Share via

Microsoft.MachineLearningServices çalışma alanları/işleri 2023-08-01-preview

  • Makale

Bicep kaynak tanımı

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

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@2023-08-01-preview' = {
  name: 'string'
  parent: resourceSymbolicName
  properties: {
    componentId: 'string'
    computeId: 'string'
    description: 'string'
    displayName: 'string'
    experimentName: 'string'
    identity: {
      identityType: 'string'
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived: bool
    notificationSetting: {
      emailOn: [
        'string'
      ]
      emails: [
        'string'
      ]
      webhooks: {
        {customized property}: {
          eventType: 'string'
          webhookType: 'string'
          // For remaining properties, see Webhook objects
        }
      }
    }
    properties: {
      {customized property}: 'string'
      {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'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
      {customized property}: 'string'
    }
    secretsConfiguration: {
      {customized property}: {
        uri: 'string'
        workspaceSecretName: 'string'
      }
      {customized property}: {
        uri: 'string'
        workspaceSecretName: 'string'
      }
    }
    services: {
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        nodes: {
          nodesValueType: 'string'
          // For remaining properties, see Nodes objects
        }
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        nodes: {
          nodesValueType: 'string'
          // For remaining properties, see Nodes objects
        }
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
    }
    tags: {
      {customized property}: 'string'
      {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'
      {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 JobBaseProperties objects
  }
}

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

Komut için şunu kullanın:

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

Etiketleme için şunu kullanın:

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

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()
  sourceJobId: 'string'

Spark için şunu kullanın:

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

Süpür için şunu kullanın:

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

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'

Web kancası nesneleri

WebhookType özelliğini nesne türünü belirtmek için ayarlayın.

AzureDevOps için şunu kullanın:

  webhookType: 'AzureDevOps'

Düğüm nesneleri

nesnesinin türünü belirtmek için nodesValueType özelliğini ayarlayın.

Tümü için şunu kullanın:

  nodesValueType: 'All'

JobOutput nesneleri

nesne türünü belirtmek için jobOutputType özelliğini ayarlayın.

custom_model için şunu kullanın:

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

mlflow_model için şunu kullanın:

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

Mltable için şunu kullanın:

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

triton_model için şunu kullanın:

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

uri_file için şunu kullanın:

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

uri_folder için şunu kullanın:

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

AutoMLVertical nesneleri

nesne türünü belirtmek için taskType özelliğini ayarlayın.

Sınıflandırma için şunu kullanın:

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

Tahmin için şunu kullanın:

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

ImageClassification için şunu kullanın:

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

ImageClassificationMultilabel için şunu kullanın:

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

ImageInstanceSegmentation için şunu kullanın:

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

ImageObjectDetection için şunu kullanın:

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

Regresyon için şunu kullanın:

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

TextClassification için şunu kullanın:

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

TextClassificationMultilabel için şunu kullanın:

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

TextNER için şunu kullanın:

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

NCrossValidations 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

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

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

Ray için şunu kullanın:

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

TensorFlow için şunu kullanın:

  distributionType: 'TensorFlow'
  parameterServerCount: int
  workerCount: int

JobInput nesneleri

nesnesinin türünü belirtmek için jobInputType özelliğini ayarlayın.

custom_model için şunu kullanın:

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

Değişmez değer için şunu kullanın:

  jobInputType: 'literal'
  value: 'string'

mlflow_model için şunu kullanın:

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

Mltable için şunu kullanın:

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

triton_model için şunu kullanın:

  jobInputType: 'triton_model'
  mode: 'string'
  uri: 'string'

uri_file için şunu kullanın:

  jobInputType: 'uri_file'
  mode: 'string'
  uri: 'string'

uri_folder için şunu kullanın:

  jobInputType: 'uri_folder'
  mode: 'string'
  uri: 'string'

LabelingJobMediaProperties nesneleri

mediaType özelliğini nesnenin türünü belirtmek için ayarlayın.

Görüntü için şunu kullanın:

  mediaType: 'Image'
  annotationType: 'string'

Metin için şunu kullanın:

  mediaType: 'Text'
  annotationType: 'string'

MLAssistConfiguration nesneleri

nesne türünü belirtmek için mlAssist özelliğini ayarlayın.

Devre Dışı için şunu kullanın:

  mlAssist: 'Disabled'

Etkin için şunu kullanın:

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

SparkJobEntry nesneleri

nesne türünü belirtmek için sparkJobEntryType özelliğini ayarlayın.

SparkJobPythonEntry için şunu kullanın:

  sparkJobEntryType: 'SparkJobPythonEntry'
  file: 'string'

SparkJobScalaEntry için şunu kullanın:

  sparkJobEntryType: 'SparkJobScalaEntry'
  className: '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'
  logbase: 'string'
  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 bir alt kaynağın üst kaynağını 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. JobBaseProperties (gerekli)

JobBaseProperties

Ad Açıklama Değer
Componentıd Bileşen kaynağının ARM kaynak kimliği. string
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
notificationSetting İş için bildirim ayarı NotificationSetting
properties Varlık özelliği sözlüğü. ResourceBaseProperties
secretsConfiguration Çalışma zamanı sırasında kullanılabilir hale getirilecek gizli diziler için yapılandırma. JobBaseSecretsConfiguration
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
Etiketleme
İşlem Hattı
Spark
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)

NotificationSetting

Ad Açıklama Değer
emailOn Belirtilen bildirim türünde kullanıcıya e-posta bildirimi gönderme Herhangi birini içeren dize dizisi:
'JobCancelled'
'jobcompleted'
'JobFailed'
Emails Bu, virgül ayırıcı ile toplam 499 karakter sınırlaması olan e-posta alıcı listesidir dize[]
web kancaları Bir hizmete web kancası geri çağırması gönderme. Anahtar, web kancası için kullanıcı tarafından sağlanan bir addır. NotificationSettingWebhooks

NotificationSettingWebhooks

Ad Açıklama Değer
{özelleştirilmiş özellik} Web Kancası

Web Kancası

Ad Açıklama Değer
eventType Belirtilen bildirim olayında geri çağırma gönderme string
webhookType Nesne türünü ayarlama AzureDevOps (gerekli)

AzureDevOpsWebhook

Ad Açıklama Değer
webhookType [Gerekli] Geri çağırma göndermek için hizmet türünü belirtir 'AzureDevOps' (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
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string

JobBaseSecretsConfiguration

Ad Açıklama Değer
{özelleştirilmiş özellik} SecretConfiguration
{özelleştirilmiş özellik} SecretConfiguration

SecretConfiguration

Ad Açıklama Değer
Urı Gizli Uri.
Örnek Uri: https://myvault.vault.azure.net/secrets/mysecretname/secretversion		 string
workspaceSecretName Çalışma alanı anahtar kasasında gizli dizi adı. string

JobBaseServices

Ad Açıklama Değer
{özelleştirilmiş özellik} JobService
{özelleştirilmiş özellik} JobService

JobService

Ad Açıklama Değer
endpoint Uç nokta url'si. string
jobServiceType Uç nokta türü. string
Düğüm Kullanıcının hizmeti başlatmak istediğiniz düğümler.
Düğümler ayarlanmadıysa veya null olarak ayarlanmadıysa, hizmet yalnızca öncü düğümde başlatılır.		 Düğümler
port Kullanıcı tarafından ayarlanan uç nokta için bağlantı noktası. int
properties Uç noktada ayarlanacağı ek özellikler. JobServiceProperties

Düğümler

Ad Açıklama Değer
nodesValueType Nesne türünü ayarlama Tümü (gerekli)

AllNodes

Ad Açıklama Değer
nodesValueType [Gerekli] Düğümler değerinin türü 'Tümü' (gerekli)

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, sağlanması isteğe bağlı bir değerdir, sağlanmazsa, AutoML işi çalıştırırken bunu varsayılan olarak Üretim AutoML seçilmiş ortam sürümüne dönüştürür.		 string
environmentVariables İşe dahil edilen ortam değişkenleri. AutoMLJobEnvironmentVariables
Çıkış İşte kullanılan çıkış veri bağlamalarının eşlemesi. AutoMLJobOutputs
queueSettings İş için kuyruk ayarları QueueSettings
kaynaklar İş için İşlem Kaynağı yapılandırması. JobResourceConfiguration
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 custom_model
mlflow_model
mltable
triton_model
uri_file
uri_folder (gerekli)

CustomModelJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. 'custom_model' (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıkış Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. 'Doğrudan'
'ReadWriteMount'
'Karşıya Yükle'
Urı Çıkış Varlığı URI'si. string

AutoDeleteSetting

Ad Açıklama Değer
Durum Bir varlığın süresinin ne zaman dolduğunu denetleme 'CreatedGreaterThan'
'LastAccessedGreaterThan'
değer Süre sonu koşulu değeri. string

MLFlowModelJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. 'mlflow_model' (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıkış Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. 'Doğrudan'
'ReadWriteMount'
'Karşıya Yükle'
Urı Çıkış Varlığı URI'si. string

MLTableJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. 'mltable' (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıkış Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. 'Doğrudan'
'ReadWriteMount'
'Karşıya Yükle'
Urı Çıkış Varlığı URI'si. string

TritonModelJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. 'triton_model' (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıkış Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. 'Doğrudan'
'ReadWriteMount'
'Karşıya Yükle'
Urı Çıkış Varlığı URI'si. string

UriFileJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. 'uri_file' (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıkış Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. 'Doğrudan'
'ReadWriteMount'
'Karşıya Yükle'
Urı Çıkış Varlığı URI'si. string

UriFolderJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. 'uri_folder' (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıkış Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. 'Doğrudan'
'ReadWriteMount'
'Karşıya Yükle'
Urı Çıkış Varlığı URI'si. string

QueueSettings

Ad Açıklama Değer
jobTier İşlem işi katmanını denetler 'Temel'
'Null'
'Premium'
'Spot'
'Standart'
Öncelik bir işlemdeki işin önceliğini denetler. int

JobResourceConfiguration

Ad Açıklama Değer
dockerArgs Docker çalıştırma komutuna geçirilmeye çalışılacak ek bağımsız değişkenler. Bu, sistem veya bu bölümde önceden ayarlanmış olan parametreleri geçersiz kılar. Bu parametre yalnızca Azure ML işlem türleri için desteklenir. string
instanceCount İşlem hedefi tarafından kullanılan isteğe bağlı örnek veya düğüm sayısı. int
instanceType İşlem hedefi tarafından desteklenen isteğe bağlı VM türü. string
Konum İşin çalışabileceği konumlar. dize[]
maxInstanceCount İşlem hedefi tarafından kullanılacak isteğe bağlı izin verilen en fazla örnek veya düğüm sayısı.
Elastik eğitimle kullanım için, şu anda yalnızca PyTorch dağıtım türü tarafından desteklenmektedir.		 int
properties Ek özellikler çantası. ResourceConfigurationProperties
shmSize Docker kapsayıcısının paylaşılan bellek bloğunun boyutu. Bu, sayının 0'dan büyük olduğu (sayı)(birim) biçiminde ve birim b(bayt), k(kilobayt), m(megabayt) veya g(gigabayt) biçiminde olmalıdır. string

Kısıtlama -ları:
Desen = \d+[bBkKmMgG]

ResourceConfigurationProperties

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

AutoMLVertical

Ad Açıklama Değer
logVerbosity İş için günlük ayrıntısı. 'Kritik'
'Hata Ayıkla'
'Hata'
'Bilgi'
'NotSet'
'Uyarı'
targetColumnName Hedef sütun adı: Bu tahmin değerleri sütunudur.
Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.		 string
trainingData [Gerekli] Eğitim verileri girişi. MLTableJobInput (gerekli)
Tasktype Nesne türünü ayarlama Sınıflandırma
Tahmin etme
ImageClassification
ImageClassificationMultilabel
ImageInstanceSegmentation
ImageObjectDetection
Regresyon
TextClassification
TextClassificationMultilabel
TextNER (gerekli)

MLTableJobInput

Ad Açıklama Değer
açıklama Girişin açıklaması. string
jobInputType [Gerekli] İşin türünü belirtir. 'custom_model'
'değişmez değer'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (gerekli)
mod Giriş Varlığı Teslim Modu. 'Doğrudan'
'İndir'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

Sınıflandırma

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. 'Sınıflandırma' (gerekli)
cvSplitColumnNames CVSplit verileri için kullanılacak sütunlar. string[]
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. TableVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. TableFixedParameters
limitSettings AutoMLjob için yürütme kısıtlamaları. TableVerticalLimitSettings
nCrossValidations Eğitim veri kümesine uygulanacak çapraz doğrulama katlamalarının sayısı
doğrulama veri kümesi sağlanmadığında.		 NCrossValidations
positiveLabel İkili ölçüm hesaplaması için pozitif etiket. string
primaryMetric Görevin birincil ölçümü. 'AUCWeighted'
'Doğruluk'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Farklı model birleşimlerini ve hiper parametreleri örneklemek için arama alanı. TableParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. TableSweepSettings
Testdata Veri girişini test edin. MLTableJobInput
testDataSize Doğrulama amacıyla kenara ayarlanması gereken test veri kümesinin kesri.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.		 int
trainingSettings AutoML İşi için eğitim aşamasına yönelik girişler. ClassificationTrainingSettings
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla ayırması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.		 int
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

TableVerticalFeaturizationSettings

Ad Açıklama Değer
blockedTransformers Bu transformatörler özellik kazandırmada kullanılmamalıdır. Herhangi birini içeren dize dizisi:
'CatTargetEncoder'
'CountVectorizer'
'HashOneHotEncoder'
'LabelEncoder'
'NaiveBayes'
'OneHotEncoder'
'TextTargetEncoder'
'TfIdf'
'WoETargetEncoder'
'WordEmbedding'
columnNameAndTypes Sütun adı ve türü sözlüğü (int, float, string, datetime vb.). TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage Veri kümesi dili; metin verileri için kullanışlıdır. string
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.

TableFixedParameters

Ad Açıklama Değer
Güçlendir -ici XGBoost için gbdt gibi artırma türünü belirtin. string
boostingType LightGBM için gbdt gibi artırma türünü belirtin. string
growPolicy Yeni düğümlerin ağaca nasıl ekleneceğini denetleyen büyüme ilkesini belirtin. string
learningRate Eğitim yordamının öğrenme oranı. int
maxBin Sürekli özellikler demetine eklenecek ayrık bölme sayısı üst sınırını belirtin. int
maxDepth Ağaç derinliğini açıkça sınırlamak için maksimum derinliği belirtin. int
maxLeaves Ağaç yapraklarını açıkça sınırlamak için maksimum yaprakları belirtin. int
minDataInLeaf Yaprak başına minimum veri sayısı. int
minSplitGain Ağacın yaprak düğümünde daha fazla bölüm oluşturmak için minimum kayıp azaltması gerekir. int
Modelname Eğitecek modelin adı. string
nEstimators Modeldeki ağaç (veya yuvarlama) sayısını belirtin. int
numLeaves Yaprak sayısını belirtin. int
preprocessorName Kullanılacak ön işlemcinin adı. string
regAlpha Ağırlıklar üzerinde L1 düzenlileştirme terimi. int
regLambda Ağırlıklar üzerinde L2 normalleştirme terimi. int
alt örnek Eğitim örneğinin alt örnek oranı. int
subsampleFreq Alt örnek sıklığı. int
treeMethod Ağaç yöntemini belirtin. string
WithMean Doğruysa, StandardScalar ile verileri ölçeklendirmeden önce ortala. bool
withStd Doğruysa, StandardScalar ile Birim Varyansı ile verileri ölçeklendirme. bool

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
maxNodes Deneme için kullanılacak en fazla düğüm sayısı. int
maxTrials Yineleme sayısı. int
sweepConcurrentTrials Kullanıcının tetiklemek istediği eşzamanlı süpürme çalıştırmalarının sayısı. int
sweepTrials Kullanıcının tetiklemek istediği süpürme çalıştırmalarının sayısı. int
timeout AutoML işi zaman aşımı. string
trialTimeout Yineleme zaman aşımı. string

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)

TableParameterSubspace

Ad Açıklama Değer
Güçlendir -ici XGBoost için gbdt gibi artırma türünü belirtin. string
boostingType LightGBM için gbdt gibi artırma türünü belirtin. string
growPolicy Yeni düğümlerin ağaca nasıl ekleneceğini denetleyen büyüme ilkesini belirtin. string
learningRate Eğitim yordamının öğrenme oranı. string
maxBin Sürekli özellikler demetine eklenecek ayrık bölme sayısı üst sınırını belirtin. string
maxDepth Ağaç derinliğini açıkça sınırlamak için maksimum derinliği belirtin. string
maxLeaves Ağaç yapraklarını açıkça sınırlamak için maksimum yaprakları belirtin. string
minDataInLeaf Yaprak başına minimum veri sayısı. string
minSplitGain Ağacın yaprak düğümünde daha fazla bölüm oluşturmak için minimum kayıp azaltması gerekir. string
Modelname Eğitecek modelin adı. string
nEstimators Modeldeki ağaç (veya yuvarlama) sayısını belirtin. string
numLeaves Yaprak sayısını belirtin. string
preprocessorName Kullanılacak ön işlemcinin adı. string
regAlpha Ağırlıklar üzerinde L1 düzenlileştirme terimi. string
regLambda Ağırlıklar üzerinde L2 normalleştirme terimi. string
alt örnek Eğitim örneğinin alt örnek oranı. string
subsampleFreq Alt örnek sıklığı string
treeMethod Ağaç yöntemini belirtin. string
WithMean Doğruysa, StandardScalar ile verileri ölçeklendirmeden önce ortala. string
withStd Doğruysa, StandardScalar ile Birim Varyansı ile verileri ölçeklendirme. string

TableSweepSettings

Ad Açıklama Değer
earlyTermination Süpürme işi için erken sonlandırma ilkesinin türü. EarlyTerminationPolicy
samplingAlgorithm [Gerekli] Örnekleme algoritmasının 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

ClassificationTrainingSettings

Ad Açıklama Değer
allowedTrainingAlgorithms Sınıflandırma görevi için izin verilen modeller. Herhangi birini içeren dize dizisi:
'BernoulliNaiveBayes'
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
blockedTrainingAlgorithms Sınıflandırma görevi için engellenen modeller. Herhangi birini içeren dize dizisi:
'BernoulliNaiveBayes'
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
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
trainingMode TrainingMode modu - 'otomatik' olarak ayarlamak şimdilik 'dağıtılmayan' olarak ayarlamakla aynıdır, ancak gelecekte karma mod veya buluşsal mod seçimine neden olabilir. Varsayılan değer 'otomatik'tir.
'Dağıtılmış' ise yalnızca dağıtılmış özellik kazandırma kullanılır ve dağıtılmış algoritmalar seçilir.
'Dağıtılmayan' ise yalnızca dağıtılmış olmayan algoritmalar seçilir.
 'Otomatik'
'Dağıtılmış'
'Dağıtılmayan'

StackEnsembleSettings

Ad Açıklama Değer
stackMetaLearnerKWargs Meta öğrenicinin başlatıcısına geçirmek için isteğe bağlı parametreler. Bicep için any() işlevini kullanabilirsiniz.
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)
cvSplitColumnNames CVSplit verileri için kullanılacak sütunlar. dize[]
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. TableVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. TableFixedParameters
tahminAyarlar Göreve özgü girişleri tahmin etme. TahminAyarlar
limitSettings AutoMLjob için yürütme kısıtlamaları. TableVerticalLimitSettings
nCrossValidations Eğitim veri kümesine uygulanacak çapraz doğrulama katlamalarının sayısı
doğrulama veri kümesi sağlanmadığında.		 NCrossValidations
primaryMetric Tahmin görevi için birincil ölçüm. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
searchSpace Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı. TableParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. TableSweepSettings
Testdata Veri girişini 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
trainingSettings AutoML İşi için eğitim aşamasına yönelik girişler. ForecastingTrainingSettings
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.		 int
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

TahminAyarlar

Ad Açıklama Değer
countryOrRegionForHolidays Tahmin görevleri için tatiller için ülke veya bölge.
Bunlar ISO 3166 iki harfli ülke/bölge kodları olmalıdır, örneğin 'US' veya 'GB'.		 string
cvStepSize Bir CV katlama ile bir sonraki katlama arasındaki dönem sayısı. İçin
örnek, günlük veriler için = 3 ise CVStepSize , her katlamanın başlangıç zamanı
üç gün arayla.		 int
featureLags 'auto' veya null ile sayısal özellikler için gecikme oluşturma bayrağı. 'Otomatik'
'Yok'
featuresUnknownAtForecastTime Eğitim için kullanılabilen ancak tahmin/çıkarım sırasında bilinmeyen özellik sütunları.
features_unknown_at_forecast_time ayarlanmadıysa, veri kümesindeki tüm özellik sütunlarının çıkarım zamanında bilindiği varsayılır.		 dize[]
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)

ForecastingTrainingSettings

Ad Açıklama Değer
allowedTrainingAlgorithms 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'
blockedTrainingAlgorithms 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'
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 grup ayarları. StackEnsembleSettings
trainingMode TrainingMode modu - 'otomatik' ayarı şimdilik 'dağıtılmayan' olarak ayarlamakla aynıdır, ancak gelecekte karma mod veya buluşsal mod seçimine neden olabilir. Varsayılan değer 'otomatik'tir.
'Dağıtılmış' ise yalnızca dağıtılmış özellik kazandırma kullanılır ve dağıtılmış algoritmalar seçilir.
'Dağıtılmayan' ise yalnızca dağıtılmış olmayan algoritmalar seçilir.
 'Otomatik'
'Dağıtılmış'
'Dağıtılmayan'

ImageClassification

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. 'ImageClassification' (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
validationData Doğrulama verisi girişleri. 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 En fazla AutoML yinelemesi sayısı. 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 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
checkpointFrequency Model denetim noktalarını depolama sıklığı. Pozitif bir tamsayı olmalıdır. int
checkpointModel Artımlı eğitim için önceden eğitilmiş denetim noktası modeli. MLFlowModelJobInput
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. 'Yok'
'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'
'Yok'
'Sgd'
randomSeed Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum. 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

MLFlowModelJobInput

Ad Açıklama Değer
açıklama Girişin açıklaması. string
jobInputType [Gerekli] İşin türünü belirtir. 'custom_model'
'değişmez değer'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (gerekli)
mod Giriş Varlığı Teslim Modu. 'Doğrudan'
'İndir'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

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
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 kümesinin 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 yapılan 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 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
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
samplingAlgorithm [Gerekli] Hiper parametre örnekleme algoritmalarının türü. 'Bayes dili'
'Kılavuz'
'Rastgele' (gerekli)

ImageClassificationMultilabel

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. 'ImageClassificationMultilabel' (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
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla ayırması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.
 int

ImageInstanceSegmentation

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. 'ImageInstanceSegmentation' (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
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla ayırması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.
 int

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
checkpointFrequency Model denetim noktalarını depolama sıklığı. Pozitif bir tamsayı olmalıdır. int
checkpointModel Artımlı eğitim için önceden eğitilmiş denetim noktası modeli. MLFlowModelJobInput
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
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.		 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'
logTrainingMetrics Bilgi işlem ve günlüğe kaydetme eğitim ölçümlerini etkinleştirin. 'Devre Dışı Bırak'
'Etkinleştir'
logValidationLoss Bilgi işlem ve günlük doğrulama kaybını etkinleştirin. 'Devre Dışı Bırak'
'Etkinleştir'
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.		 int
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.		 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 alınabilir.
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 alınabilir.
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
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
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 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

ImageModelDistributionSettingsObjectDetection

Ad Açıklama Değer
amsGradient İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin. string
Augmentations Artırmaları 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
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
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)
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
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.
 int

Regresyon

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. 'Regresyon' (gerekli)
cvSplitColumnNames CVSplit verileri için kullanılacak sütunlar. dize[]
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. TableVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. TableFixedParameters
limitSettings AutoMLjob için yürütme kısıtlamaları. TableVerticalLimitSettings
nCrossValidations Eğitim veri kümesine uygulanacak çapraz doğrulama katlamalarının sayısı
doğrulama veri kümesi sağlanmadığında.		 NCrossValidations
primaryMetric Regresyon görevi için birincil ölçüm. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
searchSpace Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı. TableParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. TableSweepSettings
Testdata Veri girişini 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
trainingSettings AutoML İşi için eğitim aşamasına yönelik girişler. RegresyonTrainingSettings
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.		 int
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

RegressionTrainingSettings

Ad Açıklama Değer
allowedTrainingAlgorithms Regresyon görevi için izin verilen modeller. Herhangi birini içeren dize dizisi:
'DecisionTree'
'ElasticNet'
'ExtremeRandomTrees'
'GradyanBoosting'
'KNN'
'Kementler'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
blockedTrainingAlgorithms Regresyon görevi için engellenen modeller. Herhangi birini içeren dize dizisi:
'DecisionTree'
'ElasticNet'
'ExtremeRandomTrees'
'GradyanBoosting'
'KNN'
'Kementler'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
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 grup ayarları. StackEnsembleSettings
trainingMode TrainingMode modu - 'otomatik' ayarı şimdilik 'dağıtılmayan' olarak ayarlamakla aynıdır, ancak gelecekte karma mod veya buluşsal mod seçimine neden olabilir. Varsayılan değer 'otomatik'tir.
'Dağıtılmış' ise yalnızca dağıtılmış özellik kazandırma kullanılır ve dağıtılmış algoritmalar seçilir.
'Dağıtılmayan' ise yalnızca dağıtılmış olmayan algoritmalar seçilir.
 'Otomatik'
'Dağıtılmış'
'Dağıtılmayan'

TextClassification

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. 'TextClassification' (gerekli)
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. NlpVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. NlpFixedParameters
limitSettings AutoMLjob için yürütme kısıtlamaları. NlpVerticalLimitSettings
primaryMetric Text-Classification görevi için birincil ölçüm. 'AUCWeighted'
'Doğruluk'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Farklı model birleşimlerini ve hiper parametreleri örneklemek için arama alanı. NlpParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. NlpSweepSettings
validationData Doğrulama verisi girişleri. MLTableJobInput

NlpVerticalFeaturizationSettings

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

NlpFixedParameters

Ad Açıklama Değer
gradientAccumulationSteps Geriye doğru geçiş yapmadan önce gradyanları biriktirme adımlarının sayısı. int
öğrenme Hızı Eğitim yordamının öğrenme oranı. int
learningRateScheduler Eğitim yordamı sırasında kullanılacak öğrenme oranı zamanlaması türü. 'Sabit'
'ConstantWithWarmup'
'Kosinüs'
'CosineWithRestarts'
'Doğrusal'
'Yok'
'Polinom'
Modelname Eğitecek modelin adı. string
numberOfEpochs Eğitim dönemlerinin sayısı. int
trainingBatchSize Eğitim yordamının toplu iş boyutu. int
validationBatchSize Değerlendirme sırasında kullanılacak toplu iş boyutu. int
warmupRatio LrSchedulerType ile birlikte kullanılan ısınma oranı. int
weightDecay Eğitim prosedürü için ağırlık çürümesi. int

NlpVerticalLimitSettings

Ad Açıklama Değer
maxConcurrentTrials En fazla Eşzamanlı AutoML yinelemesi. int
maxNodes Deneme için kullanılacak en fazla düğüm sayısı. int
maxTrials AutoML yinelemelerinin sayısı. int
timeout AutoML işi zaman aşımı. string
trialTimeout Tek tek HD denemeleri için zaman aşımı. string

NlpParameterSubspace

Ad Açıklama Değer
gradientAccumulationSteps Geriye doğru geçiş yapmadan önce gradyanları biriktirme adımlarının sayısı. string
öğrenme Hızı Eğitim yordamının öğrenme oranı. string
learningRateScheduler Eğitim yordamı sırasında kullanılacak öğrenme oranı zamanlaması türü. string
Modelname Eğitecek modelin adı. string
numberOfEpochs Eğitim dönemlerinin sayısı. string
trainingBatchSize Eğitim yordamının toplu iş boyutu. string
validationBatchSize Değerlendirme sırasında kullanılacak toplu iş boyutu. string
warmupRatio LrSchedulerType ile birlikte kullanılan ısınma oranı. string
weightDecay Eğitim prosedürü için ağırlık çürümesi. string

NlpSweepSettings

Ad Açıklama Değer
earlyTermination Süpürme işi için erken sonlandırma ilkesinin türü. EarlyTerminationPolicy
samplingAlgorithm [Gerekli] Örnekleme algoritmasının türü. 'Bayes dili'
'Kılavuz'
'Rastgele' (gerekli)

TextClassificationMultilabel

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. 'TextClassificationMultilabel' (gerekli)
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. NlpVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. NlpFixedParameters
limitSettings AutoMLjob için yürütme kısıtlamaları. NlpVerticalLimitSettings
searchSpace Farklı model birleşimlerini ve hiper parametreleri örneklemek için arama alanı. NlpParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. NlpSweepSettings
validationData Doğrulama verisi girişleri. MLTableJobInput

TextNer

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. 'TextNER' (gerekli)
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. NlpVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. NlpFixedParameters
limitSettings AutoMLjob için yürütme kısıtlamaları. NlpVerticalLimitSettings
searchSpace Farklı model birleşimlerini ve hiper parametreleri örneklemek için arama alanı. NlpParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. NlpSweepSettings
validationData Doğrulama verisi girişleri. MLTableJobInput

CommandJob

Ad Açıklama Değer
jobType [Gerekli] İşin türünü belirtir. 'Command' (gerekli)
autologgerSettings İşin dağıtım yapılandırması. Ayarlanırsa, bu Mpi, Tensorflow, PyTorch veya null değerlerinden biri olmalıdır. AutologgerSettings
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, Ray veya null değerlerinden biri olmalıdır. DistributionConfiguration
environmentId [Gerekli] İşin Ortam belirtiminin ARM kaynak kimliği. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
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
queueSettings İş için kuyruk ayarları QueueSettings
kaynaklar İş için İşlem Kaynağı yapılandırması. JobResourceConfiguration

AutologgerSettings

Ad Açıklama Değer
mlflowAutologger [Gerekli] Mlflow autologger'ın etkinleştirilip etkinleştirilmediğini gösterir. 'Devre Dışı'
'Etkin' (gerekli)

DistributionConfiguration

Ad Açıklama Değer
distributionType Nesne türünü ayarlama Mpı
PyTorch
Ray
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

Ray

Ad Açıklama Değer
distributionType [Gerekli] Dağıtım çerçevesinin türünü belirtir. 'Ray' (gerekli)
adres Ray baş düğümünün adresi. string
dashboardPort Pano sunucusunu bağlamak için bağlantı noktası. int
headNodeAdditionalArgs Baş düğümde ray start'a geçirilen ek bağımsız değişkenler. string
includeDashboard Ray panosu GUI'sini başlatmak için bu bağımsız değişkeni sağlayın. bool
port Baş ışını işleminin bağlantı noktası. int
workerNodeAdditionalArgs Çalışan düğümünde ray start'a geçirilen ek bağımsız değişkenler. string

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 custom_model
Literal
mlflow_model
mltable
triton_model
uri_file
uri_folder (gerekli)

CustomModelJobInput

Ad Açıklama Değer
jobInputType [Gerekli] İşin türünü belirtir. 'custom_model' (gerekli)
mod Giriş Varlığı Teslim Modu. 'Doğrudan'
'İndir'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
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:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

TritonModelJobInput

Ad Açıklama Değer
jobInputType [Gerekli] İşin türünü belirtir. 'triton_model' (gerekli)
mod Giriş Varlığı Teslim Modu. 'Doğrudan'
'İndir'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

UriFileJobInput

Ad Açıklama Değer
jobInputType [Gerekli] İşin türünü belirtir. 'uri_file' (gerekli)
mod Giriş Varlığı Teslim Modu. 'Doğrudan'
'İndir'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

UriFolderJobInput

Ad Açıklama Değer
jobInputType [Gerekli] İşin türünü belirtir. 'uri_folder' (gerekli)
mod Giriş Varlığı Teslim Modu. 'Doğrudan'
'İndir'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
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

LabelingJobProperties

Ad Açıklama Değer
Componentıd Bileşen kaynağının ARM kaynak kimliği. string
computeId İşlem kaynağının ARM kaynak kimliği. string
dataConfiguration İşte kullanılan verilerin yapılandırması. LabelingDataConfiguration
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
jobInstructions İşin etiketleme yönergeleri. LabelingJobInstructions
jobType [Gerekli] İşin türünü belirtir. 'AutoML'
'Komut'
'Etiketleme'
'İşlem Hattı'
'Spark'
'Süpür' (gerekli)
labelCategories İşin kategorilerini etiketleyin. LabelingJobLabelCategories
labelingJobMediaProperties İşteki belirli özelliklerin medya türü. LabelingJobMediaProperties
mlAssistConfiguration İşteki MLAssist özelliğinin yapılandırması. MLAssistConfiguration
notificationSetting İş için bildirim ayarı NotificationSetting
properties Varlık özelliği sözlüğü. ResourceBaseProperties
secretsConfiguration Çalışma zamanı sırasında kullanılabilir hale getirilecek gizli diziler için yapılandırma. JobBaseSecretsConfiguration
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

LabelingDataConfiguration

Ad Açıklama Değer
dataId Etiketleme gerçekleştirilecek veri varlığının kaynak kimliği. string
incrementalDataRefresh Artımlı veri yenilemenin etkinleştirilip etkinleştirilmeydiğini gösterir. 'Devre Dışı'
'Etkin'

LabelingJobInstructions

Ad Açıklama Değer
Urı Etiketleyiciler için ayrıntılı etiketleme yönergeleri içeren bir sayfanın bağlantısı. string

LabelingJobLabelCategories

Ad Açıklama Değer
{özelleştirilmiş özellik} LabelCategory
{özelleştirilmiş özellik} LabelCategory

LabelCategory

Ad Açıklama Değer
Sınıf Bu kategorideki etiket sınıflarının sözlüğü. LabelCategoryClasses
displayName Etiket kategorisinin görünen adı. string
Multiselect Bu kategoride birden çok sınıf seçmesine izin verilip verilmeyeceğini gösterir. 'Devre Dışı'
'Etkin'

LabelCategoryClasses

Ad Açıklama Değer
{özelleştirilmiş özellik} LabelClass

LabelClass

Ad Açıklama Değer
displayName Etiket sınıfının görünen adı. string
Alt Etiket sınıfının alt sınıflarının sözlüğü. LabelClassSubclasses

LabelClassSubclasses

Ad Açıklama Değer
{özelleştirilmiş özellik} LabelClass

LabelingJobMediaProperties

Ad Açıklama Değer
Mediatype Nesne türünü ayarlama Görüntü
Metin (gerekli)

LabelingJobImageProperties

Ad Açıklama Değer
Mediatype [Gerekli] İşin medya türü. 'Image' (gerekli)
annotationType Resim etiketleme işinin ek açıklama türü. 'Sınırlayıcı Kutusu'
'Sınıflandırma'
'InstanceSegmentation'

LabelingJobTextProperties

Ad Açıklama Değer
Mediatype [Gerekli] İşin medya türü. 'Text' (gerekli)
annotationType Metin etiketleme işinin ek açıklama türü. 'Sınıflandırma'
'NamedEntityRecognition'

MLAssistConfiguration

Ad Açıklama Değer
mlAssist Nesne türünü ayarlama Devre dışı
Etkin (gerekli)

MLAssistConfigurationDisabled

Ad Açıklama Değer
mlAssist [Gerekli] MLAssist özelliğinin etkinleştirilip etkinleştirilmediğini gösterir. 'Disabled' (gerekli)

MLAssistConfigurationEnabled

Ad Açıklama Değer
mlAssist [Gerekli] MLAssist özelliğinin etkinleştirilip etkinleştirilmediğini gösterir. 'Etkin' (gerekli)
inferencingComputeBinding [Gerekli] Çıkarımda kullanılan AML işlem bağlaması. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]
trainingComputeBinding [Gerekli] Eğitimde kullanılan AML işlem bağlaması. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

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. Bicep için any() işlevini kullanabilirsiniz.
sourceJobId Kaynak işin ARM kaynak kimliği. string

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

SparkJob

Ad Açıklama Değer
jobType [Gerekli] İşin türünü belirtir. 'Spark' (gerekli)
Arşiv İşte kullanılan dosyaları arşivleyin. string[]
args İşin bağımsız değişkenleri. string
codeId [Gerekli] Kod varlığının ARM kaynak kimliği. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]
conf Spark yapılandırılmış özellikleri. SparkJobConf
giriş [Gerekli] İşin başlangıcında yürütülecek giriş. SparkJobEntry (gerekli)
environmentId İşin Ortam belirtiminin ARM kaynak kimliği. string
environmentVariables İşe dahil edilen ortam değişkenleri. SparkJobEnvironmentVariables
files İşte kullanılan dosyalar. string[]
Giriş İşte kullanılan giriş veri bağlamalarının eşlemesi. SparkJobInputs
Kavanoz İşte kullanılan jar dosyaları. string[]
Çıkış İşte kullanılan çıkış veri bağlamalarının eşlemesi. SparkJobOutputs
pyFiles İşte kullanılan Python dosyaları. dize[]
queueSettings İş için kuyruk ayarları QueueSettings
kaynaklar İş için İşlem Kaynağı yapılandırması. SparkResourceConfiguration

SparkJobConf

Ad Açıklama Değer
{özelleştirilmiş özellik} string

SparkJobEntry

Ad Açıklama Değer
sparkJobEntryType Nesne türünü ayarlama SparkJobPythonEntry
SparkJobScalaEntry (gerekli)

SparkJobPythonEntry

Ad Açıklama Değer
sparkJobEntryType [Gerekli] İşin giriş noktasının türü. 'SparkJobPythonEntry' (gerekli)
dosyası [Gerekli] İş giriş noktası için göreli python dosya yolu. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

SparkJobScalaEntry

Ad Açıklama Değer
sparkJobEntryType [Gerekli] İşin giriş noktasının türü. 'SparkJobScalaEntry' (gerekli)
Classname [Gerekli] Giriş noktası olarak kullanılan Scala sınıf adı. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

SparkJobEnvironmentVariables

Ad Açıklama Değer
{özelleştirilmiş özellik} string

SparkJobInputs

Ad Açıklama Değer
{özelleştirilmiş özellik} JobInput

SparkJobOutputs

Ad Açıklama Değer
{özelleştirilmiş özellik} JobOutput

SparkResourceConfiguration

Ad Açıklama Değer
instanceType İşlem hedefi tarafından desteklenen isteğe bağlı VM türü. string
runtimeVersion İş için kullanılan Spark çalışma zamanının sürümü. string

Süpürme İşi

Ad Açıklama Değer
jobType [Gerekli] İşin türünü belirtir. 'Süpür' (gerekli)
componentConfiguration Bileşen üzerinde süpürme için Bileşen Yapılandırması ComponentConfiguration
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
queueSettings İş için kuyruk ayarları QueueSettings
kaynaklar İş için İşlem Kaynağı yapılandırması. JobResourceConfiguration
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)

ComponentConfiguration

Ad Açıklama Değer
pipelineSettings ContinueRunOnStepFailure gibi öğeler için işlem hattı ayarları. Bicep için any() işlevini kullanabilirsiniz.

SweepJobInputs

Ad Açıklama Değer
{özelleştirilmiş özellik} JobInput

SweepJobLimits

Ad Açıklama Değer
jobLimitsType [Gerekli] JobLimit türü. 'Komut'
'Süpür' (gerekli)
maxConcurrentTrials Süpürme İşi maksimum eş zamanlı deneme sayısı. int
maxTotalTrials Süpürme İşi maksimum toplam deneme sayısı. int
timeout ISO 8601 biçimindeki maksimum çalışma süresi, 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:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

SweepJobOutputs

Ad Açıklama Değer
{özelleştirilmiş özellik} JobOutput

ÖrneklemeAlgorithm

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 'Grid' (gerekli)

RandomSamplingAlgorithm

Ad Açıklama Değer
samplingAlgorithmType [Gerekli] Yapılandırma özellikleriyle birlikte hiper parametre değerleri oluşturmak için kullanılan algoritma 'Rastgele' (gerekli)
logbase Günlük tabanlı rastgele örnekleme için temel olarak kullanılacak isteğe bağlı pozitif sayı veya dize biçiminde e string
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:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]
environmentVariables İşe dahil edilen ortam değişkenleri. TrialComponentEnvironmentVariables
kaynaklar İş için İşlem Kaynağı yapılandırması. JobResourceConfiguration

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

Azure’a dağıtın		 Bu şablon, bir müşterinin bir finans kurumunda 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

Azure’a dağıtın		 Bu şablon, temel bir hello_world betiğiyle bir Azure Machine Learning Komut işi oluşturur
Azure Machine Learning Süpürme işi oluşturma

Azure’a dağıtın		 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:

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": "2023-08-01-preview",
  "name": "string",
  "properties": {
    "componentId": "string",
    "computeId": "string",
    "description": "string",
    "displayName": "string",
    "experimentName": "string",
    "identity": {
      "identityType": "string"
      // For remaining properties, see IdentityConfiguration objects
    },
    "isArchived": "bool",
    "notificationSetting": {
      "emailOn": [ "string" ],
      "emails": [ "string" ],
      "webhooks": {
        "{customized property}": {
          "eventType": "string",
          "webhookType": "string"
          // For remaining properties, see Webhook objects
        }
      }
    },
    "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",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string",
      "{customized property}": "string"
    },
    "secretsConfiguration": {
      "{customized property}": {
        "uri": "string",
        "workspaceSecretName": "string"
      },
      "{customized property}": {
        "uri": "string",
        "workspaceSecretName": "string"
      }
    },
    "services": {
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "nodes": {
          "nodesValueType": "string"
          // For remaining properties, see Nodes objects
        },
        "port": "int",
        "properties": {
          "{customized property}": "string"
        }
      },
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "nodes": {
          "nodesValueType": "string"
          // For remaining properties, see Nodes objects
        },
        "port": "int",
        "properties": {
          "{customized property}": "string"
        }
      }
    },
    "tags": {
      "{customized property}": "string",
      "{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",
      "{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 JobBaseProperties objects
  }
}

JobBaseProperties nesneleri

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

Komut için şunu kullanın:

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

Etiketleme için şunu kullanın:

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

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": {},
  "sourceJobId": "string"

Spark için şunu kullanın:

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

Süpür için şunu kullanın:

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

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"

Web kancası nesneleri

Nesne türünü belirtmek için web kancasıType özelliğini ayarlayın.

AzureDevOps için şunu kullanın:

  "webhookType": "AzureDevOps"

Düğüm nesneleri

nesnesinin türünü belirtmek için nodesValueType özelliğini ayarlayın.

Tümü için şunu kullanın:

  "nodesValueType": "All"

JobOutput nesneleri

nesne türünü belirtmek için jobOutputType özelliğini ayarlayın.

custom_model için şunu kullanın:

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

mlflow_model için şunu kullanın:

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

Mltable için şunu kullanın:

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

triton_model için şunu kullanın:

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

uri_file için şunu kullanın:

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

uri_folder için şunu kullanın:

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

AutoMLVertical nesneleri

nesne türünü belirtmek için taskType özelliğini ayarlayın.

Sınıflandırma için şunu kullanın:

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

Tahmin için şunu kullanın:

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

ImageClassification için şunu kullanın:

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

ImageClassificationMultilabel için şunu kullanın:

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

ImageInstanceSegmentation için şunu kullanın:

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

ImageObjectDetection için şunu kullanın:

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

Regresyon için şunu kullanın:

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

TextClassification için şunu kullanın:

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

TextClassificationMultilabel için şunu kullanın:

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

TextNER için şunu kullanın:

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

NCrossValidations nesneleri

nesne türünü belirtmek için mode özelliğini ayarlayın.

Otomatik için şunu kullanın:

  "mode": "Auto"

Özel için şunu kullanın:

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

EarlyTerminationPolicy nesneleri

nesnesinin 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"

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"

DistributionConfiguration nesneleri

nesnesinin türünü belirtmek için distributionType özelliğini ayarlayın.

Mpi için şunu kullanın:

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

PyTorch için şunu kullanın:

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

Ray için şunu kullanın:

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

TensorFlow için şunu kullanın:

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

JobInput nesneleri

nesnesinin türünü belirtmek için jobInputType özelliğini ayarlayın.

custom_model için şunu kullanın:

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

Değişmez değer için şunu kullanın:

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

mlflow_model için şunu kullanın:

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

Mltable için şunu kullanın:

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

triton_model için şunu kullanın:

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

uri_file için şunu kullanın:

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

uri_folder için şunu kullanın:

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

LabelingJobMediaProperties nesneleri

mediaType özelliğini nesnenin türünü belirtmek için ayarlayın.

Görüntü için şunu kullanın:

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

Metin için şunu kullanın:

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

MLAssistConfiguration nesneleri

nesne türünü belirtmek için mlAssist özelliğini ayarlayın.

Devre Dışı için şunu kullanın:

  "mlAssist": "Disabled"

Etkin için şunu kullanın:

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

SparkJobEntry nesneleri

nesne türünü belirtmek için sparkJobEntryType özelliğini ayarlayın.

SparkJobPythonEntry için şunu kullanın:

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

SparkJobScalaEntry için şunu kullanın:

  "sparkJobEntryType": "SparkJobScalaEntry",
  "className": "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",
  "logbase": "string",
  "rule": "string",
  "seed": "int"

Özellik değerleri

çalışma alanları/işler

Ad Açıklama Değer
tür Kaynak türü 'Microsoft.MachineLearningServices/workspaces/jobs'
apiVersion Kaynak API'sinin sürümü '2023-08-01-preview'
name Kaynak adı

Bkz. JSON ARM şablonlarında alt kaynaklar için adları ve türleri ayarlama.		 dize (gerekli)
properties [Gerekli] Varlığın ek öznitelikleri. JobBaseProperties (gerekli)

JobBaseProperties

Ad Açıklama Değer
Componentıd Bileşen kaynağının ARM kaynak kimliği. string
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
notificationSetting İş için bildirim ayarı NotificationSetting
properties Varlık özelliği sözlüğü. ResourceBaseProperties
secretsConfiguration Çalışma zamanı sırasında kullanıma sunulacak gizli diziler için yapılandırma. JobBaseSecretsConfiguration
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
Etiketleme
İşlem Hattı
Spark
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)

NotificationSetting

Ad Açıklama Değer
emailOn Belirtilen bildirim türünde kullanıcıya e-posta bildirimi gönderme Herhangi birini içeren dize dizisi:
'JobCancelled'
'jobcompleted'
'JobFailed'
Emails Bu, virgül ayırıcı ile toplam 499 karakter sınırlaması olan e-posta alıcı listesidir string[]
web kancaları Bir hizmete web kancası geri çağırması gönderme. Anahtar, web kancası için kullanıcı tarafından sağlanan bir addır. NotificationSettingWebhooks

NotificationSettingWebhooks

Ad Açıklama Değer
{özelleştirilmiş özellik} Web Kancası

Web Kancası

Ad Açıklama Değer
eventType Belirtilen bildirim olayında geri çağırma gönderme string
web kancası Türü Nesne türünü ayarlama AzureDevOps (gerekli)

AzureDevOpsWebhook

Ad Açıklama Değer
web kancası Türü [Gerekli] Geri çağırma göndermek için hizmet türünü belirtir 'AzureDevOps' (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
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string

JobBaseSecretsConfiguration

Ad Açıklama Değer
{özelleştirilmiş özellik} SecretConfiguration
{özelleştirilmiş özellik} SecretConfiguration

SecretConfiguration

Ad Açıklama Değer
Urı Gizli Uri.
Örnek Uri: https://myvault.vault.azure.net/secrets/mysecretname/secretversion		 string
workspaceSecretName Çalışma alanı anahtar kasasında gizli dizi adı. string

JobBaseServices

Ad Açıklama Değer
{özelleştirilmiş özellik} JobService
{özelleştirilmiş özellik} JobService

JobService

Ad Açıklama Değer
endpoint Uç nokta url'si. string
jobServiceType Uç nokta türü. string
Düğüm Kullanıcının hizmeti başlatmak istediğiniz düğümler.
Düğümler null olarak ayarlanmadıysa veya ayarlanmadıysa, hizmet yalnızca öncü düğümde başlatılır.		 Düğümler
port Kullanıcı tarafından ayarlanan uç nokta için bağlantı noktası. int
properties Uç noktada ayarlanacağı ek özellikler. JobServiceProperties

Düğümler

Ad Açıklama Değer
nodesValueType Nesne türünü ayarlama Tümü (gerekli)

Tüm Düğümler

Ad Açıklama Değer
nodesValueType [Gerekli] Düğümler değerinin türü 'Tümü' (gerekli)

JobServiceProperties

Ad Açıklama Değer
{özelleştirilmiş özellik} string

AutoML İşi

Ad Açıklama Değer
jobType [Gerekli] İşin türünü belirtir. 'AutoML' (gerekli)
environmentId İş için Ortam belirtiminin ARM kaynak kimliği.
Bu, sağlanması isteğe bağlı bir değerdir, sağlanmazsa, AutoML işi çalıştırırken bunu varsayılan olarak Üretim AutoML seçilmiş ortam sürümüne dönüştürür.		 string
environmentVariables İşe dahil edilen ortam değişkenleri. AutoMLJobEnvironmentVariables
Çıkış İşte kullanılan çıkış veri bağlamalarının eşlemesi. AutoMLJobOutputs
queueSettings İş için kuyruk ayarları QueueSettings
kaynaklar İş için İşlem Kaynağı yapılandırması. JobResourceConfiguration
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 custom_model
mlflow_model
mltable
triton_model
uri_file
uri_folder (gerekli)

CustomModelJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. 'custom_model' (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıkış Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. 'Doğrudan'
'ReadWriteMount'
'Karşıya Yükle'
Urı Çıkış Varlığı URI'si. string

AutoDeleteSetting

Ad Açıklama Değer
Durum Bir varlığın süresinin ne zaman dolduğunu denetleme 'CreatedGreaterThan'
'LastAccessedGreaterThan'
değer Süre sonu koşulu değeri. string

MLFlowModelJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. 'mlflow_model' (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıkış Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. 'Doğrudan'
'ReadWriteMount'
'Karşıya Yükle'
Urı Çıkış Varlığı URI'si. string

MLTableJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. 'mltable' (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıkış Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. 'Doğrudan'
'ReadWriteMount'
'Karşıya Yükle'
Urı Çıkış Varlığı URI'si. string

TritonModelJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. 'triton_model' (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıkış Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. 'Doğrudan'
'ReadWriteMount'
'Karşıya Yükle'
Urı Çıkış Varlığı URI'si. string

UriFileJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. 'uri_file' (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıkış Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. 'Doğrudan'
'ReadWriteMount'
'Karşıya Yükle'
Urı Çıkış Varlığı URI'si. string

UriFolderJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. 'uri_folder' (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıkış Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. 'Doğrudan'
'ReadWriteMount'
'Karşıya Yükle'
Urı Çıkış Varlığı URI'si. string

QueueSettings

Ad Açıklama Değer
jobTier İşlem işi katmanını denetler 'Temel'
'Null'
'Premium'
'Spot'
'Standart'
Öncelik bir işlemdeki işin önceliğini denetler. int

JobResourceConfiguration

Ad Açıklama Değer
dockerArgs Docker çalıştırma komutuna geçirilmeye çalışılacak ek bağımsız değişkenler. Bu, sistem veya bu bölümde önceden ayarlanmış olan parametreleri geçersiz kılar. Bu parametre yalnızca Azure ML işlem türleri için desteklenir. string
instanceCount İşlem hedefi tarafından kullanılan isteğe bağlı örnek veya düğüm sayısı. int
instanceType İşlem hedefi tarafından desteklenen isteğe bağlı VM türü. string
Konum İşin çalışabileceği konumlar. dize[]
maxInstanceCount İşlem hedefi tarafından kullanılacak isteğe bağlı izin verilen en fazla örnek veya düğüm sayısı.
Elastik eğitimle kullanım için, şu anda yalnızca PyTorch dağıtım türü tarafından desteklenmektedir.		 int
properties Ek özellikler çantası. ResourceConfigurationProperties
shmSize Docker kapsayıcısının paylaşılan bellek bloğunun boyutu. Bu, sayının 0'dan büyük olduğu (sayı)(birim) biçiminde ve birim b(bayt), k(kilobayt), m(megabayt) veya g(gigabayt) biçiminde olmalıdır. string

Kısıtlama -ları:
Desen = \d+[bBkKmMgG]

ResourceConfigurationProperties

Ad Açıklama Değer
{özelleştirilmiş özellik}
{özelleştirilmiş özellik}

AutoMLVertical

Ad Açıklama Değer
logVerbosity İşin ayrıntı düzeyini günlüğe kaydetme. 'Kritik'
'Hata Ayıkla'
'Hata'
'Bilgi'
'NotSet'
'Uyarı'
targetColumnName Hedef sütun adı: Bu tahmin değerleri sütunudur.
Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.		 string
trainingData [Gerekli] Eğitim verileri girişi. MLTableJobInput (gerekli)
Tasktype Nesne türünü ayarlama Sınıflandırma
Tahmin etme
ImageClassification
ImageClassificationMultilabel
ImageInstanceSegmentation
ImageObjectDetection
Regresyon
TextClassification
TextClassificationMultilabel
TextNER (gerekli)

MLTableJobInput

Ad Açıklama Değer
açıklama Girişin açıklaması. string
jobInputType [Gerekli] İşin türünü belirtir. 'custom_model'
'değişmez değer'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (gerekli)
mod Giriş Varlığı Teslim Modu. 'Doğrudan'
'İndir'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

Sınıflandırma

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. 'Sınıflandırma' (gerekli)
cvSplitColumnNames CVSplit verileri için kullanılacak sütunlar. string[]
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. TableVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. TableFixedParameters
limitSettings AutoMLjob için yürütme kısıtlamaları. TableVerticalLimitSettings
nCrossValidations Eğitim veri kümesine uygulanacak çapraz doğrulama katlamalarının sayısı
doğrulama veri kümesi sağlanmadığında.		 NCrossValidations
positiveLabel İkili ölçüm hesaplaması için pozitif etiket. string
primaryMetric Görevin birincil ölçümü. 'AUCWeighted'
'Doğruluk'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Farklı model birleşimlerini ve hiper parametreleri örneklemek için arama alanı. TableParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. TableSweepSettings
Testdata Veri girişini test edin. MLTableJobInput
testDataSize Doğrulama amacıyla bir kenara ayarlanması gereken test veri kümesinin kesri.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.		 int
trainingSettings AutoML İşi için eğitim aşamasına yönelik girişler. ClassificationTrainingSettings
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.		 int
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

TableVerticalFeaturizationSettings

Ad Açıklama Değer
blockedTransformers Bu transformatörler özellik kazandırmada kullanılmamalıdır. Herhangi birini içeren dize dizisi:
'CatTargetEncoder'
'CountVectorizer'
'HashOneHotEncoder'
'LabelEncoder'
'NaiveBayes'
'OneHotEncoder'
'TextTargetEncoder'
'TfIdf'
'WoETargetEncoder'
'WordEmbedding'
columnNameAndTypes Sütun adı ve türü sözlüğü (int, float, string, datetime vb.). TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage Veri kümesi dili; metin verileri için kullanışlıdır. string
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.

TableFixedParameters

Ad Açıklama Değer
Güçlendir -ici XGBoost için gbdt gibi artırma türünü belirtin. string
boostingType LightGBM için gbdt gibi artırma türünü belirtin. string
growPolicy Yeni düğümlerin ağaca nasıl ekleneceğini denetleyen büyüme ilkesini belirtin. string
learningRate Eğitim yordamının öğrenme oranı. int
maxBin Sürekli özellikler demetine eklenecek ayrık bölme sayısı üst sınırını belirtin. int
maxDepth Ağaç derinliğini açıkça sınırlamak için maksimum derinliği belirtin. int
maxLeaves Ağaç yapraklarını açıkça sınırlamak için en büyük yaprakları belirtin. int
minDataInLeaf Yaprak başına en az veri sayısı. int
minSplitGain Ağacın yaprak düğümünde daha fazla bölüm oluşturmak için gereken minimum kayıp azaltma. int
Modelname Eğitecek modelin adı. string
nEstimators Modeldeki ağaç (veya yuvarlama) sayısını belirtin. int
numLeaves Yaprak sayısını belirtin. int
preprocessorName Kullanılacak ön işlemcinin adı. string
regAlpha Ağırlıklar üzerinde L1 düzenlileştirme terimi. int
regLambda Ağırlıklar üzerinde L2 düzenlileştirme terimi. int
alt örnek Eğitim örneğinin alt örnek oranı. int
subsampleFreq Alt örnek sıklığı. int
treeMethod Ağaç yöntemini belirtin. string
WithMean True ise, StandardScalar ile verileri ölçeklendirmeden önce ortala. bool
withStd Doğruysa, StandardScalar ile Birim Varyansı ile verileri ölçeklendirme. bool

TableVerticalLimitSettings

Ad Açıklama Değer
enableEarlyTermination Erken sonlandırmayı etkinleştir, AutoMLjob'un son 20 yinelemede puan iyileştirmesi yoksa erken sonlandırılıp sonlandırılmayacağını belirler. bool
exitScore AutoML işinin çıkış puanı. int
maxConcurrentTrials En Fazla Eşzamanlı yineleme. int
maxCoresPerTrial Yineleme başına maksimum çekirdek. int
maxNodes Deneme için kullanılacak en fazla düğüm sayısı. int
maxTrials Yineleme sayısı. int
sweepConcurrentTrials Kullanıcının tetiklemek istediği eşzamanlı süpürme çalıştırmalarının sayısı. int
sweepTrials Kullanıcının tetiklemek istediği süpürme çalıştırmalarının sayısı. int
timeout AutoML işi zaman aşımı. string
trialTimeout Yineleme zaman aşımı. string

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)

TableParameterSubspace

Ad Açıklama Değer
Güçlendir -ici XGBoost için gbdt gibi artırma türünü belirtin. string
boostingType Artırma türünü belirtin; örneğin LightGBM için gbdt. string
growPolicy Yeni düğümlerin ağaca nasıl ekleneceğini denetleyen büyüme ilkesini belirtin. string
öğrenme Hızı Eğitim yordamının öğrenme oranı. string
maxBin Sürekli özellikler demetine eklenecek ayrık bölme sayısı üst sınırını belirtin. string
maxDepth Ağaç derinliğini açıkça sınırlamak için maksimum derinliği belirtin. string
maxLeaves Ağaç yapraklarını açıkça sınırlamak için en büyük yaprakları belirtin. string
minDataInLeaf Yaprak başına en az veri sayısı. string
minSplitGain Ağacın yaprak düğümünde daha fazla bölüm oluşturmak için gereken minimum kayıp azaltma. string
Modelname Eğitecek modelin adı. string
nEstimators Modeldeki ağaç (veya yuvarlama) sayısını belirtin. string
numLeaves Yaprak sayısını belirtin. string
preprocessorName Kullanılacak ön işlemcinin adı. string
regAlpha Ağırlıklar üzerinde L1 düzenlileştirme terimi. string
regLambda Ağırlıklar üzerinde L2 düzenlileştirme terimi. string
alt örnek Eğitim örneğinin alt örnek oranı. string
subsampleFreq Alt örnek sıklığı string
treeMethod Ağaç yöntemini belirtin. string
WithMean True ise, StandardScalar ile verileri ölçeklendirmeden önce ortala. string
withStd Doğruysa, StandardScalar ile Birim Varyansı ile verileri ölçeklendirme. string

TableSweepSettings

Ad Açıklama Değer
earlyTermination Süpürme işi için erken sonlandırma ilkesinin türü. EarlyTerminationPolicy
samplingAlgorithm [Gerekli] Örnekleme algoritmasının 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

ClassificationTrainingSettings

Ad Açıklama Değer
allowedTrainingAlgorithms Sınıflandırma görevi için izin verilen modeller. Herhangi birini içeren dize dizisi:
'BernoulliNaiveBayes'
'DecisionTree'
'ExtremeRandomTrees'
'GradyanBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
blockedTrainingAlgorithms Sınıflandırma görevi için engellenen modeller. Herhangi birini içeren dize dizisi:
'BernoulliNaiveBayes'
'DecisionTree'
'ExtremeRandomTrees'
'GradyanBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'MultinomialNaiveBayes'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
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 grup ayarları. StackEnsembleSettings
trainingMode TrainingMode modu - 'otomatik' ayarı şimdilik 'dağıtılmayan' olarak ayarlamakla aynıdır, ancak gelecekte karma mod veya buluşsal mod seçimine neden olabilir. Varsayılan değer 'otomatik'tir.
'Dağıtılmış' ise yalnızca dağıtılmış özellik kazandırma kullanılır ve dağıtılmış algoritmalar seçilir.
'Dağıtılmayan' ise yalnızca dağıtılmış olmayan algoritmalar seçilir.
 'Otomatik'
'Dağıtılmış'
'Dağıtılmayan'

StackEnsembleSettings

Ad Açıklama Değer
stackMetaLearnerKWargs Meta öğrenicinin başlatıcısına geçirmek için isteğe bağlı parametreler.
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)
cvSplitColumnNames CVSplit verileri için kullanılacak sütunlar. string[]
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. TableVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. TableFixedParameters
tahminayarlar Göreve özgü girişleri tahmin etme. TahminAyarlar
limitSettings AutoMLjob için yürütme kısıtlamaları. TableVerticalLimitSettings
nCrossValidations Eğitim veri kümesine uygulanacak çapraz doğrulama katlamalarının sayısı
doğrulama veri kümesi sağlanmadığında.		 NCrossValidations
primaryMetric Tahmin görevi için birincil ölçüm. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
searchSpace Farklı model birleşimlerini ve hiper parametreleri örneklemek için arama alanı. TableParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. TableSweepSettings
Testdata Veri girişini test edin. MLTableJobInput
testDataSize Doğrulama amacıyla kenara ayarlanması gereken test veri kümesinin kesri.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.		 int
trainingSettings AutoML İşi için eğitim aşamasına yönelik girişler. ForecastingTrainingSettings
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla ayırması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.		 int
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

TahminAyarlar

Ad Açıklama Değer
countryOrRegionForHolidays Tahmin görevleri için tatiller için ülke veya bölge.
Bunlar ISO 3166 iki harfli ülke/bölge kodları olmalıdır, örneğin 'ABD' veya 'GB'.		 string
cvStepSize Bir CV katlama ile bir sonraki katlamanın çıkış zamanı arasındaki dönem sayısı. İçin
örneğin, günlük veriler için = 3 ise CVStepSize , her katlamanın kaynak süresi
üç gün arayla.		 int
featureLags 'auto' veya null ile sayısal özellikler için gecikmeler oluşturmaya yönelik bayrak. 'Otomatik'
'Yok'
featuresUnknownAtForecastTime Eğitim için kullanılabilen ancak tahmin/çıkarım sırasında bilinmeyen özellik sütunları.
features_unknown_at_forecast_time ayarlanmadıysa, veri kümesindeki tüm özellik sütunlarının çıkarım zamanında bilindiği varsayılır.		 string[]
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' 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)

ForecastingTrainingSettings

Ad Açıklama Değer
allowedTrainingAlgorithms 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'
blockedTrainingAlgorithms 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'
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 grup ayarları. StackEnsembleSettings
trainingMode TrainingMode modu - 'otomatik' ayarı şimdilik 'dağıtılmayan' olarak ayarlamakla aynıdır, ancak gelecekte karma mod veya buluşsal mod seçimine neden olabilir. Varsayılan değer 'otomatik'tir.
'Dağıtılmış' ise yalnızca dağıtılmış özellik kazandırma kullanılır ve dağıtılmış algoritmalar seçilir.
'Dağıtılmayan' ise yalnızca dağıtılmış olmayan algoritmalar seçilir.
 'Otomatik'
'Dağıtılmış'
'Dağıtılmayan'

ImageClassification

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. 'ImageClassification' (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
validationData Doğrulama verisi girişleri. 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
checkpointFrequency Model denetim noktalarını depolama sıklığı. Pozitif bir tamsayı olmalıdır. int
checkpointModel Artımlı eğitim için önceden eğitilmiş denetim noktası modeli. MLFlowModelJobInput
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
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 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

MLFlowModelJobInput

Ad Açıklama Değer
açıklama Girişin açıklaması. string
jobInputType [Gerekli] İşin türünü belirtir. 'custom_model'
'değişmez değer'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder' (gerekli)
mod Giriş Varlığı Teslim Modu. 'Doğrudan'
'İndir'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

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
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
samplingAlgorithm [Gerekli] Hiper parametre örnekleme algoritmalarının türü. 'Bayes dili'
'Kılavuz'
'Rastgele' (gerekli)

ImageClassificationMultilabel

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. 'ImageClassificationMultilabel' (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
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla ayırması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.
 int

ImageInstanceSegmentation

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. 'ImageInstanceSegmentation' (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
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla ayırması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.
 int

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
checkpointFrequency Model denetim noktalarını depolama sıklığı. Pozitif bir tamsayı olmalıdır. int
checkpointModel Artımlı eğitim için önceden eğitilmiş denetim noktası modeli. MLFlowModelJobInput
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
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.		 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'
logTrainingMetrics Bilgi işlem ve günlüğe kaydetme eğitim ölçümlerini etkinleştirin. 'Devre Dışı Bırak'
'Etkinleştir'
logValidationLoss Bilgi işlem ve günlük doğrulama kaybını etkinleştirin. 'Devre Dışı Bırak'
'Etkinleştir'
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.		 int
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.		 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 alınabilir.
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 alınabilir.
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
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
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 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

ImageModelDistributionSettingsObjectDetection

Ad Açıklama Değer
amsGradient İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin. string
Augmentations Artırmaları 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
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)
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
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.
 int

Regresyon

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. 'Regresyon' (gerekli)
cvSplitColumnNames CVSplit verileri için kullanılacak sütunlar. dize[]
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. TableVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. TableFixedParameters
limitSettings AutoMLjob için yürütme kısıtlamaları. TableVerticalLimitSettings
nCrossValidations Eğitim veri kümesine uygulanacak çapraz doğrulama katlamalarının sayısı
doğrulama veri kümesi sağlanmadığında.		 NCrossValidations
primaryMetric Regresyon görevi için birincil ölçüm. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'SpearmanCorrelation'
searchSpace Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı. TableParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. TableSweepSettings
Testdata Veri girişini 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
trainingSettings AutoML İşi için eğitim aşamasına yönelik girişler. RegresyonTrainingSettings
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.		 int
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

RegresyonTrainingSettings

Ad Açıklama Değer
allowedTrainingAlgorithms Regresyon görevi için izin verilen modeller. Herhangi birini içeren dize dizisi:
'DecisionTree'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'Kementler'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
blockedTrainingAlgorithms Regresyon görevi için engellenen modeller. Herhangi birini içeren dize dizisi:
'DecisionTree'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'Kementler'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
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
trainingMode TrainingMode modu - 'otomatik' olarak ayarlamak şimdilik 'dağıtılmayan' olarak ayarlamakla aynıdır, ancak gelecekte karma mod veya buluşsal mod seçimine neden olabilir. Varsayılan değer 'otomatik'tir.
'Dağıtılmış' ise yalnızca dağıtılmış özellik kazandırma kullanılır ve dağıtılmış algoritmalar seçilir.
'Dağıtılmayan' ise yalnızca dağıtılmış olmayan algoritmalar seçilir.
 'Otomatik'
'Dağıtılmış'
'Dağıtılmayan'

TextClassification

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. 'TextClassification' (gerekli)
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. NlpVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. NlpFixedParameters
limitSettings AutoMLjob için yürütme kısıtlamaları. NlpVerticalLimitSettings
primaryMetric Text-Classification görevi için birincil ölçüm. 'AUCWeighted'
'Doğruluk'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı. NlpParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. NlpSweepSettings
validationData Doğrulama verisi girişleri. MLTableJobInput

NlpVerticalFeaturizationSettings

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

NlpFixedParameters

Ad Açıklama Değer
gradientAccumulationSteps Geriye doğru geçiş çalıştırmadan önce gradyanları üzerinde biriktirme adımlarının sayısı. int
learningRate Eğitim yordamının öğrenme oranı. int
learningRateScheduler Eğitim yordamı sırasında kullanılacak öğrenme oranı zamanlamasının türü. 'Sabit'
'ConstantWithWarmup'
'Kosinüs'
'CosineWithRestarts'
'Doğrusal'
'Yok'
'Polinom'
Modelname Eğitecek modelin adı. string
numberOfEpochs Eğitim dönemlerinin sayısı. int
trainingBatchSize Eğitim yordamının toplu iş boyutu. int
validationBatchSize Değerlendirme sırasında kullanılacak toplu iş boyutu. int
warmupRatio LrSchedulerType ile birlikte kullanılan ısınma oranı. int
weightDecay Eğitim prosedürü için ağırlık bozulması. int

NlpVerticalLimitSettings

Ad Açıklama Değer
maxConcurrentTrials En fazla Eşzamanlı AutoML yinelemesi. int
maxNodes Deneme için kullanılacak en fazla düğüm sayısı. int
maxTrials AutoML yinelemelerinin sayısı. int
timeout AutoML işi zaman aşımı. string
trialTimeout Tek tek HD denemeleri için zaman aşımı. string

NlpParameterSubspace

Ad Açıklama Değer
gradientAccumulationSteps Geriye doğru geçiş çalıştırmadan önce gradyanları üzerinde biriktirme adımlarının sayısı. string
learningRate Eğitim yordamının öğrenme oranı. string
learningRateScheduler Eğitim yordamı sırasında kullanılacak öğrenme oranı zamanlamasının türü. string
Modelname Eğitecek modelin adı. string
numberOfEpochs Eğitim dönemlerinin sayısı. string
trainingBatchSize Eğitim yordamının toplu iş boyutu. string
validationBatchSize Değerlendirme sırasında kullanılacak toplu iş boyutu. string
warmupRatio LrSchedulerType ile birlikte kullanılan ısınma oranı. string
weightDecay Eğitim prosedürü için ağırlık bozulması. string

NlpSweepSettings

Ad Açıklama Değer
earlyTermination Süpürme işi için erken sonlandırma ilkesinin türü. EarlyTerminationPolicy
samplingAlgorithm [Gerekli] Örnekleme algoritmasının türü. 'Bayes dili'
'Kılavuz'
'Rastgele' (gerekli)

TextClassificationMultilabel

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. 'TextClassificationMultilabel' (gerekli)
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. NlpVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. NlpFixedParameters
limitSettings AutoMLjob için yürütme kısıtlamaları. NlpVerticalLimitSettings
searchSpace Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı. NlpParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. NlpSweepSettings
validationData Doğrulama verisi girişleri. MLTableJobInput

TextNer

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. 'TextNER' (gerekli)
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. NlpVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. NlpFixedParameters
limitSettings AutoMLjob için yürütme kısıtlamaları. NlpVerticalLimitSettings
searchSpace Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı. NlpParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. NlpSweepSettings
validationData Doğrulama verisi girişleri. MLTableJobInput

CommandJob

Ad Açıklama Değer
jobType [Gerekli] İşin türünü belirtir. 'Command' (gerekli)
autologgerSettings İşin dağıtım yapılandırması. Ayarlanırsa, bu Mpi, Tensorflow, PyTorch veya null değerlerinden biri olmalıdır. AutologgerSettings
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, Ray veya null değerlerinden biri olmalıdır. DistributionConfiguration
environmentId [Gerekli] İş için Ortam belirtiminin ARM kaynak kimliği. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
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
queueSettings İş için kuyruk ayarları QueueSettings
kaynaklar İş için İşlem Kaynağı yapılandırması. JobResourceConfiguration

AutologgerSettings

Ad Açıklama Değer
mlflowAutologger [Gerekli] Mlflow autologger'ın etkinleştirilip etkinleştirilmediğini gösterir. 'Devre Dışı'
'Enabled' (gerekli)

DistributionConfiguration

Ad Açıklama Değer
distributionType Nesne türünü ayarlama Mpı
PyTorch
Ray
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

Ray

Ad Açıklama Değer
distributionType [Gerekli] Dağıtım çerçevesinin türünü belirtir. 'Ray' (gerekli)
adres Ray head düğümünün adresi. string
dashboardPort Pano sunucusunu bağlamak için bağlantı noktası. int
headNodeAdditionalArgs Baş düğümde ray start'a geçirilen ek bağımsız değişkenler. string
includeDashboard Ray panosu GUI'sini başlatmak için bu bağımsız değişkeni sağlayın. bool
port Baş ışın işleminin bağlantı noktası. int
workerNodeAdditionalArgs Çalışan düğümünde ray start'a geçirilen ek bağımsız değişkenler. string

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 custom_model
Literal
mlflow_model
mltable
triton_model
uri_file
uri_folder (gerekli)

CustomModelJobInput

Ad Açıklama Değer
jobInputType [Gerekli] İşin türünü belirtir. 'custom_model' (gerekli)
mod Giriş Varlığı Teslim Modu. 'Doğrudan'
'İndir'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
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:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

TritonModelJobInput

Ad Açıklama Değer
jobInputType [Gerekli] İşin türünü belirtir. 'triton_model' (gerekli)
mod Giriş Varlığı Teslim Modu. 'Doğrudan'
'İndir'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

UriFileJobInput

Ad Açıklama Değer
jobInputType [Gerekli] İşin türünü belirtir. 'uri_file' (gerekli)
mod Giriş Varlığı Teslim Modu. 'Doğrudan'
'İndir'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

UriFolderJobInput

Ad Açıklama Değer
jobInputType [Gerekli] İşin türünü belirtir. 'uri_folder' (gerekli)
mod Giriş Varlığı Teslim Modu. 'Doğrudan'
'İndir'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
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

LabelingJobProperties

Ad Açıklama Değer
Componentıd Bileşen kaynağının ARM kaynak kimliği. string
computeId İşlem kaynağının ARM kaynak kimliği. string
dataConfiguration İşte kullanılan verilerin yapılandırması. LabelingDataConfiguration
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
jobInstructions İşin etiketleme yönergeleri. LabelingJobInstructions
jobType [Gerekli] İşin türünü belirtir. 'AutoML'
'Komut'
'Etiketleme'
'İşlem Hattı'
'Spark'
'Süpür' (gerekli)
labelCategories İşin kategorilerini etiketleyin. LabelingJobLabelCategories
labelingJobMediaProperties İşteki belirli özelliklerin medya türü. LabelingJobMediaProperties
mlAssistConfiguration İşteki MLAssist özelliğinin yapılandırması. MLAssistConfiguration
notificationSetting İş için bildirim ayarı NotificationSetting
properties Varlık özelliği sözlüğü. ResourceBaseProperties
secretsConfiguration Çalışma zamanı sırasında kullanılabilir hale getirilecek gizli diziler için yapılandırma. JobBaseSecretsConfiguration
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

LabelingDataConfiguration

Ad Açıklama Değer
dataId Etiketleme gerçekleştirilecek veri varlığının kaynak kimliği. string
incrementalDataRefresh Artımlı veri yenilemenin etkinleştirilip etkinleştirilmeydiğini gösterir. 'Devre Dışı'
'Etkin'

LabelingJobInstructions

Ad Açıklama Değer
Urı Etiketleyiciler için ayrıntılı etiketleme yönergeleri içeren bir sayfanın bağlantısı. string

LabelingJobLabelCategories

Ad Açıklama Değer
{özelleştirilmiş özellik} LabelCategory
{özelleştirilmiş özellik} LabelCategory

LabelCategory

Ad Açıklama Değer
Sınıf Bu kategorideki etiket sınıflarının sözlüğü. LabelCategoryClasses
displayName Etiket kategorisinin görünen adı. string
Multiselect Bu kategoride birden çok sınıf seçmesine izin verilip verilmeyeceğini gösterir. 'Devre Dışı'
'Etkin'

LabelCategoryClasses

Ad Açıklama Değer
{özelleştirilmiş özellik} LabelClass

LabelClass

Ad Açıklama Değer
displayName Etiket sınıfının görünen adı. string
Alt Etiket sınıfının alt sınıflarının sözlüğü. LabelClassSubclasses

LabelClassSubclasses

Ad Açıklama Değer
{özelleştirilmiş özellik} LabelClass

LabelingJobMediaProperties

Ad Açıklama Değer
Mediatype Nesne türünü ayarlama Görüntü
Metin (gerekli)

LabelingJobImageProperties

Ad Açıklama Değer
Mediatype [Gerekli] İşin medya türü. 'Image' (gerekli)
annotationType Resim etiketleme işinin ek açıklama türü. 'Sınırlayıcı Kutusu'
'Sınıflandırma'
'InstanceSegmentation'

LabelingJobTextProperties

Ad Açıklama Değer
Mediatype [Gerekli] İşin medya türü. 'Text' (gerekli)
annotationType Metin etiketleme işinin ek açıklama türü. 'Sınıflandırma'
'NamedEntityRecognition'

MLAssistConfiguration

Ad Açıklama Değer
mlAssist Nesne türünü ayarlama Devre dışı
Etkin (gerekli)

MLAssistConfigurationDisabled

Ad Açıklama Değer
mlAssist [Gerekli] MLAssist özelliğinin etkinleştirilip etkinleştirilmediğini gösterir. 'Disabled' (gerekli)

MLAssistConfigurationEnabled

Ad Açıklama Değer
mlAssist [Gerekli] MLAssist özelliğinin etkinleştirilip etkinleştirilmediğini gösterir. 'Etkin' (gerekli)
inferencingComputeBinding [Gerekli] Çıkarımda kullanılan AML işlem bağlaması. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]
trainingComputeBinding [Gerekli] Eğitimde kullanılan AML işlem bağlaması. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

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.
sourceJobId Kaynak işin ARM kaynak kimliği. string

PipelineJobInputs

Ad Açıklama Değer
{özelleştirilmiş özellik} JobInput

PipelineJobJobs

Ad Açıklama Değer
{özelleştirilmiş özellik}

PipelineJobOutputs

Ad Açıklama Değer
{özelleştirilmiş özellik} JobOutput

SparkJob

Ad Açıklama Değer
jobType [Gerekli] İşin türünü belirtir. 'Spark' (gerekli)
Arşiv İşte kullanılan dosyaları arşivleyin. string[]
args İşin bağımsız değişkenleri. string
codeId [Gerekli] Kod varlığının ARM kaynak kimliği. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]
conf Spark yapılandırılmış özellikleri. SparkJobConf
giriş [Gerekli] İşin başlangıcında yürütülecek giriş. SparkJobEntry (gerekli)
environmentId İşin Ortam belirtiminin ARM kaynak kimliği. string
environmentVariables İşe dahil edilen ortam değişkenleri. SparkJobEnvironmentVariables
files İşte kullanılan dosyalar. string[]
Giriş İşte kullanılan giriş veri bağlamalarının eşlemesi. SparkJobInputs
Kavanoz İşte kullanılan jar dosyaları. string[]
Çıkış İşte kullanılan çıkış veri bağlamalarının eşlemesi. SparkJobOutputs
pyFiles İşte kullanılan Python dosyaları. string[]
queueSettings İş için kuyruk ayarları QueueSettings
kaynaklar İş için İşlem Kaynağı yapılandırması. SparkResourceConfiguration

SparkJobConf

Ad Açıklama Değer
{özelleştirilmiş özellik} string

SparkJobEntry

Ad Açıklama Değer
sparkJobEntryType Nesne türünü ayarlama SparkJobPythonEntry
SparkJobScalaEntry (gerekli)

SparkJobPythonEntry

Ad Açıklama Değer
sparkJobEntryType [Gerekli] İşin giriş noktasının türü. 'SparkJobPythonEntry' (gerekli)
dosyası [Gerekli] İş giriş noktası için göreli Python dosya yolu. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

SparkJobScalaEntry

Ad Açıklama Değer
sparkJobEntryType [Gerekli] İşin giriş noktasının türü. 'SparkJobScalaEntry' (gerekli)
Classname [Gerekli] Giriş noktası olarak kullanılan Scala sınıf adı. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

SparkJobEnvironmentVariables

Ad Açıklama Değer
{özelleştirilmiş özellik} string

SparkJobInputs

Ad Açıklama Değer
{özelleştirilmiş özellik} JobInput

SparkJobOutputs

Ad Açıklama Değer
{özelleştirilmiş özellik} JobOutput

SparkResourceConfiguration

Ad Açıklama Değer
instanceType İşlem hedefi tarafından desteklendiği şekilde kullanılan isteğe bağlı VM türü. string
runtimeVersion İş için kullanılan Spark çalışma zamanı sürümü. string

Süpürme İşi

Ad Açıklama Değer
jobType [Gerekli] İşin türünü belirtir. 'Süpür' (gerekli)
componentConfiguration Bileşen üzerinde süpürme için Bileşen Yapılandırması ComponentConfiguration
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
queueSettings İş için kuyruk ayarları QueueSettings
kaynaklar İş için İşlem Kaynağı yapılandırması. JobResourceConfiguration
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)

ComponentConfiguration

Ad Açıklama Değer
pipelineSettings ContinueRunOnStepFailure gibi öğeler için işlem hattı ayarları.

SweepJobInputs

Ad Açıklama Değer
{özelleştirilmiş özellik} JobInput

SweepJobLimits

Ad Açıklama Değer
jobLimitsType [Gerekli] JobLimit türü. 'Komut'
'Süpür' (gerekli)
maxConcurrentTrials Süpürme İşi maksimum eş zamanlı deneme sayısı. int
maxTotalTrials Süpürme İşi maksimum toplam deneme sayısı. int
timeout ISO 8601 biçimindeki maksimum çalışma süresi, 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:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

SweepJobOutputs

Ad Açıklama Değer
{özelleştirilmiş özellik} JobOutput

ÖrneklemeAlgorithm

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 'Grid' (gerekli)

RandomSamplingAlgorithm

Ad Açıklama Değer
samplingAlgorithmType [Gerekli] Yapılandırma özellikleriyle birlikte hiper parametre değerleri oluşturmak için kullanılan algoritma 'Rastgele' (gerekli)
logbase Günlük tabanlı rastgele örnekleme için temel olarak kullanılacak isteğe bağlı pozitif sayı veya dize biçiminde e string
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:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]
environmentVariables İşe dahil edilen ortam değişkenleri. TrialComponentEnvironmentVariables
kaynaklar İş için İşlem Kaynağı yapılandırması. JobResourceConfiguration

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

Azure’a dağıtın		 Bu şablon, bir müşterinin bir finans kurumunda 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

Azure’a dağıtın		 Bu şablon, temel bir hello_world betiğiyle bir Azure Machine Learning Komut işi oluşturur
Azure Machine Learning Süpürme işi oluşturma

Azure’a dağıtın		 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@2023-08-01-preview"
  name = "string"
  parent_id = "string"
  body = jsonencode({
    properties = {
      componentId = "string"
      computeId = "string"
      description = "string"
      displayName = "string"
      experimentName = "string"
      identity = {
        identityType = "string"
        // For remaining properties, see IdentityConfiguration objects
      }
      isArchived = bool
      notificationSetting = {
        emailOn = [
          "string"
        ]
        emails = [
          "string"
        ]
        webhooks = {
          {customized property} = {
            eventType = "string"
            webhookType = "string"
            // For remaining properties, see Webhook objects
          }
        }
      }
      properties = {
        {customized property} = "string"
        {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"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
        {customized property} = "string"
      }
      secretsConfiguration = {
        {customized property} = {
          uri = "string"
          workspaceSecretName = "string"
        }
        {customized property} = {
          uri = "string"
          workspaceSecretName = "string"
        }
      }
      services = {
        {customized property} = {
          endpoint = "string"
          jobServiceType = "string"
          nodes = {
            nodesValueType = "string"
            // For remaining properties, see Nodes objects
          }
          port = int
          properties = {
            {customized property} = "string"
          }
        }
        {customized property} = {
          endpoint = "string"
          jobServiceType = "string"
          nodes = {
            nodesValueType = "string"
            // For remaining properties, see Nodes objects
          }
          port = int
          properties = {
            {customized property} = "string"
          }
        }
      }
      tags = {
        {customized property} = "string"
        {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"
        {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 JobBaseProperties objects
    }
  })
}

JobBaseProperties nesneleri

nesnesinin 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
    }
  }
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    locations = [
      "string"
    ]
    maxInstanceCount = int
    properties = {}
    shmSize = "string"
  }
  taskDetails = {
    logVerbosity = "string"
    targetColumnName = "string"
    trainingData = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    taskType = "string"
    // For remaining properties, see AutoMLVertical objects
  }

Komut için şunu kullanın:

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

Etiketleme için şunu kullanın:

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

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
    }
  }
  sourceJobId = "string"

Spark için şunu kullanın:

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

Süpür için şunu kullanın:

  jobType = "Sweep"
  componentConfiguration = {}
  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
    }
  }
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    locations = [
      "string"
    ]
    maxInstanceCount = int
    properties = {}
    shmSize = "string"
  }
  samplingAlgorithm = {
    samplingAlgorithmType = "string"
    // For remaining properties, see SamplingAlgorithm objects
  }
  trial = {
    codeId = "string"
    command = "string"
    distribution = {
      distributionType = "string"
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId = "string"
    environmentVariables = {
      {customized property} = "string"
    }
    resources = {
      dockerArgs = "string"
      instanceCount = int
      instanceType = "string"
      locations = [
        "string"
      ]
      maxInstanceCount = int
      properties = {}
      shmSize = "string"
    }
  }

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"

Web kancası nesneleri

Nesne türünü belirtmek için web kancasıType özelliğini ayarlayın.

AzureDevOps için şunu kullanın:

  webhookType = "AzureDevOps"

Düğüm nesneleri

nesnesinin türünü belirtmek için nodesValueType özelliğini ayarlayın.

Tümü için şunu kullanın:

  nodesValueType = "All"

JobOutput nesneleri

nesne türünü belirtmek için jobOutputType özelliğini ayarlayın.

custom_model için şunu kullanın:

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

mlflow_model için şunu kullanın:

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

Mltable için şunu kullanın:

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

triton_model için şunu kullanın:

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

uri_file için şunu kullanın:

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

uri_folder için şunu kullanın:

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

AutoMLVertical nesneleri

nesne türünü belirtmek için taskType özelliğini ayarlayın.

Sınıflandırma için şunu kullanın:

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

Tahmin için şunu kullanın:

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

ImageClassification için şunu kullanın:

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

ImageClassificationMultilabel için şunu kullanın:

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

ImageInstanceSegmentation için şunu kullanın:

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

ImageObjectDetection için şunu kullanın:

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

Regresyon için şunu kullanın:

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

TextClassification için şunu kullanın:

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

TextClassificationMultilabel için şunu kullanın:

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

TextNER için şunu kullanın:

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

NCrossValidations nesneleri

nesne türünü belirtmek için mode özelliğini ayarlayın.

Otomatik için şunu kullanın:

  mode = "Auto"

Özel için şunu kullanın:

  mode = "Custom"
  value = int

EarlyTerminationPolicy nesneleri

nesnesinin 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

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

DistributionConfiguration nesneleri

nesnesinin türünü belirtmek için distributionType özelliğini ayarlayın.

Mpi için şunu kullanın:

  distributionType = "Mpi"
  processCountPerInstance = int

PyTorch için şunu kullanın:

  distributionType = "PyTorch"
  processCountPerInstance = int

Ray için şunu kullanın:

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

TensorFlow için şunu kullanın:

  distributionType = "TensorFlow"
  parameterServerCount = int
  workerCount = int

JobInput nesneleri

nesnesinin türünü belirtmek için jobInputType özelliğini ayarlayın.

custom_model için şunu kullanın:

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

Değişmez değer için şunu kullanın:

  jobInputType = "literal"
  value = "string"

mlflow_model için şunu kullanın:

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

Mltable için şunu kullanın:

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

triton_model için şunu kullanın:

  jobInputType = "triton_model"
  mode = "string"
  uri = "string"

uri_file için şunu kullanın:

  jobInputType = "uri_file"
  mode = "string"
  uri = "string"

uri_folder için şunu kullanın:

  jobInputType = "uri_folder"
  mode = "string"
  uri = "string"

LabelingJobMediaProperties nesneleri

mediaType özelliğini nesnenin türünü belirtmek için ayarlayın.

Görüntü için şunu kullanın:

  mediaType = "Image"
  annotationType = "string"

Metin için şunu kullanın:

  mediaType = "Text"
  annotationType = "string"

MLAssistConfiguration nesneleri

nesne türünü belirtmek için mlAssist özelliğini ayarlayın.

Devre Dışı için şunu kullanın:

  mlAssist = "Disabled"

Etkin için şunu kullanın:

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

SparkJobEntry nesneleri

nesne türünü belirtmek için sparkJobEntryType özelliğini ayarlayın.

SparkJobPythonEntry için şunu kullanın:

  sparkJobEntryType = "SparkJobPythonEntry"
  file = "string"

SparkJobScalaEntry için şunu kullanın:

  sparkJobEntryType = "SparkJobScalaEntry"
  className = "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"
  logbase = "string"
  rule = "string"
  seed = int

Özellik değerleri

çalışma alanları/işler

Ad Açıklama Değer
tür Kaynak türü "Microsoft.MachineLearningServices/workspaces/jobs@2023-08-01-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. JobBaseProperties (gerekli)

JobBaseProperties

Ad Açıklama Değer
Componentıd Bileşen kaynağının ARM kaynak kimliği. string
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
notificationSetting İş için bildirim ayarı NotificationSetting
properties Varlık özelliği sözlüğü. ResourceBaseProperties
secretsConfiguration Çalışma zamanı sırasında kullanılabilir hale getirilecek gizli diziler için yapılandırma. JobBaseSecretsConfiguration
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
Etiketleme
İşlem Hattı
Spark
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)

NotificationSetting

Ad Açıklama Değer
emailOn Belirtilen bildirim türünde kullanıcıya e-posta bildirimi gönder Herhangi birini içeren dize dizisi:
"JobCancelled"
"jobcompleted"
"JobFailed"
Emails Bu, virgül ayırıcı ile toplam 499 karakterlik bir sınırlamaya sahip olan e-posta alıcısı listesidir string[]
web kancaları Bir hizmete web kancası geri çağırması gönderme. Anahtar, web kancası için kullanıcı tarafından sağlanan bir addır. NotificationSettingWebhooks

NotificationSettingWebhooks

Ad Açıklama Değer
{özelleştirilmiş özellik} Web Kancası

Web Kancası

Ad Açıklama Değer
eventType Belirtilen bildirim olayında geri çağırma gönderme string
web kancası Türü Nesne türünü ayarlama AzureDevOps (gerekli)

AzureDevOpsWebhook

Ad Açıklama Değer
web kancası Türü [Gerekli] Geri çağırma göndermek için hizmet türünü belirtir "AzureDevOps" (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
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string
{özelleştirilmiş özellik} string

JobBaseSecretsConfiguration

Ad Açıklama Değer
{özelleştirilmiş özellik} SecretConfiguration
{özelleştirilmiş özellik} SecretConfiguration

SecretConfiguration

Ad Açıklama Değer
Urı Gizli Uri.
Örnek Uri: https://myvault.vault.azure.net/secrets/mysecretname/secretversion		 string
workspaceSecretName Çalışma alanı anahtar kasasında gizli dizi adı. string

JobBaseServices

Ad Açıklama Değer
{özelleştirilmiş özellik} JobService
{özelleştirilmiş özellik} JobService

JobService

Ad Açıklama Değer
endpoint Uç nokta url'si. string
jobServiceType Uç nokta türü. string
Düğüm Kullanıcının hizmeti başlatmak istediğiniz düğümler.
Düğümler null olarak ayarlanmadıysa veya ayarlanmadıysa, hizmet yalnızca öncü düğümde başlatılır.		 Düğümler
port Kullanıcı tarafından ayarlanan uç nokta için bağlantı noktası. int
properties Uç noktada ayarlanacağı ek özellikler. JobServiceProperties

Düğümler

Ad Açıklama Değer
nodesValueType Nesne türünü ayarlama Tümü (gerekli)

Tüm Düğümler

Ad Açıklama Değer
nodesValueType [Gerekli] Düğümler değerinin türü "Tümü" (gerekli)

JobServiceProperties

Ad Açıklama Değer
{özelleştirilmiş özellik} string

AutoML İşi

Ad Açıklama Değer
jobType [Gerekli] İşin türünü belirtir. "AutoML" (gerekli)
environmentId İş için Ortam belirtiminin ARM kaynak kimliği.
Bu, sağlanması isteğe bağlı bir değerdir, sağlanmazsa, AutoML işi çalıştırırken bunu varsayılan olarak Üretim AutoML seçilmiş ortam sürümüne dönüştürür.		 string
environmentVariables İşe dahil edilen ortam değişkenleri. AutoMLJobEnvironmentVariables
Çıkış İşte kullanılan çıkış veri bağlamalarının eşlemesi. AutoMLJobOutputs
queueSettings İş için kuyruk ayarları QueueSettings
kaynaklar İş için İşlem Kaynağı yapılandırması. JobResourceConfiguration
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 custom_model
mlflow_model
mltable
triton_model
uri_file
uri_folder (gerekli)

CustomModelJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. "custom_model" (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıktı Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. "Doğrudan"
"ReadWriteMount"
"Karşıya Yükle"
Urı Çıkış Varlığı URI'si. string

AutoDeleteSetting

Ad Açıklama Değer
Durum Bir varlığın süresinin dolup dolmadığını denetleme zamanı "CreatedGreaterThan"
"LastAccessedGreaterThan"
değer Süre sonu koşulu değeri. string

MLFlowModelJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. "mlflow_model" (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıktı Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. "Doğrudan"
"ReadWriteMount"
"Karşıya Yükle"
Urı Çıkış Varlığı URI'si. string

MLTableJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. "mltable" (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıkış Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. "Doğrudan"
"ReadWriteMount"
"Karşıya Yükle"
Urı Çıkış Varlığı URI'si. string

TritonModelJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. "triton_model" (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıkış Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. "Doğrudan"
"ReadWriteMount"
"Karşıya Yükle"
Urı Çıkış Varlığı URI'si. string

UriFileJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. "uri_file" (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıkış Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. "Doğrudan"
"ReadWriteMount"
"Karşıya Yükle"
Urı Çıkış Varlığı URI'si. string

UriFolderJobOutput

Ad Açıklama Değer
jobOutputType [Gerekli] İşin türünü belirtir. "uri_folder" (gerekli)
assetName Çıktı Varlık Adı. string
assetVersion Çıkış Varlığı Sürümü. string
autoDeleteSetting Çıkış veri varlığının otomatik silme ayarı. AutoDeleteSetting
mod Çıkış Varlığı Teslim Modu. "Doğrudan"
"ReadWriteMount"
"Karşıya Yükle"
Urı Çıkış Varlığı URI'si. string

QueueSettings

Ad Açıklama Değer
jobTier İşlem işi katmanını denetler "Temel"
"Null"
"Premium"
"Nokta"
"Standart"
Öncelik bir işlemdeki işin önceliğini denetler. int

JobResourceConfiguration

Ad Açıklama Değer
dockerArgs Docker çalıştırma komutuna geçirilmeye çalışılacak ek bağımsız değişkenler. Bu, sistem veya bu bölümde önceden ayarlanmış olan parametreleri geçersiz kılar. Bu parametre yalnızca Azure ML işlem türleri için desteklenir. string
instanceCount İşlem hedefi tarafından kullanılan isteğe bağlı örnek veya düğüm sayısı. int
instanceType İşlem hedefi tarafından desteklenen isteğe bağlı VM türü. string
Konum İşin çalışabileceği konumlar. dize[]
maxInstanceCount İşlem hedefi tarafından kullanılacak isteğe bağlı izin verilen en fazla örnek veya düğüm sayısı.
Elastik eğitimle kullanım için, şu anda yalnızca PyTorch dağıtım türü tarafından desteklenmektedir.		 int
properties Ek özellikler çantası. ResourceConfigurationProperties
shmSize Docker kapsayıcısının paylaşılan bellek bloğunun boyutu. Bu, sayının 0'dan büyük olduğu (sayı)(birim) biçiminde ve birim b(bayt), k(kilobayt), m(megabayt) veya g(gigabayt) biçiminde olmalıdır. string

Kısıtlama -ları:
Desen = \d+[bBkKmMgG]

ResourceConfigurationProperties

Ad Açıklama Değer
{özelleştirilmiş özellik}
{özelleştirilmiş özellik}

AutoMLVertical

Ad Açıklama Değer
logVerbosity İş için günlük ayrıntısı. "Kritik"
"Hata ayıkla"
"Hata"
"Bilgi"
"NotSet"
"Uyarı"
targetColumnName Hedef sütun adı: Bu tahmin değerleri sütunudur.
Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.		 string
trainingData [Gerekli] Eğitim verileri girişi. MLTableJobInput (gerekli)
Tasktype Nesne türünü ayarlama Sınıflandırma
Tahmin etme
ImageClassification
ImageClassificationMultilabel
ImageInstanceSegmentation
ImageObjectDetection
Regresyon
TextClassification
TextClassificationMultilabel
TextNER (gerekli)

MLTableJobInput

Ad Açıklama Değer
açıklama Girişin açıklaması. string
jobInputType [Gerekli] İşin türünü belirtir. "custom_model"
"değişmez değer"
"mlflow_model"
"mltable"
"triton_model"
"uri_file"
"uri_folder" (gerekli)
mod Giriş Varlığı Teslim Modu. "Doğrudan"
"İndir"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

Sınıflandırma

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. "Sınıflandırma" (gerekli)
cvSplitColumnNames CVSplit verileri için kullanılacak sütunlar. string[]
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. TableVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. TableFixedParameters
limitSettings AutoMLjob için yürütme kısıtlamaları. TableVerticalLimitSettings
nCrossValidations Eğitim veri kümesine uygulanacak çapraz doğrulama katlamalarının sayısı
doğrulama veri kümesi sağlanmadığında.		 NCrossValidations
positiveLabel İkili ölçüm hesaplaması için pozitif etiket. string
primaryMetric Görevin birincil ölçümü. "AUCWeighted"
"Doğruluk"
"AveragePrecisionScoreWeighted"
"NormMacroRecall"
"PrecisionScoreWeighted"
searchSpace Farklı model birleşimlerini ve hiper parametreleri örneklemek için arama alanı. TableParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. TableSweepSettings
Testdata Veri girişini test edin. MLTableJobInput
testDataSize Doğrulama amacıyla kenara ayarlanması gereken test veri kümesinin kesri.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.		 int
trainingSettings AutoML İşi için eğitim aşamasına yönelik girişler. ClassificationTrainingSettings
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla ayırması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.		 int
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

TableVerticalFeaturizationSettings

Ad Açıklama Değer
blockedTransformers Bu transformatörler özellik kazandırmada kullanılmamalıdır. Herhangi birini içeren dize dizisi:
"CatTargetEncoder"
"CountVectorizer"
"HashOneHotEncoder"
"LabelEncoder"
"NaiveBayes"
"OneHotEncoder"
"TextTargetEncoder"
"TfIdf"
"WoETargetEncoder"
"WordEmbedding"
columnNameAndTypes Sütun adı ve türü sözlüğü (int, float, string, datetime vb.). TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage Veri kümesi dili; metin verileri için kullanışlıdır. string
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 dönüşümlerini üstlenir.
'Kapalı' seçilirse özellik geliştirmesi yapılmaz.
'Özel' seçilirse, kullanıcı özellik geliştirmenin nasıl yapılacağını özelleştirmek için 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.

TableFixedParameters

Ad Açıklama Değer
Güçlendir -ici XGBoost için gbdt gibi artırma türünü belirtin. string
boostingType LightGBM için gbdt gibi artırma türünü belirtin. string
growPolicy Yeni düğümlerin ağaca nasıl ekleneceğini denetleyen büyüme ilkesini belirtin. string
learningRate Eğitim yordamının öğrenme oranı. int
maxBin Sürekli özellikler demetine eklenecek ayrık bölme sayısı üst sınırını belirtin. int
maxDepth Ağaç derinliğini açıkça sınırlamak için maksimum derinliği belirtin. int
maxLeaves Ağaç yapraklarını açıkça sınırlamak için maksimum yaprakları belirtin. int
minDataInLeaf Yaprak başına minimum veri sayısı. int
minSplitGain Ağacın yaprak düğümünde daha fazla bölüm oluşturmak için minimum kayıp azaltması gerekir. int
Modelname Eğitecek modelin adı. string
nEstimators Modeldeki ağaç (veya yuvarlama) sayısını belirtin. int
numLeaves Yaprak sayısını belirtin. int
preprocessorName Kullanılacak ön işlemcinin adı. string
regAlpha Ağırlıklar üzerinde L1 düzenlileştirme terimi. int
regLambda Ağırlıklar üzerinde L2 normalleştirme terimi. int
alt örnek Eğitim örneğinin alt örnek oranı. int
subsampleFreq Alt örnek sıklığı. int
treeMethod Ağaç yöntemini belirtin. string
WithMean Doğruysa, StandardScalar ile verileri ölçeklendirmeden önce ortala. bool
withStd Doğruysa, StandardScalar ile Birim Varyansı ile verileri ölçeklendirme. bool

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
maxNodes Deneme için kullanılacak en fazla düğüm sayısı. int
maxTrials Yineleme sayısı. int
sweepConcurrentTrials Kullanıcının tetiklemek istediği eşzamanlı süpürme çalıştırmalarının sayısı. int
sweepTrials Kullanıcının tetiklemek istediği süpürme çalıştırmalarının sayısı. int
timeout AutoML işi zaman aşımı. string
trialTimeout Yineleme zaman aşımı. string

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)

TableParameterSubspace

Ad Açıklama Değer
Güçlendir -ici XGBoost için gbdt gibi artırma türünü belirtin. string
boostingType LightGBM için gbdt gibi artırma türünü belirtin. string
growPolicy Yeni düğümlerin ağaca nasıl ekleneceğini denetleyen büyüme ilkesini belirtin. string
learningRate Eğitim yordamının öğrenme oranı. string
maxBin Sürekli özellikler demetine eklenecek ayrık bölme sayısı üst sınırını belirtin. string
maxDepth Ağaç derinliğini açıkça sınırlamak için maksimum derinliği belirtin. string
maxLeaves Ağaç yapraklarını açıkça sınırlamak için maksimum yaprakları belirtin. string
minDataInLeaf Yaprak başına minimum veri sayısı. string
minSplitGain Ağacın yaprak düğümünde daha fazla bölüm oluşturmak için minimum kayıp azaltması gerekir. string
Modelname Eğitecek modelin adı. string
nEstimators Modeldeki ağaç (veya yuvarlama) sayısını belirtin. string
numLeaves Yaprak sayısını belirtin. string
preprocessorName Kullanılacak ön işlemcinin adı. string
regAlpha Ağırlıklar üzerinde L1 düzenlileştirme terimi. string
regLambda Ağırlıklar üzerinde L2 normalleştirme terimi. string
alt örnek Eğitim örneğinin alt örnek oranı. string
subsampleFreq Alt örnek sıklığı string
treeMethod Ağaç yöntemini belirtin. string
WithMean True ise, StandardScalar ile verileri ölçeklendirmeden önce ortala. string
withStd Doğruysa, StandardScalar ile Birim Varyansı ile verileri ölçeklendirme. string

TableSweepSettings

Ad Açıklama Değer
earlyTermination Süpürme işi için erken sonlandırma ilkesinin türü. EarlyTerminationPolicy
samplingAlgorithm [Gerekli] Örnekleme algoritmasının 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 çalıştırma yüzdesi. int

ClassificationTrainingSettings

Ad Açıklama Değer
allowedTrainingAlgorithms Sınıflandırma görevi için izin verilen modeller. Herhangi birini içeren dize dizisi:
"BernoulliNaiveBayes"
"DecisionTree"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LightGBM"
"LinearSVM"
"LogisticRegression"
"MultinomialNaiveBayes"
"RandomForest"
"SGD"
"SVM"
"XGBoostClassifier"
blockedTrainingAlgorithms Sınıflandırma görevi için engellenen modeller. Herhangi birini içeren dize dizisi:
"BernoulliNaiveBayes"
"DecisionTree"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"LightGBM"
"LinearSVM"
"LogisticRegression"
"MultinomialNaiveBayes"
"RandomForest"
"SGD"
"SVM"
"XGBoostClassifier"
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
trainingMode TrainingMode modu - 'otomatik' olarak ayarlamak şimdilik 'dağıtılmayan' olarak ayarlamakla aynıdır, ancak gelecekte karma mod veya buluşsal mod seçimine neden olabilir. Varsayılan değer 'otomatik'tir.
'Dağıtılmış' ise yalnızca dağıtılmış özellik kazandırma kullanılır ve dağıtılmış algoritmalar seçilir.
'Dağıtılmayan' ise yalnızca dağıtılmış olmayan algoritmalar seçilir.
 "Otomatik"
"Dağıtılmış"
"Dağıtılmayan"

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)
cvSplitColumnNames CVSplit verileri için kullanılacak sütunlar. dize[]
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. TableVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. TableFixedParameters
tahminAyarlar Göreve özgü girişleri tahmin etme. TahminAyarlar
limitSettings AutoMLjob için yürütme kısıtlamaları. TableVerticalLimitSettings
nCrossValidations Eğitim veri kümesine uygulanacak çapraz doğrulama katlamalarının sayısı
doğrulama veri kümesi sağlanmadığında.		 NCrossValidations
primaryMetric Tahmin görevi için birincil ölçüm. "NormalizedMeanAbsoluteError"
"NormalizedRootMeanSquaredError"
"R2Score"
"SpearmanCorrelation"
searchSpace Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı. TableParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. TableSweepSettings
Testdata Veri girişini 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
trainingSettings AutoML İşi için eğitim aşamasına yönelik girişler. ForecastingTrainingSettings
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla ayırması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.		 int
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

TahminAyarlar

Ad Açıklama Değer
countryOrRegionForHolidays Tahmin görevleri için tatiller için ülke veya bölge.
Bunlar ISO 3166 iki harfli ülke/bölge kodları olmalıdır, örneğin 'ABD' veya 'GB'.		 string
cvStepSize Bir CV katlama ile bir sonraki katlamanın çıkış zamanı arasındaki dönem sayısı. İçin
örneğin, günlük veriler için = 3 ise CVStepSize , her katlamanın kaynak süresi
üç gün arayla.		 int
featureLags 'auto' veya null ile sayısal özellikler için gecikmeler oluşturmaya yönelik bayrak. "Otomatik"
"Hiçbiri"
featuresUnknownAtForecastTime Eğitim için kullanılabilen ancak tahmin/çıkarım sırasında bilinmeyen özellik sütunları.
features_unknown_at_forecast_time ayarlanmadıysa, veri kümesindeki tüm özellik sütunlarının çıkarım zamanında bilindiği varsayılır.		 string[]
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"
"Hiçbiri"
"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".		 "En Fazla"
"Ortalama"
"Min"
"Hiçbiri"
"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. "Hiçbiri"
"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)

ForecastingTrainingSettings

Ad Açıklama Değer
allowedTrainingAlgorithms 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"
blockedTrainingAlgorithms 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"
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
trainingMode TrainingMode modu - 'otomatik' olarak ayarlamak şimdilik 'dağıtılmayan' olarak ayarlamakla aynıdır, ancak gelecekte karma mod veya buluşsal mod seçimine neden olabilir. Varsayılan değer 'otomatik'tir.
'Dağıtılmış' ise yalnızca dağıtılmış özellik kazandırma kullanılır ve dağıtılmış algoritmalar seçilir.
'Dağıtılmayan' ise yalnızca dağıtılmış olmayan algoritmalar seçilir.
 "Otomatik"
"Dağıtılmış"
"Dağıtılmayan"

ImageClassification

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. "ImageClassification" (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
validationData Doğrulama verisi girişleri. 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 En fazla AutoML yinelemesi sayısı. 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 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
checkpointFrequency Model denetim noktalarını depolama sıklığı. Pozitif bir tamsayı olmalıdır. int
checkpointModel Artımlı eğitim için önceden eğitilmiş denetim noktası modeli. MLFlowModelJobInput
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
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

MLFlowModelJobInput

Ad Açıklama Değer
açıklama Girişin açıklaması. string
jobInputType [Gerekli] İşin türünü belirtir. "custom_model"
"değişmez değer"
"mlflow_model"
"mltable"
"triton_model"
"uri_file"
"uri_folder" (gerekli)
mod Giriş Varlığı Teslim Modu. "Doğrudan"
"İndir"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

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 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
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
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
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
trainingBatchSize Eğitim toplu iş boyutu. Pozitif bir tamsayı olmalıdır. string
trainingCropSize Eğitim veri kümesinin 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 yapılan 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 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
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
samplingAlgorithm [Gerekli] Hiper parametre örnekleme algoritmalarının türü. "Bayes dili"
"Kılavuz"
"Rastgele" (gerekli)

ImageClassificationMultilabel

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. "ImageClassificationMultilabel" (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
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla ayırması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.
 int

ImageInstanceSegmentation

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. "ImageInstanceSegmentation" (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
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla ayırması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.
 int

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
checkpointFrequency Model denetim noktalarını depolama sıklığı. Pozitif bir tamsayı olmalıdır. int
checkpointModel Artımlı eğitim için önceden eğitilmiş denetim noktası modeli. MLFlowModelJobInput
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
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.		 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. "Hiçbiri"
"Adım"
"WarmupCosine"
logTrainingMetrics Bilgi işlem ve günlüğe kaydetme eğitim ölçümlerini etkinleştirin. "Devre Dışı Bırak"
"Etkinleştir"
logValidationLoss Bilgi işlem ve günlük doğrulama kaybını etkinleştirin. "Devre Dışı Bırak"
"Etkinleştir"
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
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
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
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)
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
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.
 int

Regresyon

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. "Regresyon" (gerekli)
cvSplitColumnNames CVSplit verileri için kullanılacak sütunlar. dize[]
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. TableVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. TableFixedParameters
limitSettings AutoMLjob için yürütme kısıtlamaları. TableVerticalLimitSettings
nCrossValidations Eğitim veri kümesine uygulanacak çapraz doğrulama katlamalarının sayısı
doğrulama veri kümesi sağlanmadığında.		 NCrossValidations
primaryMetric Regresyon görevi için birincil ölçüm. "NormalizedMeanAbsoluteError"
"NormalizedRootMeanSquaredError"
"R2Score"
"SpearmanCorrelation"
searchSpace Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı. TableParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. TableSweepSettings
Testdata Veri girişini 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
trainingSettings AutoML İşi için eğitim aşamasına yönelik girişler. RegresyonTrainingSettings
validationData Doğrulama verisi girişleri. MLTableJobInput
validationDataSize Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü.
(0,0 , 1,0) arasındaki değerler
Doğrulama veri kümesi sağlanmadığında uygulanır.		 int
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

RegresyonTrainingSettings

Ad Açıklama Değer
allowedTrainingAlgorithms Regresyon görevi için izin verilen modeller. Herhangi birini içeren dize dizisi:
"DecisionTree"
"ElasticNet"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"Kementler"
"LightGBM"
"RandomForest"
"SGD"
"XGBoostRegressor"
blockedTrainingAlgorithms Regresyon görevi için engellenen modeller. Herhangi birini içeren dize dizisi:
"DecisionTree"
"ElasticNet"
"ExtremeRandomTrees"
"GradientBoosting"
"KNN"
"Kementler"
"LightGBM"
"RandomForest"
"SGD"
"XGBoostRegressor"
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
trainingMode TrainingMode modu - 'otomatik' olarak ayarlamak şimdilik 'dağıtılmayan' olarak ayarlamakla aynıdır, ancak gelecekte karma mod veya buluşsal mod seçimine neden olabilir. Varsayılan değer 'otomatik'tir.
'Dağıtılmış' ise yalnızca dağıtılmış özellik kazandırma kullanılır ve dağıtılmış algoritmalar seçilir.
'Dağıtılmayan' ise yalnızca dağıtılmış olmayan algoritmalar seçilir.
 "Otomatik"
"Dağıtılmış"
"Dağıtılmayan"

TextClassification

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. "TextClassification" (gerekli)
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. NlpVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. NlpFixedParameters
limitSettings AutoMLjob için yürütme kısıtlamaları. NlpVerticalLimitSettings
primaryMetric Text-Classification görevi için birincil ölçüm. "AUCWeighted"
"Doğruluk"
"AveragePrecisionScoreWeighted"
"NormMacroRecall"
"PrecisionScoreWeighted"
searchSpace Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı. NlpParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. NlpSweepSettings
validationData Doğrulama verisi girişleri. MLTableJobInput

NlpVerticalFeaturizationSettings

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

NlpFixedParameters

Ad Açıklama Değer
gradientAccumulationSteps Geriye doğru geçiş çalıştırmadan önce gradyanları üzerinde biriktirme adımlarının sayısı. int
learningRate Eğitim yordamının öğrenme oranı. int
learningRateScheduler Eğitim yordamı sırasında kullanılacak öğrenme oranı zamanlamasının türü. "Sabit"
"ConstantWithWarmup"
"Kosinüs"
"CosineWithRestarts"
"Doğrusal"
"Hiçbiri"
"Polinomsal"
Modelname Eğitecek modelin adı. string
numberOfEpochs Eğitim dönemlerinin sayısı. int
trainingBatchSize Eğitim yordamının toplu iş boyutu. int
validationBatchSize Değerlendirme sırasında kullanılacak toplu iş boyutu. int
warmupRatio LrSchedulerType ile birlikte kullanılan ısınma oranı. int
weightDecay Eğitim prosedürü için ağırlık bozulması. int

NlpVerticalLimitSettings

Ad Açıklama Değer
maxConcurrentTrials En fazla Eşzamanlı AutoML yinelemesi. int
maxNodes Deneme için kullanılacak en fazla düğüm sayısı. int
maxTrials AutoML yinelemelerinin sayısı. int
timeout AutoML işi zaman aşımı. string
trialTimeout Tek tek HD denemeleri için zaman aşımı. string

NlpParameterSubspace

Ad Açıklama Değer
gradientAccumulationSteps Geriye doğru geçiş çalıştırmadan önce gradyanları üzerinde biriktirme adımlarının sayısı. string
learningRate Eğitim yordamının öğrenme oranı. string
learningRateScheduler Eğitim yordamı sırasında kullanılacak öğrenme oranı zamanlamasının türü. string
Modelname Eğitecek modelin adı. string
numberOfEpochs Eğitim dönemlerinin sayısı. string
trainingBatchSize Eğitim yordamının toplu iş boyutu. string
validationBatchSize Değerlendirme sırasında kullanılacak toplu iş boyutu. string
warmupRatio LrSchedulerType ile birlikte kullanılan ısınma oranı. string
weightDecay Eğitim prosedürü için ağırlık bozulması. string

NlpSweepSettings

Ad Açıklama Değer
earlyTermination Süpürme işi için erken sonlandırma ilkesinin türü. EarlyTerminationPolicy
samplingAlgorithm [Gerekli] Örnekleme algoritmasının türü. "Bayes dili"
"Kılavuz"
"Rastgele" (gerekli)

TextClassificationMultilabel

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. "TextClassificationMultilabel" (gerekli)
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. NlpVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. NlpFixedParameters
limitSettings AutoMLjob için yürütme kısıtlamaları. NlpVerticalLimitSettings
searchSpace Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı. NlpParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. NlpSweepSettings
validationData Doğrulama verisi girişleri. MLTableJobInput

TextNer

Ad Açıklama Değer
Tasktype [Gerekli] AutoMLjob için görev türü. "TextNER" (gerekli)
featurizationSettings AutoML işi için özellik kazandırma girişleri gerekiyor. NlpVerticalFeaturizationSettings
fixedParameters Eğitim boyunca sabit kalacak model/eğitim parametreleri. NlpFixedParameters
limitSettings AutoMLjob için yürütme kısıtlamaları. NlpVerticalLimitSettings
searchSpace Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı. NlpParameterSubspace[]
sweepSettings Model süpürme ve hiper parametre ayarlama ayarları. NlpSweepSettings
validationData Doğrulama verisi girişleri. MLTableJobInput

CommandJob

Ad Açıklama Değer
jobType [Gerekli] İşin türünü belirtir. "Command" (gerekli)
autologgerSettings İşin dağıtım yapılandırması. Ayarlanırsa, bu Mpi, Tensorflow, PyTorch veya null değerlerinden biri olmalıdır. AutologgerSettings
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, Ray veya null değerlerinden biri olmalıdır. DistributionConfiguration
environmentId [Gerekli] İş için Ortam belirtiminin ARM kaynak kimliği. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
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
queueSettings İş için kuyruk ayarları QueueSettings
kaynaklar İş için İşlem Kaynağı yapılandırması. JobResourceConfiguration

AutologgerSettings

Ad Açıklama Değer
mlflowAutologger [Gerekli] Mlflow autologger'ın etkinleştirilip etkinleştirilmediğini gösterir. "Devre dışı"
"Etkin" (gerekli)

DistributionConfiguration

Ad Açıklama Değer
distributionType Nesne türünü ayarlama Mpı
PyTorch
Ray
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

Ray

Ad Açıklama Değer
distributionType [Gerekli] Dağıtım çerçevesinin türünü belirtir. "Ray" (gerekli)
adres Ray head düğümünün adresi. string
dashboardPort Pano sunucusunu bağlamak için bağlantı noktası. int
headNodeAdditionalArgs Baş düğümde ray start'a geçirilen ek bağımsız değişkenler. string
includeDashboard Ray panosu GUI'sini başlatmak için bu bağımsız değişkeni sağlayın. bool
port Baş ışın işleminin bağlantı noktası. int
workerNodeAdditionalArgs Çalışan düğümünde ray start'a geçirilen ek bağımsız değişkenler. string

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 custom_model
Literal
mlflow_model
mltable
triton_model
uri_file
uri_folder (gerekli)

CustomModelJobInput

Ad Açıklama Değer
jobInputType [Gerekli] İşin türünü belirtir. "custom_model" (gerekli)
mod Giriş Varlığı Teslim Modu. "Doğrudan"
"İndir"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
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:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

TritonModelJobInput

Ad Açıklama Değer
jobInputType [Gerekli] İşin türünü belirtir. "triton_model" (gerekli)
mod Giriş Varlığı Teslim Modu. "Doğrudan"
"İndir"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

UriFileJobInput

Ad Açıklama Değer
jobInputType [Gerekli] İşin türünü belirtir. "uri_file" (gerekli)
mod Giriş Varlığı Teslim Modu. "Doğrudan"
"İndir"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

UriFolderJobInput

Ad Açıklama Değer
jobInputType [Gerekli] İşin türünü belirtir. "uri_folder" (gerekli)
mod Giriş Varlığı Teslim Modu. "Doğrudan"
"İndir"
"EvalDownload"
"EvalMount"
"ReadOnlyMount"
"ReadWriteMount"
Urı [Gerekli] Giriş Varlığı URI'si. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
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

LabelingJobProperties

Ad Açıklama Değer
Componentıd Bileşen kaynağının ARM kaynak kimliği. string
computeId İşlem kaynağının ARM kaynak kimliği. string
dataConfiguration İşte kullanılan verilerin yapılandırması. LabelingDataConfiguration
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
jobInstructions İşin etiketleme yönergeleri. LabelingJobInstructions
jobType [Gerekli] İşin türünü belirtir. "AutoML"
"Komut"
"Etiketleme"
"İşlem Hattı"
"Spark"
"Süpür" (gerekli)
etiket Kategorileri İşin kategorilerini etiketleyin. LabelingJobLabelCategories
labelingJobMediaProperties İşteki medya türüne özgü özellikler. LabelingJobMediaProperties
mlAssistConfiguration İşteki MLAssist özelliğinin yapılandırması. MLAssistConfiguration
notificationSetting İş için bildirim ayarı NotificationSetting
properties Varlık özelliği sözlüğü. ResourceBaseProperties
secretsConfiguration Çalışma zamanı sırasında kullanıma sunulacak gizli diziler için yapılandırma. JobBaseSecretsConfiguration
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

LabelingDataConfiguration

Ad Açıklama Değer
dataId Etiketleme gerçekleştirilecek veri varlığının kaynak kimliği. string
incrementalDataRefresh Artımlı veri yenilemenin etkinleştirilip etkinleştirilmeydiğini gösterir. "Devre dışı"
"Etkin"

LabelingJobInstructions

Ad Açıklama Değer
Urı Etiketleyiciler için ayrıntılı etiketleme yönergeleri içeren bir sayfanın bağlantısı. string

LabelingJobLabelCategories

Ad Açıklama Değer
{özelleştirilmiş özellik} LabelCategory
{özelleştirilmiş özellik} LabelCategory

LabelCategory

Ad Açıklama Değer
Sınıf Bu kategorideki etiket sınıflarının sözlüğü. LabelCategoryClasses
displayName Etiket kategorisinin görünen adı. string
Multiselect Bu kategoride birden çok sınıf seçmesine izin verilip verilmeyeceğini gösterir. "Devre dışı"
"Etkin"

LabelCategoryClasses

Ad Açıklama Değer
{özelleştirilmiş özellik} LabelClass

LabelClass

Ad Açıklama Değer
displayName Etiket sınıfının görünen adı. string
Alt Etiket sınıfının alt sınıflarının sözlüğü. LabelClassSubclasses

LabelClassSubclasses

Ad Açıklama Değer
{özelleştirilmiş özellik} LabelClass

LabelingJobMediaProperties

Ad Açıklama Değer
Mediatype Nesne türünü ayarlama Görüntü
Metin (gerekli)

LabelingJobImageProperties

Ad Açıklama Değer
Mediatype [Gerekli] İşin medya türü. "Resim" (gerekli)
annotationType Resim etiketleme işinin ek açıklama türü. "Sınırlayıcı Kutusu"
"Sınıflandırma"
"InstanceSegmentation"

LabelingJobTextProperties

Ad Açıklama Değer
Mediatype [Gerekli] İşin medya türü. "Metin" (gerekli)
annotationType Metin etiketleme işinin ek açıklama türü. "Sınıflandırma"
"NamedEntityRecognition"

MLAssistConfiguration

Ad Açıklama Değer
mlAssist Nesne türünü ayarlama Devre dışı
Etkin (gerekli)

MLAssistConfigurationDisabled

Ad Açıklama Değer
mlAssist [Gerekli] MLAssist özelliğinin etkinleştirilip etkinleştirilmediğini gösterir. "Devre dışı" (gerekli)

MLAssistConfigurationEnabled

Ad Açıklama Değer
mlAssist [Gerekli] MLAssist özelliğinin etkinleştirilip etkinleştirilmediğini gösterir. "Etkin" (gerekli)
inferencingComputeBinding [Gerekli] Çıkarımda kullanılan AML işlem bağlaması. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]
trainingComputeBinding [Gerekli] Eğitimde kullanılan AML işlem bağlaması. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

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 öğeler için işlem hattı ayarları.
sourceJobId Kaynak işin ARM kaynak kimliği. string

PipelineJobInputs

Ad Açıklama Değer
{özelleştirilmiş özellik} JobInput

PipelineJobJobs

Ad Açıklama Değer
{özelleştirilmiş özellik}

PipelineJobOutputs

Ad Açıklama Değer
{özelleştirilmiş özellik} JobOutput

SparkJob

Ad Açıklama Değer
jobType [Gerekli] İşin türünü belirtir. "Spark" (gerekli)
Arşiv İşte kullanılan dosyaları arşivleyin. string[]
args İşin bağımsız değişkenleri. string
codeId [Gerekli] Kod varlığının ARM kaynak kimliği. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]
conf Spark yapılandırılmış özellikleri. SparkJobConf
giriş [Gerekli] İşin başlangıcında yürütülecek giriş. SparkJobEntry (gerekli)
environmentId İşin Ortam belirtiminin ARM kaynak kimliği. string
environmentVariables İşe dahil edilen ortam değişkenleri. SparkJobEnvironmentVariables
files İşte kullanılan dosyalar. string[]
Giriş İşte kullanılan giriş veri bağlamalarının eşlemesi. SparkJobInputs
Kavanoz İşte kullanılan jar dosyaları. string[]
Çıkış İşte kullanılan çıkış veri bağlamalarının eşlemesi. SparkJobOutputs
pyFiles İşte kullanılan Python dosyaları. string[]
queueSettings İş için kuyruk ayarları QueueSettings
kaynaklar İş için İşlem Kaynağı yapılandırması. SparkResourceConfiguration

SparkJobConf

Ad Açıklama Değer
{özelleştirilmiş özellik} string

SparkJobEntry

Ad Açıklama Değer
sparkJobEntryType Nesne türünü ayarlama SparkJobPythonEntry
SparkJobScalaEntry (gerekli)

SparkJobPythonEntry

Ad Açıklama Değer
sparkJobEntryType [Gerekli] İşin giriş noktasının türü. "SparkJobPythonEntry" (gerekli)
dosyası [Gerekli] İş giriş noktası için göreli python dosya yolu. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

SparkJobScalaEntry

Ad Açıklama Değer
sparkJobEntryType [Gerekli] İşin giriş noktasının türü. "SparkJobScalaEntry" (gerekli)
Classname [Gerekli] Giriş noktası olarak kullanılan Scala sınıf adı. dize (gerekli)

Kısıtlama -ları:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]

SparkJobEnvironmentVariables

Ad Açıklama Değer
{özelleştirilmiş özellik} string

SparkJobInputs

Ad Açıklama Değer
{özelleştirilmiş özellik} JobInput

SparkJobOutputs

Ad Açıklama Değer
{özelleştirilmiş özellik} JobOutput

SparkResourceConfiguration

Ad Açıklama Değer
instanceType İşlem hedefi tarafından desteklenen isteğe bağlı VM türü. string
runtimeVersion İş için kullanılan Spark çalışma zamanının sürümü. string

Süpürme İşi

Ad Açıklama Değer
jobType [Gerekli] İşin türünü belirtir. "Süpür" (gerekli)
componentConfiguration Bileşen üzerinde süpürme için Bileşen Yapılandırması ComponentConfiguration
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
queueSettings İş için kuyruk ayarları QueueSettings
kaynaklar İş için İşlem Kaynağı yapılandırması. JobResourceConfiguration
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)

ComponentConfiguration

Ad Açıklama Değer
pipelineSettings ContinueRunOnStepFailure gibi işlemler için işlem hattı ayarları.

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:
En az uzunluk = 1
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)
logbase Günlük tabanlı rastgele örnekleme için temel olarak kullanılacak isteğe bağlı pozitif bir sayı veya dize biçiminde e string
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:
En az uzunluk = 1
Desen = [a-zA-Z0-9_]
environmentVariables İşe dahil edilen ortam değişkenleri. TrialComponentEnvironmentVariables
kaynaklar İş için İşlem Kaynağı yapılandırması. JobResourceConfiguration

TrialComponentEnvironmentVariables

Ad Açıklama Değer
{özelleştirilmiş özellik} string