Microsoft.MachineLearningServices çalışma alanları/işleri 2022-02-01-preview
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 süresiüç 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 zamanıüç 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 zamanıüç 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 |
Geri Bildirim
https://aka.ms/ContentUserFeedback.
Çok yakında: 2024 boyunca, içerik için geri bildirim mekanizması olarak GitHub Sorunları’nı kullanımdan kaldıracak ve yeni bir geri bildirim sistemiyle değiştireceğiz. Daha fazla bilgi için bkz.Gönderin ve geri bildirimi görüntüleyin