belirtir.	'Mpi' (gerekli)
processCountPerInstance	MPI düğümü başına işlem sayısı.	int

PyTorch

Ad	Açıklama	Değer
distributionType	[Gerekli] Dağıtım çerçevesinin türünü belirtir.	'PyTorch' (gerekli)
processCountPerInstance	Düğüm başına işlem sayısı.	int

TensorFlow

Ad	Açıklama	Değer
distributionType	[Gerekli] Dağıtım çerçevesinin türünü belirtir.	'TensorFlow' (gerekli)
parameterServerCount	Parametre sunucusu görevlerinin sayısı.	int
workerCount	Çalışan sayısı. Belirtilmezse, varsayılan olarak örnek sayısı olur.	int

CommandJobEnvironmentVariables

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string

CommandJobInputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobInput

JobInput

Ad	Açıklama	Değer
açıklama	Girişin açıklaması.	string
jobInputType	Nesne türünü ayarlama	CustomModel Değişmez değer MLFlowModel MLTable TritonModel UriFile UriFolder (gerekli)

CustomModelJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	'CustomModel' (gerekli)
mod	Giriş Varlığı Teslim Modu.	'Doğrudan' 'İndir' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

LiteralJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	'Değişmez Değer' (gerekli)
değer	[Gerekli] Giriş için değişmez değer.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

MLFlowModelJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	'MLFlowModel' (gerekli)
mod	Giriş Varlığı Teslim Modu.	'Doğrudan' 'İndir' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

TritonModelJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	'TritonModel' (gerekli)
mod	Giriş Varlığı Teslim Modu.	'Doğrudan' 'İndir' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

UriFileJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	'UriFile' (gerekli)
mod	Giriş Varlığı Teslim Modu.	'Doğrudan' 'İndir' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

UriFolderJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	'UriFolder' (gerekli)
mod	Giriş Varlığı Teslim Modu.	'Doğrudan' 'İndir' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

CommandJobLimits

Ad	Açıklama	Değer
jobLimitsType	[Gerekli] JobLimit türü.	'Komut' 'Süpür' (gerekli)
timeout	ISO 8601 biçimindeki maksimum çalışma süresi, bundan sonra iş iptal edilir. Yalnızca Saniye kadar düşük duyarlıkla süreyi destekler.	string

CommandJobOutputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobOutput

PipelineJob

Ad	Açıklama	Değer
jobType	[Gerekli] İşin türünü belirtir.	'pipeline' (gerekli)
Giriş	İşlem hattı işi için girişler.	PipelineJobInputs
Işleri	İşler, İşlem Hattı İşini oluşturur.	PipelineJobJobs
Çıkış	İşlem hattı işinin çıkışları	PipelineJobOutputs
ayarlar	ContinueRunOnStepFailure gibi öğeler için işlem hattı ayarları.

PipelineJobInputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobInput

PipelineJobJobs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}

PipelineJobOutputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobOutput

Süpürme İşi

Ad	Açıklama	Değer
jobType	[Gerekli] İşin türünü belirtir.	'Süpür' (gerekli)
earlyTermination	Erken sonlandırma ilkeleri, düşük performanslı çalıştırmaların tamamlanmadan önce iptal edilmesine olanak tanır	EarlyTerminationPolicy
Giriş	İşte kullanılan giriş veri bağlamalarının eşlemesi.	SweepJobInputs
Sınır -ları	Süpürme İşi sınırı.	SweepJobLimits
Amaç	[Gerekli] İyileştirme hedefi.	Amaç (gerekli)
Çıkış	İşte kullanılan çıkış veri bağlamalarının eşlemesi.	SweepJobOutputs
samplingAlgorithm	[Gerekli] Hiper parametre örnekleme algoritması	SamplingAlgorithm (gerekli)
searchSpace	[Gerekli] Her parametreyi ve dağılımını içeren bir sözlük. Sözlük anahtarı parametrenin adıdır
trial	[Gerekli] Deneme bileşeni tanımı.	TrialComponent (gerekli)

SweepJobInputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobInput

SweepJobLimits

Ad	Açıklama	Değer
jobLimitsType	[Gerekli] JobLimit türü.	'Command' 'Süpür' (gerekli)
maxConcurrentTrials	Süpürme İşi maksimum eşzamanlı deneme sayısı.	int
maxTotalTrials	Süpürme İşi maksimum toplam deneme sayısı.	int
timeout	ISO 8601 biçimindeki en uzun çalıştırma süresidir ve bundan sonra iş iptal edilir. Yalnızca Saniye kadar düşük duyarlıkla süreyi destekler.	string
trialTimeout	Süpürme İşi Deneme zaman aşımı değeri.	string

Amaç

Ad	Açıklama	Değer
goal	[Gerekli] Hiper parametre ayarlama için desteklenen ölçüm hedeflerini tanımlar	'Ekranı Kapla' 'Simge Durumuna Küçült' (gerekli)
primaryMetric	[Gerekli] İyileştirecek ölçümün adı.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

SweepJobOutputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobOutput

SamplingAlgorithm

Ad	Açıklama	Değer
samplingAlgorithmType	Nesne türünü ayarlama	Bayesian Kılavuz Rastgele (gerekli)

BayesianSamplingAlgorithm

Ad	Açıklama	Değer
samplingAlgorithmType	[Gerekli] Yapılandırma özellikleriyle birlikte hiper parametre değerleri oluşturmak için kullanılan algoritma	'Bayesian' (gerekli)

GridSamplingAlgorithm

Ad	Açıklama	Değer
samplingAlgorithmType	[Gerekli] Yapılandırma özellikleriyle birlikte hiper parametre değerleri oluşturmak için kullanılan algoritma	'Grid' (gerekli)

RandomSamplingAlgorithm

Ad	Açıklama	Değer
samplingAlgorithmType	[Gerekli] Yapılandırma özellikleriyle birlikte hiper parametre değerleri oluşturmak için kullanılan algoritma	'Rastgele' (gerekli)
Kural	Belirli bir rastgele algoritma türü	'Rastgele' 'Sobol'
Tohum	Rastgele sayı oluşturma için çekirdek olarak kullanılacak isteğe bağlı bir tamsayı	int

TrialComponent

Ad	Açıklama	Değer
codeId	Kod varlığının ARM kaynak kimliği.	string
command	[Gerekli] İşin başlangıcında yürütülecek komut. Örneğin "python train.py"	dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_]
Dağıtım	İşin dağıtım yapılandırması. Ayarlanırsa, bu Mpi, Tensorflow, PyTorch veya null değerlerinden biri olmalıdır.	DistributionConfiguration
environmentId	[Gerekli] İş için Ortam belirtiminin ARM kaynak kimliği.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]
environmentVariables	İşe dahil edilen ortam değişkenleri.	TrialComponentEnvironmentVariables
kaynaklar	İş için İşlem Kaynağı yapılandırması.	ResourceConfiguration

TrialComponentEnvironmentVariables

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string

Hızlı başlangıç şablonları

Aşağıdaki hızlı başlangıç şablonları bu kaynak türünü dağıtır.

Şablon	Description
Azure Machine Learning AutoML sınıflandırma işi oluşturma	Bu şablon, bir müşterinin bir finans kurumuna sabit vadeli bir depozitoya abone olup olmadığını tahmin etmek için en iyi modeli bulmak için bir Azure Machine Learning AutoML sınıflandırma işi oluşturur.
Azure Machine Learning Komut işi oluşturma	Bu şablon, temel bir hello_world betiğiyle bir Azure Machine Learning Komut işi oluşturur
Azure Machine Learning Süpürme işi oluşturma	Bu şablon, hiper parametre ayarlaması için bir Azure Machine Learning Süpürme işi oluşturur.

Terraform (AzAPI sağlayıcısı) kaynak tanımı

Çalışma alanları/işler kaynak türü, aşağıdakileri hedefleyen işlemlerle dağıtılabilir:

• Kaynak grupları

Her API sürümünde değiştirilen özelliklerin listesi için bkz. değişiklik günlüğü.

Kaynak biçimi

Microsoft.MachineLearningServices/workspaces/jobs kaynağı oluşturmak için şablonunuza aşağıdaki Terraform'u ekleyin.

resource "azapi_resource" "symbolicname" {
  type = "Microsoft.MachineLearningServices/workspaces/jobs@2022-02-01-preview"
  name = "string"
  parent_id = "string"
  body = jsonencode({
    properties = {
      computeId = "string"
      description = "string"
      displayName = "string"
      experimentName = "string"
      identity = {
        identityType = "string"
        // For remaining properties, see IdentityConfiguration objects
      }
      isArchived = bool
      properties = {
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
      }
      schedule = {
        endTime = "string"
        scheduleStatus = "string"
        startTime = "string"
        timeZone = "string"
        scheduleType = "string"
        // For remaining properties, see ScheduleBase objects
      }
      services = {
        {customized property} = {
          endpoint = "string"
          jobServiceType = "string"
          port = int
          properties = {
            {customized property} = "string"
          }
        }
      }
      tags = {
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
      }
      jobType = "string"
      // For remaining properties, see JobBaseDetails objects
    }
  })
}

JobBaseDetails nesneleri

nesne türünü belirtmek için jobType özelliğini ayarlayın.

AutoML için şunu kullanın:

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

Komut için şunu kullanın:

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

İşlem Hattı için şunu kullanın:

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

Süpür için şunu kullanın:

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

IdentityConfiguration nesneleri

nesne türünü belirtmek için identityType özelliğini ayarlayın.

AMLToken için şunu kullanın:

  identityType = "AMLToken"

Yönetilen için şunu kullanın:

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

UserIdentity için şunu kullanın:

  identityType = "UserIdentity"

ScheduleBase nesneleri

nesne türünü belirtmek için scheduleType özelliğini ayarlayın.

Cron için şunu kullanın:

  scheduleType = "Cron"
  expression = "string"

Yinelenme için şunu kullanın:

  scheduleType = "Recurrence"
  frequency = "string"
  interval = int
  pattern = {
    hours = [
      int
    ]
    minutes = [
      int
    ]
    weekdays = [
      "string"
    ]
  }

JobOutput nesneleri

nesne türünü belirtmek için jobOutputType özelliğini ayarlayın.

CustomModel için şunu kullanın:

  jobOutputType = "CustomModel"
  mode = "string"
  uri = "string"

MLFlowModel için şunu kullanın:

  jobOutputType = "MLFlowModel"
  mode = "string"
  uri = "string"

MLTable için şunu kullanın:

  jobOutputType = "MLTable"
  mode = "string"
  uri = "string"

TritonModel için şunu kullanın:

  jobOutputType = "TritonModel"
  mode = "string"
  uri = "string"

UriFile için şunu kullanın:

  jobOutputType = "UriFile"
  mode = "string"
  uri = "string"

UriFolder için şunu kullanın:

  jobOutputType = "UriFolder"
  mode = "string"
  uri = "string"

AutoMLVertical nesneleri

nesne türünü belirtmek için taskType özelliğini ayarlayın.

Sınıflandırma için şunu kullanın:

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

Tahmin için şunu kullanın:

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

ImageClassification için şunu kullanın:

  taskType = "ImageClassification"
  dataSettings = {
    targetColumnName = "string"
    testData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      testDataSize = int
    }
    trainingData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
    }
    validationData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      validationDataSize = int
    }
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    checkpointDatasetId = "string"
    checkpointFilename = "string"
    checkpointFrequency = int
    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
    splitRatio = 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"
      splitRatio = "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
    }
    limits = {
      maxConcurrentTrials = int
      maxTrials = int
    }
    samplingAlgorithm = "string"
  }

ImageClassificationMultilabel için şunu kullanın:

  taskType = "ImageClassificationMultilabel"
  dataSettings = {
    targetColumnName = "string"
    testData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      testDataSize = int
    }
    trainingData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
    }
    validationData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      validationDataSize = int
    }
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    checkpointDatasetId = "string"
    checkpointFilename = "string"
    checkpointFrequency = int
    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
    splitRatio = 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"
      splitRatio = "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
    }
    limits = {
      maxConcurrentTrials = int
      maxTrials = int
    }
    samplingAlgorithm = "string"
  }

ImageInstanceSegmentation için şunu kullanın:

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

ImageObjectDetection için şunu kullanın:

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

Regresyon için şunu kullanın:

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

TextClassification için şunu kullanın:

  taskType = "TextClassification"
  dataSettings = {
    targetColumnName = "string"
    testData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      testDataSize = int
    }
    trainingData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
    }
    validationData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      validationDataSize = int
    }
  }
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  primaryMetric = "string"

TextClassificationMultilabel için şunu kullanın:

  taskType = "TextClassificationMultilabel"
  dataSettings = {
    targetColumnName = "string"
    testData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      testDataSize = int
    }
    trainingData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
    }
    validationData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      validationDataSize = int
    }
  }
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }

TextNER için şunu kullanın:

  taskType = "TextNER"
  dataSettings = {
    targetColumnName = "string"
    testData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      testDataSize = int
    }
    trainingData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
    }
    validationData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      validationDataSize = int
    }
  }
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }

NCrossValidations nesneleri

nesne türünü belirtmek için mode özelliğini ayarlayın.

Otomatik için şunu kullanın:

  mode = "Auto"

Özel için şunu kullanın:

  mode = "Custom"
  value = int

ForecastHorizon nesneleri

nesne türünü belirtmek için mode özelliğini ayarlayın.

Otomatik için şunu kullanın:

  mode = "Auto"

Özel için şunu kullanın:

  mode = "Custom"
  value = int

Mevsimsellik nesneleri

nesne türünü belirtmek için mode özelliğini ayarlayın.

Otomatik için şunu kullanın:

  mode = "Auto"

Özel için şunu kullanın:

  mode = "Custom"
  value = int

TargetLags nesneleri

nesne türünü belirtmek için mode özelliğini ayarlayın.

Otomatik için şunu kullanın:

  mode = "Auto"

Özel için şunu kullanın:

  mode = "Custom"
  values = [
    int
  ]

TargetRollingWindowSize nesneleri

nesne türünü belirtmek için mode özelliğini ayarlayın.

Otomatik için şunu kullanın:

  mode = "Auto"

Özel için şunu kullanın:

  mode = "Custom"
  value = int

EarlyTerminationPolicy nesneleri

nesne türünü belirtmek için policyType özelliğini ayarlayın.

Eşkıya için şunu kullanın:

  policyType = "Bandit"
  slackAmount = int
  slackFactor = int

MedianStopping için şunu kullanın:

  policyType = "MedianStopping"

TruncationSelection için şunu kullanın:

  policyType = "TruncationSelection"
  truncationPercentage = int

DistributionConfiguration nesneleri

nesne türünü belirtmek için distributionType özelliğini ayarlayın.

Mpi için şunu kullanın:

  distributionType = "Mpi"
  processCountPerInstance = int

PyTorch için şunu kullanın:

  distributionType = "PyTorch"
  processCountPerInstance = int

TensorFlow için şunu kullanın:

  distributionType = "TensorFlow"
  parameterServerCount = int
  workerCount = int

JobInput nesneleri

nesnesinin türünü belirtmek için jobInputType özelliğini ayarlayın.

CustomModel için şunu kullanın:

  jobInputType = "CustomModel"
  mode = "string"
  uri = "string"

Değişmez Değer için şunu kullanın:

  jobInputType = "Literal"
  value = "string"

MLFlowModel için şunu kullanın:

  jobInputType = "MLFlowModel"
  mode = "string"
  uri = "string"

MLTable için şunu kullanın:

  jobInputType = "MLTable"
  mode = "string"
  uri = "string"

TritonModel için şunu kullanın:

  jobInputType = "TritonModel"
  mode = "string"
  uri = "string"

UriFile için şunu kullanın:

  jobInputType = "UriFile"
  mode = "string"
  uri = "string"

UriFolder için şunu kullanın:

  jobInputType = "UriFolder"
  mode = "string"
  uri = "string"

SamplingAlgorithm nesneleri

nesne türünü belirtmek için samplingAlgorithmType özelliğini ayarlayın.

Bayes dili için şunu kullanın:

  samplingAlgorithmType = "Bayesian"

Kılavuz için şunu kullanın:

  samplingAlgorithmType = "Grid"

Rastgele için şunu kullanın:

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

Özellik değerleri

çalışma alanları/işler

Ad	Açıklama	Değer
tür	Kaynak türü	"Microsoft.MachineLearningServices/workspaces/jobs@2022-02-01-preview"
name	Kaynak adı	dize (gerekli)
parent_id	Bu kaynağın üst öğesi olan kaynağın kimliği.	Kaynak türü: çalışma alanları kimliği
properties	[Gerekli] Varlığın ek öznitelikleri.	JobBaseDetails (gerekli)

JobBaseDetails

Ad	Açıklama	Değer
computeId	İşlem kaynağının ARM kaynak kimliği.	string
açıklama	Varlık açıklaması metni.	string
displayName	İşin görünen adı.	string
experimentName	İşin ait olduğu denemenin adı. Ayarlanmadıysa, iş "Varsayılan" denemesine yerleştirilir.	string
identity	Kimlik yapılandırması. Ayarlanırsa, bu AmlToken, ManagedIdentity, UserIdentity veya null değerlerinden biri olmalıdır. Varsayılan değer null ise AmlToken olarak ayarlanır.	Identityconfiguration
isArchived	Varlık arşivlenmiş mi?	bool
properties	Varlık özelliği sözlüğü.	ResourceBaseProperties
schedule	İşin tanımını zamanlama. Zamanlama sağlanmazsa, iş gönderimden hemen sonra ve bir kez çalıştırılır.	Schedulebase
services	JobEndpoints listesi. Yerel işler için bir iş uç noktası FileStreamObject uç noktası değerine sahip olur.	JobBaseServices
etiketler	Etiket sözlüğü. Etiketler eklenebilir, kaldırılabilir ve güncelleştirilebilir.	object
jobType	Nesne türünü ayarlama	AutoML Komut İşlem Hattı Süpür (gerekli)

Identityconfiguration

Ad	Açıklama	Değer
ıdentitytype	Nesne türünü ayarlama	AMLToken Yönetilen UserIdentity (gerekli)

AmlToken

Ad	Açıklama	Değer
ıdentitytype	[Gerekli] Kimlik çerçevesinin türünü belirtir.	"AMLToken" (gerekli)

ManagedIdentity

Ad	Açıklama	Değer
ıdentitytype	[Gerekli] Kimlik çerçevesinin türünü belirtir.	"Yönetilen" (gerekli)
clientId	İstemci kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın.	string Kısıtlama -ları: En az uzunluk = 36 Maksimum uzunluk = 36 Desen = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
objectId	Nesne kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın.	string Kısıtlama -ları: En az uzunluk = 36 Maksimum uzunluk = 36 Desen = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId	ARM kaynak kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın.	string

UserIdentity

Ad	Açıklama	Değer
ıdentitytype	[Gerekli] Kimlik çerçevesinin türünü belirtir.	"UserIdentity" (gerekli)

ResourceBaseProperties

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string
{özelleştirilmiş özellik}		string

Schedulebase

Ad	Açıklama	Değer
endTime	Zamanlamanın bitiş saatini ISO 8601 biçiminde belirtir. Yoksa, zamanlama süresiz olarak çalışır	string
scheduleStatus	Zamanlamanın durumunu belirtir	"Devre dışı" "Etkin"
startTime	Zamanlamanın başlangıç saatini ISO 8601 biçiminde belirtir.	string
timeZone	Zamanlamanın çalıştırıldığı saat dilimini belirtir. TimeZone, Windows saat dilimi biçimine uygun olmalıdır.	string
scheduleType	Nesne türünü ayarlama	Cron Yinelenme (gerekli)

CronSchedule

Ad	Açıklama	Değer
scheduleType	[Gerekli] Zamanlama türünü belirtir	"Cron" (gerekli)
ifade	[Gerekli] Zamanlamanın cron ifadesini belirtir. İfade NCronTab biçiminde olmalıdır.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

RecurrenceSchedule

Ad	Açıklama	Değer
scheduleType	[Gerekli] Zamanlama türünü belirtir	"Yinelenme" (gerekli)
frequency	[Gerekli] Zamanlamayı tetikleme sıklığını belirtir	"Gün" "Saat" "Dakika" "Ay" "Hafta" (gerekli)
interval	[Gerekli] Zamanlama aralığını sıklık ile birlikte belirtir	int (gerekli)
Desen	Yinelenme zamanlaması desenini belirtir	Recurrencepattern

Recurrencepattern

Ad	Açıklama	Değer
saat	[Gerekli] Yinelenme zamanlaması düzeni için saat listesi	int[] (gerekli)
sürdü	[Gerekli] Yinelenme zamanlaması düzeni için dakika listesi	int[] (gerekli)
Hafta içi	Yinelenme zamanlaması düzeni için haftanın günlerinin listesi	Herhangi birini içeren dize dizisi: "Cuma" "Pazartesi" "Cumartesi" "Pazar" "Perşembe" "Salı" "Çarşamba"

JobBaseServices

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobService

JobService

Ad	Açıklama	Değer
endpoint	Uç nokta url'si.	string
jobServiceType	Uç nokta türü.	string
port	Uç nokta için bağlantı noktası.	int
properties	Uç noktada ayarlanacağı ek özellikler.	JobServiceProperties

JobServiceProperties

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string

AutoMLjob

Ad	Açıklama	Değer
jobType	[Gerekli] İşin türünü belirtir.	"AutoML" (gerekli)
environmentId	İşin Ortam belirtiminin ARM kaynak kimliği. Bu, sağlanmazsa AutoML işi çalıştırırken bunu varsayılan olarak Üretim AutoML tarafından seçilmiş ortam sürümü olarak sağlayacak isteğe bağlı bir değerdir.	string
environmentVariables	İşe dahil edilen ortam değişkenleri.	AutoMLJobEnvironmentVariables
Çıkış	İşte kullanılan çıkış veri bağlamalarının eşlemesi.	AutoMLJobOutputs
kaynaklar	İş için İşlem Kaynağı yapılandırması.	ResourceConfiguration
taskDetails	[Gerekli] Bu, Tablolardan/NLP/Görüntüden biri olabilecek senaryoları temsil eder	AutoMLVertical (gerekli)

AutoMLJobEnvironmentVariables

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string

AutoMLJobOutputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobOutput

JobOutput

Ad	Açıklama	Değer
açıklama	Çıktının açıklaması.	string
jobOutputType	Nesne türünü ayarlama	CustomModel MLFlowModel MLTable TritonModel UriFile UriFolder (gerekli)

CustomModelJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	"CustomModel" (gerekli)
mod	Çıkış Varlığı Teslim Modu.	"ReadWriteMount" "Karşıya Yükle"
Urı	Çıkış Varlığı URI'si.	string

MLFlowModelJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	"MLFlowModel" (gerekli)
mod	Çıkış Varlığı Teslim Modu.	"ReadWriteMount" "Karşıya Yükle"
Urı	Çıkış Varlığı URI'si.	string

MLTableJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	"MLTable" (gerekli)
mod	Çıkış Varlığı Teslim Modu.	"ReadWriteMount" "Karşıya Yükle"
Urı	Çıkış Varlığı URI'si.	string

TritonModelJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	"TritonModel" (gerekli)
mod	Çıkış Varlığı Teslim Modu.	"ReadWriteMount" "Karşıya Yükle"
Urı	Çıkış Varlığı URI'si.	string

UriFileJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	"UriFile" (gerekli)
mod	Çıkış Varlığı Teslim Modu.	"ReadWriteMount" "Karşıya Yükle"
Urı	Çıkış Varlığı URI'si.	string

UriFolderJobOutput

Ad	Açıklama	Değer
jobOutputType	[Gerekli] İşin türünü belirtir.	"UriFolder" (gerekli)
mod	Çıkış Varlığı Teslim Modu.	"ReadWriteMount" "Karşıya Yükle"
Urı	Çıkış Varlığı URI'si.	string

ResourceConfiguration

Ad	Açıklama	Değer
instanceCount	İşlem hedefi tarafından kullanılan isteğe bağlı örnek veya düğüm sayısı.	int
instanceType	İşlem hedefi tarafından desteklendiği şekilde kullanılan isteğe bağlı VM türü.	string
properties	Ek özellikler çantası.	ResourceConfigurationProperties

ResourceConfigurationProperties

Ad	Açıklama	Değer
{özelleştirilmiş özellik}

AutoMLVertical

Ad	Açıklama	Değer
logVerbosity	İşin ayrıntı düzeyini günlüğe kaydetme.	"Kritik" "Hata Ayıkla" "Hata" "Bilgi" "NotSet" "Uyarı"
Tasktype	Nesne türünü ayarlama	Sınıflandırma Tahmin etme ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regresyon TextClassification TextClassificationMultilabel TextNER (gerekli)

Sınıflandırma

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	"Sınıflandırma" (gerekli)
allowedModels	Sınıflandırma görevi için izin verilen modeller.	Herhangi birini içeren dize dizisi: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier"
blockedModels	Sınıflandırma görevi için engellenen modeller.	Herhangi birini içeren dize dizisi: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier"
dataSettings	AutoMLjob için veri girişleri.	TableVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	TableVerticalFeaturizationSettings
limitSettings	AutoMLjob için yürütme kısıtlamaları.	TableVerticalLimitSettings
primaryMetric	Görevin birincil ölçümü.	"AUCWeighted" "Doğruluk" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
trainingSettings	AutoML İşi için eğitim aşamasına yönelik girişler.	TrainingSettings

TableVerticalDataSettings

Ad	Açıklama	Değer
targetColumnName	[Gerekli] Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]
Testdata	Veri girişini test etme.	TestDataSettings
trainingData	[Gerekli] Eğitim verileri girişi.	TrainingDataSettings (gerekli)
validationData	Doğrulama verisi girişleri.	TableVerticalValidationDataSettings
weightColumnName	Örnek ağırlık sütununun adı. Otomatik ML, giriş olarak ağırlıklı bir sütunu destekler ve bu da verilerdeki satırların yukarı veya aşağı ağırlıklı olmasına neden olur.	string

TestDataSettings

Ad	Açıklama	Değer
veriler	MlTable verilerini test etme.	MLTableJobInput
testDataSize	Doğrulama amacıyla bir kenara ayarlanması gereken test veri kümesinin kesri. (0,0 , 1,0) arasındaki değerler Doğrulama veri kümesi sağlanmadığında uygulanır.	int

MLTableJobInput

Ad	Açıklama	Değer
açıklama	Girişin açıklaması.	string
jobInputType	[Gerekli] İşin türünü belirtir.	"CustomModel" "Değişmez Değer" "MLFlowModel" "MLTable" "TritonModel" "UriFile" "UriFolder" (gerekli)
mod	Giriş Varlığı Teslim Modu.	"Doğrudan" "İndir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

TrainingDataSettings

Ad	Açıklama	Değer
veriler	[Gerekli] Eğitim verileri MLTable.	MLTableJobInput (gerekli)

TableVerticalValidationDataSettings

Ad	Açıklama	Değer
cvSplitColumnNames	CVSplit verileri için kullanılacak sütunlar.	dize[]
veriler	Doğrulama verileri MLTable.	MLTableJobInput
nCrossValidations	Eğitim veri kümesine uygulanacak çapraz doğrulama katlamalarının sayısı doğrulama veri kümesi sağlanmadığında.	NCrossValidations
validationDataSize	Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü. (0,0 , 1,0) arasındaki değerler Doğrulama veri kümesi sağlanmadığında uygulanır.	int

NCrossValidations

Ad	Açıklama	Değer
mod	Nesne türünü ayarlama	Otomatik Özel (gerekli)

AutoNCrossValidations

Ad	Açıklama	Değer
mod	[Gerekli] N-Cross doğrulamalarını belirleme modu.	"Otomatik" (gerekli)

CustomNCrossValidations

Ad	Açıklama	Değer
mod	[Gerekli] N-Cross doğrulamalarını belirleme modu.	"Özel" (gerekli)
değer	[Gerekli] N-Cross doğrulama değeri.	int (gerekli)

TableVerticalFeaturizationSettings

Ad	Açıklama	Değer
blockedTransformers	Bu transformatörler özellik kazandırmada kullanılmamalıdır.	dize[]
columnNameAndTypes	Sütun adı ve türü sözlüğü (int, float, string, datetime vb.).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Veri kümesi dili; metin verileri için kullanışlıdır.	string
dropColumns	Özellik geliştirme sırasında verilerden bırakılacak sütunlar.	dize[]
enableDnnFeaturization	Veri özellik kazandırma için Dnn tabanlı özellik oluşturucuların kullanılıp kullanılmayacağını belirler.	bool
mod	Özellik geliştirme modu - Kullanıcı varsayılan 'Otomatik' modunu tutabilir ve AutoML özellik geliştirme aşamasında verilerin gerekli dönüşümünün icabına bakar. 'Kapalı' seçilirse özellik kazandırma işlemi yapılmaz. 'Özel' seçilirse, özellik geliştirmenin nasıl yapıldığını özelleştirmek için kullanıcı ek girişler belirtebilir.	"Otomatik" "Özel" "Kapalı"
transformerParams	Kullanıcı, uygulanacağı sütunlar ve transformatör oluşturucu için parametrelerle birlikte kullanılacak ek transformatörleri belirtebilir.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string

TableVerticalFeaturizationSettingsTransformerParams

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		ColumnTransformer[]

ColumnTransformer

Ad	Açıklama	Değer
fields	Transformatör mantığının uygulanacağı alanlar.	dize[]
parameters	Transformatöre geçirilecek farklı özellikler. Giriş bekleniyor, JSON biçiminde anahtar,değer çiftlerinin sözlüğüdür.

TableVerticalLimitSettings

Ad	Açıklama	Değer
enableEarlyTermination	Erken sonlandırmayı etkinleştirin, AutoMLjob'ın son 20 yinelemede puan iyileştirmesi yoksa erken sonlandırılıp sonlandırılmayacağını belirler.	bool
exitScore	AutoML işinin çıkış puanı.	int
maxConcurrentTrials	Maksimum Eşzamanlı yineleme.	int
maxCoresPerTrial	Yineleme başına maksimum çekirdek.	int
maxTrials	Yineleme sayısı.	int
timeout	AutoML işi zaman aşımı.	string
trialTimeout	Yineleme zaman aşımı.	string

TrainingSettings

Ad	Açıklama	Değer
enableDnnTraining	DNN modellerinin önerisini etkinleştirin.	bool
enableModelExplainability	En iyi modelde açıklanabilirliği açmak için bayrak ekleyin.	bool
enableOnnxCompatibleModels	Onnx uyumlu modelleri etkinleştirme bayrağı.	bool
enableStackEnsemble	Yığın topluluğu çalıştırmasını etkinleştirin.	bool
enableVoteEnsemble	Oylama grup çalıştırmasını etkinleştirin.	bool
ensembleModelDownloadTimeout	VotingEnsemble ve StackEnsemble model oluşturma sırasında, önceki alt çalıştırmalardan gelen birden çok uydurılmış model indirilir. Daha fazla zaman gerekiyorsa bu parametreyi 300 saniyeden daha yüksek bir değerle yapılandırın.	string
stackEnsembleSettings	Yığın topluluğu çalıştırması için yığın topluluğu ayarları.	StackEnsembleSettings

StackEnsembleSettings

Ad	Açıklama	Değer
stackMetaLearnerKWargs	Meta öğrenicinin başlatıcısına geçirmek için isteğe bağlı parametreler.
stackMetaLearnerTrainPercentage	Meta öğrenciyi eğitmek için ayrılacak eğitim kümesinin (eğitim ve doğrulama türünü seçerken) oranını belirtir. Varsayılan değer 0,2'dir.	int
stackMetaLearnerType	Meta öğrenen, tek tek heterojen modellerin çıktısı üzerinde eğitilen bir modeldir.	"ElasticNet" "ElasticNetCV" "LightGBMClassifier" "LightGBMRegressor" "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "Hiçbiri"

Tahmin etme

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	"Tahmin" (gerekli)
allowedModels	Tahmin görevi için izin verilen modeller.	Herhangi birini içeren dize dizisi: "Arimax" "AutoArima" "Ortalama" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "Kementler" "LightGBM" "Naive" "Peygamber" "RandomForest" "SGD" "SeasonalAverage" "SeasonalNaive" "TCNForecaster" "XGBoostRegressor"
blockedModels	Tahmin görevi için engellenen modeller.	Herhangi birini içeren dize dizisi: "Arimax" "AutoArima" "Ortalama" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "Kementler" "LightGBM" "Naive" "Peygamber" "RandomForest" "SGD" "SeasonalAverage" "SeasonalNaive" "TCNForecaster" "XGBoostRegressor"
dataSettings	AutoMLjob için veri girişleri.	TableVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	TableVerticalFeaturizationSettings
tahminAyarlar	Göreve özgü girişleri tahmin etme.	TahminAyarlar
limitSettings	AutoMLjob için yürütme kısıtlamaları.	TableVerticalLimitSettings
primaryMetric	Tahmin görevi için birincil ölçüm.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "SpearmanCorrelation"
trainingSettings	AutoML İşi için eğitim aşamasına yönelik girişler.	TrainingSettings

TahminAyarlar

Ad	Açıklama	Değer
countryOrRegionForHolidays	Tahmin görevleri için tatiller için ülke veya bölge. Bunlar ISO 3166 iki harfli ülke/bölge kodları olmalıdır, örneğin 'US' veya 'GB'.	string
cvStepSize	Bir CV katlama ile bir sonraki katlama arasındaki dönem sayısı. İçin örnek, günlük veriler için = 3 ise CVStepSize , her katlamanın başlangıç zamanı üç gün arayla.	int
featureLags	'auto' veya null ile sayısal özellikler için gecikme oluşturma bayrağı.	"Otomatik" "Hiçbiri"
forecastHorizon	Zaman serisi sıklığı birimlerinde istenen maksimum tahmin ufku.	ForecastHorizon
frequency	Tahmin yapılırken, bu parametre tahminin istendiği dönemi (örneğin, günlük, haftalık, yıllık vb.) temsil eder. Tahmin sıklığı varsayılan olarak veri kümesi sıklığıdır.	string
Seasonality	Zaman serisi mevsimselliğini, seri sıklığının tamsayı katı olarak ayarlayın. Mevsimsellik 'otomatik' olarak ayarlanırsa, çıkarsanır.	Seasonality
shortSeriesHandlingConfig	AutoML'nin kısa zaman serisini nasıl işleyeceklerini tanımlayan parametre.	"Otomatik" "Bırak" "Hiçbiri" "Tuş Takımı"
targetAggregateFunction	Zaman serisi hedef sütununu kullanıcının belirtilen sıklığına uyacak şekilde toplamak için kullanılacak işlev. TargetAggregateFunction değeri 'Yok' değil de freq parametresi ayarlanmamışsa hata oluşur. Olası hedef toplama işlevleri şunlardır: "sum", "max", "min" ve "mean".	"En Fazla" "Ortalama" "Min" "Hiçbiri" "Toplam"
targetLags	Hedef sütundan gecikmeye neden olan geçmiş dönemlerin sayısı.	TargetLags
targetRollingWindowSize	Hedef sütunun sıralı pencere ortalamasını oluşturmak için kullanılan geçmiş dönemlerin sayısı.	TargetRollingWindowSize
timeColumnName	Saat sütununun adı. Bu parametre, zaman serisini oluşturmak ve sıklığını çıkarsamak için kullanılan giriş verilerinde tarih saat sütununu belirtmek için tahminde bulunurken gereklidir.	string
timeSeriesIdColumnNames	Zaman zamanlarını gruplandırmak için kullanılan sütunların adları. Birden çok seri oluşturmak için kullanılabilir. Tahıl tanımlanmamışsa, veri kümesinin bir zaman serisi olduğu varsayılır. Bu parametre, görev türü tahmini ile kullanılır.	dize[]
useStl	Zaman serisi hedef sütununun STL Ayrıştırmasını yapılandırın.	"Hiçbiri" "Sezon" "SeasonTrend"

ForecastHorizon

Ad	Açıklama	Değer
mod	Nesne türünü ayarlama	Otomatik Özel (gerekli)

AutoForecastHorizon

Ad	Açıklama	Değer
mod	[Gerekli] Tahmin ufku değeri seçim modunu ayarlayın.	"Otomatik" (gerekli)

CustomForecastHorizon

Ad	Açıklama	Değer
mod	[Gerekli] Tahmin ufku değeri seçim modunu ayarlayın.	"Özel" (gerekli)
değer	[Gerekli] Tahmin ufuk değeri.	int (gerekli)

Mevsimsellik

Ad	Açıklama	Değer
mod	Nesne türünü ayarlama	Otomatik Özel (gerekli)

Otomatik Boyut

Ad	Açıklama	Değer
mod	[Gerekli] Mevsimsellik modu.	"Otomatik" (gerekli)

CustomSeasonality

Ad	Açıklama	Değer
mod	[Gerekli] Mevsimsellik modu.	"Özel" (gerekli)
değer	[Gerekli] Mevsimsellik değeri.	int (gerekli)

TargetLags

Ad	Açıklama	Değer
mod	Nesne türünü ayarlama	Otomatik Özel (gerekli)

AutoTargetLags

Ad	Açıklama	Değer
mod	[Gerekli] Hedef gecikme modunu ayarlama - Otomatik/Özel	"Otomatik" (gerekli)

CustomTargetLags

Ad	Açıklama	Değer
mod	[Gerekli] Hedef gecikme modunu ayarlama - Otomatik/Özel	"Özel" (gerekli)
değerler	[Gerekli] Hedef gecikme değerlerini ayarlayın.	int[] (gerekli)

TargetRollingWindowSize

Ad	Açıklama	Değer
mod	Nesne türünü ayarlama	Otomatik Özel (gerekli)

AutoTargetRollingWindowSize

Ad	Açıklama	Değer
mod	[Gerekli] TargetRollingWindowSiz algılama modu.	"Otomatik" (gerekli)

CustomTargetRollingWindowSize

Ad	Açıklama	Değer
mod	[Gerekli] TargetRollingWindowSiz algılama modu.	"Özel" (gerekli)
değer	[Gerekli] TargetRollingWindowSize değeri.	int (gerekli)

ImageClassification

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	"ImageClassification" (gerekli)
dataSettings	[Gerekli] Modelleri eğitip doğrulamak için gereken kayıtlı Tablosal Veri Kümesi Kimliklerinin ve diğer veri ayarlarının toplanması.	ImageVerticalDataSettings (gerekli)
limitSettings	[Gerekli] AutoML işinin ayarlarını sınırlayın.	ImageLimitSettings (gerekli)
modelSettings	Modeli eğiterken kullanılan ayarlar.	ImageModelSettingsClassification
primaryMetric	Bu görev için iyileştirmeye yönelik birincil ölçüm.	"AUCWeighted" "Doğruluk" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Farklı model birleşimlerini ve hiper parametreleri örneklemek için arama alanı.	ImageModelDistributionSettingsClassification[]
sweepSettings	Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.	ImageSweepSettings

ImageVerticalDataSettings

Ad	Açıklama	Değer
targetColumnName	[Gerekli] Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]
Testdata	Veri girişini test edin.	TestDataSettings
trainingData	[Gerekli] Eğitim verileri girişi.	TrainingDataSettings (gerekli)
validationData	Doğrulama veri kümesinin ayarları.	ImageVerticalValidationDataSettings

ImageVerticalValidationDataSettings

Ad	Açıklama	Değer
veriler	Doğrulama verileri MLTable.	MLTableJobInput
validationDataSize	Doğrulama amacıyla ayırması gereken eğitim veri kümesinin bölümü. (0,0 , 1,0) arasındaki değerler Doğrulama veri kümesi sağlanmadığında uygulanır.	int

ImageLimitSettings

Ad	Açıklama	Değer
maxConcurrentTrials	En fazla eşzamanlı AutoML yinelemesi sayısı.	int
maxTrials	AutoML yineleme sayısı üst sınırı.	int
timeout	AutoML işi zaman aşımı.	string

ImageModelSettingsClassification

Ad	Açıklama	Değer
advancedSettings	Gelişmiş senaryolar için ayarlar.	string
amsGradient	İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin.	bool
Augmentations	Artırmaları kullanma ayarları.	string
beta1	İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır.	int
beta2	İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır.	int
checkpointDatasetId	Artımlı eğitim için önceden eğitilmiş denetim noktaları için FileDataset kimliği. CheckpointDatasetId ile birlikte CheckpointFilename değerini de geçirmeyi unutmayın.	string
checkpointFilename	Artımlı eğitim için FileDataset'teki önceden eğitilmiş denetim noktası dosya adı. CheckpointFilename ile birlikte CheckpointDatasetId değerini de geçirmeyi unutmayın.	string
checkpointFrequency	Model denetim noktalarını depolama sıklığı. Pozitif bir tamsayı olmalıdır.	int
checkpointRunId	Artımlı eğitim için önceden eğitilmiş bir denetim noktası olan önceki çalıştırmanın kimliği.	string
Dağıtılmış	Dağıtılmış eğitimin kullanılıp kullanılmaymayacağı.	bool
earlyStopping	Eğitim sırasında erken durdurma mantığını etkinleştirin.	bool
earlyStoppingDelay	Birincil ölçüm geliştirmeden önce bekleştirilmesi gereken en az dönem veya doğrulama değerlendirmesi sayısı erken durdurma için izlenir. Pozitif bir tamsayı olmalıdır.	int
earlyStoppingPatience	Daha önce birincil ölçüm geliştirmesi yapılmadan en az dönem veya doğrulama değerlendirmesi sayısı çalıştırma durdurulur. Pozitif bir tamsayı olmalıdır.	int
enableOnnxNormalization	ONNX modelini dışarı aktarırken normalleştirmeyi etkinleştirin.	bool
evaluationFrequency	Ölçüm puanlarını almak için doğrulama veri kümesini değerlendirme sıklığı. Pozitif bir tamsayı olmalıdır.	int
gradientAccumulationStep	Gradyan birikimi, yapılandırılmış sayıda "GradAccumulationStep" adımının olmadan çalıştırılması anlamına gelir bu adımların gradyanlarını biriktirirken model ağırlıklarını güncelleştirme ve ardından ağırlık güncelleştirmelerini hesaplamak için birikmiş gradyanlar. Pozitif bir tamsayı olmalıdır.	int
layersToFreeze	Model için donduracak katman sayısı. Pozitif bir tamsayı olmalıdır. Örneğin, 'seresnext' için değer olarak 2 geçirmek, donma katmanı0 ve katman1. Desteklenen modellerin tam listesi ve katman dondurmayla ilgili ayrıntılar için lütfen bkz: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	İlk öğrenme oranı. [0, 1] aralığında bir float olmalıdır.	int
learningRateScheduler	Öğrenme oranı zamanlayıcısının türü. 'warmup_cosine' veya 'step' olmalıdır.	"Hiçbiri" "Adım" "WarmupCosine"
Modelname	Eğitim için kullanılacak modelin adı. Kullanılabilir modeller hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
Momentum	İyileştirici 'sgd' olduğunda momentum değeri. [0, 1] aralığında bir float olmalıdır.	int
nesterov	İyileştirici 'sgd' olduğunda nesterov'ı etkinleştirin.	bool
numberOfEpochs	Eğitim dönemlerinin sayısı. Pozitif bir tamsayı olmalıdır.	int
numberOfWorkers	Veri yükleyici çalışanlarının sayısı. Negatif olmayan bir tamsayı olmalıdır.	int
Iyileştiricisi	İyileştirici türü.	"Adam" "Adamw" "Hiçbiri" "Sgd"
randomSeed	Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum.	int
splitRatio	Doğrulama verileri tanımlanmamışsa bölme oranını belirtir verileri rastgele eğitim ve doğrulama alt kümelerine eğitin. [0, 1] aralığında bir float olmalıdır.	int
stepLRGamma	Öğrenme hızı zamanlayıcı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır.	int
stepLRStepSize	Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutunun değeri. Pozitif bir tamsayı olmalıdır.	int
trainingBatchSize	Eğitim toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	int
trainingCropSize	Eğitim veri kümesi için sinir ağına giriş olan görüntü kırpma boyutu. Pozitif bir tamsayı olmalıdır.	int
validationBatchSize	Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	int
validationCropSize	Doğrulama veri kümesi için sinir ağına giriş olan görüntü kırpma boyutu. Pozitif bir tamsayı olmalıdır.	int
validationResizeSize	Doğrulama veri kümesi için kırpmadan önce yeniden boyutlandırılan görüntü boyutu. Pozitif bir tamsayı olmalıdır.	int
warmupCosineLRCycles	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda kosinüs döngüsünün değeri. [0, 1] aralığında bir float olmalıdır.	int
warmupCosineLRWarmupEpochs	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda ısınma dönemlerinin değeri. Pozitif bir tamsayı olmalıdır.	int
weightDecay	İyileştirici 'sgd', 'adam' veya 'adamw' olduğunda ağırlık bozulmasının değeri. [0, 1] aralığında bir float olmalıdır.	int
weightedLoss	Ağırlıklı kayıp. Ağırlıksız kayıp için kabul edilen değerler 0'dır. Kare ile ağırlıklı kayıp için 1. (class_weights). class_weights ile ağırlıklı kayıp için 2. 0 veya 1 veya 2 olmalıdır.	int

ImageModelDistributionSettingsClassification

Ad	Açıklama	Değer
amsGradient	İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin.	string
Augmentations	Büyütmeleri kullanma ayarları.	string
beta1	İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır.	string
beta2	İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır.	string
Dağıtılmış	Distributer eğitiminin kullanılıp kullanılmaycağı.	string
earlyStopping	Eğitim sırasında erken durdurma mantığını etkinleştirin.	string
earlyStoppingDelay	Birincil ölçüm geliştirmeden önce bekleştirilmesi gereken en az dönem veya doğrulama değerlendirmesi sayısı erken durdurma için izlenir. Pozitif bir tamsayı olmalıdır.	string
earlyStoppingPatience	Daha önce birincil ölçüm geliştirmesi yapılmadan en az dönem veya doğrulama değerlendirmesi sayısı çalıştırma durdurulur. Pozitif bir tamsayı olmalıdır.	string
enableOnnxNormalization	ONNX modelini dışarı aktarırken normalleştirmeyi etkinleştirin.	string
evaluationFrequency	Ölçüm puanlarını almak için doğrulama veri kümesini değerlendirme sıklığı. Pozitif bir tamsayı olmalıdır.	string
gradientAccumulationStep	Gradyan birikimi, yapılandırılmış sayıda "GradAccumulationStep" adımının olmadan çalıştırılması anlamına gelir bu adımların gradyanlarını biriktirirken model ağırlıklarını güncelleştirme ve ardından ağırlık güncelleştirmelerini hesaplamak için birikmiş gradyanlar. Pozitif bir tamsayı olmalıdır.	string
layersToFreeze	Model için donduracak katman sayısı. Pozitif bir tamsayı olmalıdır. Örneğin, 'seresnext' için değer olarak 2 geçirmek, donma katmanı0 ve katman1. Desteklenen modellerin tam listesi ve katman dondurmayla ilgili ayrıntılar için lütfen bkz: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
learningRate	İlk öğrenme oranı. [0, 1] aralığında bir float olmalıdır.	string
learningRateScheduler	Öğrenme oranı zamanlayıcısının türü. 'warmup_cosine' veya 'step' olmalıdır.	string
Modelname	Eğitim için kullanılacak modelin adı. Kullanılabilir modeller hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
Momentum	İyileştirici 'sgd' olduğunda momentum değeri. [0, 1] aralığında bir float olmalıdır.	string
nesterov	İyileştirici 'sgd' olduğunda nesterov'ı etkinleştirin.	string
numberOfEpochs	Eğitim dönemlerinin sayısı. Pozitif bir tamsayı olmalıdır.	string
numberOfWorkers	Veri yükleyici çalışanlarının sayısı. Negatif olmayan bir tamsayı olmalıdır.	string
Iyileştiricisi	İyileştirici türü. 'sgd', 'adam' veya 'adamw' olmalıdır.	string
randomSeed	Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum.	string
splitRatio	Doğrulama verileri tanımlanmamışsa bölme oranını belirtir verileri rastgele eğitim ve doğrulama alt kümelerine eğitin. [0, 1] aralığında bir float olmalıdır.	string
stepLRGamma	Öğrenme hızı zamanlayıcı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır.	string
stepLRStepSize	Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutunun değeri. Pozitif bir tamsayı olmalıdır.	string
trainingBatchSize	Eğitim toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	string
trainingCropSize	Eğitim veri kümesi için sinir ağına giriş olan görüntü kırpma boyutu. Pozitif bir tamsayı olmalıdır.	string
validationBatchSize	Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	string
validationCropSize	Doğrulama veri kümesi için sinir ağına giriş olan görüntü kırpma boyutu. Pozitif bir tamsayı olmalıdır.	string
validationResizeSize	Doğrulama veri kümesi için kırpmadan önce yeniden boyutlandırılan görüntü boyutu. Pozitif bir tamsayı olmalıdır.	string
warmupCosineLRCycles	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda kosinüs döngüsünün değeri. [0, 1] aralığında bir float olmalıdır.	string
warmupCosineLRWarmupEpochs	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda ısınma dönemlerinin değeri. Pozitif bir tamsayı olmalıdır.	string
weightDecay	İyileştirici 'sgd', 'adam' veya 'adamw' olduğunda ağırlık bozulmasının değeri. [0, 1] aralığında bir float olmalıdır.	string
weightedLoss	Ağırlıklı kayıp. Ağırlıksız kayıp için kabul edilen değerler 0'dır. Kare ile ağırlıklı kayıp için 1. (class_weights). class_weights ile ağırlıklı kayıp için 2. 0 veya 1 veya 2 olmalıdır.	string

ImageSweepSettings

Ad	Açıklama	Değer
earlyTermination	Erken sonlandırma ilkesinin türü.	EarlyTerminationPolicy
Sınır -ları	[Gerekli] Model süpürme ve hiper parametre süpürme ayarlarını sınırlayın.	ImageSweepLimitSettings (gerekli)
samplingAlgorithm	[Gerekli] Hiper parametre örnekleme algoritmalarının türü.	"Bayes dili" "Kılavuz" "Rastgele" (gerekli)

EarlyTerminationPolicy

Ad	Açıklama	Değer
delayEvaluation	İlk değerlendirmenin geciktirilme aralığı sayısı.	int
evaluationInterval	İlke değerlendirmeleri arasındaki aralık (çalıştırma sayısı).	int
policyType	Nesne türünü ayarlama	Haydut MedianStopping TruncationSelection (gerekli)

BanditPolicy

Ad	Açıklama	Değer
policyType	[Gerekli] İlke yapılandırmasının adı	"Eşkıya" (gerekli)
slackAmount	En iyi performans gösteren çalıştırmadan mutlak uzaklık.	int
slackFactor	İzin verilen uzaklık ile en iyi performansa sahip çalıştırmanın oranı.	int

MedianStoppingPolicy

Ad	Açıklama	Değer
policyType	[Gerekli] İlke yapılandırmasının adı	"MedianStopping" (gerekli)

TruncationSelectionPolicy

Ad	Açıklama	Değer
policyType	[Gerekli] İlke yapılandırmasının adı	"TruncationSelection" (gerekli)
truncationPercentage	Her değerlendirme aralığında iptal edilecek çalıştırmaların yüzdesi.	int

ImageSweepLimitSettings

Ad	Açıklama	Değer
maxConcurrentTrials	Temel alınan Süpür işi için en fazla eşzamanlı yineleme sayısı.	int
maxTrials	Temel alınan Süpür işi için en fazla yineleme sayısı.	int

ImageClassificationMultilabel

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	"ImageClassificationMultilabel" (gerekli)
dataSettings	[Gerekli] Modelleri eğitip doğrulamak için gereken kayıtlı Tablosal Veri Kümesi Kimliklerinin ve diğer veri ayarlarının toplanması.	ImageVerticalDataSettings (gerekli)
limitSettings	[Gerekli] AutoML işinin ayarlarını sınırlayın.	ImageLimitSettings (gerekli)
modelSettings	Modeli eğitk için kullanılan ayarlar.	ImageModelSettingsClassification
primaryMetric	Bu görev için iyileştirmeye yönelik birincil ölçüm.	"AUCWeighted" "Doğruluk" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı.	ImageModelDistributionSettingsClassification[]
sweepSettings	Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.	ImageSweepSettings

ImageInstanceSegmentation

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	"ImageInstanceSegmentation" (gerekli)
dataSettings	[Gerekli] Modelleri eğitip doğrulamak için gereken kayıtlı Tablosal Veri Kümesi Kimliklerinin ve diğer veri ayarlarının toplanması.	ImageVerticalDataSettings (gerekli)
limitSettings	[Gerekli] AutoML işinin ayarlarını sınırlayın.	ImageLimitSettings (gerekli)
modelSettings	Modeli eğitk için kullanılan ayarlar.	ImageModelSettingsObjectDetection
primaryMetric	Bu görev için iyileştirmeye yönelik birincil ölçüm.	"MeanAveragePrecision"
searchSpace	Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.	ImageSweepSettings

ImageModelSettingsObjectDetection

Ad	Açıklama	Değer
advancedSettings	Gelişmiş senaryolar için ayarlar.	string
amsGradient	İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin.	bool
Augmentations	Büyütmeleri kullanma ayarları.	string
beta1	İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır.	int
beta2	İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır.	int
boxDetectionsPerImage	Tüm sınıflar için görüntü başına en fazla algılama sayısı. Pozitif bir tamsayı olmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	int
boxScoreThreshold	Çıkarım sırasında yalnızca sınıflandırma puanı şundan büyük olan teklifleri döndür: BoxScoreThreshold. [0, 1] aralığında bir float olmalıdır.	int
checkpointDatasetId	Artımlı eğitim için önceden eğitilmiş denetim noktaları için FileDataset kimliği. CheckpointDatasetId ile birlikte CheckpointFilename değerini de geçirmeyi unutmayın.	string
checkpointFilename	Artımlı eğitim için FileDataset'teki önceden eğitilmiş denetim noktası dosya adı. CheckpointFilename ile birlikte CheckpointDatasetId değerini de geçirmeyi unutmayın.	string
checkpointFrequency	Model denetim noktalarını depolama sıklığı. Pozitif bir tamsayı olmalıdır.	int
checkpointRunId	Artımlı eğitim için önceden eğitilmiş bir denetim noktası olan önceki çalıştırmanın kimliği.	string
Dağıtılmış	Dağıtılmış eğitimin kullanılıp kullanılmaymayacağı.	bool
earlyStopping	Eğitim sırasında erken durdurma mantığını etkinleştirin.	bool
earlyStoppingDelay	Birincil ölçüm geliştirmeden önce bekleştirilmesi gereken en az dönem veya doğrulama değerlendirmesi sayısı erken durdurma için izlenir. Pozitif bir tamsayı olmalıdır.	int
earlyStoppingPatience	Daha önce birincil ölçüm geliştirmesi yapılmadan en az dönem veya doğrulama değerlendirmesi sayısı çalıştırma durdurulur. Pozitif bir tamsayı olmalıdır.	int
enableOnnxNormalization	ONNX modelini dışarı aktarırken normalleştirmeyi etkinleştirin.	bool
evaluationFrequency	Ölçüm puanlarını almak için doğrulama veri kümesini değerlendirme sıklığı. Pozitif bir tamsayı olmalıdır.	int
gradientAccumulationStep	Gradyan birikimi, yapılandırılmış sayıda "GradAccumulationStep" adımının olmadan çalıştırılması anlamına gelir bu adımların gradyanlarını biriktirirken model ağırlıklarını güncelleştirme ve ardından ağırlık güncelleştirmelerini hesaplamak için birikmiş gradyanlar. Pozitif bir tamsayı olmalıdır.	int
ımagesize	Tren ve doğrulama için görüntü boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	int
layersToFreeze	Model için donduracak katman sayısı. Pozitif bir tamsayı olmalıdır. Örneğin, 'seresnext' için değer olarak 2 geçirmek, donma katmanı0 ve katman1. Desteklenen modellerin tam listesi ve katman dondurmayla ilgili ayrıntılar için lütfen bkz: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	İlk öğrenme oranı. [0, 1] aralığında bir float olmalıdır.	int
learningRateScheduler	Öğrenme oranı zamanlayıcısının türü. 'warmup_cosine' veya 'step' olmalıdır.	"Hiçbiri" "Adım" "WarmupCosine"
Maxsize	Omurgaya beslemeden önce yeniden ölçeklendirilecek görüntünün maksimum boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	int
Minsize	Omurgaya beslemeden önce yeniden ölçeklendirilecek görüntünün minimum boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	int
Modelname	Eğitim için kullanılacak modelin adı. Kullanılabilir modeller hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
modelSize	Model boyutu. 'Küçük', 'orta', 'büyük' veya 'xlarge' olmalıdır. Not: Model boyutu çok büyükse eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	"ExtraLarge" "Büyük" "Orta" "Hiçbiri" "Küçük"
Momentum	İyileştirici 'sgd' olduğunda momentum değeri. [0, 1] aralığında bir float olmalıdır.	int
multiScale	Görüntü boyutunu +/- %50 oranında değiştirerek çok ölçekli görüntüyü etkinleştirin. Not: Yeterli GPU belleği yoksa eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	bool
nesterov	İyileştirici 'sgd' olduğunda nesterov'ı etkinleştirin.	bool
nmsIouThreshold	NMS sonrası işlemede çıkarım sırasında kullanılan IOU eşiği. [0, 1] aralığında bir float olmalıdır.	int
numberOfEpochs	Eğitim dönemlerinin sayısı. Pozitif bir tamsayı olmalıdır.	int
numberOfWorkers	Veri yükleyici çalışanlarının sayısı. Negatif olmayan bir tamsayı olmalıdır.	int
Iyileştiricisi	İyileştirici türü.	"Adam" "Adamw" "Hiçbiri" "Sgd"
randomSeed	Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum.	int
splitRatio	Doğrulama verileri tanımlanmamışsa bölme oranını belirtir verileri rastgele eğitim ve doğrulama alt kümelerine eğitin. [0, 1] aralığında bir float olmalıdır.	int
stepLRGamma	Öğrenme hızı zamanlayıcı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır.	int
stepLRStepSize	Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutunun değeri. Pozitif bir tamsayı olmalıdır.	int
tileGridSize	Her görüntüyü döşemek için kullanılacak kılavuz boyutu. Not: TileGridSize olmamalıdır Küçük nesne algılama mantığını etkinleştirmek için hiçbiri. mxn biçiminde iki tamsayı içeren bir dize. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
tileOverlapRatio	Her boyuttaki bitişik kutucuklar arasındaki çakışma oranı. [0, 1) aralığında kaydırılmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	int
tilePredictionsNmsThreshold	Kutucuklardan ve görüntüden tahminleri birleştirirken NMS gerçekleştirmek için kullanılacak IOU eşiği. Doğrulama/çıkarımda kullanılır. [0, 1] aralığında kaydırılmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	int
trainingBatchSize	Eğitim toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	int
validationBatchSize	Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	int
validationIouThreshold	Doğrulama ölçümü hesaplanırken kullanılacak IOU eşiği. [0, 1] aralığında kaydırılmalıdır.	int
validationMetricType	Doğrulama ölçümleri için kullanılacak ölçüm hesaplama yöntemi.	"Coco" "CocoVoc" "Hiçbiri" "Voc"
warmupCosineLRCycles	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda kosinüs döngüsünün değeri. [0, 1] aralığında bir float olmalıdır.	int
warmupCosineLRWarmupEpochs	Öğrenme oranı zamanlayıcı 'warmup_cosine' olduğunda ısınma dönemlerinin değeri. Pozitif bir tamsayı olmalıdır.	int
weightDecay	İyileştirici 'sgd', 'adam' veya 'adamw' olduğunda ağırlık bozulmasının değeri. [0, 1] aralığında bir float olmalıdır.	int

ImageModelDistributionSettingsObjectDetection

Ad	Açıklama	Değer
amsGradient	İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin.	string
Augmentations	Büyütmeleri kullanma ayarları.	string
beta1	İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır.	string
beta2	İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır.	string
boxDetectionsPerImage	Tüm sınıflar için görüntü başına en fazla algılama sayısı. Pozitif bir tamsayı olmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
boxScoreThreshold	Çıkarım sırasında yalnızca sınıflandırma puanı şundan büyük olan teklifleri döndür: BoxScoreThreshold. [0, 1] aralığında bir float olmalıdır.	string
Dağıtılmış	Distributer eğitiminin kullanılıp kullanılmaycağı.	string
earlyStopping	Eğitim sırasında erken durdurma mantığını etkinleştirin.	string
earlyStoppingDelay	Birincil ölçüm geliştirmeden önce bekleştirilmesi gereken en az dönem veya doğrulama değerlendirmesi sayısı erken durdurma için izlenir. Pozitif bir tamsayı olmalıdır.	string
earlyStoppingPatience	Daha önce birincil ölçüm geliştirmesi yapılmadan en az dönem veya doğrulama değerlendirmesi sayısı çalıştırma durdurulur. Pozitif bir tamsayı olmalıdır.	string
enableOnnxNormalization	ONNX modelini dışarı aktarırken normalleştirmeyi etkinleştirin.	string
evaluationFrequency	Ölçüm puanlarını almak için doğrulama veri kümesini değerlendirme sıklığı. Pozitif bir tamsayı olmalıdır.	string
gradientAccumulationStep	Gradyan birikimi, yapılandırılmış sayıda "GradAccumulationStep" adımının olmadan çalıştırılması anlamına gelir bu adımların gradyanlarını biriktirirken model ağırlıklarını güncelleştirme ve ardından ağırlık güncelleştirmelerini hesaplamak için birikmiş gradyanlar. Pozitif bir tamsayı olmalıdır.	string
ımagesize	Tren ve doğrulama için görüntü boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a gelebilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	string
layersToFreeze	Model için donduracak katman sayısı. Pozitif bir tamsayı olmalıdır. Örneğin, 'seresnext' için değer olarak 2 geçirmek, donma katmanı0 ve katman1. Desteklenen modellerin tam listesi ve katman dondurmayla ilgili ayrıntılar için lütfen bkz: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
öğrenme Hızı	İlk öğrenme oranı. [0, 1] aralığında bir float olmalıdır.	string
learningRateScheduler	Öğrenme hızı zamanlayıcısının türü. 'warmup_cosine' veya 'step' olmalıdır.	string
Maxsize	Omurgaya beslemeden önce yeniden ölçeklendirilecek en büyük görüntü boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
Minsize	Omurgaya beslemeden önce yeniden ölçeklendirilecek görüntünün minimum boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyut çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
Modelname	Eğitim için kullanılacak modelin adı. Kullanılabilir modeller hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models.	string
modelSize	Model boyutu. 'Küçük', 'orta', 'büyük' veya 'xlarge' olmalıdır. Not: Model boyutu çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	string
Momentum	İyileştirici 'sgd' olduğunda momentum değeri. [0, 1] aralığında bir float olmalıdır.	string
multiScale	Görüntü boyutunu +/- %50 oranında değiştirerek çok ölçekli görüntüyü etkinleştirin. Not: Yeterli GPU belleği yoksa eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.	string
nesterov	İyileştirici 'sgd' olduğunda nesterov'ı etkinleştirin.	string
nmsIouThreshold	NMS sonrası işlemede çıkarım sırasında kullanılan IOU eşiği. [0, 1] aralığında kaydırılmalıdır.	string
numberOfEpochs	Eğitim dönemlerinin sayısı. Pozitif bir tamsayı olmalıdır.	string
numberOfWorkers	Veri yükleyici çalışanlarının sayısı. Negatif olmayan bir tamsayı olmalıdır.	string
Iyileştiricisi	İyileştirici türü. 'sgd', 'adam' veya 'adamw' olmalıdır.	string
randomSeed	Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum.	string
splitRatio	Doğrulama verileri tanımlanmamışsa, bölme için bölme oranını belirtir verileri rastgele eğitim ve doğrulama alt kümelerine eğitin. [0, 1] aralığında bir float olmalıdır.	string
stepLRGamma	Öğrenme hızı zamanlayıcısı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır.	string
stepLRStepSize	Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutunun değeri. Pozitif bir tamsayı olmalıdır.	string
tileGridSize	Her görüntüyü döşemek için kullanılacak kılavuz boyutu. Not: TileGridSize olmamalıdır Küçük nesne algılama mantığını etkinleştirmek için hiçbiri. mxn biçiminde iki tamsayı içeren bir dize. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
tileOverlapRatio	Her boyuttaki bitişik kutucuklar arasındaki çakışma oranı. [0, 1) aralığında kaydırılmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.	string
tilePredictionsNmsThreshold	Kutucuklardan ve görüntüden tahminleri birleştirirken NMS gerçekleştirmek için kullanılacak IOU eşiği. Doğrulama/çıkarımda kullanılır. [0, 1] aralığında kaydırılmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez. NMS: Maksimum olmayan gizleme	string
trainingBatchSize	Eğitim toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	string
validationBatchSize	Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır.	string
validationIouThreshold	Doğrulama ölçümü hesaplanırken kullanılacak IOU eşiği. [0, 1] aralığında kaydırılmalıdır.	string
validationMetricType	Doğrulama ölçümleri için kullanılacak ölçüm hesaplama yöntemi. 'hiçbiri', 'coco', 'voc' veya 'coco_voc' olmalıdır.	string
warmupCosineLRCycles	Öğrenme hızı zamanlayıcısı 'warmup_cosine' olduğunda kosinüs döngüsünün değeri. [0, 1] aralığında bir float olmalıdır.	string
warmupCosineLRWarmupEpochs	Öğrenme hızı zamanlayıcı 'warmup_cosine' olduğunda ısınma dönemlerinin değeri. Pozitif bir tamsayı olmalıdır.	string
weightDecay	İyileştirici 'sgd', 'adam' veya 'adamw' olduğunda ağırlık bozulma değeri. [0, 1] aralığındaki bir float olmalıdır.	string

ImageObjectDetection

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	"ImageObjectDetection" (gerekli)
dataSettings	[Gerekli] Modelleri eğitip doğrulamak için gereken kayıtlı Tablosal Veri Kümesi Kimliklerinin ve diğer veri ayarlarının toplanması.	ImageVerticalDataSettings (gerekli)
limitSettings	[Gerekli] AutoML işinin ayarlarını sınırlayın.	ImageLimitSettings (gerekli)
modelSettings	Modeli eğiterken kullanılan ayarlar.	ImageModelSettingsObjectDetection
primaryMetric	Bu görev için iyileştirmeye yönelik birincil ölçüm.	"MeanAveragePrecision"
searchSpace	Farklı model birleşimlerini ve hiper parametreleri örneklemek için arama alanı.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.	ImageSweepSettings

Regresyon

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	"Regresyon" (gerekli)
allowedModels	Regresyon görevi için izin verilen modeller.	Herhangi birini içeren dize dizisi: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "Kementler" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor"
blockedModels	Regresyon görevi için engellenen modeller.	Herhangi birini içeren dize dizisi: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "Kementler" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor"
dataSettings	AutoMLJob için veri girişleri.	TableVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	TableVerticalFeaturizationSettings
limitSettings	AutoMLjob için yürütme kısıtlamaları.	TableVerticalLimitSettings
primaryMetric	Regresyon görevi için birincil ölçüm.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "SpearmanCorrelation"
trainingSettings	AutoML İşi için eğitim aşamasına yönelik girişler.	TrainingSettings

TextClassification

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	"TextClassification" (gerekli)
dataSettings	AutoMLJob için veri girişleri.	NlpVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLjob için yürütme kısıtlamaları.	NlpVerticalLimitSettings
primaryMetric	Text-Classification görevi için birincil ölçüm.	"AUCWeighted" "Doğruluk" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"

NlpVerticalDataSettings

Ad	Açıklama	Değer
targetColumnName	[Gerekli] Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]
Testdata	Veri girişini test edin.	TestDataSettings
trainingData	[Gerekli] Eğitim verileri girişi.	TrainingDataSettings (gerekli)
validationData	Doğrulama verisi girişleri.	NlpVerticalValidationDataSettings

NlpVerticalValidationDataSettings

Ad	Açıklama	Değer
veriler	Doğrulama verileri MLTable.	MLTableJobInput
validationDataSize	Doğrulama amacıyla ayırması gereken eğitim veri kümesinin bölümü. (0,0 , 1,0) arasındaki değerler Doğrulama veri kümesi sağlanmadığında uygulanır.	int

NlpVerticalFeaturizationSettings

Ad	Açıklama	Değer
datasetLanguage	Veri kümesi dili; metin verileri için kullanışlıdır.	string

NlpVerticalLimitSettings

Ad	Açıklama	Değer
maxConcurrentTrials	En fazla Eşzamanlı AutoML yinelemesi.	int
maxTrials	AutoML yinelemelerinin sayısı.	int
timeout	AutoML işi zaman aşımı.	string

TextClassificationMultilabel

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	"TextClassificationMultilabel" (gerekli)
dataSettings	AutoMLJob için veri girişleri.	NlpVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLjob için yürütme kısıtlamaları.	NlpVerticalLimitSettings

TextNer

Ad	Açıklama	Değer
Tasktype	[Gerekli] AutoMLjob için görev türü.	"TextNER" (gerekli)
dataSettings	AutoMLJob için veri girişleri.	NlpVerticalDataSettings
featurizationSettings	AutoML işi için özellik kazandırma girişleri gerekiyor.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLjob için yürütme kısıtlamaları.	NlpVerticalLimitSettings

CommandJob

Ad	Açıklama	Değer
jobType	[Gerekli] İşin türünü belirtir.	"Command" (gerekli)
codeId	Kod varlığının ARM kaynak kimliği.	string
command	[Gerekli] İşin başlangıcında yürütülecek komut. Örneğin "python train.py"	dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_]
Dağıtım	İşin dağıtım yapılandırması. Ayarlanırsa, bu Mpi, Tensorflow, PyTorch veya null değerlerinden biri olmalıdır.	DistributionConfiguration
environmentId	[Gerekli] İş için Ortam belirtiminin ARM kaynak kimliği.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]
environmentVariables	İşe dahil edilen ortam değişkenleri.	CommandJobEnvironmentVariables
Giriş	İşte kullanılan giriş veri bağlamalarının eşlemesi.	CommandJobInputs
Sınır -ları	Komut İşi sınırı.	CommandJobLimits
Çıkış	İşte kullanılan çıkış veri bağlamalarının eşlemesi.	CommandJobOutputs
kaynaklar	İş için İşlem Kaynağı yapılandırması.	ResourceConfiguration

DistributionConfiguration

Ad	Açıklama	Değer
distributionType	Nesne türünü ayarlama	Mpı PyTorch TensorFlow (gerekli)

Mpı

Ad	Açıklama	Değer
distributionType	[Gerekli] Dağıtım çerçevesinin türünü belirtir.	"Mpi" (gerekli)
processCountPerInstance	MPI düğümü başına işlem sayısı.	int

PyTorch

Ad	Açıklama	Değer
distributionType	[Gerekli] Dağıtım çerçevesinin türünü belirtir.	"PyTorch" (gerekli)
processCountPerInstance	Düğüm başına işlem sayısı.	int

TensorFlow

Ad	Açıklama	Değer
distributionType	[Gerekli] Dağıtım çerçevesinin türünü belirtir.	"TensorFlow" (gerekli)
parameterServerCount	Parametre sunucusu görevlerinin sayısı.	int
workerCount	Çalışan sayısı. Belirtilmezse, varsayılan olarak örnek sayısı olur.	int

CommandJobEnvironmentVariables

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string

CommandJobInputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobInput

JobInput

Ad	Açıklama	Değer
açıklama	Girişin açıklaması.	string
jobInputType	Nesne türünü ayarlama	CustomModel Değişmez değer MLFlowModel MLTable TritonModel UriFile UriFolder (gerekli)

CustomModelJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	"CustomModel" (gerekli)
mod	Giriş Varlığı Teslim Modu.	"Doğrudan" "İndir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

LiteralJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	"Değişmez Değer" (gerekli)
değer	[Gerekli] Giriş için değişmez değer.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

MLFlowModelJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	"MLFlowModel" (gerekli)
mod	Giriş Varlığı Teslim Modu.	"Doğrudan" "İndir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

TritonModelJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	"TritonModel" (gerekli)
mod	Giriş Varlığı Teslim Modu.	"Doğrudan" "İndir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

UriFileJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	"UriFile" (gerekli)
mod	Giriş Varlığı Teslim Modu.	"Doğrudan" "İndir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

UriFolderJobInput

Ad	Açıklama	Değer
jobInputType	[Gerekli] İşin türünü belirtir.	"UriFolder" (gerekli)
mod	Giriş Varlığı Teslim Modu.	"Doğrudan" "İndir" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
Urı	[Gerekli] Giriş Varlığı URI'si.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

CommandJobLimits

Ad	Açıklama	Değer
jobLimitsType	[Gerekli] JobLimit türü.	"Komut" "Süpür" (gerekli)
timeout	ISO 8601 biçimindeki en uzun çalıştırma süresidir ve bundan sonra iş iptal edilir. Yalnızca Saniye kadar düşük duyarlıkla süreyi destekler.	string

CommandJobOutputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobOutput

PipelineJob

Ad	Açıklama	Değer
jobType	[Gerekli] İşin türünü belirtir.	"İşlem Hattı" (gerekli)
Giriş	İşlem hattı işi için girişler.	PipelineJobInputs
Işleri	İşler, İşlem Hattı İşini oluşturur.	PipelineJobJobs
Çıkış	İşlem hattı işinin çıkışları	PipelineJobOutputs
ayarlar	ContinueRunOnStepFailure gibi işlemler için işlem hattı ayarları.

PipelineJobInputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobInput

PipelineJobJobs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}

PipelineJobOutputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobOutput

Süpürme İşi

Ad	Açıklama	Değer
jobType	[Gerekli] İşin türünü belirtir.	"Süpür" (gerekli)
earlyTermination	Erken sonlandırma ilkeleri, düşük performanslı çalıştırmaların tamamlanmadan önce iptal edilmesine olanak tanır	EarlyTerminationPolicy
Giriş	İşte kullanılan giriş veri bağlamalarının eşlemesi.	SweepJobInputs
Sınır -ları	Süpürme İşi sınırı.	SweepJobLimits
Amaç	[Gerekli] İyileştirme hedefi.	Amaç (gerekli)
Çıkış	İşte kullanılan çıkış veri bağlamalarının eşlemesi.	SweepJobOutputs
samplingAlgorithm	[Gerekli] Hiper parametre örnekleme algoritması	SamplingAlgorithm (gerekli)
searchSpace	[Gerekli] Her parametreyi ve dağılımını içeren bir sözlük. Sözlük anahtarı parametrenin adıdır
trial	[Gerekli] Deneme bileşeni tanımı.	TrialComponent (gerekli)

SweepJobInputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobInput

SweepJobLimits

Ad	Açıklama	Değer
jobLimitsType	[Gerekli] JobLimit türü.	"Komut" "Süpür" (gerekli)
maxConcurrentTrials	Süpürme İşi maksimum eşzamanlı deneme sayısı.	int
maxTotalTrials	Süpürme İşi maksimum toplam deneme sayısı.	int
timeout	ISO 8601 biçimindeki en uzun çalıştırma süresidir ve bundan sonra iş iptal edilir. Yalnızca Saniye kadar düşük duyarlıkla süreyi destekler.	string
trialTimeout	Süpürme İşi Deneme zaman aşımı değeri.	string

Amaç

Ad	Açıklama	Değer
goal	[Gerekli] Hiper parametre ayarlama için desteklenen ölçüm hedeflerini tanımlar	"Ekranı Kapla" "Simge Durumuna Küçült" (gerekli)
primaryMetric	[Gerekli] İyileştirecek ölçümün adı.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]

SweepJobOutputs

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		JobOutput

SamplingAlgorithm

Ad	Açıklama	Değer
samplingAlgorithmType	Nesne türünü ayarlama	Bayesian Kılavuz Rastgele (gerekli)

BayesianSamplingAlgorithm

Ad	Açıklama	Değer
samplingAlgorithmType	[Gerekli] Yapılandırma özellikleriyle birlikte hiper parametre değerleri oluşturmak için kullanılan algoritma	"Bayes dili" (gerekli)

GridSamplingAlgorithm

Ad	Açıklama	Değer
samplingAlgorithmType	[Gerekli] Yapılandırma özellikleriyle birlikte hiper parametre değerleri oluşturmak için kullanılan algoritma	"Kılavuz" (gerekli)

RandomSamplingAlgorithm

Ad	Açıklama	Değer
samplingAlgorithmType	[Gerekli] Yapılandırma özellikleriyle birlikte hiper parametre değerleri oluşturmak için kullanılan algoritma	"Rastgele" (gerekli)
Kural	Belirli bir rastgele algoritma türü	"Rastgele" "Sobol"
Tohum	Rastgele sayı oluşturma için çekirdek olarak kullanılacak isteğe bağlı bir tamsayı	int

TrialComponent

Ad	Açıklama	Değer
codeId	Kod varlığının ARM kaynak kimliği.	string
command	[Gerekli] İşin başlangıcında yürütülecek komut. Örneğin "python train.py"	dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_]
Dağıtım	İşin dağıtım yapılandırması. Ayarlanırsa, bu Mpi, Tensorflow, PyTorch veya null değerlerinden biri olmalıdır.	DistributionConfiguration
environmentId	[Gerekli] İşin Ortam belirtiminin ARM kaynak kimliği.	dize (gerekli) Kısıtlama -ları: Desen = [a-zA-Z0-9_]
environmentVariables	İşe dahil edilen ortam değişkenleri.	TrialComponentEnvironmentVariables
kaynaklar	İş için İşlem Kaynağı yapılandırması.	ResourceConfiguration

TrialComponentEnvironmentVariables

Ad	Açıklama	Değer
{özelleştirilmiş özellik}		string