Azure Machine Learning 中的服務限制
本節列出 Azure Machine Learning 中的基本限制和節流閾值。
重要
Azure Machine Learning 不會在您部署的區域外儲存或處理您的資料。
工作區
實驗
限制 |
值 |
名稱 |
256 個字元 |
Description |
5,000 個字元 |
標籤數目 |
50 |
標籤索引鍵的長度 |
250 個字元 |
標籤值的長度 |
1000 個字元 |
成品位置 |
1024 個字元 |
執行
限制 |
值 |
每個工作區的執行次數 |
1000 萬 |
RunId/ParentRunId |
256 個字元 |
DataContainerId |
261 個字元 |
DisplayName |
256 個字元 |
Description |
5,000 個字元 |
屬性數目 |
50 |
屬性索引鍵的長度 |
100 個字元 |
屬性值的長度 |
1,000 個字元 |
標籤數目 |
50 |
標籤索引鍵的長度 |
100 |
標籤值的長度 |
1,000 個字元 |
CancelUri / CompleteUri / DiagnosticsUri |
1,000 個字元 |
錯誤訊息長度 |
3,000 個字元 |
警告訊息長度 |
300 個字元 |
輸入資料集的數目 |
200 |
輸出資料集的數目 |
20 |
自訂環境
限制 |
值 |
Docker 組建內容中的檔案數目 |
100 |
Docker 組建內容中的檔案大小總計 |
1 MB |
計量
限制 |
值 |
每次執行的計量名稱 |
50 |
每個計量名稱的計量資料列 |
100 萬 |
每個計量資料列的資料行 |
15 |
計量資料行名稱長度 |
255 個字元 |
計量資料行值長度 |
255 個字元 |
每個上傳批次的計量資料列 |
250 |
注意
如果您因為將變數格式化為計量名稱,導致達到每次執行的計量名稱限制,請考慮改為使用一種資料列計量,其中一個資料行是變數值,而第二個資料行是計量值。
Artifacts
限制 |
值 |
每次執行的成品數目 |
1000 萬 |
成品路徑的最大長度 |
5,000 個字元 |
模型
限制 |
值 |
每個工作區的模型數目 |
5 百萬個模型容器/版本 (,包括先前已刪除的模型) |
每個模型版本的成品數目 |
1,500 個成品 (檔案) |
限制增加
某些限制可以針對個別工作區增加。 若要了解如何增加這些限制,請參閱管理和增加資源的配額
下一步