Microsoft.MachineLearningServices çalışma alanları/zamanlamaları
Bicep kaynak tanımı
Çalışma alanları/zamanlamalar kaynak türü, aşağıdakileri hedefleyen işlemlerle dağıtılabilir:
- Kaynak grupları - Bkz. kaynak grubu dağıtım komutları
Her API sürümünde değiştirilen özelliklerin listesi için bkz. değişiklik günlüğü.
Kaynak biçimi
Microsoft.MachineLearningServices/workspaces/schedules kaynağı oluşturmak için aşağıdaki Bicep'i şablonunuza ekleyin.
resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2023-10-01' = {
name: 'string'
parent: resourceSymbolicName
properties: {
action: {
actionType: 'string'
// For remaining properties, see ScheduleActionBase objects
}
description: 'string'
displayName: 'string'
isEnabled: bool
properties: {
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{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'
}
trigger: {
endTime: 'string'
startTime: 'string'
timeZone: 'string'
triggerType: 'string'
// For remaining properties, see TriggerBase objects
}
}
}
ScheduleActionBase nesneleri
nesne türünü belirtmek için actionType özelliğini ayarlayın.
CreateJob için şunu kullanın:
actionType: 'CreateJob'
jobDefinition: {
componentId: 'string'
computeId: 'string'
description: 'string'
displayName: 'string'
experimentName: 'string'
identity: {
identityType: 'string'
// For remaining properties, see IdentityConfiguration objects
}
isArchived: bool
properties: {
{customized property}: 'string'
{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'
}
services: {
{customized property}: {
endpoint: 'string'
jobServiceType: 'string'
nodes: {
nodesValueType: 'string'
// For remaining properties, see Nodes objects
}
port: int
properties: {
{customized property}: 'string'
}
}
}
tags: {
{customized property}: 'string'
{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
}
CreateMonitor için şunu kullanın:
actionType: 'CreateMonitor'
monitorDefinition: {
alertNotificationSettings: {
emailNotificationSettings: {
emails: [
'string'
]
}
}
computeConfiguration: {
computeType: 'string'
// For remaining properties, see MonitorComputeConfigurationBase objects
}
monitoringTarget: {
deploymentId: 'string'
modelId: 'string'
taskType: 'string'
}
signals: {
{customized property}: {
notificationTypes: 'AmlNotification'
properties: {
{customized property}: 'string'
}
signalType: 'string'
// For remaining properties, see MonitoringSignalBase objects
}
}
}
InvokeBatchEndpoint için şunu kullanın:
actionType: 'InvokeBatchEndpoint'
endpointInvocationDefinition: any()
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'
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
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'
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'
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
properties: {
{customized property}: any()
{customized property}: any()
}
shmSize: 'string'
}
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'
Süpür için şunu kullanın:
jobType: 'Sweep'
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
limits: {
jobLimitsType: 'string'
maxConcurrentTrials: int
maxTotalTrials: int
timeout: 'string'
trialTimeout: 'string'
}
objective: {
goal: 'string'
primaryMetric: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
queueSettings: {
jobTier: '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'
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'
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'
mode: 'string'
uri: 'string'
mlflow_model için şunu kullanın:
jobOutputType: 'mlflow_model'
mode: 'string'
uri: 'string'
Mltable için şunu kullanın:
jobOutputType: 'mltable'
mode: 'string'
uri: 'string'
triton_model için şunu kullanın:
jobOutputType: 'triton_model'
mode: 'string'
uri: 'string'
uri_file için şunu kullanın:
jobOutputType: 'uri_file'
mode: 'string'
uri: 'string'
uri_folder için şunu kullanın:
jobOutputType: 'uri_folder'
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()
}
]
}
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
positiveLabel: 'string'
primaryMetric: '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'
}
}
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()
}
]
}
}
forecastingSettings: {
countryOrRegionForHolidays: 'string'
cvStepSize: int
featureLags: 'string'
forecastHorizon: {
mode: 'string'
// For remaining properties, see ForecastHorizon objects
}
frequency: 'string'
seasonality: {
mode: 'string'
// For remaining properties, see Seasonality objects
}
shortSeriesHandlingConfig: 'string'
targetAggregateFunction: 'string'
targetLags: {
mode: 'string'
// For remaining properties, see TargetLags objects
}
targetRollingWindowSize: {
mode: 'string'
// For remaining properties, see TargetRollingWindowSize objects
}
timeColumnName: 'string'
timeSeriesIdColumnNames: [
'string'
]
useStl: 'string'
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
primaryMetric: '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'
}
}
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'
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'
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()
}
]
}
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
primaryMetric: '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'
}
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
TextClassification için şunu kullanın:
taskType: 'TextClassification'
featurizationSettings: {
datasetLanguage: 'string'
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
primaryMetric: 'string'
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
TextClassificationMultilabel için şunu kullanın:
taskType: 'TextClassificationMultilabel'
featurizationSettings: {
datasetLanguage: 'string'
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
TextNER için şunu kullanın:
taskType: 'TextNER'
featurizationSettings: {
datasetLanguage: 'string'
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: '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
ForecastHorizon nesneleri
nesne türünü belirtmek için mode özelliğini ayarlayın.
Otomatik için şunu kullanın:
mode: 'Auto'
Özel için şunu kullanın:
mode: 'Custom'
value: int
Mevsimsellik nesneleri
nesne türünü belirtmek için mode özelliğini ayarlayın.
Otomatik için şunu kullanın:
mode: 'Auto'
Özel için şunu kullanın:
mode: 'Custom'
value: int
TargetLags nesneleri
nesne türünü belirtmek için mode özelliğini ayarlayın.
Otomatik için şunu kullanın:
mode: 'Auto'
Özel için şunu kullanın:
mode: 'Custom'
values: [
int
]
TargetRollingWindowSize nesneleri
nesne türünü belirtmek için mode özelliğini ayarlayın.
Otomatik için şunu kullanın:
mode: 'Auto'
Özel için şunu kullanın:
mode: 'Custom'
value: int
EarlyTerminationPolicy nesneleri
nesne türünü belirtmek için policyType özelliğini ayarlayın.
Eşkıya için şunu kullanın:
policyType: 'Bandit'
slackAmount: int
slackFactor: int
MedianStopping için şunu kullanın:
policyType: 'MedianStopping'
TruncationSelection için şunu kullanın:
policyType: 'TruncationSelection'
truncationPercentage: int
DistributionConfiguration nesneleri
nesne türünü belirtmek için distributionType özelliğini ayarlayın.
Mpi için şunu kullanın:
distributionType: 'Mpi'
processCountPerInstance: int
PyTorch için şunu kullanın:
distributionType: 'PyTorch'
processCountPerInstance: int
TensorFlow için şunu kullanın:
distributionType: 'TensorFlow'
parameterServerCount: int
workerCount: int
JobInput nesneleri
nesnesinin türünü belirtmek için jobInputType özelliğini ayarlayın.
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'
SamplingAlgorithm nesneleri
nesne türünü belirtmek için samplingAlgorithmType özelliğini ayarlayın.
Bayes dili için şunu kullanın:
samplingAlgorithmType: 'Bayesian'
Kılavuz için şunu kullanın:
samplingAlgorithmType: 'Grid'
Rastgele için şunu kullanın:
samplingAlgorithmType: 'Random'
rule: 'string'
seed: int
MonitorComputeConfigurationBase nesneleri
nesnesinin türünü belirtmek için computeType özelliğini ayarlayın.
ServerlessSpark için şunu kullanın:
computeType: 'ServerlessSpark'
computeIdentity: {
computeIdentityType: 'string'
// For remaining properties, see MonitorComputeIdentityBase objects
}
instanceType: 'string'
runtimeVersion: 'string'
MonitorComputeIdentityBase nesneleri
nesnesinin türünü belirtmek için computeIdentityType özelliğini ayarlayın.
AmlToken için şunu kullanın:
computeIdentityType: 'AmlToken'
ManagedIdentity için şunu kullanın:
computeIdentityType: 'ManagedIdentity'
identity: {
type: 'string'
userAssignedIdentities: {
{customized property}: {}
}
}
MonitoringSignalBase nesneleri
nesnesinin türünü belirtmek için signalType özelliğini ayarlayın.
Özel için şunu kullanın:
signalType: 'Custom'
componentId: 'string'
inputAssets: {
{customized property}: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
metricThresholds: [
{
metric: 'string'
threshold: {
value: int
}
}
]
DataDrift için şunu kullanın:
signalType: 'DataDrift'
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: 'string'
}
features: {
filterType: 'string'
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see DataDriftMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
DataQuality için şunu kullanın:
signalType: 'DataQuality'
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: 'string'
}
features: {
filterType: 'string'
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see DataQualityMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
FeatureAttributionDrift için şunu kullanın:
signalType: 'FeatureAttributionDrift'
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: 'string'
}
metricThreshold: {
metric: 'NormalizedDiscountedCumulativeGain'
threshold: {
value: int
}
}
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
PredictionDrift için şunu kullanın:
signalType: 'PredictionDrift'
featureDataTypeOverride: {
{customized property}: 'string'
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
MonitoringInputDataBase nesneleri
nesne türünü belirtmek için inputDataType özelliğini ayarlayın.
Düzeltildi için şunu kullanın:
inputDataType: 'Fixed'
Rolling için şunu kullanın:
inputDataType: 'Rolling'
preprocessingComponentId: 'string'
windowOffset: 'string'
windowSize: 'string'
Statik için şunu kullanın:
inputDataType: 'Static'
preprocessingComponentId: 'string'
windowEnd: 'string'
windowStart: 'string'
MonitoringFeatureFilterBase nesneleri
filterType özelliğini nesne türünü belirtmek için ayarlayın.
AllFeatures için şunu kullanın:
filterType: 'AllFeatures'
FeatureSubset için şunu kullanın:
filterType: 'FeatureSubset'
features: [
'string'
]
TopNByAttribution için şunu kullanın:
filterType: 'TopNByAttribution'
top: int
DataDriftMetricThresholdBase nesneleri
nesne türünü belirtmek için dataType özelliğini ayarlayın.
Kategorik için şunu kullanın:
dataType: 'Categorical'
metric: 'string'
Sayısal için şunu kullanın:
dataType: 'Numerical'
metric: 'string'
DataQualityMetricThresholdBase nesneleri
nesne türünü belirtmek için dataType özelliğini ayarlayın.
Kategorik için şunu kullanın:
dataType: 'Categorical'
metric: 'string'
Sayısal için şunu kullanın:
dataType: 'Numerical'
metric: 'string'
PredictionDriftMetricThresholdBase nesneleri
nesne türünü belirtmek için dataType özelliğini ayarlayın.
Kategorik için şunu kullanın:
dataType: 'Categorical'
metric: 'string'
Sayısal için şunu kullanın:
dataType: 'Numerical'
metric: 'string'
TriggerBase nesneleri
nesne türünü belirtmek için triggerType özelliğini ayarlayın.
Cron için şunu kullanın:
triggerType: 'Cron'
expression: 'string'
Yinelenme için şunu kullanın:
triggerType: 'Recurrence'
frequency: 'string'
interval: int
schedule: {
hours: [
int
]
minutes: [
int
]
monthDays: [
int
]
weekDays: [
'string'
]
}
Özellik değerleri
çalışma alanları/zamanlamalar
Ad | Açıklama | Değer |
---|---|---|
name | Kaynak adı Bicep'te alt kaynaklar için adları ve türleri ayarlamayı öğrenin. |
dize (gerekli) |
Üst | Bicep'te alt kaynak için üst kaynağı belirtebilirsiniz. Bu özelliği yalnızca alt kaynak üst kaynağın dışında bildirildiğinde eklemeniz gerekir. Daha fazla bilgi için bkz . Üst kaynağın dışındaki alt kaynak. |
Kaynak türü için sembolik ad: çalışma alanları |
properties | [Gerekli] Varlığın ek öznitelikleri. | ScheduleProperties (gerekli) |
ScheduleProperties
Ad | Açıklama | Değer |
---|---|---|
action | [Gerekli] Zamanlamanın eylemini belirtir | ScheduleActionBase (gerekli) |
açıklama | Varlık açıklaması metni. | string |
displayName | Zamanlamanın görünen adı. | string |
ısenabled | Zamanlama etkin mi? | bool |
properties | Varlık özelliği sözlüğü. | ResourceBaseProperties |
etiketler | Etiket sözlüğü. Etiketler eklenebilir, kaldırılabilir ve güncelleştirilebilir. | object |
Tetikleyici | [Gerekli] Tetikleyici ayrıntılarını belirtir | TriggerBase (gerekli) |
ScheduleActionBase
Ad | Açıklama | Değer |
---|---|---|
actionType | Nesne türünü ayarlama | CreateJob CreateMonitor InvokeBatchEndpoint (gerekli) |
JobScheduleAction
Ad | Açıklama | Değer |
---|---|---|
actionType | [Gerekli] Zamanlamanın eylem türünü belirtir | 'CreateJob' (gerekli) |
jobDefinition | [Gerekli] Zamanlama eylem tanımı ayrıntılarını tanımlar. | 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 |
properties | Varlık özelliği sözlüğü. | ResourceBaseProperties |
services | JobEndpoints listesi. Yerel işler için bir iş uç noktası FileStreamObject uç noktası değerine sahip olur. |
JobBaseServices |
etiketler | Etiket sözlüğü. Etiketler eklenebilir, kaldırılabilir ve güncelleştirilebilir. | object |
jobType | Nesne türünü ayarlama | AutoML Komut İşlem Hattı Süpür (gerekli) |
Identityconfiguration
Ad | Açıklama | Değer |
---|---|---|
ıdentitytype | Nesne türünü ayarlama | AMLToken Yönetilen UserIdentity (gerekli) |
AmlToken
Ad | Açıklama | Değer |
---|---|---|
ıdentitytype | [Gerekli] Kimlik çerçevesinin türünü belirtir. | 'AMLToken' (gerekli) |
ManagedIdentity
Ad | Açıklama | Değer |
---|---|---|
ıdentitytype | [Gerekli] Kimlik çerçevesinin türünü belirtir. | 'Managed' (gerekli) |
clientId | İstemci kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın. | string Kısıtlama -ları: En az uzunluk = 36 Maksimum uzunluk = 36 Desen = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
objectId | Nesne kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın. | string Kısıtlama -ları: En az uzunluk = 36 Maksimum uzunluk = 36 Desen = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
resourceId | ARM kaynak kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın. | string |
UserIdentity
Ad | Açıklama | Değer |
---|---|---|
ıdentitytype | [Gerekli] Kimlik çerçevesinin türünü belirtir. | 'UserIdentity' (gerekli) |
ResourceBaseProperties
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string |
JobBaseServices
Ad | Açıklama | Değer |
---|---|---|
{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 | 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, sağlanmazsa AutoML işi çalıştırırken bunu varsayılan olarak Üretim AutoML tarafından seçilmiş ortam sürümü olarak sağlayacak isteğe bağlı bir değerdir. |
string |
environmentVariables | İşe dahil edilen ortam değişkenleri. | AutoMLJobEnvironmentVariables |
Çıkış | İşte kullanılan çıkış veri bağlamalarının eşlemesi. | AutoMLJobOutputs |
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) |
mod | Çıkış Varlığı Teslim Modu. | 'ReadWriteMount' 'Karşıya Yükle' |
Urı | Çıkış Varlığı URI'si. | string |
MLFlowModelJobOutput
Ad | Açıklama | Değer |
---|---|---|
jobOutputType | [Gerekli] İşin türünü belirtir. | 'mlflow_model' (gerekli) |
mod | Çıkış Varlığı Teslim Modu. | 'ReadWriteMount' 'Karşıya Yükle' |
Urı | Çıkış Varlığı URI'si. | string |
MLTableJobOutput
Ad | Açıklama | Değer |
---|---|---|
jobOutputType | [Gerekli] İşin türünü belirtir. | 'mltable' (gerekli) |
mod | Çıkış Varlığı Teslim Modu. | 'ReadWriteMount' 'Karşıya Yükle' |
Urı | Çıkış Varlığı URI'si. | string |
TritonModelJobOutput
Ad | Açıklama | Değer |
---|---|---|
jobOutputType | [Gerekli] İşin türünü belirtir. | 'triton_model' (gerekli) |
mod | Çıkış Varlığı Teslim Modu. | 'ReadWriteMount' 'Karşıya Yükle' |
Urı | Çıkış Varlığı URI'si. | string |
UriFileJobOutput
Ad | Açıklama | Değer |
---|---|---|
jobOutputType | [Gerekli] İşin türünü belirtir. | 'uri_file' (gerekli) |
mod | Çıkış Varlığı Teslim Modu. | 'ReadWriteMount' 'Karşıya Yükle' |
Urı | Çıkış Varlığı URI'si. | string |
UriFolderJobOutput
Ad | Açıklama | Değer |
---|---|---|
jobOutputType | [Gerekli] İşin türünü belirtir. | 'uri_folder' (gerekli) |
mod | Çıkış Varlığı Teslim Modu. | 'ReadWriteMount' 'Karşıya Yükle' |
Urı | Çıkış Varlığı URI'si. | string |
QueueSettings
Ad | Açıklama | Değer |
---|---|---|
jobTier | İşlem işi katmanını denetler | 'Temel' 'Null' 'Premium' 'Spot' 'Standart' |
JobResourceConfiguration
Ad | Açıklama | Değer |
---|---|---|
dockerArgs | Docker çalıştırma komutuna geçirebilmek için 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 desteklendiği şekilde kullanılan isteğe bağlı VM türü. | string |
properties | Ek özellikler çantası. | ResourceConfigurationProperties |
shmSize | Docker kapsayıcısının paylaşılan bellek bloğunun boyutu. Bu, sayının 0'dan büyük olduğu (sayı)(birim) biçiminde olmalı ve birim b(bayt), k(kilobayt), m(megabayt) veya g(gigabayt) olabilir. | 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 | 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 |
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' |
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. |
TableVerticalLimitSettings
Ad | Açıklama | Değer |
---|---|---|
enableEarlyTermination | Erken sonlandırmayı etkinleştirin, AutoMLjob'ın son 20 yinelemede puan iyileştirmesi yoksa erken sonlandırılıp sonlandırılmayacağını belirler. | bool |
exitScore | AutoML işinin çıkış puanı. | int |
maxConcurrentTrials | Maksimum Eşzamanlı yineleme. | int |
maxCoresPerTrial | Yineleme başına maksimum çekirdek. | int |
maxTrials | Yineleme sayısı. | int |
timeout | AutoML işi zaman aşımı. | string |
trialTimeout | Yineleme zaman aşımı. | string |
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) |
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 |
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 |
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' |
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 zamanıüç gün arayla. |
int |
featureLags | 'auto' veya null ile sayısal özellikler için gecikme oluşturma bayrağı. | 'Otomatik' 'Yok' |
forecastHorizon | Zaman serisi sıklığı birimlerinde istenen maksimum tahmin ufku. | ForecastHorizon |
frequency | Tahmin yapılırken, bu parametre tahminin istendiği dönemi (örneğin, günlük, haftalık, yıllık vb.) temsil eder. Tahmin sıklığı varsayılan olarak veri kümesi sıklığıdır. | string |
Seasonality | Zaman serisi mevsimselliğini, seri sıklığının tamsayı katı olarak ayarlayın. Mevsimsellik 'otomatik' olarak ayarlanırsa, çıkarsanır. |
Seasonality |
shortSeriesHandlingConfig | AutoML'nin kısa zaman serisini nasıl işleyeceklerini tanımlayan parametre. | 'Otomatik' 'Bırak' 'Yok' 'Tuş Takımı' |
targetAggregateFunction | Zaman serisi hedef sütununu kullanıcının belirtilen sıklığına uyacak şekilde toplamak için kullanılacak işlev. TargetAggregateFunction değeri 'Yok' değil de freq parametresi ayarlanmamışsa hata oluşur. Olası hedef toplama işlevleri şunlardır: "sum", "max", "min" ve "mean". |
'Max' 'Ortalama' 'Min' 'Yok' 'Toplam' |
targetLags | Hedef sütundan gecikmeye neden olan geçmiş dönemlerin sayısı. | TargetLags |
targetRollingWindowSize | Hedef sütunun sıralı pencere ortalamasını oluşturmak için kullanılan geçmiş dönemlerin sayısı. | TargetRollingWindowSize |
timeColumnName | Saat sütununun adı. Bu parametre, zaman serisini oluşturmak ve sıklığını çıkarsamak için kullanılan giriş verilerinde tarih saat sütununu belirtmek için tahminde bulunurken gereklidir. | string |
timeSeriesIdColumnNames | Zaman zamanlarını gruplandırmak için kullanılan sütunların adları. Birden çok seri oluşturmak için kullanılabilir. Tahıl tanımlanmamışsa, veri kümesinin bir zaman serisi olduğu varsayılır. Bu parametre, görev türü tahmini ile kullanılır. |
dize[] |
useStl | Zaman serisi hedef sütununun STL Ayrıştırmasını yapılandırın. | 'Yok' 'Sezon' 'SeasonTrend' |
ForecastHorizon
Ad | Açıklama | Değer |
---|---|---|
mod | Nesne türünü ayarlama | Otomatik Özel (gerekli) |
AutoForecastHorizon
Ad | Açıklama | Değer |
---|---|---|
mod | [Gerekli] Tahmin ufku değeri seçim modunu ayarlayın. | 'Otomatik' (gerekli) |
CustomForecastHorizon
Ad | Açıklama | Değer |
---|---|---|
mod | [Gerekli] Tahmin ufku 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' '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 |
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 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 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 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) |
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 |
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 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 |
ImageInstanceSegmentation
Ad | Açıklama | Değer |
---|---|---|
Tasktype | [Gerekli] AutoMLjob için görev türü. | 'ImageInstanceSegmentation' (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 |
ImageModelSettingsObjectDetection
Ad | Açıklama | Değer |
---|---|---|
advancedSettings | Gelişmiş senaryolar için ayarlar. | string |
amsGradient | İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin. | bool |
Augmentations | Büyütmeleri kullanma ayarları. | string |
beta1 | İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır. | int |
beta2 | İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır. | int |
boxDetectionsPerImage | Tüm sınıflar için görüntü başına en fazla algılama sayısı. Pozitif bir tamsayı olmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez. |
int |
boxScoreThreshold | Çıkarım sırasında yalnızca sınıflandırma puanı şundan büyük olan teklifleri döndür: BoxScoreThreshold. [0, 1] aralığında bir float olmalıdır. |
int |
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 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' |
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 zamanlayıcısı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır. | string |
stepLRStepSize | Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutunun değeri. Pozitif bir tamsayı olmalıdır. | string |
tileGridSize | Her görüntüyü döşemek için kullanılacak kılavuz boyutu. Not: TileGridSize olmamalıdır Küçük nesne algılama mantığını etkinleştirmek için hiçbiri. mxn biçiminde iki tamsayı içeren bir dize. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez. |
string |
tileOverlapRatio | Her boyuttaki bitişik kutucuklar arasındaki çakışma oranı. [0, 1) aralığında kaydırılmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez. |
string |
tilePredictionsNmsThreshold | Kutucuklardan ve görüntüden tahminleri birleştirirken NMS gerçekleştirmek için kullanılacak IOU eşiği. Doğrulama/çıkarımda kullanılır. [0, 1] aralığında kaydırılmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez. NMS: Maksimum olmayan gizleme |
string |
trainingBatchSize | Eğitim toplu iş boyutu. Pozitif bir tamsayı olmalıdır. | string |
validationBatchSize | Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır. | string |
validationIouThreshold | Doğrulama ölçümü hesaplanırken kullanılacak IOU eşiği. [0, 1] aralığında kaydırılmalıdır. | string |
validationMetricType | Doğrulama ölçümleri için kullanılacak ölçüm hesaplama yöntemi. '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 |
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' |
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. | RegressionTrainingSettings |
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 |
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 |
TextClassification
Ad | Açıklama | Değer |
---|---|---|
Tasktype | [Gerekli] AutoMLjob için görev türü. | 'TextClassification' (gerekli) |
featurizationSettings | AutoML işi için özellik kazandırma girişleri gerekiyor. | NlpVerticalFeaturizationSettings |
limitSettings | AutoMLjob için yürütme kısıtlamaları. | NlpVerticalLimitSettings |
primaryMetric | Text-Classification görevi için birincil ölçüm. | 'AUCWeighted' 'Doğruluk' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
validationData | Doğrulama verisi girişleri. | MLTableJobInput |
NlpVerticalFeaturizationSettings
Ad | Açıklama | Değer |
---|---|---|
datasetLanguage | Veri kümesi dili; metin verileri için kullanışlıdır. | string |
NlpVerticalLimitSettings
Ad | Açıklama | Değer |
---|---|---|
maxConcurrentTrials | En fazla Eşzamanlı AutoML yinelemesi. | int |
maxTrials | AutoML yinelemelerinin sayısı. | int |
timeout | AutoML işi zaman aşımı. | string |
TextClassificationMultilabel
Ad | Açıklama | Değer |
---|---|---|
Tasktype | [Gerekli] AutoMLjob için görev türü. | 'TextClassificationMultilabel' (gerekli) |
featurizationSettings | AutoML işi için özellik kazandırma girişleri gerekiyor. | NlpVerticalFeaturizationSettings |
limitSettings | AutoMLjob için yürütme kısıtlamaları. | NlpVerticalLimitSettings |
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 |
limitSettings | AutoMLjob için yürütme kısıtlamaları. | NlpVerticalLimitSettings |
validationData | Doğrulama verisi girişleri. | MLTableJobInput |
CommandJob
Ad | Açıklama | Değer |
---|---|---|
jobType | [Gerekli] İşin türünü belirtir. | 'Command' (gerekli) |
codeId | Kod varlığının ARM kaynak kimliği. | string |
command | [Gerekli] İşin başlangıcında yürütülecek komut. Örneğin "python train.py" | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
Dağıtım | İşin dağıtım yapılandırması. Ayarlanırsa, bu Mpi, Tensorflow, PyTorch veya null değerlerinden biri olmalıdır. | DistributionConfiguration |
environmentId | [Gerekli] İşin Ortam belirtiminin ARM kaynak kimliği. | dize (gerekli) Kısıtlama -ları: 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 |
DistributionConfiguration
Ad | Açıklama | Değer |
---|---|---|
distributionType | Nesne türünü ayarlama | Mpı PyTorch TensorFlow (gerekli) |
Mpı
Ad | Açıklama | Değer |
---|---|---|
distributionType | [Gerekli] Dağıtım çerçevesinin türünü belirtir. | 'Mpi' (gerekli) |
processCountPerInstance | MPI düğümü başına işlem sayısı. | int |
PyTorch
Ad | Açıklama | Değer |
---|---|---|
distributionType | [Gerekli] Dağıtım çerçevesinin türünü belirtir. | 'PyTorch' (gerekli) |
processCountPerInstance | Düğüm başına işlem sayısı. | int |
TensorFlow
Ad | Açıklama | Değer |
---|---|---|
distributionType | [Gerekli] Dağıtım çerçevesinin türünü belirtir. | 'TensorFlow' (gerekli) |
parameterServerCount | Parametre sunucusu görevlerinin sayısı. | int |
workerCount | Çalışan sayısı. Belirtilmezse, varsayılan olarak örnek sayısı olur. | int |
CommandJobEnvironmentVariables
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | string |
CommandJobInputs
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | JobInput |
JobInput
Ad | Açıklama | Değer |
---|---|---|
açıklama | Girişin açıklaması. | string |
jobInputType | Nesne türünü ayarlama | 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 |
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 |
Süpürme İşi
Ad | Açıklama | Değer |
---|---|---|
jobType | [Gerekli] İşin türünü belirtir. | 'Süpür' (gerekli) |
earlyTermination | Erken sonlandırma ilkeleri, düşük performanslı çalıştırmaların tamamlanmadan önce iptal edilmesine olanak tanır | EarlyTerminationPolicy |
Giriş | İşte kullanılan giriş veri bağlamalarının eşlemesi. | SweepJobInputs |
Sınır -ları | Süpürme İşi sınırı. | SweepJobLimits |
Amaç | [Gerekli] İyileştirme hedefi. | Amaç (gerekli) |
Çıkış | İşte kullanılan çıkış veri bağlamalarının eşlemesi. | SweepJobOutputs |
queueSettings | İş için kuyruk ayarları | QueueSettings |
samplingAlgorithm | [Gerekli] Hiper parametre örnekleme algoritması | SamplingAlgorithm (gerekli) |
searchSpace | [Gerekli] Her parametreyi ve dağılımını içeren bir sözlük. Sözlük anahtarı parametrenin adıdır | Bicep için any() işlevini kullanabilirsiniz. (gerekli) |
trial | [Gerekli] Deneme bileşeni tanımı. | TrialComponent (gerekli) |
SweepJobInputs
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | JobInput |
SweepJobLimits
Ad | Açıklama | Değer |
---|---|---|
jobLimitsType | [Gerekli] JobLimit türü. | 'Command' 'Süpür' (gerekli) |
maxConcurrentTrials | Süpürme İşi maksimum eşzamanlı deneme sayısı. | int |
maxTotalTrials | Süpürme İşi maksimum toplam deneme sayısı. | int |
timeout | ISO 8601 biçimindeki en uzun çalıştırma süresidir ve bundan sonra iş iptal edilir. Yalnızca Saniye kadar düşük duyarlıkla süreyi destekler. | string |
trialTimeout | Süpürme İşi Deneme zaman aşımı değeri. | string |
Amaç
Ad | Açıklama | Değer |
---|---|---|
goal | [Gerekli] Hiper parametre ayarlama için desteklenen ölçüm hedeflerini tanımlar | 'Ekranı Kapla' 'Simge Durumuna Küçült' (gerekli) |
primaryMetric | [Gerekli] İyileştirecek ölçümün adı. | dize (gerekli) Kısıtlama -ları: 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 | 'Grid' (gerekli) |
RandomSamplingAlgorithm
Ad | Açıklama | Değer |
---|---|---|
samplingAlgorithmType | [Gerekli] Yapılandırma özellikleriyle birlikte hiper parametre değerleri oluşturmak için kullanılan algoritma | 'Rastgele' (gerekli) |
Kural | Belirli bir rastgele algoritma türü | 'Rastgele' 'Sobol' |
Tohum | Rastgele sayı oluşturma için çekirdek olarak kullanılacak isteğe bağlı bir tamsayı | int |
TrialComponent
Ad | Açıklama | Değer |
---|---|---|
codeId | Kod varlığının ARM kaynak kimliği. | string |
command | [Gerekli] İşin başlangıcında yürütülecek komut. Örneğin "python train.py" | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
Dağıtım | İşin dağıtım yapılandırması. Ayarlanırsa, bu Mpi, Tensorflow, PyTorch veya null değerlerinden biri olmalıdır. | DistributionConfiguration |
environmentId | [Gerekli] 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 |
CreateMonitorAction
Ad | Açıklama | Değer |
---|---|---|
actionType | [Gerekli] Zamanlamanın eylem türünü belirtir | 'CreateMonitor' (gerekli) |
monitorDefinition | [Gerekli] İzleyiciyi tanımlar. | MonitorDefinition (gerekli) |
MonitorDefinition
Ad | Açıklama | Değer |
---|---|---|
alertNotificationSettings | Monitörün bildirim ayarları. | MonitorNotificationSettings |
computeConfiguration | [Gerekli] İzleme işinin çalıştırılması için işlem kaynağının ARM kaynak kimliği. | MonitorComputeConfigurationBase (gerekli) |
monitoringTarget | İzleyici tarafından hedeflenen varlıklar. | monitoringTarget |
Sinyal | [Gerekli] İzlenecek sinyaller. | MonitorDefinitionSignals (gerekli) |
MonitorNotificationSettings
Ad | Açıklama | Değer |
---|---|---|
emailNotificationSettings | AML bildirim e-posta ayarları. | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
Ad | Açıklama | Değer |
---|---|---|
Emails | Toplamda 499 karakter sınırlaması olan e-posta alıcısı listesi. | string[] |
MonitorComputeConfigurationBase
Ad | Açıklama | Değer |
---|---|---|
computeType | Nesne türünü ayarlama | ServerlessSpark (gerekli) |
MonitorServerlessSparkCompute
Ad | Açıklama | Değer |
---|---|---|
computeType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'ServerlessSpark' (gerekli) |
computeIdentity | [Gerekli] Sunucusuz Spark üzerinde çalışan Spark işlerinin kullandığı kimlik şeması. | MonitorComputeIdentityBase (gerekli) |
instanceType | [Gerekli] Spark işini çalıştıran örnek türü. | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
runtimeVersion | [Gerekli] Spark çalışma zamanı sürümü. | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = ^[0-9]+\.[0-9]+$ |
MonitorComputeIdentityBase
Ad | Açıklama | Değer |
---|---|---|
computeIdentityType | Nesne türünü ayarlama | AmlToken ManagedIdentity (gerekli) |
AmlTokenComputeIdentity
Ad | Açıklama | Değer |
---|---|---|
computeIdentityType | [Gerekli] İzleme işlerinde kullanılacak kimliğin türünü belirtir. | 'AmlToken' (gerekli) |
ManagedComputeIdentity
Ad | Açıklama | Değer |
---|---|---|
computeIdentityType | [Gerekli] İzleme işlerinde kullanılacak kimliğin türünü belirtir. | 'ManagedIdentity' (gerekli) |
identity | İzleme işleri tarafından kullanılacak kimlik. | ManagedServiceIdentity |
ManagedServiceIdentity
Ad | Açıklama | Değer |
---|---|---|
tür | Yönetilen hizmet kimliği türü (hem SystemAssigned hem de UserAssigned türlerine izin verilir). | 'Yok' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (gerekli) |
userAssignedIdentities | Kaynakla ilişkilendirilmiş kullanıcı tarafından atanan kimlik kümesi. userAssignedIdentities sözlük anahtarları şu formda ARM kaynak kimlikleri olacaktır: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Sözlük değerleri, isteklerdeki boş nesneler ({}) olabilir. | UserAssignedIdentities |
UserAssignedIdentities
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | UserAssignedIdentity |
UserAssignedIdentity
Bu nesne dağıtım sırasında ayarlanacağı herhangi bir özellik içermez. Tüm özellikler Salt Okunur'dır.
monitoringTarget
Ad | Açıklama | Değer |
---|---|---|
deploymentId | Bu izleyici tarafından hedeflenen dağıtım varlığına başvuru. | string |
modelKimliği | Bu izleyici tarafından hedeflenen model varlığına başvuru. | string |
Tasktype | [Gerekli] İzlenen modelin makine öğrenmesi görev türü. | 'Sınıflandırma' 'Regresyon' (gerekli) |
MonitorDefinitionSignals
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | MonitoringSignalBase |
MonitoringSignalBase
Ad | Açıklama | Değer |
---|---|---|
notificationTypes | Bu sinyal için geçerli bildirim modu. | Herhangi birini içeren dize dizisi: 'AmlNotification' |
properties | Özellik sözlüğü. Özellikler eklenebilir, ancak kaldırılamaz veya değiştirilemez. | MonitoringSignalBaseProperties |
signalType | Nesne türünü ayarlama | Özel DataDrift DataQuality FeatureAttributionDrift PredictionDrift (gerekli) |
MonitoringSignalBaseProperties
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | string |
CustomMonitoringSignal
Ad | Açıklama | Değer |
---|---|---|
signalType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'Özel' (gerekli) |
Componentıd | [Gerekli] Özel ölçümleri hesaplamak için kullanılan bileşen varlığına başvuru. | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
inputAssets | Giriş olarak alınması gereken varlıkları izleme. Anahtar, bileşen giriş bağlantı noktası adı, değer ise veri varlığıdır. | CustomMonitoringSignalInputAssets |
Giriş | Giriş olarak alınması gereken ek bileşen parametreleri. Anahtar, bileşen değişmez değeri giriş bağlantı noktası adıdır, değer parametre değeridir. | CustomMonitoringSignalInputs |
metricThresholds | [Gerekli] Hesaplanması gereken ölçümlerin ve bunların ilişkili eşiklerinin listesi. | CustomMetricThreshold[] (gerekli) |
CustomMonitoringSignalInputAssets
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | MonitoringInputDataBase |
MonitoringInputDataBase
Ad | Açıklama | Değer |
---|---|---|
sütunlar | Sütun adlarını özel kullanımlara eşleme. | MonitoringInputDataBaseColumns |
Datacontext | Veri kaynağının bağlam meta verileri. | string |
jobInputType | [Gerekli] İşin türünü belirtir. | 'custom_model' 'değişmez değer' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (gerekli) |
Urı | [Gerekli] Giriş Varlığı URI'si. | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
inputDataType | Nesne türünü ayarlama | Sabit Haddeleme Statik (gerekli) |
MonitoringInputDataBaseColumns
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | string |
FixedInputData
Ad | Açıklama | Değer |
---|---|---|
inputDataType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'Sabit' (gerekli) |
RollingInputData
Ad | Açıklama | Değer |
---|---|---|
inputDataType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'Rolling' (gerekli) |
preprocessingComponentId | Verileri önceden işlemek için kullanılan bileşen varlığına başvuru. | string |
windowOffset | [Gerekli] Veri penceresinin sonu ile izleyicinin geçerli çalışma süresi arasındaki zaman farkı. | dize (gerekli) |
Windowsize | [Gerekli] Sıralı veri penceresinin boyutu. | dize (gerekli) |
StaticInputData
Ad | Açıklama | Değer |
---|---|---|
inputDataType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'Static' (gerekli) |
preprocessingComponentId | Verileri önceden işlemek için kullanılan bileşen varlığına başvuru. | string |
windowEnd | [Gerekli] Veri penceresinin bitiş tarihi. | dize (gerekli) |
windowStart | [Gerekli] Veri penceresinin başlangıç tarihi. | dize (gerekli) |
CustomMonitoringSignalInputs
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | JobInput |
CustomMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
ölçüm | [Gerekli] Hesaplanması gereken kullanıcı tanımlı ölçüm. | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
Eşik | Eşik değeri. Null ise, seçilen ölçüme bağlı olarak varsayılan bir değer ayarlanır. | monitoringThreshold |
monitoringThreshold
Ad | Açıklama | Değer |
---|---|---|
değer | Eşik değeri. Null ise, varsayılan ayar ölçüm türüne bağlıdır. | int |
DataDriftMonitoringSignal
Ad | Açıklama | Değer |
---|---|---|
signalType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'DataDrift' (gerekli) |
featureDataTypeOverride | Özellik adlarını ilgili veri türleriyle eşleyen sözlük. | DataDriftMonitoringSignalFeatureDataTypeOverride |
featureImportanceSettings | Bilgi işlem özelliğinin önemi için ayarlar. | FeatureImportanceSettings |
özellikler | Kaymanın hesaplanması gereken özelliği tanımlayan özellik filtresi. | MonitoringFeatureFilterBase |
metricThresholds | [Gerekli] Hesaplanması gereken ölçümlerin ve bunların ilişkili eşiklerinin listesi. | DataDriftMetricThresholdBase[] (gerekli) |
productionData | [Gerekli] Kaymanın hesaplandığı veriler. | MonitoringInputDataBase (gerekli) |
referenceData | [Gerekli] Kaymayı hesaplamak için veriler. | MonitoringInputDataBase (gerekli) |
DataDriftMonitoringSignalFeatureDataTypeOverride
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | 'Kategorik' 'Sayısal' |
FeatureImportanceSettings
Ad | Açıklama | Değer |
---|---|---|
mod | Bilgi işlem özelliğinin önemi için çalışma modu. | 'Devre Dışı' 'Etkin' |
targetColumn | Giriş veri varlığındaki hedef sütunun adı. | string |
MonitoringFeatureFilterBase
Ad | Açıklama | Değer |
---|---|---|
Filtertype | Nesne türünü ayarlama | AllFeatures FeatureSubset TopNByAttribution (gerekli) |
AllFeatures
Ad | Açıklama | Değer |
---|---|---|
Filtertype | [Gerekli] Ölçümlerin hesaplanması için özellikleri seçerken yararlanılması gereken özellik filtresini belirtir. | 'AllFeatures' (gerekli) |
FeatureSubset
Ad | Açıklama | Değer |
---|---|---|
Filtertype | [Gerekli] Ölçümlerin hesaplanması için özellikleri seçerken yararlanılması gereken özellik filtresini belirtir. | 'FeatureSubset' (gerekli) |
özellikler | [Gerekli] Eklenecek özelliklerin listesi. | string[] (gerekli) |
TopNFeaturesByAttribution
Ad | Açıklama | Değer |
---|---|---|
Filtertype | [Gerekli] Ölçümlerin hesaplanması için özellikleri seçerken yararlanılması gereken özellik filtresini belirtir. | 'TopNByAttribution' (gerekli) |
top | Eklenecek en önemli özelliklerin sayısı. | int |
DataDriftMetricThresholdBase
Ad | Açıklama | Değer |
---|---|---|
Eşik | Eşik değeri. Null ise, seçilen ölçüme bağlı olarak varsayılan bir değer ayarlanır. | MonitoringThreshold |
dataType | Nesne türünü ayarlama | Kategorik Sayısal (gerekli) |
CategoricalDataDriftMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | 'Kategorik' (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken kategorik veri kayma ölçümü. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (gerekli) |
NumericalDataDriftMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | 'Sayısal' (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken sayısal veri kayma ölçümü. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (gerekli) |
DataQualityMonitoringSignal
Ad | Açıklama | Değer |
---|---|---|
signalType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'DataQuality' (gerekli) |
featureDataTypeOverride | Özellik adlarını ilgili veri türleriyle eşleyen sözlük. | DataQualityMonitoringSignalFeatureDataTypeOverride |
featureImportanceSettings | Bilgi işlem özelliğinin önemi için ayarlar. | FeatureImportanceSettings |
özellikler | Hesaplanması gereken özellikler sürükleniyor. | MonitoringFeatureFilterBase |
metricThresholds | [Gerekli] Hesaplanması gereken ölçümlerin ve ilişkili eşiklerinin listesi. | DataQualityMetricThresholdBase[] (gerekli) |
productionData | [Gerekli] Üretim hizmeti tarafından üretilen ve sürüklenen veriler hesaplanır. | MonitoringInputDataBase (gerekli) |
referenceData | [Gerekli] Hesaplanması gereken veriler kayarak sürükleniyor. | MonitoringInputDataBase (gerekli) |
DataQualityMonitoringSignalFeatureDataTypeOverride
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | 'Kategorik' 'Sayısal' |
DataQualityMetricThresholdBase
Ad | Açıklama | Değer |
---|---|---|
Eşik | Eşik değeri. Null ise, seçilen ölçüme bağlı olarak varsayılan bir değer ayarlanır. | MonitoringThreshold |
dataType | Nesne türünü ayarlama | Kategorik Sayısal (gerekli) |
CategoricalDataQualityMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | 'Kategorik' (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken kategorik veri kalitesi ölçümü. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (gerekli) |
NumericalDataQualityMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | 'Sayısal' (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken sayısal veri kalitesi ölçümü. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (gerekli) |
FeatureAttributionDriftMonitoringSignal
Ad | Açıklama | Değer |
---|---|---|
signalType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'FeatureAttributionDrift' (gerekli) |
featureDataTypeOverride | Özellik adlarını ilgili veri türleriyle eşleyen sözlük. | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
featureImportanceSettings | [Gerekli] Bilgi işlem özelliğinin önemi için ayarlar. | FeatureImportanceSettings (gerekli) |
metricThreshold | [Gerekli] Hesaplanması gereken ölçümlerin ve ilişkili eşiklerinin listesi. | FeatureAttributionMetricThreshold (gerekli) |
productionData | [Gerekli] Kaymanın hesaplandığı veriler. | MonitoringInputDataBase[] (gerekli) |
referenceData | [Gerekli] Hesaplanması gereken veriler kayarak sürükleniyor. | MonitoringInputDataBase (gerekli) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | 'Kategorik' 'Sayısal' |
FeatureAttributionMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
ölçüm | [Gerekli] Hesaplanması gereken özellik ilişkilendirme ölçümü. | 'NormalizedDiscountedCumulativeGain' (gerekli) |
Eşik | Eşik değeri. Null ise, seçilen ölçüme bağlı olarak varsayılan bir değer ayarlanır. | MonitoringThreshold |
PredictionDriftMonitoringSignal
Ad | Açıklama | Değer |
---|---|---|
signalType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'PredictionDrift' (gerekli) |
featureDataTypeOverride | Özellik adlarını ilgili veri türleriyle eşleyen sözlük. | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
metricThresholds | [Gerekli] Hesaplanması gereken ölçümlerin ve ilişkili eşiklerinin listesi. | PredictionDriftMetricThresholdBase[] (gerekli) |
productionData | [Gerekli] Kaymanın hesaplandığı veriler. | MonitoringInputDataBase (gerekli) |
referenceData | [Gerekli] Hesaplanması gereken veriler kayarak sürükleniyor. | MonitoringInputDataBase (gerekli) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | 'Kategorik' 'Sayısal' |
PredictionDriftMetricThresholdBase
Ad | Açıklama | Değer |
---|---|---|
Eşik | Eşik değeri. Null ise, seçilen ölçüme bağlı olarak varsayılan bir değer ayarlanır. | MonitoringThreshold |
dataType | Nesne türünü ayarlama | Kategorik Sayısal (gerekli) |
CategoricalPredictionDriftMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | 'Kategorik' (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken kategorik tahmin kayma ölçümü. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (gerekli) |
NumericalPredictionDriftMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | 'Sayısal' (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken sayısal tahmin kayma ölçümü. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (gerekli) |
EndpointScheduleAction
Ad | Açıklama | Değer |
---|---|---|
actionType | [Gerekli] Zamanlamanın eylem türünü belirtir | 'InvokeBatchEndpoint' (gerekli) |
endpointInvocationDefinition | [Gerekli] Zamanlama eylem tanımı ayrıntılarını tanımlar. {bkz. href="TBD" /} |
Bicep için any() işlevini kullanabilirsiniz. (gerekli) |
Triggerbase
Ad | Açıklama | Değer |
---|---|---|
endTime | ZAMANLAMAnın bitiş saatini ISO 8601'de belirtir, ancak UTC uzaklığı olmadan. Bkz. https://en.wikipedia.org/wiki/ISO_8601. Yeniden açıklama biçimi "2022-06-01T00:00:01" olur Yoksa, zamanlama süresiz olarak çalışır |
string |
startTime | Zamanlamanın başlangıç saatini ISO 8601 biçiminde, ancak UTC uzaklığı olmadan belirtir. | string |
timeZone | Zamanlamanın çalıştırıldığı saat dilimini belirtir. TimeZone, Windows saat dilimi biçimine uygun olmalıdır. Bkz. https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones /> |
string |
triggerType | Nesne türünü ayarlama | Cron Yinelenme (gerekli) |
CronTrigger
Ad | Açıklama | Değer |
---|---|---|
triggerType | [Gerekli] | 'Cron' (gerekli) |
ifade | [Gerekli] Zamanlamanın cron ifadesini belirtir. İfade NCronTab biçiminde olmalıdır. |
dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
RecurrenceTrigger
Ad | Açıklama | Değer |
---|---|---|
endTime | ZAMANLAMAnın bitiş saatini ISO 8601'de belirtir, ancak UTC uzaklığı olmadan. Bkz. https://en.wikipedia.org/wiki/ISO_8601. Yeniden açıklama biçimi "2022-06-01T00:00:01" olabilir Yoksa, zamanlama süresiz olarak çalışır |
string |
frequency | [Gerekli] Zamanlamayı tetikleme sıklığı. | 'Gün' 'Saat' 'Dakika' 'Ay' 'Hafta' (gerekli) |
interval | [Gerekli] Zamanlama aralığını sıklık ile birlikte belirtir | int (gerekli) |
schedule | Yinelenme zamanlaması. | RecurrenceSchedule |
startTime | Zamanlamanın başlangıç saatini ISO 8601 biçiminde, ancak UTC uzaklığı olmadan belirtir. | string |
timeZone | Zamanlamanın çalıştırıldığı saat dilimini belirtir. TimeZone, Windows saat dilimi biçimine uygun olmalıdır. Bkz. https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones |
string |
triggerType | [Gerekli] | 'Cron' 'Yinelenme' (gerekli) |
RecurrenceSchedule
Ad | Açıklama | Değer |
---|---|---|
saat | [Gerekli] Zamanlamaya ait saatlerin listesi. | int[] (gerekli) |
sürdü | [Gerekli] Zamanlama için dakika listesi. | int[] (gerekli) |
monthDays | Zamanlama için ay günlerinin listesi | int[] |
weekDays | Zamanlama için gün listesi. | Herhangi birini içeren dize dizisi: 'Cuma' 'Pazartesi' 'Cumartesi' 'Pazar' 'Perşembe' 'Salı' 'Çarşamba' |
ARM şablonu kaynak tanımı
Çalışma alanları/zamanlamalar kaynak türü, aşağıdakileri hedefleyen işlemlerle dağıtılabilir:
- Kaynak grupları - Bkz. kaynak grubu dağıtım komutları
Her API sürümünde değiştirilen özelliklerin listesi için bkz. değişiklik günlüğü.
Kaynak biçimi
Microsoft.MachineLearningServices/workspaces/schedules kaynağı oluşturmak için şablonunuza aşağıdaki JSON'u ekleyin.
{
"type": "Microsoft.MachineLearningServices/workspaces/schedules",
"apiVersion": "2023-10-01",
"name": "string",
"properties": {
"action": {
"actionType": "string"
// For remaining properties, see ScheduleActionBase objects
},
"description": "string",
"displayName": "string",
"isEnabled": "bool",
"properties": {
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{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"
},
"trigger": {
"endTime": "string",
"startTime": "string",
"timeZone": "string",
"triggerType": "string"
// For remaining properties, see TriggerBase objects
}
}
}
ScheduleActionBase nesneleri
nesne türünü belirtmek için actionType özelliğini ayarlayın.
CreateJob için şunu kullanın:
"actionType": "CreateJob",
"jobDefinition": {
"componentId": "string",
"computeId": "string",
"description": "string",
"displayName": "string",
"experimentName": "string",
"identity": {
"identityType": "string"
// For remaining properties, see IdentityConfiguration objects
},
"isArchived": "bool",
"properties": {
"{customized property}": "string",
"{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"
},
"services": {
"{customized property}": {
"endpoint": "string",
"jobServiceType": "string",
"nodes": {
"nodesValueType": "string"
// For remaining properties, see Nodes objects
},
"port": "int",
"properties": {
"{customized property}": "string"
}
}
},
"tags": {
"{customized property}": "string",
"{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
}
CreateMonitor için şunu kullanın:
"actionType": "CreateMonitor",
"monitorDefinition": {
"alertNotificationSettings": {
"emailNotificationSettings": {
"emails": [ "string" ]
}
},
"computeConfiguration": {
"computeType": "string"
// For remaining properties, see MonitorComputeConfigurationBase objects
},
"monitoringTarget": {
"deploymentId": "string",
"modelId": "string",
"taskType": "string"
},
"signals": {
"{customized property}": {
"notificationTypes": "AmlNotification",
"properties": {
"{customized property}": "string"
},
"signalType": "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
InvokeBatchEndpoint için şunu kullanın:
"actionType": "InvokeBatchEndpoint",
"endpointInvocationDefinition": {}
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"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"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",
"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"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"properties": {
"{customized property}": {},
"{customized property}": {}
},
"shmSize": "string"
}
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"
Süpür için şunu kullanın:
"jobType": "Sweep",
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"limits": {
"jobLimitsType": "string",
"maxConcurrentTrials": "int",
"maxTotalTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"objective": {
"goal": "string",
"primaryMetric": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"queueSettings": {
"jobTier": "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",
"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"
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",
"mode": "string",
"uri": "string"
mlflow_model için şunu kullanın:
"jobOutputType": "mlflow_model",
"mode": "string",
"uri": "string"
Mltable için şunu kullanın:
"jobOutputType": "mltable",
"mode": "string",
"uri": "string"
triton_model için şunu kullanın:
"jobOutputType": "triton_model",
"mode": "string",
"uri": "string"
uri_file için şunu kullanın:
"jobOutputType": "uri_file",
"mode": "string",
"uri": "string"
uri_folder için şunu kullanın:
"jobOutputType": "uri_folder",
"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": {}
}
]
}
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"positiveLabel": "string",
"primaryMetric": "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"
}
},
"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": {}
}
]
}
},
"forecastingSettings": {
"countryOrRegionForHolidays": "string",
"cvStepSize": "int",
"featureLags": "string",
"forecastHorizon": {
"mode": "string"
// For remaining properties, see ForecastHorizon objects
},
"frequency": "string",
"seasonality": {
"mode": "string"
// For remaining properties, see Seasonality objects
},
"shortSeriesHandlingConfig": "string",
"targetAggregateFunction": "string",
"targetLags": {
"mode": "string"
// For remaining properties, see TargetLags objects
},
"targetRollingWindowSize": {
"mode": "string"
// For remaining properties, see TargetRollingWindowSize objects
},
"timeColumnName": "string",
"timeSeriesIdColumnNames": [ "string" ],
"useStl": "string"
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"primaryMetric": "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"
}
},
"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",
"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",
"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": {}
}
]
}
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"primaryMetric": "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"
}
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
TextClassification için şunu kullanın:
"taskType": "TextClassification",
"featurizationSettings": {
"datasetLanguage": "string"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"primaryMetric": "string",
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
TextClassificationMultilabel için şunu kullanın:
"taskType": "TextClassificationMultilabel",
"featurizationSettings": {
"datasetLanguage": "string"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
TextNER için şunu kullanın:
"taskType": "TextNER",
"featurizationSettings": {
"datasetLanguage": "string"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "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"
ForecastHorizon nesneleri
nesne türünü belirtmek için mode özelliğini ayarlayın.
Otomatik için şunu kullanın:
"mode": "Auto"
Özel için şunu kullanın:
"mode": "Custom",
"value": "int"
Mevsimsellik nesneleri
nesne türünü belirtmek için mode özelliğini ayarlayın.
Otomatik için şunu kullanın:
"mode": "Auto"
Özel için şunu kullanın:
"mode": "Custom",
"value": "int"
TargetLags nesneleri
nesne türünü belirtmek için mode özelliğini ayarlayın.
Otomatik için şunu kullanın:
"mode": "Auto"
Özel için şunu kullanın:
"mode": "Custom",
"values": [ "int" ]
TargetRollingWindowSize nesneleri
nesne türünü belirtmek için mode özelliğini ayarlayın.
Otomatik için şunu kullanın:
"mode": "Auto"
Özel için şunu kullanın:
"mode": "Custom",
"value": "int"
EarlyTerminationPolicy nesneleri
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"
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"
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"
SamplingAlgorithm nesneleri
nesne türünü belirtmek için samplingAlgorithmType özelliğini ayarlayın.
Bayes dili için şunu kullanın:
"samplingAlgorithmType": "Bayesian"
Kılavuz için şunu kullanın:
"samplingAlgorithmType": "Grid"
Rastgele için şunu kullanın:
"samplingAlgorithmType": "Random",
"rule": "string",
"seed": "int"
MonitorComputeConfigurationBase nesneleri
nesnesinin türünü belirtmek için computeType özelliğini ayarlayın.
ServerlessSpark için şunu kullanın:
"computeType": "ServerlessSpark",
"computeIdentity": {
"computeIdentityType": "string"
// For remaining properties, see MonitorComputeIdentityBase objects
},
"instanceType": "string",
"runtimeVersion": "string"
MonitorComputeIdentityBase nesneleri
nesnesinin türünü belirtmek için computeIdentityType özelliğini ayarlayın.
AmlToken için şunu kullanın:
"computeIdentityType": "AmlToken"
ManagedIdentity için şunu kullanın:
"computeIdentityType": "ManagedIdentity",
"identity": {
"type": "string",
"userAssignedIdentities": {
"{customized property}": {}
}
}
MonitoringSignalBase nesneleri
nesnesinin türünü belirtmek için signalType özelliğini ayarlayın.
Özel için şunu kullanın:
"signalType": "Custom",
"componentId": "string",
"inputAssets": {
"{customized property}": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"metricThresholds": [
{
"metric": "string",
"threshold": {
"value": "int"
}
}
]
DataDrift için şunu kullanın:
"signalType": "DataDrift",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "string"
},
"features": {
"filterType": "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
},
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see DataDriftMetricThresholdBase objects
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
DataQuality için şunu kullanın:
"signalType": "DataQuality",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "string"
},
"features": {
"filterType": "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
},
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see DataQualityMetricThresholdBase objects
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
FeatureAttributionDrift için şunu kullanın:
"signalType": "FeatureAttributionDrift",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "string"
},
"metricThreshold": {
"metric": "NormalizedDiscountedCumulativeGain",
"threshold": {
"value": "int"
}
},
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
PredictionDrift için şunu kullanın:
"signalType": "PredictionDrift",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
MonitoringInputDataBase nesneleri
nesne türünü belirtmek için inputDataType özelliğini ayarlayın.
Düzeltildi için şunu kullanın:
"inputDataType": "Fixed"
Rolling için şunu kullanın:
"inputDataType": "Rolling",
"preprocessingComponentId": "string",
"windowOffset": "string",
"windowSize": "string"
Statik için şunu kullanın:
"inputDataType": "Static",
"preprocessingComponentId": "string",
"windowEnd": "string",
"windowStart": "string"
MonitoringFeatureFilterBase nesneleri
filterType özelliğini nesnenin türünü belirtmek için ayarlayın.
AllFeatures için şunu kullanın:
"filterType": "AllFeatures"
FeatureSubset için şunu kullanın:
"filterType": "FeatureSubset",
"features": [ "string" ]
TopNByAttribution için şunu kullanın:
"filterType": "TopNByAttribution",
"top": "int"
DataDriftMetricThresholdBase nesneleri
nesne türünü belirtmek için dataType özelliğini ayarlayın.
Kategorik için şunu kullanın:
"dataType": "Categorical",
"metric": "string"
Sayısal için şunu kullanın:
"dataType": "Numerical",
"metric": "string"
DataQualityMetricThresholdBase nesneleri
nesne türünü belirtmek için dataType özelliğini ayarlayın.
Kategorik için şunu kullanın:
"dataType": "Categorical",
"metric": "string"
Sayısal için şunu kullanın:
"dataType": "Numerical",
"metric": "string"
PredictionDriftMetricThresholdBase nesneleri
nesne türünü belirtmek için dataType özelliğini ayarlayın.
Kategorik için şunu kullanın:
"dataType": "Categorical",
"metric": "string"
Sayısal için şunu kullanın:
"dataType": "Numerical",
"metric": "string"
TriggerBase nesneleri
nesne türünü belirtmek için triggerType özelliğini ayarlayın.
Cron için şunu kullanın:
"triggerType": "Cron",
"expression": "string"
Yinelenme için şunu kullanın:
"triggerType": "Recurrence",
"frequency": "string",
"interval": "int",
"schedule": {
"hours": [ "int" ],
"minutes": [ "int" ],
"monthDays": [ "int" ],
"weekDays": [ "string" ]
}
Özellik değerleri
çalışma alanları/zamanlamalar
Ad | Açıklama | Değer |
---|---|---|
tür | Kaynak türü | 'Microsoft.MachineLearningServices/workspaces/schedules' |
apiVersion | Kaynak API'sinin sürümü | '2023-10-01' |
name | Kaynak adı JSON ARM şablonlarında alt kaynaklar için adları ve türleri ayarlamayı öğrenin. |
dize (gerekli) |
properties | [Gerekli] Varlığın ek öznitelikleri. | ScheduleProperties (gerekli) |
ScheduleProperties
Ad | Açıklama | Değer |
---|---|---|
action | [Gerekli] Zamanlamanın eylemini belirtir | ScheduleActionBase (gerekli) |
açıklama | Varlık açıklaması metni. | string |
displayName | Zamanlamanın görünen adı. | string |
ısenabled | Zamanlama etkin mi? | bool |
properties | Varlık özelliği sözlüğü. | ResourceBaseProperties |
etiketler | Etiket sözlüğü. Etiketler eklenebilir, kaldırılabilir ve güncelleştirilebilir. | object |
Tetikleyici | [Gerekli] Tetikleyici ayrıntılarını belirtir | TriggerBase (gerekli) |
ScheduleActionBase
Ad | Açıklama | Değer |
---|---|---|
actionType | Nesne türünü ayarlama | CreateJob CreateMonitor InvokeBatchEndpoint (gerekli) |
JobScheduleAction
Ad | Açıklama | Değer |
---|---|---|
actionType | [Gerekli] Zamanlamanın eylem türünü belirtir | 'CreateJob' (gerekli) |
jobDefinition | [Gerekli] Zamanlama eylem tanımı ayrıntılarını tanımlar. | 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 |
properties | Varlık özelliği sözlüğü. | ResourceBaseProperties |
services | JobEndpoints listesi. Yerel işler için bir iş uç noktası FileStreamObject uç noktası değerine sahip olur. |
JobBaseServices |
etiketler | Etiket sözlüğü. Etiketler eklenebilir, kaldırılabilir ve güncelleştirilebilir. | object |
jobType | Nesne türünü ayarlama | AutoML Komut İşlem Hattı Süpür (gerekli) |
Identityconfiguration
Ad | Açıklama | Değer |
---|---|---|
ıdentitytype | Nesne türünü ayarlama | AMLToken Yönetilen UserIdentity (gerekli) |
AmlToken
Ad | Açıklama | Değer |
---|---|---|
ıdentitytype | [Gerekli] Kimlik çerçevesinin türünü belirtir. | 'AMLToken' (gerekli) |
ManagedIdentity
Ad | Açıklama | Değer |
---|---|---|
ıdentitytype | [Gerekli] Kimlik çerçevesinin türünü belirtir. | 'Yönetilen' (gerekli) |
clientId | İstemci kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın. | string Kısıtlama -ları: En az uzunluk = 36 Maksimum uzunluk = 36 Desen = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
objectId | Nesne kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın. | string Kısıtlama -ları: En az uzunluk = 36 Maksimum uzunluk = 36 Desen = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
resourceId | ARM kaynak kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın. | string |
UserIdentity
Ad | Açıklama | Değer |
---|---|---|
ıdentitytype | [Gerekli] Kimlik çerçevesinin türünü belirtir. | 'UserIdentity' (gerekli) |
ResourceBaseProperties
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string |
JobBaseServices
Ad | Açıklama | Değer |
---|---|---|
{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 | 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) |
mod | Çıkış Varlığı Teslim Modu. | 'ReadWriteMount' 'Karşıya Yükle' |
Urı | Çıkış Varlığı URI'si. | string |
MLFlowModelJobOutput
Ad | Açıklama | Değer |
---|---|---|
jobOutputType | [Gerekli] İşin türünü belirtir. | 'mlflow_model' (gerekli) |
mod | Çıkış Varlığı Teslim Modu. | 'ReadWriteMount' 'Karşıya Yükle' |
Urı | Çıkış Varlığı URI'si. | string |
MLTableJobOutput
Ad | Açıklama | Değer |
---|---|---|
jobOutputType | [Gerekli] İşin türünü belirtir. | 'mltable' (gerekli) |
mod | Çıkış Varlığı Teslim Modu. | 'ReadWriteMount' 'Karşıya Yükle' |
Urı | Çıkış Varlığı URI'si. | string |
TritonModelJobOutput
Ad | Açıklama | Değer |
---|---|---|
jobOutputType | [Gerekli] İşin türünü belirtir. | 'triton_model' (gerekli) |
mod | Çıkış Varlığı Teslim Modu. | 'ReadWriteMount' 'Karşıya Yükle' |
Urı | Çıkış Varlığı URI'si. | string |
UriFileJobOutput
Ad | Açıklama | Değer |
---|---|---|
jobOutputType | [Gerekli] İşin türünü belirtir. | 'uri_file' (gerekli) |
mod | Çıkış Varlığı Teslim Modu. | 'ReadWriteMount' 'Karşıya Yükle' |
Urı | Çıkış Varlığı URI'si. | string |
UriFolderJobOutput
Ad | Açıklama | Değer |
---|---|---|
jobOutputType | [Gerekli] İşin türünü belirtir. | 'uri_folder' (gerekli) |
mod | Çıkış Varlığı Teslim Modu. | 'ReadWriteMount' 'Karşıya Yükle' |
Urı | Çıkış Varlığı URI'si. | string |
QueueSettings
Ad | Açıklama | Değer |
---|---|---|
jobTier | İşlem işi katmanını denetler | 'Temel' 'Null' 'Premium' 'Spot' 'Standart' |
JobResourceConfiguration
Ad | Açıklama | Değer |
---|---|---|
dockerArgs | Docker çalıştırma komutuna geçirebilmek için 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 desteklendiği şekilde kullanılan isteğe bağlı VM türü. | string |
properties | Ek özellikler çantası. | ResourceConfigurationProperties |
shmSize | Docker kapsayıcısının paylaşılan bellek bloğunun boyutu. Bu, sayının 0'dan büyük olduğu (sayı)(birim) biçiminde olmalı ve birim b(bayt), k(kilobayt), m(megabayt) veya g(gigabayt) olabilir. | 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 |
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' |
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. | 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. |
TableVerticalLimitSettings
Ad | Açıklama | Değer |
---|---|---|
enableEarlyTermination | Erken sonlandırmayı etkinleştirin, AutoMLjob'ın son 20 yinelemede puan iyileştirmesi yoksa erken sonlandırılıp sonlandırılmayacağını belirler. | bool |
exitScore | AutoML işinin çıkış puanı. | int |
maxConcurrentTrials | Maksimum Eşzamanlı yineleme. | int |
maxCoresPerTrial | Yineleme başına maksimum çekirdek. | int |
maxTrials | Yineleme sayısı. | int |
timeout | AutoML işi zaman aşımı. | string |
trialTimeout | Yineleme zaman aşımı. | string |
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) |
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 |
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 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 |
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' |
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 zamanıüç gün arayla. |
int |
featureLags | 'auto' veya null ile sayısal özellikler için gecikme oluşturma bayrağı. | 'Otomatik' 'Yok' |
forecastHorizon | Zaman serisi sıklığı birimlerinde istenen maksimum tahmin ufku. | ForecastHorizon |
frequency | Tahmin yapılırken, bu parametre tahminin istendiği dönemi (örneğin, günlük, haftalık, yıllık vb.) temsil eder. Tahmin sıklığı varsayılan olarak veri kümesi sıklığıdır. | string |
Seasonality | Zaman serisi mevsimselliğini, seri sıklığının tamsayı katı olarak ayarlayın. Mevsimsellik 'otomatik' olarak ayarlanırsa, çıkarsanır. |
Seasonality |
shortSeriesHandlingConfig | AutoML'nin kısa zaman serisini nasıl işleyeceklerini tanımlayan parametre. | 'Otomatik' 'Bırak' 'Yok' 'Tuş Takımı' |
targetAggregateFunction | Zaman serisi hedef sütununu kullanıcının belirtilen sıklığına uyacak şekilde toplamak için kullanılacak işlev. TargetAggregateFunction değeri 'Yok' olarak ayarlanmamışsa ancak freq parametresi ayarlanmamışsa hata oluşur. Olası hedef toplama işlevleri şunlardır: "sum", "max", "min" ve "ortalama". |
'Max' 'Ortalama' 'Min' 'Yok' 'Toplam' |
targetLags | Hedef sütundan geri alınacak geçmiş dönemlerin sayısı. | TargetLags |
targetRollingWindowSize | Hedef sütunun sıralı pencere ortalamasını oluşturmak için kullanılan geçmiş dönemlerin sayısı. | TargetRollingWindowSize |
timeColumnName | Saat sütununun adı. Bu parametre, zaman serisini oluşturmak ve sıklığını çıkarsamak için kullanılan giriş verilerinde tarih saat sütununu belirtmek için tahminde bulunurken gereklidir. | string |
timeSeriesIdColumnNames | Zaman aralıklarını gruplandırmak için kullanılan sütunların adları. Birden çok seri oluşturmak için kullanılabilir. Tahıl tanımlanmamışsa, veri kümesinin tek bir zaman serisi olduğu varsayılır. Bu parametre, görev türü tahmini ile kullanılır. |
string[] |
useStl | Zaman serisi hedef sütununun STL Ayrıştırma'sını yapılandırın. | 'Yok' 'Sezon' 'SeasonTrend' |
ForecastHorizon
Ad | Açıklama | Değer |
---|---|---|
mod | Nesne türünü ayarlama | Otomatik Özel (gerekli) |
AutoForecastHorizon
Ad | Açıklama | Değer |
---|---|---|
mod | [Gerekli] Tahmin ufku değer seçim modunu ayarlayın. | 'Otomatik' (gerekli) |
CustomForecastHorizon
Ad | Açıklama | Değer |
---|---|---|
mod | [Gerekli] Tahmin ufku değer seçim modunu ayarlayın. | 'Özel' (gerekli) |
değer | [Gerekli] Tahmin ufuk değeri. | int (gerekli) |
Mevsimsellik
Ad | Açıklama | Değer |
---|---|---|
mod | Nesne türünü ayarlama | Otomatik Özel (gerekli) |
Otomatik Boyut
Ad | Açıklama | Değer |
---|---|---|
mod | [Gerekli] Mevsimsellik modu. | 'Otomatik' (gerekli) |
CustomSeasonality
Ad | Açıklama | Değer |
---|---|---|
mod | [Gerekli] Mevsimsellik modu. | 'Özel' (gerekli) |
değer | [Gerekli] Mevsimsellik değeri. | int (gerekli) |
TargetLags
Ad | Açıklama | Değer |
---|---|---|
mod | Nesne türünü ayarlama | Otomatik Özel (gerekli) |
AutoTargetLags
Ad | Açıklama | Değer |
---|---|---|
mod | [Gerekli] Hedef gecikme modunu ayarlama - Otomatik/Özel | 'Otomatik' (gerekli) |
CustomTargetLags
Ad | Açıklama | Değer |
---|---|---|
mod | [Gerekli] Hedef gecikme modunu ayarlama - Otomatik/Özel | 'Özel' (gerekli) |
değerler | [Gerekli] Hedef gecikme değerlerini ayarlayın. | int[] (gerekli) |
TargetRollingWindowSize
Ad | Açıklama | Değer |
---|---|---|
mod | Nesne türünü ayarlama | Otomatik Özel (gerekli) |
AutoTargetRollingWindowSize
Ad | Açıklama | Değer |
---|---|---|
mod | [Gerekli] TargetRollingWindowSiz algılama modu. | 'Otomatik' (gerekli) |
CustomTargetRollingWindowSize
Ad | Açıklama | Değer |
---|---|---|
mod | [Gerekli] TargetRollingWindowSiz algılama modu. | 'Özel' (gerekli) |
değer | [Gerekli] TargetRollingWindowSize değeri. | int (gerekli) |
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 |
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 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 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 | 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 |
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 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) |
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 |
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' |
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 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 ayırması 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. | string[] |
featurizationSettings | AutoML işi için özellik kazandırma girişleri gerekiyor. | TableVerticalFeaturizationSettings |
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' |
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. | RegressionTrainingSettings |
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 |
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 |
TextClassification
Ad | Açıklama | Değer |
---|---|---|
Tasktype | [Gerekli] AutoMLjob için görev türü. | 'TextClassification' (gerekli) |
featurizationSettings | AutoML işi için özellik kazandırma girişleri gerekiyor. | NlpVerticalFeaturizationSettings |
limitSettings | AutoMLjob için yürütme kısıtlamaları. | NlpVerticalLimitSettings |
primaryMetric | Text-Classification görevi için birincil ölçüm. | 'AUCWeighted' 'Doğruluk' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
validationData | Doğrulama verisi girişleri. | MLTableJobInput |
NlpVerticalFeaturizationSettings
Ad | Açıklama | Değer |
---|---|---|
datasetLanguage | Veri kümesi dili; metin verileri için kullanışlıdır. | string |
NlpVerticalLimitSettings
Ad | Açıklama | Değer |
---|---|---|
maxConcurrentTrials | En fazla Eşzamanlı AutoML yinelemesi. | int |
maxTrials | AutoML yinelemelerinin sayısı. | int |
timeout | AutoML işi zaman aşımı. | string |
TextClassificationMultilabel
Ad | Açıklama | Değer |
---|---|---|
Tasktype | [Gerekli] AutoMLjob için görev türü. | 'TextClassificationMultilabel' (gerekli) |
featurizationSettings | AutoML işi için özellik kazandırma girişleri gerekiyor. | NlpVerticalFeaturizationSettings |
limitSettings | AutoMLjob için yürütme kısıtlamaları. | NlpVerticalLimitSettings |
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 |
limitSettings | AutoMLjob için yürütme kısıtlamaları. | NlpVerticalLimitSettings |
validationData | Doğrulama verisi girişleri. | MLTableJobInput |
CommandJob
Ad | Açıklama | Değer |
---|---|---|
jobType | [Gerekli] İşin türünü belirtir. | 'Command' (gerekli) |
codeId | Kod varlığının ARM kaynak kimliği. | string |
command | [Gerekli] İşin başlangıcında yürütülecek komut. Örneğin "python train.py" | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
Dağıtım | İşin dağıtım yapılandırması. Ayarlanırsa, bu Mpi, Tensorflow, PyTorch veya null değerlerinden biri olmalıdır. | DistributionConfiguration |
environmentId | [Gerekli] İş için Ortam belirtiminin ARM kaynak kimliği. | dize (gerekli) Kısıtlama -ları: 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 |
DistributionConfiguration
Ad | Açıklama | Değer |
---|---|---|
distributionType | Nesne türünü ayarlama | Mpı PyTorch TensorFlow (gerekli) |
Mpı
Ad | Açıklama | Değer |
---|---|---|
distributionType | [Gerekli] Dağıtım çerçevesinin türünü belirtir. | 'Mpi' (gerekli) |
processCountPerInstance | MPI düğümü başına işlem sayısı. | int |
PyTorch
Ad | Açıklama | Değer |
---|---|---|
distributionType | [Gerekli] Dağıtım çerçevesinin türünü belirtir. | 'PyTorch' (gerekli) |
processCountPerInstance | Düğüm başına işlem sayısı. | int |
TensorFlow
Ad | Açıklama | Değer |
---|---|---|
distributionType | [Gerekli] Dağıtım çerçevesinin türünü belirtir. | 'TensorFlow' (gerekli) |
parameterServerCount | Parametre sunucusu görevlerinin sayısı. | int |
workerCount | Çalışan sayısı. Belirtilmezse, varsayılan olarak örnek sayısı olur. | int |
CommandJobEnvironmentVariables
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | string |
CommandJobInputs
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | JobInput |
JobInput
Ad | Açıklama | Değer |
---|---|---|
açıklama | Girişin açıklaması. | string |
jobInputType | Nesne türünü ayarlama | 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 |
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 |
Süpürme İşi
Ad | Açıklama | Değer |
---|---|---|
jobType | [Gerekli] İşin türünü belirtir. | 'Süpür' (gerekli) |
earlyTermination | Erken sonlandırma ilkeleri, düşük performanslı çalıştırmaların tamamlanmadan önce iptal edilmesine olanak tanır | EarlyTerminationPolicy |
Giriş | İşte kullanılan giriş veri bağlamalarının eşlemesi. | SweepJobInputs |
Sınır -ları | Süpürme İşi sınırı. | SweepJobLimits |
Amaç | [Gerekli] İyileştirme hedefi. | Amaç (gerekli) |
Çıkış | İşte kullanılan çıkış veri bağlamalarının eşlemesi. | SweepJobOutputs |
queueSettings | İş için kuyruk ayarları | QueueSettings |
samplingAlgorithm | [Gerekli] Hiper parametre örnekleme algoritması | SamplingAlgorithm (gerekli) |
searchSpace | [Gerekli] Her parametreyi ve dağılımını içeren bir sözlük. Sözlük anahtarı, parametrenin adıdır | |
trial | [Gerekli] Deneme bileşeni tanımı. | TrialComponent (gerekli) |
SweepJobInputs
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | JobInput |
SweepJobLimits
Ad | Açıklama | Değer |
---|---|---|
jobLimitsType | [Gerekli] JobLimit türü. | 'Komut' 'Süpür' (gerekli) |
maxConcurrentTrials | Süpürme İşi maksimum 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) |
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 |
CreateMonitorAction
Ad | Açıklama | Değer |
---|---|---|
actionType | [Gerekli] Zamanlamanın eylem türünü belirtir | 'CreateMonitor' (gerekli) |
monitorDefinition | [Gerekli] İzleyiciyi tanımlar. | MonitorDefinition (gerekli) |
MonitorDefinition
Ad | Açıklama | Değer |
---|---|---|
alertNotificationSettings | Monitörün bildirim ayarları. | MonitorNotificationSettings |
computeConfiguration | [Gerekli] İzleme işinin çalıştırılması için işlem kaynağının ARM kaynak kimliği. | MonitorComputeConfigurationBase (gerekli) |
monitoringTarget | İzleyici tarafından hedeflenen varlıklar. | monitoringTarget |
Sinyal | [Gerekli] İzlenecek sinyaller. | MonitorDefinitionSignals (gerekli) |
MonitorNotificationSettings
Ad | Açıklama | Değer |
---|---|---|
emailNotificationSettings | AML bildirim e-posta ayarları. | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
Ad | Açıklama | Değer |
---|---|---|
Emails | Toplamda 499 karakter sınırlaması olan e-posta alıcısı listesi. | string[] |
MonitorComputeConfigurationBase
Ad | Açıklama | Değer |
---|---|---|
computeType | Nesne türünü ayarlama | ServerlessSpark (gerekli) |
MonitorServerlessSparkCompute
Ad | Açıklama | Değer |
---|---|---|
computeType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'ServerlessSpark' (gerekli) |
computeIdentity | [Gerekli] Sunucusuz Spark üzerinde çalışan Spark işlerinin kullandığı kimlik şeması. | MonitorComputeIdentityBase (gerekli) |
instanceType | [Gerekli] Spark işini çalıştıran örnek türü. | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
runtimeVersion | [Gerekli] Spark çalışma zamanı sürümü. | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = ^[0-9]+\.[0-9]+$ |
MonitorComputeIdentityBase
Ad | Açıklama | Değer |
---|---|---|
computeIdentityType | Nesne türünü ayarlama | AmlToken ManagedIdentity (gerekli) |
AmlTokenComputeIdentity
Ad | Açıklama | Değer |
---|---|---|
computeIdentityType | [Gerekli] İzleme işlerinde kullanılacak kimliğin türünü belirtir. | 'AmlToken' (gerekli) |
ManagedComputeIdentity
Ad | Açıklama | Değer |
---|---|---|
computeIdentityType | [Gerekli] İzleme işlerinde kullanılacak kimliğin türünü belirtir. | 'ManagedIdentity' (gerekli) |
identity | İzleme işleri tarafından kullanılacak kimlik. | ManagedServiceIdentity |
ManagedServiceIdentity
Ad | Açıklama | Değer |
---|---|---|
tür | Yönetilen hizmet kimliği türü (hem SystemAssigned hem de UserAssigned türlerine izin verilir). | 'Yok' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (gerekli) |
userAssignedIdentities | Kaynakla ilişkilendirilmiş kullanıcı tarafından atanan kimlik kümesi. userAssignedIdentities sözlük anahtarları şu formda ARM kaynak kimlikleri olacaktır: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Sözlük değerleri, isteklerdeki boş nesneler ({}) olabilir. | UserAssignedIdentities |
UserAssignedIdentities
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | UserAssignedIdentity |
UserAssignedIdentity
Bu nesne dağıtım sırasında ayarlanacağı herhangi bir özellik içermez. Tüm özellikler Salt Okunur'dır.
monitoringTarget
Ad | Açıklama | Değer |
---|---|---|
deploymentId | Bu izleyici tarafından hedeflenen dağıtım varlığına başvuru. | string |
modelKimliği | Bu izleyici tarafından hedeflenen model varlığına başvuru. | string |
Tasktype | [Gerekli] İzlenen modelin makine öğrenmesi görev türü. | 'Sınıflandırma' 'Regresyon' (gerekli) |
MonitorDefinitionSignals
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | MonitoringSignalBase |
MonitoringSignalBase
Ad | Açıklama | Değer |
---|---|---|
notificationTypes | Bu sinyal için geçerli bildirim modu. | Herhangi birini içeren dize dizisi: 'AmlNotification' |
properties | Özellik sözlüğü. Özellikler eklenebilir, ancak kaldırılamaz veya değiştirilemez. | MonitoringSignalBaseProperties |
signalType | Nesne türünü ayarlama | Özel DataDrift DataQuality FeatureAttributionDrift PredictionDrift (gerekli) |
MonitoringSignalBaseProperties
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | string |
CustomMonitoringSignal
Ad | Açıklama | Değer |
---|---|---|
signalType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'Özel' (gerekli) |
Componentıd | [Gerekli] Özel ölçümleri hesaplamak için kullanılan bileşen varlığına başvuru. | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
inputAssets | Giriş olarak alınması gereken varlıkları izleme. Anahtar, bileşen giriş bağlantı noktası adı, değer ise veri varlığıdır. | CustomMonitoringSignalInputAssets |
Giriş | Giriş olarak alınması gereken ek bileşen parametreleri. Anahtar, bileşen değişmez değeri giriş bağlantı noktası adıdır, değer parametre değeridir. | CustomMonitoringSignalInputs |
metricThresholds | [Gerekli] Hesaplanması gereken ölçümlerin ve bunların ilişkili eşiklerinin listesi. | CustomMetricThreshold[] (gerekli) |
CustomMonitoringSignalInputAssets
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | MonitoringInputDataBase |
MonitoringInputDataBase
Ad | Açıklama | Değer |
---|---|---|
sütunlar | Sütun adlarını özel kullanımlara eşleme. | MonitoringInputDataBaseColumns |
Datacontext | Veri kaynağının bağlam meta verileri. | string |
jobInputType | [Gerekli] İşin türünü belirtir. | 'custom_model' 'değişmez değer' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (gerekli) |
Urı | [Gerekli] Giriş Varlığı URI'si. | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
inputDataType | Nesne türünü ayarlama | Sabit Haddeleme Statik (gerekli) |
MonitoringInputDataBaseColumns
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | string |
FixedInputData
Ad | Açıklama | Değer |
---|---|---|
inputDataType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'Sabit' (gerekli) |
RollingInputData
Ad | Açıklama | Değer |
---|---|---|
inputDataType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'Rolling' (gerekli) |
preprocessingComponentId | Verileri önceden işlemek için kullanılan bileşen varlığına başvuru. | string |
windowOffset | [Gerekli] Veri penceresinin sonu ile izleyicinin geçerli çalışma süresi arasındaki zaman farkı. | dize (gerekli) |
Windowsize | [Gerekli] Sıralı veri penceresinin boyutu. | dize (gerekli) |
StaticInputData
Ad | Açıklama | Değer |
---|---|---|
inputDataType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'Static' (gerekli) |
preprocessingComponentId | Verileri önceden işlemek için kullanılan bileşen varlığına başvuru. | string |
windowEnd | [Gerekli] Veri penceresinin bitiş tarihi. | dize (gerekli) |
windowStart | [Gerekli] Veri penceresinin başlangıç tarihi. | dize (gerekli) |
CustomMonitoringSignalInputs
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | JobInput |
CustomMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
ölçüm | [Gerekli] Hesaplanması gereken kullanıcı tanımlı ölçüm. | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
Eşik | Eşik değeri. Null ise, seçilen ölçüme bağlı olarak varsayılan bir değer ayarlanır. | monitoringThreshold |
monitoringThreshold
Ad | Açıklama | Değer |
---|---|---|
değer | Eşik değeri. Null ise, varsayılan ayar ölçüm türüne bağlıdır. | int |
DataDriftMonitoringSignal
Ad | Açıklama | Değer |
---|---|---|
signalType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'DataDrift' (gerekli) |
featureDataTypeOverride | Özellik adlarını ilgili veri türleriyle eşleyen sözlük. | DataDriftMonitoringSignalFeatureDataTypeOverride |
featureImportanceSettings | Bilgi işlem özelliğinin önemi için ayarlar. | FeatureImportanceSettings |
özellikler | Kaymanın hesaplanması gereken özelliği tanımlayan özellik filtresi. | MonitoringFeatureFilterBase |
metricThresholds | [Gerekli] Hesaplanması gereken ölçümlerin ve bunların ilişkili eşiklerinin listesi. | DataDriftMetricThresholdBase[] (gerekli) |
productionData | [Gerekli] Kaymanın hesaplandığı veriler. | MonitoringInputDataBase (gerekli) |
referenceData | [Gerekli] Kaymayı hesaplamak için veriler. | MonitoringInputDataBase (gerekli) |
DataDriftMonitoringSignalFeatureDataTypeOverride
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | 'Kategorik' 'Sayısal' |
FeatureImportanceSettings
Ad | Açıklama | Değer |
---|---|---|
mod | Bilgi işlem özelliğinin önemi için çalışma modu. | 'Devre Dışı' 'Etkin' |
targetColumn | Giriş veri varlığındaki hedef sütunun adı. | string |
MonitoringFeatureFilterBase
Ad | Açıklama | Değer |
---|---|---|
Filtertype | Nesne türünü ayarlama | AllFeatures FeatureSubset TopNByAttribution (gerekli) |
AllFeatures
Ad | Açıklama | Değer |
---|---|---|
Filtertype | [Gerekli] Ölçümlerin hesaplanması için özellikleri seçerken yararlanılması gereken özellik filtresini belirtir. | 'AllFeatures' (gerekli) |
FeatureSubset
Ad | Açıklama | Değer |
---|---|---|
Filtertype | [Gerekli] Ölçümlerin hesaplanması için özellikleri seçerken yararlanılması gereken özellik filtresini belirtir. | 'FeatureSubset' (gerekli) |
özellikler | [Gerekli] Eklenecek özelliklerin listesi. | string[] (gerekli) |
TopNFeaturesByAttribution
Ad | Açıklama | Değer |
---|---|---|
Filtertype | [Gerekli] Ölçümlerin hesaplanması için özellikleri seçerken yararlanılması gereken özellik filtresini belirtir. | 'TopNByAttribution' (gerekli) |
top | Eklenecek en önemli özelliklerin sayısı. | int |
DataDriftMetricThresholdBase
Ad | Açıklama | Değer |
---|---|---|
Eşik | Eşik değeri. Null ise, seçilen ölçüme bağlı olarak varsayılan bir değer ayarlanır. | monitoringThreshold |
dataType | Nesne türünü ayarlama | Kategorik Sayısal (gerekli) |
CategoricalDataDriftMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | 'Kategorik' (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken kategorik veri kayma ölçümü. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (gerekli) |
NumericalDataDriftMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | 'Sayısal' (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken sayısal veri kayma ölçümü. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (gerekli) |
DataQualityMonitoringSignal
Ad | Açıklama | Değer |
---|---|---|
signalType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'DataQuality' (gerekli) |
featureDataTypeOverride | Özellik adlarını ilgili veri türleriyle eşleyen sözlük. | DataQualityMonitoringSignalFeatureDataTypeOverride |
featureImportanceSettings | Bilgi işlem özelliğinin önemi için ayarlar. | FeatureImportanceSettings |
özellikler | Hesaplanması gereken özellikler sürükleniyor. | MonitoringFeatureFilterBase |
metricThresholds | [Gerekli] Hesaplanması gereken ölçümlerin ve ilişkili eşiklerinin listesi. | DataQualityMetricThresholdBase[] (gerekli) |
productionData | [Gerekli] Üretim hizmeti tarafından üretilen ve sürüklenen veriler hesaplanır. | MonitoringInputDataBase (gerekli) |
referenceData | [Gerekli] Hesaplanması gereken veriler kayarak sürükleniyor. | MonitoringInputDataBase (gerekli) |
DataQualityMonitoringSignalFeatureDataTypeOverride
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | 'Kategorik' 'Sayısal' |
DataQualityMetricThresholdBase
Ad | Açıklama | Değer |
---|---|---|
Eşik | Eşik değeri. Null ise, seçilen ölçüme bağlı olarak varsayılan bir değer ayarlanır. | MonitoringThreshold |
dataType | Nesne türünü ayarlama | Kategorik Sayısal (gerekli) |
CategoricalDataQualityMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | 'Kategorik' (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken kategorik veri kalitesi ölçümü. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (gerekli) |
NumericalDataQualityMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | 'Sayısal' (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken sayısal veri kalitesi ölçümü. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (gerekli) |
FeatureAttributionDriftMonitoringSignal
Ad | Açıklama | Değer |
---|---|---|
signalType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'FeatureAttributionDrift' (gerekli) |
featureDataTypeOverride | Özellik adlarını ilgili veri türleriyle eşleyen sözlük. | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
featureImportanceSettings | [Gerekli] Bilgi işlem özelliğinin önemi için ayarlar. | FeatureImportanceSettings (gerekli) |
metricThreshold | [Gerekli] Hesaplanması gereken ölçümlerin ve bunların ilişkili eşiklerinin listesi. | FeatureAttributionMetricThreshold (gerekli) |
productionData | [Gerekli] Kaymanın hesaplandığı veriler. | MonitoringInputDataBase[] (gerekli) |
referenceData | [Gerekli] Kaymayı hesaplamak için veriler. | MonitoringInputDataBase (gerekli) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | 'Kategorik' 'Sayısal' |
FeatureAttributionMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
ölçüm | [Gerekli] Hesaplanması gereken özellik ilişkilendirme ölçümü. | 'NormalizedDiscountedCumulativeGain' (gerekli) |
Eşik | Eşik değeri. Null ise, seçilen ölçüme bağlı olarak varsayılan bir değer ayarlanır. | monitoringThreshold |
PredictionDriftMonitoringSignal
Ad | Açıklama | Değer |
---|---|---|
signalType | [Gerekli] İzlenecek sinyalin türünü belirtir. | 'PredictionDrift' (gerekli) |
featureDataTypeOverride | Özellik adlarını ilgili veri türleriyle eşleyen sözlük. | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
metricThresholds | [Gerekli] Hesaplanması gereken ölçümlerin ve bunların ilişkili eşiklerinin listesi. | PredictionDriftMetricThresholdBase[] (gerekli) |
productionData | [Gerekli] Kaymanın hesaplandığı veriler. | MonitoringInputDataBase (gerekli) |
referenceData | [Gerekli] Kaymayı hesaplamak için veriler. | MonitoringInputDataBase (gerekli) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | 'Kategorik' 'Sayısal' |
PredictionDriftMetricThresholdBase
Ad | Açıklama | Değer |
---|---|---|
Eşik | Eşik değeri. Null ise, seçilen ölçüme bağlı olarak varsayılan bir değer ayarlanır. | monitoringThreshold |
dataType | Nesne türünü ayarlama | Kategorik Sayısal (gerekli) |
CategoricalPredictionDriftMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | 'Kategorik' (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken kategorik tahmin kayma ölçümü. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (gerekli) |
NumericalPredictionDriftMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | 'Sayısal' (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken sayısal tahmin kayma ölçümü. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (gerekli) |
EndpointScheduleAction
Ad | Açıklama | Değer |
---|---|---|
actionType | [Gerekli] Zamanlamanın eylem türünü belirtir | 'InvokeBatchEndpoint' (gerekli) |
endpointInvocationDefinition | [Gerekli] Zamanlama eylem tanımı ayrıntılarını tanımlar. {bkz. href="TBD" /} |
Triggerbase
Ad | Açıklama | Değer |
---|---|---|
endTime | ZAMANLAMAnın bitiş saatini ISO 8601'de belirtir, ancak UTC uzaklığı olmadan. Bkz. https://en.wikipedia.org/wiki/ISO_8601. Yeniden açıklama biçimi "2022-06-01T00:00:01" olur Yoksa, zamanlama süresiz olarak çalışır |
string |
startTime | Zamanlamanın başlangıç saatini ISO 8601 biçiminde, ancak UTC uzaklığı olmadan belirtir. | string |
timeZone | Zamanlamanın çalıştırıldığı saat dilimini belirtir. TimeZone, Windows saat dilimi biçimine uygun olmalıdır. Bkz. https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones /> |
string |
triggerType | Nesne türünü ayarlama | Cron Yinelenme (gerekli) |
CronTrigger
Ad | Açıklama | Değer |
---|---|---|
triggerType | [Gerekli] | 'Cron' (gerekli) |
ifade | [Gerekli] Zamanlamanın cron ifadesini belirtir. İfade NCronTab biçiminde olmalıdır. |
dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
RecurrenceTrigger
Ad | Açıklama | Değer |
---|---|---|
endTime | ZAMANLAMAnın bitiş saatini ISO 8601'de belirtir, ancak UTC uzaklığı olmadan. Bkz. https://en.wikipedia.org/wiki/ISO_8601. Yeniden açıklama biçimi "2022-06-01T00:00:01" olur Yoksa, zamanlama süresiz olarak çalışır |
string |
frequency | [Gerekli] Zamanlamayı tetikleme sıklığı. | 'Gün' 'Saat' 'Dakika' 'Ay' 'Week' (gerekli) |
interval | [Gerekli] Zamanlama aralığını sıklık ile birlikte belirtir | int (gerekli) |
schedule | Yinelenme zamanlaması. | RecurrenceSchedule |
startTime | Zamanlamanın başlangıç saatini ISO 8601 biçiminde, ancak UTC uzaklığı olmadan belirtir. | string |
timeZone | Zamanlamanın çalıştırıldığı saat dilimini belirtir. TimeZone, Windows saat dilimi biçimine uygun olmalıdır. Bkz. https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones |
string |
triggerType | [Gerekli] | 'Cron' 'Yinelenme' (gerekli) |
RecurrenceSchedule
Ad | Açıklama | Değer |
---|---|---|
saat | [Gerekli] Zamanlamaya ait saatlerin listesi. | int[] (gerekli) |
sürdü | [Gerekli] Zamanlama için dakikaların listesi. | int[] (gerekli) |
monthDays | Zamanlama için ay günlerinin listesi | int[] |
weekDays | Zamanlama için günlerin listesi. | Herhangi birini içeren dize dizisi: 'Cuma' 'Pazartesi' 'Cumartesi' 'Pazar' 'Perşembe' 'Salı' 'Çarşamba' |
Terraform (AzAPI sağlayıcısı) kaynak tanımı
Çalışma alanları/zamanlamalar kaynak türü, aşağıdakileri hedefleyen işlemlerle dağıtılabilir:
- Kaynak grupları
Her API sürümünde değiştirilen özelliklerin listesi için bkz. değişiklik günlüğü.
Kaynak biçimi
Microsoft.MachineLearningServices/workspaces/schedules kaynağı oluşturmak için şablonunuza aşağıdaki Terraform'u ekleyin.
resource "azapi_resource" "symbolicname" {
type = "Microsoft.MachineLearningServices/workspaces/schedules@2023-10-01"
name = "string"
parent_id = "string"
body = jsonencode({
properties = {
action = {
actionType = "string"
// For remaining properties, see ScheduleActionBase objects
}
description = "string"
displayName = "string"
isEnabled = bool
properties = {
{customized property} = "string"
{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"
}
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"
}
trigger = {
endTime = "string"
startTime = "string"
timeZone = "string"
triggerType = "string"
// For remaining properties, see TriggerBase objects
}
}
})
}
ScheduleActionBase nesneleri
nesne türünü belirtmek için actionType özelliğini ayarlayın.
CreateJob için şunu kullanın:
actionType = "CreateJob"
jobDefinition = {
componentId = "string"
computeId = "string"
description = "string"
displayName = "string"
experimentName = "string"
identity {
identityType = "string"
// For remaining properties, see IdentityConfiguration objects
}
isArchived = bool
properties = {
{customized property} = "string"
{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"
}
services = {
{customized property} = {
endpoint = "string"
jobServiceType = "string"
nodes = {
nodesValueType = "string"
// For remaining properties, see Nodes objects
}
port = int
properties = {
{customized property} = "string"
}
}
}
tags = {
{customized property} = "string"
{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
}
CreateMonitor için şunu kullanın:
actionType = "CreateMonitor"
monitorDefinition = {
alertNotificationSettings = {
emailNotificationSettings = {
emails = [
"string"
]
}
}
computeConfiguration = {
computeType = "string"
// For remaining properties, see MonitorComputeConfigurationBase objects
}
monitoringTarget = {
deploymentId = "string"
modelId = "string"
taskType = "string"
}
signals = {
{customized property} = {
notificationTypes = "AmlNotification"
properties = {
{customized property} = "string"
}
signalType = "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
InvokeBatchEndpoint için şunu kullanın:
actionType = "InvokeBatchEndpoint"
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"
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
properties = {}
shmSize = "string"
}
taskDetails = {
logVerbosity = "string"
targetColumnName = "string"
trainingData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
taskType = "string"
// For remaining properties, see AutoMLVertical objects
}
Komut için şunu kullanın:
jobType = "Command"
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
limits = {
jobLimitsType = "string"
timeout = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
queueSettings = {
jobTier = "string"
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
properties = {}
shmSize = "string"
}
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"
Süpür için şunu kullanın:
jobType = "Sweep"
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
limits = {
jobLimitsType = "string"
maxConcurrentTrials = int
maxTotalTrials = int
timeout = "string"
trialTimeout = "string"
}
objective = {
goal = "string"
primaryMetric = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
queueSettings = {
jobTier = "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"
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"
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"
mode = "string"
uri = "string"
mlflow_model için şunu kullanın:
jobOutputType = "mlflow_model"
mode = "string"
uri = "string"
Mltable için şunu kullanın:
jobOutputType = "mltable"
mode = "string"
uri = "string"
triton_model için şunu kullanın:
jobOutputType = "triton_model"
mode = "string"
uri = "string"
uri_file için şunu kullanın:
jobOutputType = "uri_file"
mode = "string"
uri = "string"
uri_folder için şunu kullanın:
jobOutputType = "uri_folder"
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"
]
}
]
}
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
positiveLabel = "string"
primaryMetric = "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"
}
}
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"
]
}
]
}
}
forecastingSettings = {
countryOrRegionForHolidays = "string"
cvStepSize = int
featureLags = "string"
forecastHorizon = {
mode = "string"
// For remaining properties, see ForecastHorizon objects
}
frequency = "string"
seasonality = {
mode = "string"
// For remaining properties, see Seasonality objects
}
shortSeriesHandlingConfig = "string"
targetAggregateFunction = "string"
targetLags = {
mode = "string"
// For remaining properties, see TargetLags objects
}
targetRollingWindowSize = {
mode = "string"
// For remaining properties, see TargetRollingWindowSize objects
}
timeColumnName = "string"
timeSeriesIdColumnNames = [
"string"
]
useStl = "string"
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
primaryMetric = "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"
}
}
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"
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"
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"
]
}
]
}
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
primaryMetric = "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"
}
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
TextClassification için şunu kullanın:
taskType = "TextClassification"
featurizationSettings = {
datasetLanguage = "string"
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
primaryMetric = "string"
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
TextClassificationMultilabel için şunu kullanın:
taskType = "TextClassificationMultilabel"
featurizationSettings = {
datasetLanguage = "string"
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
TextNER için şunu kullanın:
taskType = "TextNER"
featurizationSettings = {
datasetLanguage = "string"
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "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
ForecastHorizon nesneleri
nesne türünü belirtmek için mode özelliğini ayarlayın.
Otomatik için şunu kullanın:
mode = "Auto"
Özel için şunu kullanın:
mode = "Custom"
value = int
Mevsimsellik nesneleri
nesne türünü belirtmek için mode özelliğini ayarlayın.
Otomatik için şunu kullanın:
mode = "Auto"
Özel için şunu kullanın:
mode = "Custom"
value = int
TargetLags nesneleri
nesne türünü belirtmek için mode özelliğini ayarlayın.
Otomatik için şunu kullanın:
mode = "Auto"
Özel için şunu kullanın:
mode = "Custom"
values = [
int
]
TargetRollingWindowSize nesneleri
nesne türünü belirtmek için mode özelliğini ayarlayın.
Otomatik için şunu kullanın:
mode = "Auto"
Özel için şunu kullanın:
mode = "Custom"
value = int
EarlyTerminationPolicy nesneleri
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
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
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"
SamplingAlgorithm nesneleri
nesne türünü belirtmek için samplingAlgorithmType özelliğini ayarlayın.
Bayes dili için şunu kullanın:
samplingAlgorithmType = "Bayesian"
Kılavuz için şunu kullanın:
samplingAlgorithmType = "Grid"
Rastgele için şunu kullanın:
samplingAlgorithmType = "Random"
rule = "string"
seed = int
MonitorComputeConfigurationBase nesneleri
nesnesinin türünü belirtmek için computeType özelliğini ayarlayın.
ServerlessSpark için şunu kullanın:
computeType = "ServerlessSpark"
computeIdentity = {
computeIdentityType = "string"
// For remaining properties, see MonitorComputeIdentityBase objects
}
instanceType = "string"
runtimeVersion = "string"
MonitorComputeIdentityBase nesneleri
nesnesinin türünü belirtmek için computeIdentityType özelliğini ayarlayın.
AmlToken için şunu kullanın:
computeIdentityType = "AmlToken"
ManagedIdentity için şunu kullanın:
computeIdentityType = "ManagedIdentity"
identity {
type = "string"
identity_ids = []
}
MonitoringSignalBase nesneleri
nesnesinin türünü belirtmek için signalType özelliğini ayarlayın.
Özel için şunu kullanın:
signalType = "Custom"
componentId = "string"
inputAssets = {
{customized property} = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
metricThresholds = [
{
metric = "string"
threshold = {
value = int
}
}
]
DataDrift için şunu kullanın:
signalType = "DataDrift"
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "string"
}
features = {
filterType = "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see DataDriftMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
DataQuality için şunu kullanın:
signalType = "DataQuality"
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "string"
}
features = {
filterType = "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see DataQualityMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
FeatureAttributionDrift için şunu kullanın:
signalType = "FeatureAttributionDrift"
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "string"
}
metricThreshold = {
metric = "NormalizedDiscountedCumulativeGain"
threshold = {
value = int
}
}
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
PredictionDrift için şunu kullanın:
signalType = "PredictionDrift"
featureDataTypeOverride = {
{customized property} = "string"
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
MonitoringInputDataBase nesneleri
nesne türünü belirtmek için inputDataType özelliğini ayarlayın.
Düzeltildi için şunu kullanın:
inputDataType = "Fixed"
Rolling için şunu kullanın:
inputDataType = "Rolling"
preprocessingComponentId = "string"
windowOffset = "string"
windowSize = "string"
Statik için şunu kullanın:
inputDataType = "Static"
preprocessingComponentId = "string"
windowEnd = "string"
windowStart = "string"
MonitoringFeatureFilterBase nesneleri
filterType özelliğini nesnenin türünü belirtmek için ayarlayın.
AllFeatures için şunu kullanın:
filterType = "AllFeatures"
FeatureSubset için şunu kullanın:
filterType = "FeatureSubset"
features = [
"string"
]
TopNByAttribution için şunu kullanın:
filterType = "TopNByAttribution"
top = int
DataDriftMetricThresholdBase nesneleri
nesne türünü belirtmek için dataType özelliğini ayarlayın.
Kategorik için şunu kullanın:
dataType = "Categorical"
metric = "string"
Sayısal için şunu kullanın:
dataType = "Numerical"
metric = "string"
DataQualityMetricThresholdBase nesneleri
nesne türünü belirtmek için dataType özelliğini ayarlayın.
Kategorik için şunu kullanın:
dataType = "Categorical"
metric = "string"
Sayısal için şunu kullanın:
dataType = "Numerical"
metric = "string"
PredictionDriftMetricThresholdBase nesneleri
nesne türünü belirtmek için dataType özelliğini ayarlayın.
Kategorik için şunu kullanın:
dataType = "Categorical"
metric = "string"
Sayısal için şunu kullanın:
dataType = "Numerical"
metric = "string"
TriggerBase nesneleri
nesne türünü belirtmek için triggerType özelliğini ayarlayın.
Cron için şunu kullanın:
triggerType = "Cron"
expression = "string"
Yinelenme için şunu kullanın:
triggerType = "Recurrence"
frequency = "string"
interval = int
schedule = {
hours = [
int
]
minutes = [
int
]
monthDays = [
int
]
weekDays = [
"string"
]
}
Özellik değerleri
çalışma alanları/zamanlamalar
Ad | Açıklama | Değer |
---|---|---|
tür | Kaynak türü | "Microsoft.MachineLearningServices/workspaces/schedules@2023-10-01" |
name | Kaynak adı | dize (gerekli) |
parent_id | Bu kaynağın üst öğesi olan kaynağın kimliği. | Kaynak türü: çalışma alanları kimliği |
properties | [Gerekli] Varlığın ek öznitelikleri. | ScheduleProperties (gerekli) |
ScheduleProperties
Ad | Açıklama | Değer |
---|---|---|
action | [Gerekli] Zamanlamanın eylemini belirtir | ScheduleActionBase (gerekli) |
açıklama | Varlık açıklaması metni. | string |
displayName | Zamanlamanın görünen adı. | string |
ısenabled | Zamanlama etkin mi? | bool |
properties | Varlık özelliği sözlüğü. | ResourceBaseProperties |
etiketler | Etiket sözlüğü. Etiketler eklenebilir, kaldırılabilir ve güncelleştirilebilir. | object |
Tetikleyici | [Gerekli] Tetikleyici ayrıntılarını belirtir | TriggerBase (gerekli) |
ScheduleActionBase
Ad | Açıklama | Değer |
---|---|---|
actionType | Nesne türünü ayarlama | CreateJob CreateMonitor InvokeBatchEndpoint (gerekli) |
JobScheduleAction
Ad | Açıklama | Değer |
---|---|---|
actionType | [Gerekli] Zamanlamanın eylem türünü belirtir | "CreateJob" (gerekli) |
jobDefinition | [Gerekli] Zamanlama eylem tanımı ayrıntılarını tanımlar. | 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 |
properties | Varlık özelliği sözlüğü. | ResourceBaseProperties |
services | JobEndpoints listesi. Yerel işler için bir iş uç noktası FileStreamObject uç noktası değerine sahip olur. |
JobBaseServices |
etiketler | Etiket sözlüğü. Etiketler eklenebilir, kaldırılabilir ve güncelleştirilebilir. | object |
jobType | Nesne türünü ayarlama | AutoML Komut İşlem Hattı Süpür (gerekli) |
Identityconfiguration
Ad | Açıklama | Değer |
---|---|---|
ıdentitytype | Nesne türünü ayarlama | AMLToken Yönetilen UserIdentity (gerekli) |
AmlToken
Ad | Açıklama | Değer |
---|---|---|
ıdentitytype | [Gerekli] Kimlik çerçevesinin türünü belirtir. | "AMLToken" (gerekli) |
ManagedIdentity
Ad | Açıklama | Değer |
---|---|---|
ıdentitytype | [Gerekli] Kimlik çerçevesinin türünü belirtir. | "Yönetilen" (gerekli) |
clientId | İstemci kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın. | string Kısıtlama -ları: En az uzunluk = 36 Maksimum uzunluk = 36 Desen = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
objectId | Nesne kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın. | string Kısıtlama -ları: En az uzunluk = 36 Maksimum uzunluk = 36 Desen = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
resourceId | ARM kaynak kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atanan için bu alanı ayarlamayın. | string |
UserIdentity
Ad | Açıklama | Değer |
---|---|---|
ıdentitytype | [Gerekli] Kimlik çerçevesinin türünü belirtir. | "UserIdentity" (gerekli) |
ResourceBaseProperties
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string | |
{özelleştirilmiş özellik} | string |
JobBaseServices
Ad | Açıklama | Değer |
---|---|---|
{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 | 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, sağlanmazsa AutoML işi çalıştırırken bunu varsayılan olarak Üretim AutoML tarafından seçilmiş ortam sürümü olarak sağlayacak isteğe bağlı bir değerdir. |
string |
environmentVariables | İşe dahil edilen ortam değişkenleri. | AutoMLJobEnvironmentVariables |
Çıkış | İşte kullanılan çıkış veri bağlamalarının eşlemesi. | AutoMLJobOutputs |
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) |
mod | Çıkış Varlığı Teslim Modu. | "ReadWriteMount" "Karşıya Yükle" |
Urı | Çıkış Varlığı URI'si. | string |
MLFlowModelJobOutput
Ad | Açıklama | Değer |
---|---|---|
jobOutputType | [Gerekli] İşin türünü belirtir. | "mlflow_model" (gerekli) |
mod | Çıkış Varlığı Teslim Modu. | "ReadWriteMount" "Karşıya Yükle" |
Urı | Çıkış Varlığı URI'si. | string |
MLTableJobOutput
Ad | Açıklama | Değer |
---|---|---|
jobOutputType | [Gerekli] İşin türünü belirtir. | "mltable" (gerekli) |
mod | Çıkış Varlığı Teslim Modu. | "ReadWriteMount" "Karşıya Yükle" |
Urı | Çıkış Varlığı URI'si. | string |
TritonModelJobOutput
Ad | Açıklama | Değer |
---|---|---|
jobOutputType | [Gerekli] İşin türünü belirtir. | "triton_model" (gerekli) |
mod | Çıkış Varlığı Teslim Modu. | "ReadWriteMount" "Karşıya Yükle" |
Urı | Çıkış Varlığı URI'si. | string |
UriFileJobOutput
Ad | Açıklama | Değer |
---|---|---|
jobOutputType | [Gerekli] İşin türünü belirtir. | "uri_file" (gerekli) |
mod | Çıkış Varlığı Teslim Modu. | "ReadWriteMount" "Karşıya Yükle" |
Urı | Çıkış Varlığı URI'si. | string |
UriFolderJobOutput
Ad | Açıklama | Değer |
---|---|---|
jobOutputType | [Gerekli] İşin türünü belirtir. | "uri_folder" (gerekli) |
mod | Çıkış Varlığı Teslim Modu. | "ReadWriteMount" "Karşıya Yükle" |
Urı | Çıkış Varlığı URI'si. | string |
QueueSettings
Ad | Açıklama | Değer |
---|---|---|
jobTier | İşlem işi katmanını denetler | "Temel" "Null" "Premium" "Nokta" "Standart" |
JobResourceConfiguration
Ad | Açıklama | Değer |
---|---|---|
dockerArgs | Docker çalıştırma komutuna geçirebilmek için 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 desteklendiği şekilde kullanılan isteğe bağlı VM türü. | string |
properties | Ek özellikler çantası. | ResourceConfigurationProperties |
shmSize | Docker kapsayıcısının paylaşılan bellek bloğunun boyutu. Bu, sayının 0'dan büyük olduğu (sayı)(birim) biçiminde olmalı ve birim b(bayt), k(kilobayt), m(megabayt) veya g(gigabayt) olabilir. | 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 |
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" |
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. | string[] |
parameters | Transformatöre geçirilecek farklı özellikler. Giriş bekleniyor, JSON biçiminde anahtar,değer çiftlerinin sözlüğüdür. |
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 |
maxTrials | Yineleme 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) |
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 grup ayarları. | StackEnsembleSettings |
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" "Hiçbiri" |
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 |
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" |
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 süresiüç gün arayla. |
int |
featureLags | 'auto' veya null ile sayısal özellikler için gecikmeler oluşturmaya yönelik bayrak. | "Otomatik" "Hiçbiri" |
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 grup ayarları. | StackEnsembleSettings |
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. | "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 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 | 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 |
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) |
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 |
ImageClassificationMultilabel
Ad | Açıklama | Değer |
---|---|---|
Tasktype | [Gerekli] AutoMLjob için görev türü. | "ImageClassificationMultilabel" (gerekli) |
limitSettings | [Gerekli] AutoML işinin ayarlarını sınırlayın. | ImageLimitSettings (gerekli) |
modelSettings | Modeli eğitk için kullanılan ayarlar. | ImageModelSettingsClassification |
primaryMetric | Bu görev için iyileştirmeye yönelik birincil ölçüm. | "AUCWeighted" "Doğruluk" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Model süpürme ve hiper parametre süpürme ile ilgili ayarlar. | ImageSweepSettings |
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 |
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" |
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" "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 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" "Hiçbiri" "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" "Hiçbiri" "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 |
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" |
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 grup ayarları. | StackEnsembleSettings |
TextClassification
Ad | Açıklama | Değer |
---|---|---|
Tasktype | [Gerekli] AutoMLjob için görev türü. | "TextClassification" (gerekli) |
featurizationSettings | AutoML işi için özellik kazandırma girişleri gerekiyor. | NlpVerticalFeaturizationSettings |
limitSettings | AutoMLjob için yürütme kısıtlamaları. | NlpVerticalLimitSettings |
primaryMetric | Text-Classification görevi için birincil ölçüm. | "AUCWeighted" "Doğruluk" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
validationData | Doğrulama verisi girişleri. | MLTableJobInput |
NlpVerticalFeaturizationSettings
Ad | Açıklama | Değer |
---|---|---|
datasetLanguage | Veri kümesi dili; metin verileri için kullanışlıdır. | string |
NlpVerticalLimitSettings
Ad | Açıklama | Değer |
---|---|---|
maxConcurrentTrials | En fazla Eşzamanlı AutoML yinelemesi. | int |
maxTrials | AutoML yinelemelerinin sayısı. | int |
timeout | AutoML işi zaman aşımı. | string |
TextClassificationMultilabel
Ad | Açıklama | Değer |
---|---|---|
Tasktype | [Gerekli] AutoMLjob için görev türü. | "TextClassificationMultilabel" (gerekli) |
featurizationSettings | AutoML işi için özellik kazandırma girişleri gerekiyor. | NlpVerticalFeaturizationSettings |
limitSettings | AutoMLjob için yürütme kısıtlamaları. | NlpVerticalLimitSettings |
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 |
limitSettings | AutoMLjob için yürütme kısıtlamaları. | NlpVerticalLimitSettings |
validationData | Doğrulama verisi girişleri. | MLTableJobInput |
CommandJob
Ad | Açıklama | Değer |
---|---|---|
jobType | [Gerekli] İşin türünü belirtir. | "Command" (gerekli) |
codeId | Kod varlığının ARM kaynak kimliği. | string |
command | [Gerekli] İşin başlangıcında yürütülecek komut. Örneğin "python train.py" | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
Dağıtım | İşin dağıtım yapılandırması. Ayarlanırsa, bu Mpi, Tensorflow, PyTorch veya null değerlerinden biri olmalıdır. | DistributionConfiguration |
environmentId | [Gerekli] İş için Ortam belirtiminin ARM kaynak kimliği. | dize (gerekli) Kısıtlama -ları: 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 |
DistributionConfiguration
Ad | Açıklama | Değer |
---|---|---|
distributionType | Nesne türünü ayarlama | Mpı PyTorch TensorFlow (gerekli) |
Mpı
Ad | Açıklama | Değer |
---|---|---|
distributionType | [Gerekli] Dağıtım çerçevesinin türünü belirtir. | "Mpi" (gerekli) |
processCountPerInstance | MPI düğümü başına işlem sayısı. | int |
PyTorch
Ad | Açıklama | Değer |
---|---|---|
distributionType | [Gerekli] Dağıtım çerçevesinin türünü belirtir. | "PyTorch" (gerekli) |
processCountPerInstance | Düğüm başına işlem sayısı. | int |
TensorFlow
Ad | Açıklama | Değer |
---|---|---|
distributionType | [Gerekli] Dağıtım çerçevesinin türünü belirtir. | "TensorFlow" (gerekli) |
parameterServerCount | Parametre sunucusu görevlerinin sayısı. | int |
workerCount | Çalışan sayısı. Belirtilmezse, varsayılan olarak örnek sayısı olur. | int |
CommandJobEnvironmentVariables
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | string |
CommandJobInputs
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | JobInput |
JobInput
Ad | Açıklama | Değer |
---|---|---|
açıklama | Girişin açıklaması. | string |
jobInputType | Nesne türünü ayarlama | 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 |
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 |
Süpürme İşi
Ad | Açıklama | Değer |
---|---|---|
jobType | [Gerekli] İşin türünü belirtir. | "Süpür" (gerekli) |
earlyTermination | Erken sonlandırma ilkeleri, düşük performanslı çalıştırmaların tamamlanmadan önce iptal edilmesine olanak tanır | EarlyTerminationPolicy |
Giriş | İşte kullanılan giriş veri bağlamalarının eşlemesi. | SweepJobInputs |
Sınır -ları | Süpürme İşi sınırı. | SweepJobLimits |
Amaç | [Gerekli] İyileştirme hedefi. | Amaç (gerekli) |
Çıkış | İşte kullanılan çıkış veri bağlamalarının eşlemesi. | SweepJobOutputs |
queueSettings | İş için kuyruk ayarları | QueueSettings |
samplingAlgorithm | [Gerekli] Hiper parametre örnekleme algoritması | SamplingAlgorithm (gerekli) |
searchSpace | [Gerekli] Her parametreyi ve dağılımını içeren bir sözlük. Sözlük anahtarı parametrenin adıdır | |
trial | [Gerekli] Deneme bileşeni tanımı. | TrialComponent (gerekli) |
SweepJobInputs
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | JobInput |
SweepJobLimits
Ad | Açıklama | Değer |
---|---|---|
jobLimitsType | [Gerekli] JobLimit türü. | "Komut" "Süpür" (gerekli) |
maxConcurrentTrials | Süpürme İşi maksimum eşzamanlı deneme sayısı. | int |
maxTotalTrials | Süpürme İşi maksimum toplam deneme sayısı. | int |
timeout | ISO 8601 biçimindeki en uzun çalıştırma süresidir ve bundan sonra iş iptal edilir. Yalnızca Saniye kadar düşük duyarlıkla süreyi destekler. | string |
trialTimeout | Süpürme İşi Deneme zaman aşımı değeri. | string |
Amaç
Ad | Açıklama | Değer |
---|---|---|
goal | [Gerekli] Hiper parametre ayarlama için desteklenen ölçüm hedeflerini tanımlar | "Ekranı Kapla" "Simge Durumuna Küçült" (gerekli) |
primaryMetric | [Gerekli] İyileştirecek ölçümün adı. | dize (gerekli) Kısıtlama -ları: 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) |
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 |
CreateMonitorAction
Ad | Açıklama | Değer |
---|---|---|
actionType | [Gerekli] Zamanlamanın eylem türünü belirtir | "CreateMonitor" (gerekli) |
monitorDefinition | [Gerekli] İzleyiciyi tanımlar. | MonitorDefinition (gerekli) |
MonitorDefinition
Ad | Açıklama | Değer |
---|---|---|
alertNotificationSettings | Monitörün bildirim ayarları. | MonitorNotificationSettings |
computeConfiguration | [Gerekli] İzleme işinin çalıştırılması için işlem kaynağının ARM kaynak kimliği. | MonitorComputeConfigurationBase (gerekli) |
monitoringTarget | İzleyici tarafından hedeflenen varlıklar. | monitoringTarget |
Sinyal | [Gerekli] İzlenecek sinyaller. | MonitorDefinitionSignals (gerekli) |
MonitorNotificationSettings
Ad | Açıklama | Değer |
---|---|---|
emailNotificationSettings | AML bildirim e-posta ayarları. | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
Ad | Açıklama | Değer |
---|---|---|
Emails | Toplamda 499 karakter sınırlaması olan e-posta alıcısı listesi. | string[] |
MonitorComputeConfigurationBase
Ad | Açıklama | Değer |
---|---|---|
computeType | Nesne türünü ayarlama | ServerlessSpark (gerekli) |
MonitorServerlessSparkCompute
Ad | Açıklama | Değer |
---|---|---|
computeType | [Gerekli] İzlenecek sinyalin türünü belirtir. | "ServerlessSpark" (gerekli) |
computeIdentity | [Gerekli] Sunucusuz Spark üzerinde çalışan Spark işlerinin kullandığı kimlik şeması. | MonitorComputeIdentityBase (gerekli) |
instanceType | [Gerekli] Spark işini çalıştıran örnek türü. | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
runtimeVersion | [Gerekli] Spark çalışma zamanı sürümü. | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = ^[0-9]+\.[0-9]+$ |
MonitorComputeIdentityBase
Ad | Açıklama | Değer |
---|---|---|
computeIdentityType | Nesne türünü ayarlama | AmlToken ManagedIdentity (gerekli) |
AmlTokenComputeIdentity
Ad | Açıklama | Değer |
---|---|---|
computeIdentityType | [Gerekli] İzleme işlerinde kullanılacak kimliğin türünü belirtir. | "AmlToken" (gerekli) |
ManagedComputeIdentity
Ad | Açıklama | Değer |
---|---|---|
computeIdentityType | [Gerekli] İzleme işlerinde kullanılacak kimliğin türünü belirtir. | "ManagedIdentity" (gerekli) |
identity | İzleme işleri tarafından kullanılacak kimlik. | ManagedServiceIdentity |
ManagedServiceIdentity
Ad | Açıklama | Değer |
---|---|---|
tür | Yönetilen hizmet kimliği türü (hem SystemAssigned hem de UserAssigned türlerine izin verilir). | "SystemAssigned" "SystemAssigned,UserAssigned" "UserAssigned" (gerekli) |
identity_ids | Kaynakla ilişkilendirilmiş kullanıcı tarafından atanan kimlik kümesi. userAssignedIdentities sözlük anahtarları şu formda ARM kaynak kimlikleri olacaktır: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Sözlük değerleri, isteklerdeki boş nesneler ({}) olabilir. | Kullanıcı kimliği kimlikleri dizisi. |
UserAssignedIdentities
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | UserAssignedIdentity |
UserAssignedIdentity
Bu nesne dağıtım sırasında ayarlanacağı herhangi bir özellik içermez. Tüm özellikler Salt Okunur'dır.
monitoringTarget
Ad | Açıklama | Değer |
---|---|---|
deploymentId | Bu izleyici tarafından hedeflenen dağıtım varlığına başvuru. | string |
modelKimliği | Bu izleyici tarafından hedeflenen model varlığına başvuru. | string |
Tasktype | [Gerekli] İzlenen modelin makine öğrenmesi görev türü. | "Sınıflandırma" "Regresyon" (gerekli) |
MonitorDefinitionSignals
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | MonitoringSignalBase |
MonitoringSignalBase
Ad | Açıklama | Değer |
---|---|---|
notificationTypes | Bu sinyal için geçerli bildirim modu. | Herhangi birini içeren dize dizisi: "AmlNotification" |
properties | Özellik sözlüğü. Özellikler eklenebilir, ancak kaldırılamaz veya değiştirilemez. | MonitoringSignalBaseProperties |
signalType | Nesne türünü ayarlama | Özel DataDrift DataQuality FeatureAttributionDrift PredictionDrift (gerekli) |
MonitoringSignalBaseProperties
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | string |
CustomMonitoringSignal
Ad | Açıklama | Değer |
---|---|---|
signalType | [Gerekli] İzlenecek sinyalin türünü belirtir. | "Özel" (gerekli) |
Componentıd | [Gerekli] Özel ölçümleri hesaplamak için kullanılan bileşen varlığına başvuru. | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
inputAssets | Giriş olarak alınması gereken varlıkları izleme. Anahtar, bileşen giriş bağlantı noktası adı, değer ise veri varlığıdır. | CustomMonitoringSignalInputAssets |
Giriş | Giriş olarak alınması gereken ek bileşen parametreleri. Anahtar, bileşen değişmez değeri giriş bağlantı noktası adıdır, değer parametre değeridir. | CustomMonitoringSignalInputs |
metricThresholds | [Gerekli] Hesaplanması gereken ölçümlerin ve bunların ilişkili eşiklerinin listesi. | CustomMetricThreshold[] (gerekli) |
CustomMonitoringSignalInputAssets
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | MonitoringInputDataBase |
MonitoringInputDataBase
Ad | Açıklama | Değer |
---|---|---|
sütunlar | Sütun adlarını özel kullanımlara eşleme. | MonitoringInputDataBaseColumns |
Datacontext | Veri kaynağının bağlam meta verileri. | string |
jobInputType | [Gerekli] İşin türünü belirtir. | "custom_model" "değişmez değer" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (gerekli) |
Urı | [Gerekli] Giriş Varlığı URI'si. | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
inputDataType | Nesne türünü ayarlama | Sabit Haddeleme Statik (gerekli) |
MonitoringInputDataBaseColumns
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | string |
FixedInputData
Ad | Açıklama | Değer |
---|---|---|
inputDataType | [Gerekli] İzlenecek sinyalin türünü belirtir. | "Düzeltildi" (gerekli) |
RollingInputData
Ad | Açıklama | Değer |
---|---|---|
inputDataType | [Gerekli] İzlenecek sinyalin türünü belirtir. | "Rolling" (gerekli) |
preprocessingComponentId | Verileri önceden işlemek için kullanılan bileşen varlığına başvuru. | string |
windowOffset | [Gerekli] Veri penceresinin sonu ile izleyicinin geçerli çalışma süresi arasındaki zaman farkı. | dize (gerekli) |
Windowsize | [Gerekli] Sıralı veri penceresinin boyutu. | dize (gerekli) |
StaticInputData
Ad | Açıklama | Değer |
---|---|---|
inputDataType | [Gerekli] İzlenecek sinyalin türünü belirtir. | "Statik" (gerekli) |
preprocessingComponentId | Verileri önceden işlemek için kullanılan bileşen varlığına başvuru. | string |
windowEnd | [Gerekli] Veri penceresinin bitiş tarihi. | dize (gerekli) |
windowStart | [Gerekli] Veri penceresinin başlangıç tarihi. | dize (gerekli) |
CustomMonitoringSignalInputs
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | JobInput |
CustomMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
ölçüm | [Gerekli] Hesaplanması gereken kullanıcı tanımlı ölçüm. | dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
Eşik | Eşik değeri. Null ise, seçilen ölçüme bağlı olarak varsayılan bir değer ayarlanır. | monitoringThreshold |
monitoringThreshold
Ad | Açıklama | Değer |
---|---|---|
değer | Eşik değeri. Null ise, varsayılan ayar ölçüm türüne bağlıdır. | int |
DataDriftMonitoringSignal
Ad | Açıklama | Değer |
---|---|---|
signalType | [Gerekli] İzlenecek sinyalin türünü belirtir. | "DataDrift" (gerekli) |
featureDataTypeOverride | Özellik adlarını ilgili veri türleriyle eşleyen sözlük. | DataDriftMonitoringSignalFeatureDataTypeOverride |
featureImportanceSettings | Bilgi işlem özelliğinin önemi için ayarlar. | FeatureImportanceSettings |
özellikler | Kaymanın hesaplanması gereken özelliği tanımlayan özellik filtresi. | MonitoringFeatureFilterBase |
metricThresholds | [Gerekli] Hesaplanması gereken ölçümlerin ve bunların ilişkili eşiklerinin listesi. | DataDriftMetricThresholdBase[] (gerekli) |
productionData | [Gerekli] Kaymanın hesaplandığı veriler. | MonitoringInputDataBase (gerekli) |
referenceData | [Gerekli] Kaymayı hesaplamak için veriler. | MonitoringInputDataBase (gerekli) |
DataDriftMonitoringSignalFeatureDataTypeOverride
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | "Kategorik" "Sayısal" |
FeatureImportanceSettings
Ad | Açıklama | Değer |
---|---|---|
mod | Bilgi işlem özelliğinin önemi için çalışma modu. | "Devre dışı" "Etkin" |
targetColumn | Giriş veri varlığındaki hedef sütunun adı. | string |
MonitoringFeatureFilterBase
Ad | Açıklama | Değer |
---|---|---|
Filtertype | Nesne türünü ayarlama | AllFeatures FeatureSubset TopNByAttribution (gerekli) |
AllFeatures
Ad | Açıklama | Değer |
---|---|---|
Filtertype | [Gerekli] Ölçümlerin hesaplanması için özellikleri seçerken yararlanılması gereken özellik filtresini belirtir. | "AllFeatures" (gerekli) |
FeatureSubset
Ad | Açıklama | Değer |
---|---|---|
Filtertype | [Gerekli] Ölçümlerin hesaplanması için özellikleri seçerken yararlanılması gereken özellik filtresini belirtir. | "FeatureSubset" (gerekli) |
özellikler | [Gerekli] Eklenecek özelliklerin listesi. | string[] (gerekli) |
TopNFeaturesByAttribution
Ad | Açıklama | Değer |
---|---|---|
Filtertype | [Gerekli] Ölçümlerin hesaplanması için özellikleri seçerken yararlanılması gereken özellik filtresini belirtir. | "TopNByAttribution" (gerekli) |
top | Eklenecek en önemli özelliklerin sayısı. | int |
DataDriftMetricThresholdBase
Ad | Açıklama | Değer |
---|---|---|
Eşik | Eşik değeri. Null ise, seçilen ölçüme bağlı olarak varsayılan bir değer ayarlanır. | monitoringThreshold |
dataType | Nesne türünü ayarlama | Kategorik Sayısal (gerekli) |
CategoricalDataDriftMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | "Kategorik" (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken kategorik veri kayma ölçümü. | "JensenShannonDistance" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (gerekli) |
NumericalDataDriftMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | "Sayısal" (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken sayısal veri kayma ölçümü. | "JensenShannonDistance" "NormalizedWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (gerekli) |
DataQualityMonitoringSignal
Ad | Açıklama | Değer |
---|---|---|
signalType | [Gerekli] İzlenecek sinyalin türünü belirtir. | "DataQuality" (gerekli) |
featureDataTypeOverride | Özellik adlarını ilgili veri türleriyle eşleyen sözlük. | DataQualityMonitoringSignalFeatureDataTypeOverride |
featureImportanceSettings | Bilgi işlem özelliğinin önemi için ayarlar. | FeatureImportanceSettings |
özellikler | Kaymayı hesaplamak için özellikler. | MonitoringFeatureFilterBase |
metricThresholds | [Gerekli] Hesaplanması gereken ölçümlerin ve bunların ilişkili eşiklerinin listesi. | DataQualityMetricThresholdBase[] (gerekli) |
productionData | [Gerekli] Üretim hizmeti tarafından üretilen ve kaymanın hesaplandığı veriler. | MonitoringInputDataBase (gerekli) |
referenceData | [Gerekli] Kaymayı hesaplamak için veriler. | MonitoringInputDataBase (gerekli) |
DataQualityMonitoringSignalFeatureDataTypeOverride
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | "Kategorik" "Sayısal" |
DataQualityMetricThresholdBase
Ad | Açıklama | Değer |
---|---|---|
Eşik | Eşik değeri. Null ise, seçilen ölçüme bağlı olarak varsayılan bir değer ayarlanır. | MonitoringThreshold |
dataType | Nesne türünü ayarlama | Kategorik Sayısal (gerekli) |
CategoricalDataQualityMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | "Kategorik" (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken kategorik veri kalitesi ölçümü. | "DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (gerekli) |
NumericalDataQualityMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | "Sayısal" (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken sayısal veri kalitesi ölçümü. | "DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (gerekli) |
FeatureAttributionDriftMonitoringSignal
Ad | Açıklama | Değer |
---|---|---|
signalType | [Gerekli] İzlenecek sinyalin türünü belirtir. | "FeatureAttributionDrift" (gerekli) |
featureDataTypeOverride | Özellik adlarını ilgili veri türleriyle eşleyen sözlük. | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
featureImportanceSettings | [Gerekli] Bilgi işlem özelliğinin önemi için ayarlar. | FeatureImportanceSettings (gerekli) |
metricThreshold | [Gerekli] Hesaplanması gereken ölçümlerin ve ilişkili eşiklerinin listesi. | FeatureAttributionMetricThreshold (gerekli) |
productionData | [Gerekli] Kaymanın hesaplandığı veriler. | MonitoringInputDataBase[] (gerekli) |
referenceData | [Gerekli] Hesaplanması gereken veriler kayarak sürükleniyor. | MonitoringInputDataBase (gerekli) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | "Kategorik" "Sayısal" |
FeatureAttributionMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
ölçüm | [Gerekli] Hesaplanması gereken özellik ilişkilendirme ölçümü. | "NormalizedDiscountedCumulativeGain" (gerekli) |
Eşik | Eşik değeri. Null ise, seçilen ölçüme bağlı olarak varsayılan bir değer ayarlanır. | MonitoringThreshold |
PredictionDriftMonitoringSignal
Ad | Açıklama | Değer |
---|---|---|
signalType | [Gerekli] İzlenecek sinyalin türünü belirtir. | "PredictionDrift" (gerekli) |
featureDataTypeOverride | Özellik adlarını ilgili veri türleriyle eşleyen sözlük. | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
metricThresholds | [Gerekli] Hesaplanması gereken ölçümlerin ve ilişkili eşiklerinin listesi. | PredictionDriftMetricThresholdBase[] (gerekli) |
productionData | [Gerekli] Kaymanın hesaplandığı veriler. | MonitoringInputDataBase (gerekli) |
referenceData | [Gerekli] Hesaplanması gereken veriler kayarak sürükleniyor. | MonitoringInputDataBase (gerekli) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
Ad | Açıklama | Değer |
---|---|---|
{özelleştirilmiş özellik} | "Kategorik" "Sayısal" |
PredictionDriftMetricThresholdBase
Ad | Açıklama | Değer |
---|---|---|
Eşik | Eşik değeri. Null ise, seçilen ölçüme bağlı olarak varsayılan bir değer ayarlanır. | MonitoringThreshold |
dataType | Nesne türünü ayarlama | Kategorik Sayısal (gerekli) |
CategoricalPredictionDriftMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | "Kategorik" (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken kategorik tahmin kayma ölçümü. | "JensenShannonDistance" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (gerekli) |
NumericalPredictionDriftMetricThreshold
Ad | Açıklama | Değer |
---|---|---|
dataType | [Gerekli] Ölçüm eşiğinin veri türünü belirtir. | "Sayısal" (gerekli) |
ölçüm | [Gerekli] Hesaplanması gereken sayısal tahmin kayma ölçümü. | "JensenShannonDistance" "NormalizedWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (gerekli) |
EndpointScheduleAction
Ad | Açıklama | Değer |
---|---|---|
actionType | [Gerekli] Zamanlamanın eylem türünü belirtir | "InvokeBatchEndpoint" (gerekli) |
endpointInvocationDefinition | [Gerekli] Zamanlama eylem tanımı ayrıntılarını tanımlar. {bkz. href="TBD" /} |
Triggerbase
Ad | Açıklama | Değer |
---|---|---|
endTime | ZAMANLAMAnın bitiş saatini ISO 8601'de belirtir, ancak UTC uzaklığı olmadan. Bkz. https://en.wikipedia.org/wiki/ISO_8601. Yeniden açıklama biçimi "2022-06-01T00:00:01" olur Yoksa, zamanlama süresiz olarak çalışır |
string |
startTime | Zamanlamanın başlangıç saatini ISO 8601 biçiminde, ancak UTC uzaklığı olmadan belirtir. | string |
timeZone | Zamanlamanın çalıştırıldığı saat dilimini belirtir. TimeZone, Windows saat dilimi biçimine uygun olmalıdır. Bkz. https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones /> |
string |
triggerType | Nesne türünü ayarlama | Cron Yinelenme (gerekli) |
CronTrigger
Ad | Açıklama | Değer |
---|---|---|
triggerType | [Gerekli] | "Cron" (gerekli) |
ifade | [Gerekli] Zamanlamanın cron ifadesini belirtir. İfade NCronTab biçiminde olmalıdır. |
dize (gerekli) Kısıtlama -ları: En az uzunluk = 1 Desen = [a-zA-Z0-9_] |
RecurrenceTrigger
Ad | Açıklama | Değer |
---|---|---|
endTime | ZAMANLAMAnın bitiş saatini ISO 8601'de belirtir, ancak UTC uzaklığı olmadan. Bkz. https://en.wikipedia.org/wiki/ISO_8601. Yeniden açıklama biçimi "2022-06-01T00:00:01" olur Yoksa, zamanlama süresiz olarak çalışır |
string |
frequency | [Gerekli] Zamanlamayı tetikleme sıklığı. | "Gün" "Saat" "Dakika" "Ay" "Hafta" (gerekli) |
interval | [Gerekli] Zamanlama aralığını sıklık ile birlikte belirtir | int (gerekli) |
schedule | Yinelenme zamanlaması. | RecurrenceSchedule |
startTime | Zamanlamanın başlangıç saatini ISO 8601 biçiminde, ancak UTC uzaklığı olmadan belirtir. | string |
timeZone | Zamanlamanın çalıştırıldığı saat dilimini belirtir. TimeZone, Windows saat dilimi biçimine uygun olmalıdır. Bkz. https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones |
string |
triggerType | [Gerekli] | "Cron" "Yinelenme" (gerekli) |
RecurrenceSchedule
Ad | Açıklama | Değer |
---|---|---|
saat | [Gerekli] Zamanlamaya ait saatlerin listesi. | int[] (gerekli) |
sürdü | [Gerekli] Zamanlama için dakika listesi. | int[] (gerekli) |
monthDays | Zamanlama için ay günlerinin listesi | int[] |
weekDays | Zamanlama için gün listesi. | Herhangi birini içeren dize dizisi: "Cuma" "Pazartesi" "Cumartesi" "Pazar" "Perşembe" "Salı" "Çarşamba" |
Geri Bildirim
https://aka.ms/ContentUserFeedback.
Çok yakında: 2024 boyunca, içerik için geri bildirim mekanizması olarak GitHub Sorunları’nı kullanımdan kaldıracak ve yeni bir geri bildirim sistemiyle değiştireceğiz. Daha fazla bilgi için bkz.Gönderin ve geri bildirimi görüntüleyin