entities Paquet

Contient des entités et des objets SDK pour Azure Machine Learning SDKv2.

Les domaines principaux incluent la gestion des cibles de calcul, la création/la gestion des espaces de travail et des travaux, l’envoi/l’accès au modèle, les exécutions et l’exécution de la sortie/journalisation, etc.

Classes

AccessKeyConfiguration	Informations d’identification de clé d’accès.
AccountKeyConfiguration	Contient des entités et des objets SDK pour Azure Machine Learning SDKv2. Les domaines principaux incluent la gestion des cibles de calcul, la création/la gestion des espaces de travail et des travaux, l’envoi/l’accès au modèle, les exécutions et l’exécution de la sortie/journalisation, etc.
AlertNotification	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Configuration de la notification d’alerte pour les travaux de surveillance
AmlCompute	Ressource de calcul AzureML.
AmlComputeNodeInfo	Informations de nœud de calcul liées à AmlCompute.
AmlComputeSshSettings	Paramètres SSH pour accéder à une cible de calcul AML. Configuration d’un objet AmlComputeSshSettings. from azure.ai.ml.entities import AmlComputeSshSettings ssh_settings = AmlComputeSshSettings( admin_username="azureuser", ssh_key_value="ssh-rsa ABCDEFGHIJKLMNOPQRSTUVWXYZ administrator@MININT-2023", admin_password="password123", )
AmlTokenConfiguration	Configuration de l’identité de jeton AzureML.
ApiKeyConfiguration	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Informations d’identification de la clé API.
Asset	Classe de base pour la ressource. Cette classe ne doit pas être instanciée directement. Utilisez plutôt l’une de ses sous-classes.
AssignedUserConfiguration	Paramètres permettant de créer une ressource de calcul pour le compte d’un autre utilisateur.
AutoPauseSettings	Paramètres de pause automatique pour le calcul Synapse Spark.
AutoScaleSettings	Paramètres de mise à l’échelle automatique pour le calcul Synapse Spark.
AzureBlobDatastore	Stockage blob Azure lié à un espace de travail Azure ML.
AzureDataLakeGen1Datastore	Azure Data Lake alias magasin de données Gen 1 lié à un espace de travail Azure ML.
AzureDataLakeGen2Datastore	Azure data lake gen 2 lié à un espace de travail Azure ML.
AzureFileDatastore	Partage de fichiers Azure lié à un espace de travail Azure ML.
AzureMLBatchInferencingServer	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Configurations d’inférence par lots Azure ML.
AzureMLOnlineInferencingServer	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Configurations d’inférence en ligne Azure ML.
BaseEnvironment	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Type d’environnement de base. Tous les paramètres requis doivent être renseignés pour pouvoir être envoyés à Azure.
BaselineDataRange	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
BatchDeployment	Entité de déploiement de point de terminaison batch.
BatchEndpoint	Entité de point de terminaison batch.
BatchJob	Travaux par lots créés avec des déploiements par lots/des points de terminaison d’appel. Cette classe ne devrait pas être instanciée directement. Au lieu de cela, il est utilisé comme type de retour de déploiement par lots/d’appel de point de terminaison et de liste des travaux.
BatchRetrySettings	Paramètres de nouvelle tentative pour le déploiement par lots.
BuildContext	Contexte de build Docker pour Environnement.
CategoricalDriftMetrics	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
CertificateConfiguration	Contient des entités et des objets SDK pour Azure Machine Learning SDKv2. Les domaines principaux incluent la gestion des cibles de calcul, la création/la gestion des espaces de travail et des travaux, l’envoi/l’accès au modèle, les exécutions et l’exécution de la sortie/journalisation, etc.
Choice	Configuration de distribution de choix.
CodeConfiguration	Configuration du code pour un travail de scoring.
Command	Classe de base pour le nœud de commande, utilisée pour la consommation de version du composant de commande. Vous ne devez pas instancier cette classe directement. Au lieu de cela, vous devez le créer à l’aide de la fonction de générateur : command().
CommandComponent	Version du composant de commande, utilisée pour définir un composant de commande ou un travail.
CommandJob	Tâche de commande.
CommandJobLimits	Limites pour les travaux de commande.
Component	Classe de base pour la version du composant, utilisée pour définir un composant. Impossible d’instancier directement.
Compute	Classe de base pour les ressources de calcul. Cette classe ne doit pas être instanciée directement. Utilisez plutôt l’une de ses sous-classes.
ComputeConfiguration	Configuration des ressources de calcul
ComputeInstance	Ressource d’instance de calcul.
ComputeInstanceSshSettings	Informations d’identification d’un compte d’utilisateur administrateur à SSH dans le nœud de calcul. Ne peut être configuré que si ssh_public_access_enabled est défini sur true sur la ressource de calcul.
ComputeRuntime	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Configuration du runtime de calcul Spark.
ComputeSchedules	Planifications de calcul.
ComputeStartStopSchedule	Planifications pour le scénario de démarrage ou d’arrêt du calcul.
ContainerRegistryCredential	Clé pour ACR associée à un espace de travail donné.
CronTrigger	Déclencheur Cron pour une planification de travail.
CustomApplications	Spécifie la configuration de l’application de service personnalisée.
CustomInferencingServer	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Configurations d’inférence personnalisées.
CustomMonitoringMetricThreshold	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Seuil de métrique de dérive d’attribution de fonctionnalités
CustomMonitoringSignal	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Signal de surveillance personnalisé.
CustomerManagedKey	Contient des entités et des objets SDK pour Azure Machine Learning SDKv2. Les domaines principaux incluent la gestion des cibles de calcul, la création/la gestion des espaces de travail et des travaux, l’envoi/l’accès au modèle, les exécutions et l’exécution de la sortie/journalisation, etc.
Data	Données pour l’entraînement et le scoring.
DataCollector	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Entité de déploiement de capture de données.
DataColumn	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Colonne de trame de données :p nom d’image : nom de la colonne : nom du type : str, obligatoire :p type de donnéesaram : Type de données de colonne : type : str, un des [string, integer, long, float, double, binary, datetime, boolean] ou ~azure.ai.ml.entities.DataColumnType, facultatif
DataDriftMetricThreshold	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Seuil de métrique de dérive des données
DataDriftSignal	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Signal de dérive des données. :p aram metric_thresholds :Liste des métriques à calculer et des seuils associés
DataImport	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Ressource de données avec un travail d’importation de données de création.
DataQualityMetricThreshold	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Seuil de métrique de qualité des données
DataQualityMetricsCategorical	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
DataQualityMetricsNumerical	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
DataQualitySignal	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Signal de qualité des données
DataSegment	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Segment de données pour la surveillance.
Datastore	Magasin de données d’un espace de travail Azure ML, classe abstraite.
DefaultScaleSettings	Paramètres de mise à l’échelle par défaut.
Deployment	Classe de base de déploiement de point de terminaison. Classe de base de déploiement de point de terminaison. Constructeur de la classe de base De déploiement de point de terminaison.
DeploymentCollection	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Entité de collection
DiagnoseRequestProperties	DiagnoseRequestProperties.
DiagnoseResponseResult	DiagnoseResponseResult.
DiagnoseResponseResultValue	DiagnoseResponseResultValue.
DiagnoseResult	Résultat du diagnostic.
DiagnoseWorkspaceParameters	Paramètres pour diagnostiquer un espace de travail.
Endpoint	Classe de base du point de terminaison. Classe de base du point de terminaison. Constructeur pour la classe de base Endpoint.
EndpointAuthKeys	Clés pour l’authentification du point de terminaison. Constructeur pour les clés pour l’authentification du point de terminaison.
EndpointAuthToken	Jeton d’authentification de point de terminaison. Constuctor pour le jeton d’authentification du point de terminaison.
EndpointConnection	Contient des entités et des objets SDK pour Azure Machine Learning SDKv2. Les domaines principaux incluent la gestion des cibles de calcul, la création/la gestion des espaces de travail et des travaux, l’envoi/l’accès au modèle, les exécutions et l’exécution de la sortie/journalisation, etc.
EndpointsSettings	Spécifie une configuration de point de terminaison pour une application personnalisée.
Environment	Environnement pour l’entraînement.
FADProductionData	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Données de production d’attribution de fonctionnalités :mot clé pre_processing_component : ID de ressource ARM (Azure Resource Manager) de la ressource de composant utilisée pour prétraiter les données.
Feature	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
FeatureAttributionDriftMetricThreshold	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Seuil de métrique de dérive d’attribution de fonctionnalités
FeatureAttributionDriftSignal	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Signal de dérive d’attribution de caractéristiques
FeatureSet	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
FeatureSetBackfillMetadata	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
FeatureSetBackfillRequest	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
FeatureSetMaterializationMetadata	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
FeatureSetSpecification	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
FeatureStore	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. FeatureStore.
FeatureStoreEntity	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
FeatureStoreSettings	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
FixedInputData	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
FqdnDestination	Classe représentant une règle sortante de nom de domaine complet.
GenerationSafetyQualityMonitoringMetricThreshold	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Seuil de métrique de qualité de la sécurité de la génération
GenerationSafetyQualitySignal	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Signal de surveillance de la qualité de la sécurité de génération.
IdentityConfiguration	Configuration d’identité utilisée pour représenter la propriété d’identité sur les ressources de calcul, de point de terminaison et de Registre.
ImageMetadata	Métadonnées relatives à l’image du système d’exploitation pour le instance de calcul.
ImageSettings	Spécifie une configuration d’image pour une application personnalisée.
ImportDataSchedule	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Objet ImportDataSchedule.
InputPort	Contient des entités et des objets SDK pour Azure Machine Learning SDKv2. Les domaines principaux incluent la gestion des cibles de calcul, la création/la gestion des espaces de travail et des travaux, l’envoi/l’accès au modèle, les exécutions et l’exécution de la sortie/journalisation, etc.
IntellectualProperty	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Définition des paramètres de propriété intellectuelle.
IsolationMode	IsolationMode pour le réseau managé de l’espace de travail.
Job	Classe de base pour les travaux. Cette classe ne doit pas être instanciée directement. Utilisez plutôt l’une de ses sous-classes.
JobResourceConfiguration	Classe de configuration des ressources de travail, fonctionnalités héritées et étendues de ResourceConfiguration.
JobSchedule	Classe pour la gestion des planifications de travaux.
JobService	Configuration du service de travail de base pour la compatibilité descendante. Cette classe n'est pas destinée à être utilisée directement. Utilisez plutôt l’une de ses sous-classes spécifiques à votre type de travail.
JupyterLabJobService	Configuration du service de travail JupyterLab.
KubernetesCompute	Ressource de calcul Kubernetes.
KubernetesOnlineDeployment	Entité de déploiement de point de terminaison Kubernetes Online. Entité de déploiement de point de terminaison Kubernetes Online. Constructeur pour l’entité de déploiement de point de terminaison Kubernetes Online.
KubernetesOnlineEndpoint	Entité de point de terminaison K8s Online. Entité de point de terminaison K8s Online. Constructeur pour l’entité de point de terminaison K8s Online.
LlmData	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Données de réponse aux demandes LLM
LogNormal	Configuration de distribution LogNormal.
LogUniform	Configuration de distribution LogUniform.
ManagedIdentityConfiguration	Configuration des informations d’identification d’identité managée.
ManagedNetwork	Contient des entités et des objets SDK pour Azure Machine Learning SDKv2. Les domaines principaux incluent la gestion des cibles de calcul, la création/la gestion des espaces de travail et des travaux, l’envoi/l’accès au modèle, les exécutions et l’exécution de la sortie/journalisation, etc.
ManagedNetworkProvisionStatus	ManagedNetworkProvisionStatus.
ManagedOnlineDeployment	Entité de déploiement de point de terminaison Managed Online. Entité de déploiement de point de terminaison Managed Online. Constructeur pour l’entité de déploiement de point de terminaison Managed Online.
ManagedOnlineEndpoint	Entité de point de terminaison Managed Online. Entité de point de terminaison Managed Online. Constructeur pour l’entité de point de terminaison Managed Online.
MaterializationComputeResource	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Ressource de calcul de matérialisation
MaterializationSettings	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Définit les paramètres de matérialisation.
MaterializationStore	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. MaterializationStore. :p aram type : type de magasin. :type type : str :p aram target : store target. :type target : str
Model	Modèle pour l’entraînement et le scoring.
ModelBatchDeployment	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Entité Définition de travail.
ModelBatchDeploymentSettings	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Entité Paramètres de déploiement de lot de modèles.
ModelConfiguration	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. ModelConfiguration.
ModelPackage	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Package de modèle.
ModelPackageInput	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Entrée de package de modèle.
MonitorDefinition	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Définition de la supervision
MonitorFeatureFilter	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Surveiller le filtre des fonctionnalités
MonitorInputData	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Surveiller les données d’entrée.
MonitorSchedule	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Superviser la planification.
MonitoringTarget	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Cible de surveillance.
NetworkSettings	Paramètres réseau pour une ressource de calcul.
NoneCredentialConfiguration	Aucune configuration des informations d’identification.
Normal	Configuration de distribution normale.
NotebookAccessKeys	Clé pour la ressource de notebook associée à un espace de travail donné.
Notification	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Configuration pour la notification.
NumericalDriftMetrics	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
OneLakeArtifact	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Artefact OneLake (source de données) qui sauvegarde l’espace de travail OneLake.
OneLakeDatastore	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Magasin de données OneLake lié à un espace de travail Azure ML.
OnlineDeployment	Entité de déploiement de point de terminaison en ligne. Entité de déploiement de point de terminaison en ligne. Constructeur pour l’entité de déploiement de point de terminaison Online
OnlineEndpoint	Entité de point de terminaison en ligne. Entité de point de terminaison en ligne. Constructeur pour une entité de point de terminaison Online.
OnlineRequestSettings	Entité Paramètres de demande.
OnlineScaleSettings	Paramètres de mise à l’échelle pour le déploiement en ligne.
OutboundRule	La classe de base pour les règles sortantes ne peut pas être instanciée directement.
PackageInputPathId	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Chemin d’entrée de package spécifié avec un ID de ressource.
PackageInputPathUrl	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Chemin d’entrée de package spécifié avec une URL.
PackageInputPathVersion	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Chemin d’entrée de package spécifié avec un nom et une version de ressource.
Parallel	Classe de base pour le nœud parallèle, utilisée pour la consommation de version des composants parallèles. Vous ne devez pas instancier cette classe directement. Au lieu de cela, vous devez créer à partir de la fonction de générateur : parallel.
ParallelComponent	Version de composant parallèle, utilisée pour définir un composant parallèle.
ParallelTask	Tâche parallèle.
ParameterizedCommand	Version du composant de commande qui contient la commande et les paramètres de prise en charge d’un composant ou d’un travail Command. Cette classe ne doit pas être instanciée directement. Utilisez plutôt la classe enfant ~azure.ai.ml.entities.CommandComponent.
PatTokenConfiguration	Informations d’identification du jeton d’accès personnel.
Pipeline	Classe de base pour le nœud de pipeline, utilisée pour la consommation de version des composants de pipeline. Vous ne devez pas instancier cette classe directement. Au lieu de cela, vous devez utiliser @pipeline le décorateur pour créer un nœud de pipeline.
PipelineComponent	Composant de pipeline, actuellement utilisé pour stocker des composants dans un pipeline azure.ai.ml.dsl.pipeline.
PipelineComponentBatchDeployment	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Entité Définition de travail.
PipelineJob	Travail de pipeline. Vous ne devez pas instancier cette classe directement. Au lieu de cela, vous devez utiliser l '@pipeline décorateur pour créer un PipelineJob. ] :p aram compute : nom de la cible de calcul du pipeline généré. La valeur par défaut est None :type compute : str :p aram tags : Tag dictionary. Les balises peuvent être ajoutées, supprimées et mises à jour. La valeur par défaut est None :type tags : dict[str, str] :p aram kwargs : dictionnaire de paramètres de configuration supplémentaires. La valeur par défaut est None :type kwargs : dict
PipelineJobSettings	Les paramètres de PipelineJob incluent default_datastore, default_compute, continue_on_step_failure et force_rerun.
PredictionDriftMetricThreshold	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Seuil de métrique de dérive de prédiction
PredictionDriftSignal	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Signal de dérive de prédiction.
PrivateEndpoint	Contient des entités et des objets SDK pour Azure Machine Learning SDKv2. Les domaines principaux incluent la gestion des cibles de calcul, la création/la gestion des espaces de travail et des travaux, l’envoi/l’accès au modèle, les exécutions et l’exécution de la sortie/journalisation, etc.
PrivateEndpointDestination	Classe représentant une règle de trafic sortant d’un point de terminaison privé.
ProbeSettings	Paramètres sur la façon de sonder un point de terminaison.
ProductionData	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Données de production :p aram input_data : données pour lesquelles la dérive sera calculée :type Input : ~azure.ai.ml.entities._input_outputs :p aram data_context : Données à calculer par rapport à :type MonitorDatasetContext : ~azure.ai.ml.constants._monitoring :p aram pre_processing_component : :type pre_processing_component : string :p aram data_window_size : :type data_window_size : string
QLogNormal	Configuration de distribution QLogNormal.
QLogUniform	Configuration de distribution QLogUniform.
QNormal	Configuration de la distribution QNormal.
QUniform	Configuration de distribution QUniform.
QueueSettings	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Paramètres de file d’attente pour un travail de pipeline.
Randint	Configuration de la distribution Randint.
RecurrencePattern	Modèle de périodicité pour une planification de travail.
RecurrenceTrigger	Déclencheur de périodicité pour une planification de travail.
ReferenceData	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Données de référence :p aram input_data : données pour lesquelles la dérive sera calculée :type Input : ~azure.ai.ml.entities._input_outputs :p aram data_context : Données à calculer par rapport à :type MonitorDatasetContext : ~azure.ai.ml.constants._monitoring :p aram pre_processing_component : :type pre_processing_component : string :p aram target_column_name : :type target_column_name : string :p aram data_window : :type data_window_size : BaselineDataRange
Registry	Registre Azure ML.
RegistryRegionDetails	Détails pour chaque région dans laquelle se trouve un registre.
RequestLogging	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Demander l’entité de déploiement de journalisation.
Resource	Classe de base pour les classes d’entité. Ressource est un objet abstrait qui sert de base pour la création de ressources. Il contient des propriétés et des méthodes courantes pour toutes les ressources. Cette classe ne doit pas être instanciée directement. Utilisez plutôt l’une de ses sous-classes.
ResourceConfiguration	Configuration des ressources pour un travail. Cette classe ne doit pas être instanciée directement. Utilisez plutôt ses sous-classes.
ResourceRequirementsSettings	Paramètres des exigences en ressources pour un conteneur.
ResourceSettings	Paramètres de ressource pour un conteneur. Cette classe utilise les formats d’unité de ressources Kubernetes. Pour plus d’informations, consultez https://kubernetes.io/docs/concepts/configuration/manage-resources-containers/.
RetrySettings	Nouvelles tentatives parallèles.
Route	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Itinéraire.
SasTokenConfiguration	Contient des entités et des objets SDK pour Azure Machine Learning SDKv2. Les domaines principaux incluent la gestion des cibles de calcul, la création/la gestion des espaces de travail et des travaux, l’envoi/l’accès au modèle, les exécutions et l’exécution de la sortie/journalisation, etc.
Schedule	Objet schedule utilisé pour créer et gérer des planifications. Cette classe ne doit pas être instanciée directement. Utilisez plutôt les sous-classes.
ScriptReference	Référence de script.
ServerlessSparkCompute	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
ServiceInstance	Résultat de l’instance de service.
ServicePrincipalConfiguration	Configuration des informations d’identification du principal de service.
ServiceTagDestination	Classe représentant une règle sortante de balise de service.
SetupScripts	Scripts d’installation personnalisés.
Spark	Classe de base pour le nœud Spark, utilisée pour la consommation de version des composants Spark. Vous ne devez pas instancier cette classe directement. Au lieu de cela, vous devez le créer à partir de la fonction de générateur : spark. ] :p sortiesaram : mappage des noms de sortie aux sources de données de sortie utilisées dans le travail. :type outputs : Dict[str, Union[str, ~azure.ai.ml.Output]] :p aram args : arguments du travail. :type args : str :p aram compute : ressource de calcul sur laquelle le travail s’exécute. :type compute : str :p aram resources : configuration des ressources de calcul pour le travail. :type resources : Union[Dict, ~azure.ai.ml.entities.SparkResourceConfiguration] :p aram entry : point d’entrée de fichier ou de classe. :type entry : Dict[str, str] :p aram py_files : liste des fichiers .zip, .egg ou .py à placer sur pythonPATH pour les applications Python. :type py_files : List[str] :p jarsaram : la liste de . Fichiers JAR à inclure sur les chemins de classe du pilote et de l’exécuteur. :type jars : List[str] :p aram files : liste des fichiers à placer dans le répertoire de travail de chaque exécuteur. :type files : List[str] :p aram archives : liste des archives à extraire dans le répertoire de travail de chaque exécuteur. :type archives : List[str]
SparkComponent	Version du composant Spark, utilisée pour définir un composant ou un travail Spark.
SparkJob	Un travail Spark autonome.
SparkJobEntry	Entrée pour le travail Spark.
SparkJobEntryType	Type d’entrée de travail Spark. Les possibilités sont l’entrée de fichier Python ou l’entrée de classe Scala.
SparkResourceConfiguration	Configuration des ressources de calcul pour le composant ou le travail Spark.
SshJobService	Configuration du service de travail SSH.
StaticInputData	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
Sweep	Classe de base pour le nœud de balayage. Cette classe ne doit pas être instanciée directement. Au lieu de cela, il doit être créé via la fonction de générateur : balayage.
SynapseSparkCompute	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Ressource de calcul SynapseSpark.
SystemCreatedAcrAccount	Compte ACR Azure ML.
SystemCreatedStorageAccount	Contient des entités et des objets SDK pour Azure Machine Learning SDKv2. Les domaines principaux incluent la gestion des cibles de calcul, la création/la gestion des espaces de travail et des travaux, l’envoi/l’accès au modèle, les exécutions et l’exécution de la sortie/journalisation, etc.
SystemData	Métadonnées liées à la création et à la modification la plus récente d’une ressource.
TargetUtilizationScaleSettings	Paramètres de mise à l’échelle automatique.
TensorBoardJobService	Configuration du service de travail TensorBoard.
TrailingInputData	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
TritonInferencingServer	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Configurations d’inférence de triton Azure ML.
Uniform	Configuration de distribution uniforme.
UnsupportedCompute	Ressource de calcul non prise en charge. Utilisé uniquement pour afficher les propriétés de calcul pour les ressources qui ne sont pas entièrement prises en charge dans le SDK.
Usage	Utilisation des ressources AzureML.
UsageName	Nom d’utilisation.
UserIdentityConfiguration	Configuration de l’identité utilisateur.
UsernamePasswordConfiguration	Informations d’identification de nom d’utilisateur et de mot de passe.
ValidationResult	Représente le résultat de la validation du travail/de la ressource. Cette classe est utilisée pour organiser et analyser des diagnostics côté serveur client & avant de les exposer. Le résultat est immuable.
VirtualMachineCompute	Ressource de calcul de machine virtuelle.
VirtualMachineSshSettings	Paramètres SSH pour une machine virtuelle.
VmSize	Taille de la machine virtuelle.
VolumeSettings	Spécifie les paramètres de montage de liaison pour une application personnalisée.
VsCodeJobService	Configuration du service de travail VS Code.
Workspace	Espace de travail Azure ML.
WorkspaceConnection	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. La connexion à l’espace de travail Azure ML offre un moyen sécurisé de stocker les informations d’authentification et de configuration nécessaires pour se connecter et interagir avec les ressources externes.
WorkspaceHub	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. WorkspaceHub.
WorkspaceHubConfig	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. WorkspaceHubConfig.
WorkspaceKeys	Clés d’espace de travail. :type container_registry_credentials :ContainerRegistryCredential :p aram notebook_access_keys : Clé pour la ressource de notebook associée à l’espace de travail donné :type notebook_access_keys :NotebookAccessKeys

Énumérations

ComputePowerAction	[Obligatoire] Action puissance de calcul.
CreatedByType	Type d’identité qui a créé la ressource.
DataColumnType	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
MaterializationType	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
UsageUnit	Énumération décrivant l’unité de mesure de l’utilisation.