Microsoft.MachineLearningServices workspaces/jobs 2022-02-01-preview

• 最新の を する
• 2024-07-01-preview
• 2024-04-01
• 2024-04-01-preview
• 2024-01-01-preview
• 2023-10-01
• 2023-08-01-preview
• 2023-06-01-preview
• 2023-04-01
• 2023-04-01-preview
• 2023-02-01-preview
• 2022-12-01-preview
• 2022-10-01
• 2022-10-01-preview
• 2022-06-01-preview
• 2022-05-01
• 2022-02-01-preview
• 2021-03-01-preview

Bicep リソース定義

ワークスペース/ジョブ リソースの種類は、次を対象とする操作と共にデプロイできます。

• リソース グループの - リソース グループのデプロイ コマンド 参照

各 API バージョンで変更されたプロパティの一覧については、変更ログの参照してください。

リソースの形式

Microsoft.MachineLearningServices/workspaces/jobs リソースを作成するには、次の Bicep をテンプレートに追加します。

resource symbolicname 'Microsoft.MachineLearningServices/workspaces/jobs@2022-02-01-preview' = {
  name: 'string'
  parent: resourceSymbolicName
  properties: {
    computeId: 'string'
    description: 'string'
    displayName: 'string'
    experimentName: 'string'
    identity: {
      identityType: 'string'
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived: bool
    properties: {
      {customized property}: 'string'
    }
    schedule: {
      endTime: 'string'
      scheduleStatus: 'string'
      startTime: 'string'
      timeZone: 'string'
      scheduleType: 'string'
      // For remaining properties, see ScheduleBase objects
    }
    services: {
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
    }
    tags: {}
    jobType: 'string'
    // For remaining properties, see JobBaseDetails objects
  }
}

JobBaseDetails オブジェクト

オブジェクトの種類を指定するには、jobType プロパティを設定します。

AutoMLの場合は、次を使用します。

  jobType: 'AutoML'
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  resources: {
    instanceCount: int
    instanceType: 'string'
    properties: {
      {customized property}: any()
    }
  }
  taskDetails: {
    logVerbosity: 'string'
    taskType: 'string'
    // For remaining properties, see AutoMLVertical objects
  }

コマンドの場合は、次のコマンドを使用します。

  jobType: 'Command'
  codeId: 'string'
  command: 'string'
  distribution: {
    distributionType: 'string'
    // For remaining properties, see DistributionConfiguration objects
  }
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  limits: {
    jobLimitsType: 'string'
    timeout: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  resources: {
    instanceCount: int
    instanceType: 'string'
    properties: {
      {customized property}: any()
    }
  }

パイプラインの場合は、次を使用します。

  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()

スイープの場合は、次を使用します。

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

IdentityConfiguration オブジェクト

identityType プロパティを設定して、オブジェクトの種類を指定します。

AMLTokenを する場合は、次を使用します。

  identityType: 'AMLToken'

マネージドの場合は、次を使用します。

  identityType: 'Managed'
  clientId: 'string'
  objectId: 'string'
  resourceId: 'string'

UserIdentityの場合は、次の値を使用します。

  identityType: 'UserIdentity'

ScheduleBase オブジェクト

scheduleType プロパティを設定して、オブジェクトの種類を指定します。

Cronの場合は、次を使用します。

  scheduleType: 'Cron'
  expression: 'string'

繰り返しの場合は、次の値を使用します。

  scheduleType: 'Recurrence'
  frequency: 'string'
  interval: int
  pattern: {
    hours: [
      int
    ]
    minutes: [
      int
    ]
    weekdays: [
      'string'
    ]
  }

JobOutput オブジェクト

オブジェクトの種類を指定するには、jobOutputType プロパティを設定します。

CustomModelを する場合は、次を使用します。

  jobOutputType: 'CustomModel'
  mode: 'string'
  uri: 'string'

MLFlowModelの場合は、次を使用します。

  jobOutputType: 'MLFlowModel'
  mode: 'string'
  uri: 'string'

MLTableの場合は、次を使用します。

  jobOutputType: 'MLTable'
  mode: 'string'
  uri: 'string'

TritonModelの場合は、次を使用します。

  jobOutputType: 'TritonModel'
  mode: 'string'
  uri: 'string'

UriFileの場合は、次の値を使用します。

  jobOutputType: 'UriFile'
  mode: 'string'
  uri: 'string'

UriFolderを する場合は、次の値を使用します。

  jobOutputType: 'UriFolder'
  mode: 'string'
  uri: 'string'

AutoMLVertical オブジェクト

taskType プロパティを設定して、オブジェクトの種類を指定します。

分類の場合は、次を使用します。

  taskType: 'Classification'
  allowedModels: [
    'string'
  ]
  blockedModels: [
    'string'
  ]
  dataSettings: {
    targetColumnName: 'string'
    testData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      testDataSize: int
    }
    trainingData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
    }
    validationData: {
      cvSplitColumnNames: [
        'string'
      ]
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      nCrossValidations: {
        mode: 'string'
        // For remaining properties, see NCrossValidations objects
      }
      validationDataSize: int
    }
    weightColumnName: 'string'
  }
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    dropColumns: [
      'string'
    ]
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  primaryMetric: 'string'
  trainingSettings: {
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }

予測の場合は、次の値を使用します。

  taskType: 'Forecasting'
  allowedModels: [
    'string'
  ]
  blockedModels: [
    'string'
  ]
  dataSettings: {
    targetColumnName: 'string'
    testData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      testDataSize: int
    }
    trainingData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
    }
    validationData: {
      cvSplitColumnNames: [
        'string'
      ]
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      nCrossValidations: {
        mode: 'string'
        // For remaining properties, see NCrossValidations objects
      }
      validationDataSize: int
    }
    weightColumnName: 'string'
  }
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    dropColumns: [
      'string'
    ]
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  forecastingSettings: {
    countryOrRegionForHolidays: 'string'
    cvStepSize: int
    featureLags: 'string'
    forecastHorizon: {
      mode: 'string'
      // For remaining properties, see ForecastHorizon objects
    }
    frequency: 'string'
    seasonality: {
      mode: 'string'
      // For remaining properties, see Seasonality objects
    }
    shortSeriesHandlingConfig: 'string'
    targetAggregateFunction: 'string'
    targetLags: {
      mode: 'string'
      // For remaining properties, see TargetLags objects
    }
    targetRollingWindowSize: {
      mode: 'string'
      // For remaining properties, see TargetRollingWindowSize objects
    }
    timeColumnName: 'string'
    timeSeriesIdColumnNames: [
      'string'
    ]
    useStl: 'string'
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  primaryMetric: 'string'
  trainingSettings: {
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }

ImageClassificationの場合は、次を使用します。

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

ImageClassificationMultilabelを する場合は、次を使用します。

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

ImageInstanceSegmentationを する場合は、次を使用します。

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

ImageObjectDetectionの場合は、次の値を使用します。

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

回帰の場合は、次の値を使用します。

  taskType: 'Regression'
  allowedModels: [
    'string'
  ]
  blockedModels: [
    'string'
  ]
  dataSettings: {
    targetColumnName: 'string'
    testData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      testDataSize: int
    }
    trainingData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
    }
    validationData: {
      cvSplitColumnNames: [
        'string'
      ]
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      nCrossValidations: {
        mode: 'string'
        // For remaining properties, see NCrossValidations objects
      }
      validationDataSize: int
    }
    weightColumnName: 'string'
  }
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    dropColumns: [
      'string'
    ]
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  primaryMetric: 'string'
  trainingSettings: {
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }

TextClassificationの場合は、次を使用します。

  taskType: 'TextClassification'
  dataSettings: {
    targetColumnName: 'string'
    testData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      testDataSize: int
    }
    trainingData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
    }
    validationData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      validationDataSize: int
    }
  }
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  primaryMetric: 'string'

TextClassificationMultilabelを する場合は、次を使用します。

  taskType: 'TextClassificationMultilabel'
  dataSettings: {
    targetColumnName: 'string'
    testData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      testDataSize: int
    }
    trainingData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
    }
    validationData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      validationDataSize: int
    }
  }
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }

TextNERの場合は、次を使用します。

  taskType: 'TextNER'
  dataSettings: {
    targetColumnName: 'string'
    testData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      testDataSize: int
    }
    trainingData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
    }
    validationData: {
      data: {
        description: 'string'
        jobInputType: 'string'
        mode: 'string'
        uri: 'string'
      }
      validationDataSize: int
    }
  }
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }

NCrossValidations オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode: 'Auto'

カスタムを する場合は、次の値を使用します。

  mode: 'Custom'
  value: int

ForecastHorizon オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode: 'Auto'

カスタムを する場合は、次の値を使用します。

  mode: 'Custom'
  value: int

季節性オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode: 'Auto'

カスタムを する場合は、次の値を使用します。

  mode: 'Custom'
  value: int

TargetLags オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode: 'Auto'

カスタムを する場合は、次の値を使用します。

  mode: 'Custom'
  values: [
    int
  ]

TargetRollingWindowSize オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode: 'Auto'

カスタムを する場合は、次の値を使用します。

  mode: 'Custom'
  value: int

EarlyTerminationPolicy オブジェクト

policyType プロパティを設定して、オブジェクトの種類を指定します。

バンディットの場合は、次を使用します。

  policyType: 'Bandit'
  slackAmount: int
  slackFactor: int

MedianStopping の場合は、次の値を使用します。

  policyType: 'MedianStopping'

TruncationSelectionの場合は、次のコマンドを使用します。

  policyType: 'TruncationSelection'
  truncationPercentage: int

DistributionConfiguration オブジェクト

オブジェクトの種類を指定するには、distributionType プロパティを設定します。

Mpiの場合は、次を使用します。

  distributionType: 'Mpi'
  processCountPerInstance: int

PyTorchを する場合は、次を使用します。

  distributionType: 'PyTorch'
  processCountPerInstance: int

TensorFlowの場合は、次を使用します。

  distributionType: 'TensorFlow'
  parameterServerCount: int
  workerCount: int

JobInput オブジェクト

jobInputType プロパティを設定して、オブジェクトの種類を指定します。

CustomModelを する場合は、次を使用します。

  jobInputType: 'CustomModel'
  mode: 'string'
  uri: 'string'

リテラルには、次の値を使用します。

  jobInputType: 'Literal'
  value: 'string'

MLFlowModelの場合は、次を使用します。

  jobInputType: 'MLFlowModel'
  mode: 'string'
  uri: 'string'

MLTableの場合は、次を使用します。

  jobInputType: 'MLTable'
  mode: 'string'
  uri: 'string'

TritonModelの場合は、次を使用します。

  jobInputType: 'TritonModel'
  mode: 'string'
  uri: 'string'

UriFileの場合は、次の値を使用します。

  jobInputType: 'UriFile'
  mode: 'string'
  uri: 'string'

UriFolderを する場合は、次の値を使用します。

  jobInputType: 'UriFolder'
  mode: 'string'
  uri: 'string'

SamplingAlgorithm オブジェクト

samplingAlgorithmType プロパティを設定して、オブジェクトの種類を指定します。

ベイジアン の場合は、次を使用します。

  samplingAlgorithmType: 'Bayesian'

Gridの場合は、次を使用します。

  samplingAlgorithmType: 'Grid'

ランダムには、次の値を使用します。

  samplingAlgorithmType: 'Random'
  rule: 'string'
  seed: int

プロパティ値

workspaces/jobs

名前	形容	価値
名前	リソース名 Bicepで子リソースの名前と種類 設定する方法を参照してください。	string (必須)
親	Bicep では、子リソースの親リソースを指定できます。 このプロパティを追加する必要があるのは、子リソースが親リソースの外部で宣言されている場合のみです。 詳細については、「親リソースの外部 子リソース」を参照してください。	種類のリソースのシンボリック名: ワークスペース
プロパティ	[必須]エンティティの追加の属性。	JobBaseDetails (必須)

JobBaseDetails

名前	形容	価値
computeId	コンピューティング リソースの ARM リソース ID。	糸
形容	資産の説明テキスト。	糸
displayName	ジョブの表示名。	糸
experimentName	ジョブが属する実験の名前。 設定されていない場合、ジョブは "既定" の実験に配置されます。	糸
同一性	ID の構成。 設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。	IdentityConfiguration
isArchived	資産はアーカイブされていますか?	bool
プロパティ	資産プロパティ ディクショナリ。	ResourceBaseProperties
計画	ジョブの定義をスケジュールします。 スケジュールが指定されていない場合、ジョブは送信直後に 1 回実行されます。	ScheduleBase
サービス	JobEndpoints の一覧。 ローカル ジョブの場合、ジョブ エンドポイントのエンドポイント値は FileStreamObject になります。	JobBaseServices
タグ	タグ ディクショナリ。 タグは追加、削除、更新できます。	オブジェクト
jobType	オブジェクトの種類を設定する	AutoML の コマンド パイプラインの スイープ (必須)

IdentityConfiguration

名前	形容	価値
identityType	オブジェクトの種類を設定する	AMLToken を する マネージド の UserIdentity (必須)

AmlToken

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	'AMLToken' (必須)

ManagedIdentity

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	'Managed' (必須)
clientId	クライアント ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。	糸 制約： 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
objectId	ユーザー割り当て ID をオブジェクト ID で指定します。 システム割り当ての場合は、このフィールドを設定しないでください。	糸 制約： 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId	ARM リソース ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。	糸

UserIdentity

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	'UserIdentity' (必須)

ResourceBaseProperties

名前	形容	価値
{カスタマイズされたプロパティ}		糸

ScheduleBase

名前	形容	価値
endTime	スケジュールの終了時刻を ISO 8601 形式で指定します。 存在しない場合、スケジュールは無期限に実行されます	糸
scheduleStatus	スケジュールの状態を指定します	'Disabled' 'Enabled'
startTime	スケジュールの開始時刻を ISO 8601 形式で指定します。	糸
timeZone	スケジュールを実行するタイム ゾーンを指定します。 TimeZone は、Windows のタイム ゾーン形式に従う必要があります。	糸
scheduleType	オブジェクトの種類を設定する	Cron 繰り返し (必須)

CronSchedule

名前	形容	価値
scheduleType	[必須]スケジュールの種類を指定します	'Cron' (必須)
表現	[必須]スケジュールの cron 式を指定します。 式は NCronTab 形式に従う必要があります。	string (必須) 制約： パターン = [a-zA-Z0-9_]

RecurrenceSchedule

名前	形容	価値
scheduleType	[必須]スケジュールの種類を指定します	'Recurrence' (必須)
周波数	[必須]スケジュールをトリガーする頻度を指定します	'Day' 'Hour' 'Minute' 'Month' 'Week' (必須)
間	[必須]スケジュール間隔を頻度と組み合わせて指定します	int (必須)
パターン	繰り返しスケジュール パターンを指定します	RecurrencePattern の

RecurrencePattern

名前	形容	価値
時間	[必須]定期的なスケジュール パターンの時間の一覧	int[] (必須)
議事録	[必須]定期的なスケジュール パターンの分数の一覧	int[] (必須)
平日	定期的なスケジュール パターンの平日の一覧	次のいずれかを含む文字列配列: 'Friday' 'Monday' 'Saturday' 'Sunday' 'Thursday' 'Tuesday' 'Wednesday'

JobBaseServices

名前	形容	価値
{カスタマイズされたプロパティ}		JobService

JobService

名前	形容	価値
エンドポイント	エンドポイントの URL。	糸
jobServiceType	エンドポイントの種類。	糸
港	エンドポイントのポート。	int
プロパティ	エンドポイントに設定する追加のプロパティ。	JobServiceProperties

JobServiceProperties

名前	形容	価値
{カスタマイズされたプロパティ}		糸

AutoMLJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'AutoML' (必須)
environmentId	ジョブの環境仕様の ARM リソース ID。 これは省略可能な値です。指定しない場合、AutoML はジョブの実行時に既定で運用環境の AutoML キュレーション環境バージョンに設定されます。	糸
environmentVariables	ジョブに含まれる環境変数。	AutoMLJobEnvironmentVariables の
出力	ジョブで使用される出力データ バインディングのマッピング。	AutoMLJobOutputs の
リソース	ジョブのコンピューティング リソース構成。	ResourceConfiguration
taskDetails	[必須]これは、テーブル/NLP/イメージのいずれかである可能性があるシナリオを表します	AutoMLVertical (必須)

AutoMLJobEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

AutoMLJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

JobOutput

名前	形容	価値
形容	出力の説明。	糸
jobOutputType	オブジェクトの種類を設定する	CustomModel の MLFlowModel の MLTable の TritonModel UriFile UriFolder (必須)

CustomModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'CustomModel' (必須)
モード	出力資産配信モード。	'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

MLFlowModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'MLFlowModel' (必須)
モード	出力資産配信モード。	'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

MLTableJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'MLTable' (必須)
モード	出力資産配信モード。	'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

TritonModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'TritonModel' (必須)
モード	出力資産配信モード。	'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

UriFileJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'UriFile' (必須)
モード	出力資産配信モード。	'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

UriFolderJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'UriFolder' (必須)
モード	出力資産配信モード。	'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

ResourceConfiguration

名前	形容	価値
instanceCount	コンピューティング 先で使用されるインスタンスまたはノードの数 (省略可能)。	int
instanceType	コンピューティング 先でサポートされている VM のオプションの種類。	糸
プロパティ	追加のプロパティ バッグ。	ResourceConfigurationProperties

ResourceConfigurationProperties

名前	形容	価値
{カスタマイズされたプロパティ}		Bicep の場合は、any() 関数を使用できます。

AutoMLVertical

名前	形容	価値
logVerbosity	ジョブの詳細度をログに記録します。	'Critical' 'Debug' 'Error' 'Info' 'NotSet' 'Warning'
taskType	オブジェクトの種類を設定する	分類 予測 ImageClassification ImageClassificationMultilabel の ImageInstanceSegmentation ImageObjectDetection 回帰 TextClassification TextClassificationMultilabel TextNER (必須)

分類

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'Classification' (必須)
allowedModels	分類タスクに使用できるモデル。	次のいずれかを含む文字列配列: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
blockedModels	分類タスクのブロックされたモデル。	次のいずれかを含む文字列配列: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
dataSettings	AutoMLJob のデータ入力。	TableVerticalDataSettings の
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
primaryMetric	タスクのプライマリ メトリック。	'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
trainingSettings	AutoML ジョブのトレーニング フェーズの入力。	TrainingSettings

TableVerticalDataSettings

名前	形容	価値
targetColumnName	[必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。	string (必須) 制約： パターン = [a-zA-Z0-9_]
testData	データ入力をテストします。	TestDataSettings の
trainingData	[必須]トレーニング データの入力。	TrainingDataSettings (必須)
validationData	検証データの入力。	TableVerticalValidationDataSettings
weightColumnName	サンプルの重み列の名前。 自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。	糸

TestDataSettings

名前	形容	価値
データ	テスト データ MLTable。	MLTableJobInput の
testDataSize	検証のために確保する必要があるテスト データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。	int

MLTableJobInput

名前	形容	価値
形容	入力の説明。	糸
jobInputType	[必須]ジョブの種類を指定します。	'CustomModel' 'Literal' 'MLFlowModel' 'MLTable' 'TritonModel' 'UriFile' 'UriFolder' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

TrainingDataSettings

名前	形容	価値
データ	[必須]トレーニング データ MLTable。	MLTableJobInput の (必須)

TableVerticalValidationDataSettings

名前	形容	価値
cvSplitColumnNames	CVSplit データに使用する列。	string[]
データ	検証データ MLTable。	MLTableJobInput の
nCrossValidations	トレーニング データセットに適用されるクロス検証フォールドの数 検証データセットが指定されていない場合。	NCrossValidations
validationDataSize	検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。	int

NCrossValidations

名前	形容	価値
モード	オブジェクトの種類を設定する	自動 の カスタム (必須)

AutoNCrossValidations

名前	形容	価値
モード	[必須]N クロス検証を決定するためのモード。	'Auto' (必須)

CustomNCrossValidations

名前	形容	価値
モード	[必須]N クロス検証を決定するためのモード。	'Custom' (必須)
価値	[必須]N クロス検証値。	int (必須)

TableVerticalFeaturizationSettings

名前	形容	価値
blockedTransformers	これらのトランスは特徴付けには使用しないでください。	string[]
columnNameAndTypes	列名とその型 (int、float、string、datetime など) のディクショナリ。	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	テキスト データに役立つデータセット言語。	糸
dropColumns	特徴量化中にデータから削除される列。	string[]
enableDnnFeaturization	データ特徴付けに Dnn ベースの特徴付け器を使用するかどうかを決定します。	bool
モード	特徴量化モード - ユーザーは既定の "自動" モードを維持でき、AutoML は特徴量化フェーズでのデータの必要な変換を処理します。 [オフ] が選択されている場合、特徴量化は行われません。 [カスタム] が選択されている場合、ユーザーは追加の入力を指定して、特徴付けの実行方法をカスタマイズできます。	'Auto' 'Custom' 'Off'
transformerParams	ユーザーは、使用する追加のトランスフォーマーと、それが適用される列、およびトランスフォーマー コンストラクターのパラメーターを指定できます。	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

名前	形容	価値
{カスタマイズされたプロパティ}		糸

TableVerticalFeaturizationSettingsTransformerParams

名前	形容	価値
{カスタマイズされたプロパティ}		ColumnTransformer[]

ColumnTransformer

名前	形容	価値
田畑	トランスフォーマー ロジックを適用するフィールド。	string[]
パラメーター	トランスフォーマーに渡されるさまざまなプロパティ。 必要な入力は、JSON 形式のキーと値のペアのディクショナリです。	Bicep の場合は、any() 関数を使用できます。

TableVerticalLimitSettings

名前	形容	価値
enableEarlyTermination	早期終了を有効にし、過去 20 回のイテレーションでスコアの改善がない場合に AutoMLJob が早期に終了するかどうかを決定します。	bool
exitScore	AutoML ジョブの終了スコア。	int
maxConcurrentTrials	最大同時反復数。	int
maxCoresPerTrial	イテレーションあたりの最大コア数。	int
maxTrials	反復回数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸
trialTimeout	繰り返しタイムアウト。	糸

TrainingSettings

名前	形容	価値
enableDnnTraining	DNN モデルの推奨事項を有効にします。	bool
enableModelExplainability	最適なモデルで説明可能性を有効にするフラグ。	bool
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	bool
enableStackEnsemble	スタック アンサンブル実行を有効にします。	bool
enableVoteEnsemble	投票アンサンブル実行を有効にします。	bool
ensembleModelDownloadTimeout	VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。	糸
stackEnsembleSettings	スタック アンサンブル実行のスタック アンサンブル設定。	StackEnsembleSettings

StackEnsembleSettings

名前	形容	価値
stackMetaLearnerKWargs	メタ学習者の初期化子に渡す省略可能なパラメーター。	Bicep の場合は、any() 関数を使用できます。
stackMetaLearnerTrainPercentage	メタ学習者のトレーニング用に予約するトレーニング セット (トレーニングのトレーニングと検証の種類を選択する場合) の割合を指定します。 既定値は 0.2 です。	int
stackMetaLearnerType	メタ学習者は、個々の異種モデルの出力でトレーニングされたモデルです。	'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'None'

予測

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'Forecasting' (必須)
allowedModels	予測タスクに使用できるモデル。	次のいずれかを含む文字列配列: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'Naive' 'Prophet' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor'
blockedModels	予測タスクのブロックされたモデル。	次のいずれかを含む文字列配列: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'Naive' 'Prophet' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor'
dataSettings	AutoMLJob のデータ入力。	TableVerticalDataSettings の
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
forecastingSettings	予測タスク固有の入力。	ForecastingSettings
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
primaryMetric	予測タスクの主要メトリック。	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'スピアマンコレレーション'
trainingSettings	AutoML ジョブのトレーニング フェーズの入力。	TrainingSettings

ForecastingSettings

名前	形容	価値
countryOrRegionForHolidays	予測タスクの休日の国または地域。 これらは、ISO 3166 の 2 文字の国/地域コード ("US" や "GB" など) である必要があります。	糸
cvStepSize	1 つの CV フォールドの原点時間と次のフォールドの間の期間の数。 対して たとえば、日次データの CVStepSize = 3 の場合、各フォールドの起点時間は 3 日分離します。	int
featureLags	'auto' または null を持つ数値特徴のラグを生成するためのフラグ。	'Auto' 'None'
forecastHorizon	時系列の頻度の単位で求められる最大予測期間。	ForecastHorizon
周波数	予測の場合、このパラメーターは、日単位、週単位、年単位など、予測が必要な期間を表します。予測頻度は、既定ではデータセットの頻度です。	糸
季節	時系列の季節性を、系列の頻度の整数倍数として設定します。 季節性が 'auto' に設定されている場合は、推論されます。	季節性
shortSeriesHandlingConfig	AutoML で短い時系列を処理する方法を定義するパラメーター。	'Auto' 'Drop' 'None' 'Pad'
targetAggregateFunction	ユーザーが指定した頻度に準拠するように時系列ターゲット列を集計するために使用する関数。 TargetAggregateFunction が 'None' ではなく設定されているが、freq パラメーターが設定されていない場合、エラーが発生します。 可能なターゲット集計関数は、"sum"、"max"、"min"、"mean" です。	'Max' 'Mean' 'Min' 'None' 'Sum'
targetLags	ターゲット列から遅延する過去の期間の数。	TargetLags
targetRollingWindowSize	ターゲット列のローリング ウィンドウ平均の作成に使用された過去の期間の数。	TargetRollingWindowSize
timeColumnName	時刻列の名前。 このパラメーターは、時系列の構築とその頻度の推論に使用される入力データの datetime 列を予測する場合に必要です。	糸
timeSeriesIdColumnNames	時系列をグループ化するために使用される列の名前。 複数の系列を作成するために使用できます。 グレインが定義されていない場合、データ セットは 1 つの時系列であると見なされます。 このパラメーターは、タスクの種類の予測で使用されます。	string[]
useStl	時系列ターゲット列の STL 分解を構成します。	'None' 'Season' 'SeasonTrend'

ForecastHorizon

名前	形容	価値
モード	オブジェクトの種類を設定する	自動 の カスタム (必須)

AutoForecastHorizon

名前	形容	価値
モード	[必須]予測期間値の選択モードを設定します。	'Auto' (必須)

CustomForecastHorizon

名前	形容	価値
モード	[必須]予測期間値の選択モードを設定します。	'Custom' (必須)
価値	[必須]予測期間の値。	int (必須)

季節

名前	形容	価値
モード	オブジェクトの種類を設定する	自動 の カスタム (必須)

AutoSeasonality

名前	形容	価値
モード	[必須]季節性モード。	'Auto' (必須)

CustomSeasonality

名前	形容	価値
モード	[必須]季節性モード。	'Custom' (必須)
価値	[必須]季節性の値。	int (必須)

TargetLags

名前	形容	価値
モード	オブジェクトの種類を設定する	自動 の カスタム (必須)

AutoTargetLags

名前	形容	価値
モード	[必須]ターゲット ラグ モードの設定 - 自動/カスタム	'Auto' (必須)

CustomTargetLags

名前	形容	価値
モード	[必須]ターゲット ラグ モードの設定 - 自動/カスタム	'Custom' (必須)
価値観	[必須]ターゲットラグ値を設定します。	int[] (必須)

TargetRollingWindowSize

名前	形容	価値
モード	オブジェクトの種類を設定する	自動 の カスタム (必須)

AutoTargetRollingWindowSize

名前	形容	価値
モード	[必須]TargetRollingWindowSiz 検出モード。	'Auto' (必須)

CustomTargetRollingWindowSize

名前	形容	価値
モード	[必須]TargetRollingWindowSiz 検出モード。	'Custom' (必須)
価値	[必須]TargetRollingWindowSize 値。	int (必須)

ImageClassification

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'ImageClassification' (必須)
dataSettings	[必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。	ImageVerticalDataSettings (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsClassification の
primaryMetric	このタスク用に最適化する主要メトリック。	'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsClassification[]
sweepSettings	モデル スイープとハイパーパラメーター スイープ関連の設定。	ImageSweepSettings

ImageVerticalDataSettings

名前	形容	価値
targetColumnName	[必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。	string (必須) 制約： パターン = [a-zA-Z0-9_]
testData	データ入力をテストします。	TestDataSettings の
trainingData	[必須]トレーニング データの入力。	TrainingDataSettings (必須)
validationData	検証データセットの設定。	ImageVerticalValidationDataSettings

ImageVerticalValidationDataSettings

名前	形容	価値
データ	検証データ MLTable。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。	int

ImageLimitSettings

名前	形容	価値
maxConcurrentTrials	同時 AutoML イテレーションの最大数。	int
maxTrials	AutoML イテレーションの最大数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸

ImageModelSettingsClassification

名前	形容	価値
advancedSettings	高度なシナリオの設定。	糸
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	bool
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。	int
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。	int
checkpointDatasetId	増分トレーニング用の事前トレーニング済みチェックポイントの FileDataset ID。 CheckpointDatasetId と共に CheckpointFilename を渡してください。	糸
checkpointFilename	増分トレーニング用の FileDataset の事前トレーニング済みチェックポイント ファイル名。 CheckpointFilename と共に CheckpointDatasetId を渡してください。	糸
checkpointFrequency	モデル チェックポイントを格納する頻度。 正の整数にする必要があります。	int
checkpointRunId	増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。	糸
分散	分散トレーニングを使用するかどうか。	bool
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	bool
earlyStoppingDelay	プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。	int
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。	int
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	bool
evaluationFrequency	メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。	int
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。	int
layersToFreeze	モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	int
learningRate	初期学習率。 範囲 [0, 1] の float である必要があります。	int
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	'None' 'Step' 'WarmupCosine'
modelName	トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。	int
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	bool
numberOfEpochs	トレーニング エポックの数。 正の整数にする必要があります。	int
numberOfWorkers	データ ローダー ワーカーの数。 負以外の整数である必要があります。	int
オプティマイザ	オプティマイザーの種類。	'Adam' 'Adamw' 'None' 'Sgd'
randomSeed	決定論的トレーニングを使用するときに使用されるランダム シード。	int
splitRatio	検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。	int
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。	int
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。	int
trainingBatchSize	トレーニング バッチ サイズ。 正の整数にする必要があります。	int
trainingCropSize	トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。	int
validationBatchSize	検証バッチ サイズ。 正の整数にする必要があります。	int
validationCropSize	検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。	int
validationResizeSize	検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。	int
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。	int
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。	int
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。	int
weightedLoss	加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。	int

ImageModelDistributionSettingsClassification

名前	形容	価値
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	糸
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。	糸
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。	糸
分散	配布者トレーニングを使用するかどうか。	糸
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	糸
earlyStoppingDelay	プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。	糸
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。	糸
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	糸
evaluationFrequency	メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。	糸
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。	糸
layersToFreeze	モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	糸
learningRate	初期学習率。 範囲 [0, 1] の float である必要があります。	糸
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	糸
modelName	トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。	糸
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	糸
numberOfEpochs	トレーニング エポックの数。 正の整数にする必要があります。	糸
numberOfWorkers	データ ローダー ワーカーの数。 負以外の整数である必要があります。	糸
オプティマイザ	オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。	糸
randomSeed	決定論的トレーニングを使用するときに使用されるランダム シード。	糸
splitRatio	検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。	糸
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。	糸
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。	糸
trainingBatchSize	トレーニング バッチ サイズ。 正の整数にする必要があります。	糸
trainingCropSize	トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。	糸
validationBatchSize	検証バッチ サイズ。 正の整数にする必要があります。	糸
validationCropSize	検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。	糸
validationResizeSize	検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。	糸
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。	糸
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。	糸
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。	糸
weightedLoss	加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。	糸

ImageSweepSettings

名前	形容	価値
earlyTermination	早期終了ポリシーの種類。	EarlyTerminationPolicy
切り	[必須]モデル スイープとハイパーパラメーター スイープの設定を制限します。	ImageSweepLimitSettings (必須)
samplingAlgorithm	[必須]ハイパーパラメーター サンプリング アルゴリズムの種類。	'Bayesian' 'Grid' 'Random' (必須)

EarlyTerminationPolicy

名前	形容	価値
delayEvaluation	最初の評価を遅らせる間隔の数。	int
evaluationInterval	ポリシー評価間の間隔 (実行回数)。	int
policyType	オブジェクトの種類を設定する	バンディット MedianStopping TruncationSelection (必須)

BanditPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	'Bandit' (必須)
slackAmount	最高のパフォーマンスを発揮する実行から許容される絶対距離。	int
slackFactor	最もパフォーマンスの高い実行からの許容距離の比率。	int

MedianStoppingPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	'MedianStopping' (必須)

TruncationSelectionPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	'TruncationSelection' (必須)
truncationPercentage	各評価間隔で取り消す実行の割合。	int

ImageSweepLimitSettings

名前	形容	価値
maxConcurrentTrials	基になるスイープ ジョブの同時実行イテレーションの最大数。	int
maxTrials	基になるスイープ ジョブのイテレーションの最大数。	int

ImageClassificationMultilabel

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'ImageClassificationMultilabel' (必須)
dataSettings	[必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。	ImageVerticalDataSettings (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsClassification の
primaryMetric	このタスク用に最適化する主要メトリック。	'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsClassification[]
sweepSettings	モデル スイープとハイパーパラメーター スイープ関連の設定。	ImageSweepSettings

ImageInstanceSegmentation

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'ImageInstanceSegmentation' (必須)
dataSettings	[必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。	ImageVerticalDataSettings (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsObjectDetection
primaryMetric	このタスク用に最適化する主要メトリック。	'MeanAveragePrecision'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	モデル スイープとハイパーパラメーター スイープ関連の設定。	ImageSweepSettings

ImageModelSettingsObjectDetection

名前	形容	価値
advancedSettings	高度なシナリオの設定。	糸
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	bool
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。	int
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。	int
boxDetectionsPerImage	すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
boxScoreThreshold	推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。	int
checkpointDatasetId	増分トレーニング用の事前トレーニング済みチェックポイントの FileDataset ID。 CheckpointDatasetId と共に CheckpointFilename を渡してください。	糸
checkpointFilename	増分トレーニング用の FileDataset の事前トレーニング済みチェックポイント ファイル名。 CheckpointFilename と共に CheckpointDatasetId を渡してください。	糸
checkpointFrequency	モデル チェックポイントを格納する頻度。 正の整数にする必要があります。	int
checkpointRunId	増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。	糸
分散	分散トレーニングを使用するかどうか。	bool
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	bool
earlyStoppingDelay	プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。	int
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。	int
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	bool
evaluationFrequency	メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。	int
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。	int
imageSize	トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	int
layersToFreeze	モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	int
learningRate	初期学習率。 範囲 [0, 1] の float である必要があります。	int
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	'None' 'Step' 'WarmupCosine'
maxSize	バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
minSize	バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
modelName	トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
modelSize	モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	'ExtraLarge' 'Large' 'Medium' 'None' 'Small'
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。	int
multiScale	イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	bool
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	bool
nmsIouThreshold	NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] の float である必要があります。	int
numberOfEpochs	トレーニング エポックの数。 正の整数にする必要があります。	int
numberOfWorkers	データ ローダー ワーカーの数。 負以外の整数である必要があります。	int
オプティマイザ	オプティマイザーの種類。	'Adam' 'Adamw' 'None' 'Sgd'
randomSeed	決定論的トレーニングを使用するときに使用されるランダム シード。	int
splitRatio	検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。	int
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。	int
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。	int
tileGridSize	各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tileOverlapRatio	各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
tilePredictionsNmsThreshold	タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
trainingBatchSize	トレーニング バッチ サイズ。 正の整数にする必要があります。	int
validationBatchSize	検証バッチ サイズ。 正の整数にする必要があります。	int
validationIouThreshold	検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。	int
validationMetricType	検証メトリックに使用するメトリック計算方法。	'Coco' 'CocoVoc' 'None' 'Voc'
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。	int
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。	int
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。	int

ImageModelDistributionSettingsObjectDetection

名前	形容	価値
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	糸
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。	糸
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。	糸
boxDetectionsPerImage	すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
boxScoreThreshold	推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。	糸
分散	配布者トレーニングを使用するかどうか。	糸
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	糸
earlyStoppingDelay	プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。	糸
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。	糸
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	糸
evaluationFrequency	メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。	糸
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。	糸
imageSize	トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
layersToFreeze	モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	糸
learningRate	初期学習率。 範囲 [0, 1] の float である必要があります。	糸
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	糸
maxSize	バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
minSize	バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
modelName	トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
modelSize	モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。	糸
multiScale	イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	糸
nmsIouThreshold	NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。	糸
numberOfEpochs	トレーニング エポックの数。 正の整数にする必要があります。	糸
numberOfWorkers	データ ローダー ワーカーの数。 負以外の整数である必要があります。	糸
オプティマイザ	オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。	糸
randomSeed	決定論的トレーニングを使用するときに使用されるランダム シード。	糸
splitRatio	検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。	糸
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。	糸
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。	糸
tileGridSize	各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tileOverlapRatio	各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tilePredictionsNmsThreshold	タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 NMS: 非最大抑制	糸
trainingBatchSize	トレーニング バッチ サイズ。 正の整数にする必要があります。	糸
validationBatchSize	検証バッチ サイズ。 正の整数にする必要があります。	糸
validationIouThreshold	検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。	糸
validationMetricType	検証メトリックに使用するメトリック計算方法。 'none'、'coco'、'voc'、または 'coco_voc' である必要があります。	糸
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。	糸
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。	糸
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。	糸

ImageObjectDetection

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'ImageObjectDetection' (必須)
dataSettings	[必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。	ImageVerticalDataSettings (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsObjectDetection
primaryMetric	このタスク用に最適化する主要メトリック。	'MeanAveragePrecision'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	モデル スイープとハイパーパラメーター スイープ関連の設定。	ImageSweepSettings

回帰

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'Regression' (必須)
allowedModels	回帰タスクに使用できるモデル。	次のいずれかを含む文字列配列: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
blockedModels	回帰タスクのブロックされたモデル。	次のいずれかを含む文字列配列: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
dataSettings	AutoMLJob のデータ入力。	TableVerticalDataSettings の
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
primaryMetric	回帰タスクの主要メトリック。	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'スピアマンコレレーション'
trainingSettings	AutoML ジョブのトレーニング フェーズの入力。	TrainingSettings

TextClassification

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'TextClassification' (必須)
dataSettings	AutoMLJob のデータ入力。	NlpVerticalDataSettings
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings
primaryMetric	Text-Classification タスクのプライマリ メトリック。	'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'

NlpVerticalDataSettings

名前	形容	価値
targetColumnName	[必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。	string (必須) 制約： パターン = [a-zA-Z0-9_]
testData	データ入力をテストします。	TestDataSettings の
trainingData	[必須]トレーニング データの入力。	TrainingDataSettings (必須)
validationData	検証データの入力。	NlpVerticalValidationDataSettings

NlpVerticalValidationDataSettings

名前	形容	価値
データ	検証データ MLTable。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。	int

NlpVerticalFeaturizationSettings

名前	形容	価値
datasetLanguage	テキスト データに役立つデータセット言語。	糸

NlpVerticalLimitSettings

名前	形容	価値
maxConcurrentTrials	AutoML の同時実行の最大イテレーション数。	int
maxTrials	AutoML イテレーションの数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸

TextClassificationMultilabel

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'TextClassificationMultilabel' (必須)
dataSettings	AutoMLJob のデータ入力。	NlpVerticalDataSettings
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings

TextNer

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'TextNER' (必須)
dataSettings	AutoMLJob のデータ入力。	NlpVerticalDataSettings
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings

CommandJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'Command' (必須)
codeId	コード資産の ARM リソース ID。	糸
命令	[必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py"	string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_]
流通	ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。	DistributionConfiguration
environmentId	[必須]ジョブの環境仕様の ARM リソース ID。	string (必須) 制約： パターン = [a-zA-Z0-9_]
environmentVariables	ジョブに含まれる環境変数。	CommandJobEnvironmentVariables
入力	ジョブで使用される入力データ バインディングのマッピング。	CommandJobInputs
切り	コマンド ジョブの制限。	CommandJobLimits
出力	ジョブで使用される出力データ バインディングのマッピング。	CommandJobOutputs
リソース	ジョブのコンピューティング リソース構成。	ResourceConfiguration

DistributionConfiguration

名前	形容	価値
distributionType	オブジェクトの種類を設定する	Mpi PyTorch を する TensorFlow (必須)

Mpi

名前	形容	価値
distributionType	[必須]ディストリビューション フレームワークの種類を指定します。	'Mpi' (必須)
processCountPerInstance	MPI ノードあたりのプロセス数。	int

PyTorch

名前	形容	価値
distributionType	[必須]ディストリビューション フレームワークの種類を指定します。	'PyTorch' (必須)
processCountPerInstance	ノードあたりのプロセス数。	int

TensorFlow

名前	形容	価値
distributionType	[必須]ディストリビューション フレームワークの種類を指定します。	'TensorFlow' (必須)
parameterServerCount	パラメーター サーバー タスクの数。	int
workerCount	ワーカーの数。 指定しない場合は、既定でインスタンス数が設定されます。	int

CommandJobEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

CommandJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput を する

JobInput

名前	形容	価値
形容	入力の説明。	糸
jobInputType	オブジェクトの種類を設定する	CustomModel の リテラル MLFlowModel の MLTable の TritonModel UriFile UriFolder (必須)

CustomModelJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'CustomModel' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

LiteralJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'Literal' (必須)
価値	[必須]入力のリテラル値。	string (必須) 制約： パターン = [a-zA-Z0-9_]

MLFlowModelJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'MLFlowModel' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

TritonModelJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'TritonModel' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

UriFileJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'UriFile' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

UriFolderJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'UriFolder' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

CommandJobLimits

名前	形容	価値
jobLimitsType	[必須]JobLimit 型。	'Command' 'Sweep' (必須)
タイムアウト	ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。	糸

CommandJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

PipelineJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'Pipeline' (必須)
入力	パイプライン ジョブの入力。	PipelineJobInputs
ジョブ	ジョブはパイプライン ジョブを構築します。	PipelineJobs
出力	パイプライン ジョブの出力	PipelineJobOutputs
設定	ContinueRunOnStepFailure などのパイプライン設定。	Bicep の場合は、any() 関数を使用できます。

PipelineJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput を する

PipelineJobs

名前	形容	価値
{カスタマイズされたプロパティ}		Bicep の場合は、any() 関数を使用できます。

PipelineJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

SweepJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'Sweep' (必須)
earlyTermination	早期終了ポリシーを使用すると、実行が完了する前にパフォーマンスの低い実行を取り消す	EarlyTerminationPolicy
入力	ジョブで使用される入力データ バインディングのマッピング。	SweepJobInputs
切り	スイープ ジョブの制限。	SweepJobLimits
目的	[必須]最適化の目的。	目標 (必須)
出力	ジョブで使用される出力データ バインディングのマッピング。	SweepJobOutputs
samplingAlgorithm	[必須]ハイパーパラメーター サンプリング アルゴリズム	SamplingAlgorithm (必須)
searchSpace	[必須]各パラメーターとその分布を含むディクショナリ。 ディクショナリ キーはパラメーターの名前です	Bicep の場合は、any() 関数を使用できます。(必須)
裁判	[必須]試用版コンポーネントの定義。	TrialComponent (必須)

SweepJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput を する

SweepJobLimits

名前	形容	価値
jobLimitsType	[必須]JobLimit 型。	'Command' 'Sweep' (必須)
maxConcurrentTrials	スイープ ジョブの最大同時試行回数。	int
maxTotalTrials	スイープ ジョブの最大試行回数。	int
タイムアウト	ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。	糸
trialTimeout	スイープ ジョブ試用版のタイムアウト値。	糸

目的

名前	形容	価値
ゴール	[必須]ハイパーパラメーター調整でサポートされるメトリックの目標を定義します	'最大化' '最小化' (必須)
primaryMetric	[必須]最適化するメトリックの名前。	string (必須) 制約： パターン = [a-zA-Z0-9_]

SweepJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

SamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	オブジェクトの種類を設定する	ベイジアン Grid ランダム の (必須)

BayesianSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	'Bayesian' (必須)

GridSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	'Grid' (必須)

RandomSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	'Random' (必須)
支配	ランダム アルゴリズムの特定の種類	'Random' 'Sobol'
種	乱数生成のシードとして使用する省略可能な整数	int

TrialComponent

名前	形容	価値
codeId	コード資産の ARM リソース ID。	糸
命令	[必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py"	string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_]
流通	ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。	DistributionConfiguration
environmentId	[必須]ジョブの環境仕様の ARM リソース ID。	string (必須) 制約： パターン = [a-zA-Z0-9_]
environmentVariables	ジョブに含まれる環境変数。	TrialComponentEnvironmentVariables
リソース	ジョブのコンピューティング リソース構成。	ResourceConfiguration

TrialComponentEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

クイック スタート テンプレート

次のクイック スタート テンプレートでは、このリソースの種類をデプロイします。

テンプレート	形容
Azure Machine Learning AutoML 分類ジョブ を作成する Azure にデプロイする	このテンプレートでは、Azure Machine Learning AutoML 分類ジョブを作成して、クライアントが金融機関との固定定期預金をサブスクライブするかどうかを予測するための最適なモデルを見つけます。
Azure Machine Learning コマンド ジョブ を作成する Azure にデプロイする	このテンプレートは、基本的なhello_world スクリプトを使用して Azure Machine Learning コマンド ジョブを作成します
Azure Machine Learning スイープ ジョブ を作成する Azure にデプロイする	このテンプレートでは、ハイパーパラメーター調整用の Azure Machine Learning スイープ ジョブが作成されます。

ARM テンプレート リソース定義

ワークスペース/ジョブ リソースの種類は、次を対象とする操作と共にデプロイできます。

• リソース グループの - リソース グループのデプロイ コマンド 参照

各 API バージョンで変更されたプロパティの一覧については、変更ログの参照してください。

リソースの形式

Microsoft.MachineLearningServices/workspaces/jobs リソースを作成するには、次の JSON をテンプレートに追加します。

{
  "type": "Microsoft.MachineLearningServices/workspaces/jobs",
  "apiVersion": "2022-02-01-preview",
  "name": "string",
  "properties": {
    "computeId": "string",
    "description": "string",
    "displayName": "string",
    "experimentName": "string",
    "identity": {
      "identityType": "string"
      // For remaining properties, see IdentityConfiguration objects
    },
    "isArchived": "bool",
    "properties": {
      "{customized property}": "string"
    },
    "schedule": {
      "endTime": "string",
      "scheduleStatus": "string",
      "startTime": "string",
      "timeZone": "string",
      "scheduleType": "string"
      // For remaining properties, see ScheduleBase objects
    },
    "services": {
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "port": "int",
        "properties": {
          "{customized property}": "string"
        }
      }
    },
    "tags": {},
    "jobType": "string"
    // For remaining properties, see JobBaseDetails objects
  }
}

JobBaseDetails オブジェクト

オブジェクトの種類を指定するには、jobType プロパティを設定します。

AutoMLの場合は、次を使用します。

  "jobType": "AutoML",
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "resources": {
    "instanceCount": "int",
    "instanceType": "string",
    "properties": {
      "{customized property}": {}
    }
  },
  "taskDetails": {
    "logVerbosity": "string",
    "taskType": "string"
    // For remaining properties, see AutoMLVertical objects
  }

コマンドの場合は、次のコマンドを使用します。

  "jobType": "Command",
  "codeId": "string",
  "command": "string",
  "distribution": {
    "distributionType": "string"
    // For remaining properties, see DistributionConfiguration objects
  },
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "string"
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "limits": {
    "jobLimitsType": "string",
    "timeout": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "resources": {
    "instanceCount": "int",
    "instanceType": "string",
    "properties": {
      "{customized property}": {}
    }
  }

パイプラインの場合は、次を使用します。

  "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": {}

スイープの場合は、次を使用します。

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

IdentityConfiguration オブジェクト

identityType プロパティを設定して、オブジェクトの種類を指定します。

AMLTokenを する場合は、次を使用します。

  "identityType": "AMLToken"

マネージドの場合は、次を使用します。

  "identityType": "Managed",
  "clientId": "string",
  "objectId": "string",
  "resourceId": "string"

UserIdentityの場合は、次の値を使用します。

  "identityType": "UserIdentity"

ScheduleBase オブジェクト

scheduleType プロパティを設定して、オブジェクトの種類を指定します。

Cronの場合は、次を使用します。

  "scheduleType": "Cron",
  "expression": "string"

繰り返しの場合は、次の値を使用します。

  "scheduleType": "Recurrence",
  "frequency": "string",
  "interval": "int",
  "pattern": {
    "hours": [ "int" ],
    "minutes": [ "int" ],
    "weekdays": [ "string" ]
  }

JobOutput オブジェクト

オブジェクトの種類を指定するには、jobOutputType プロパティを設定します。

CustomModelを する場合は、次を使用します。

  "jobOutputType": "CustomModel",
  "mode": "string",
  "uri": "string"

MLFlowModelの場合は、次を使用します。

  "jobOutputType": "MLFlowModel",
  "mode": "string",
  "uri": "string"

MLTableの場合は、次を使用します。

  "jobOutputType": "MLTable",
  "mode": "string",
  "uri": "string"

TritonModelの場合は、次を使用します。

  "jobOutputType": "TritonModel",
  "mode": "string",
  "uri": "string"

UriFileの場合は、次の値を使用します。

  "jobOutputType": "UriFile",
  "mode": "string",
  "uri": "string"

UriFolderを する場合は、次の値を使用します。

  "jobOutputType": "UriFolder",
  "mode": "string",
  "uri": "string"

AutoMLVertical オブジェクト

taskType プロパティを設定して、オブジェクトの種類を指定します。

分類の場合は、次を使用します。

  "taskType": "Classification",
  "allowedModels": [ "string" ],
  "blockedModels": [ "string" ],
  "dataSettings": {
    "targetColumnName": "string",
    "testData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "testDataSize": "int"
    },
    "trainingData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      }
    },
    "validationData": {
      "cvSplitColumnNames": [ "string" ],
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "nCrossValidations": {
        "mode": "string"
        // For remaining properties, see NCrossValidations objects
      },
      "validationDataSize": "int"
    },
    "weightColumnName": "string"
  },
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "dropColumns": [ "string" ],
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "primaryMetric": "string",
  "trainingSettings": {
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    }
  }

予測の場合は、次の値を使用します。

  "taskType": "Forecasting",
  "allowedModels": [ "string" ],
  "blockedModels": [ "string" ],
  "dataSettings": {
    "targetColumnName": "string",
    "testData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "testDataSize": "int"
    },
    "trainingData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      }
    },
    "validationData": {
      "cvSplitColumnNames": [ "string" ],
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "nCrossValidations": {
        "mode": "string"
        // For remaining properties, see NCrossValidations objects
      },
      "validationDataSize": "int"
    },
    "weightColumnName": "string"
  },
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "dropColumns": [ "string" ],
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "forecastingSettings": {
    "countryOrRegionForHolidays": "string",
    "cvStepSize": "int",
    "featureLags": "string",
    "forecastHorizon": {
      "mode": "string"
      // For remaining properties, see ForecastHorizon objects
    },
    "frequency": "string",
    "seasonality": {
      "mode": "string"
      // For remaining properties, see Seasonality objects
    },
    "shortSeriesHandlingConfig": "string",
    "targetAggregateFunction": "string",
    "targetLags": {
      "mode": "string"
      // For remaining properties, see TargetLags objects
    },
    "targetRollingWindowSize": {
      "mode": "string"
      // For remaining properties, see TargetRollingWindowSize objects
    },
    "timeColumnName": "string",
    "timeSeriesIdColumnNames": [ "string" ],
    "useStl": "string"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "primaryMetric": "string",
  "trainingSettings": {
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    }
  }

ImageClassificationの場合は、次を使用します。

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

ImageClassificationMultilabelを する場合は、次を使用します。

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

ImageInstanceSegmentationを する場合は、次を使用します。

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

ImageObjectDetectionの場合は、次の値を使用します。

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

回帰の場合は、次の値を使用します。

  "taskType": "Regression",
  "allowedModels": [ "string" ],
  "blockedModels": [ "string" ],
  "dataSettings": {
    "targetColumnName": "string",
    "testData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "testDataSize": "int"
    },
    "trainingData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      }
    },
    "validationData": {
      "cvSplitColumnNames": [ "string" ],
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "nCrossValidations": {
        "mode": "string"
        // For remaining properties, see NCrossValidations objects
      },
      "validationDataSize": "int"
    },
    "weightColumnName": "string"
  },
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "dropColumns": [ "string" ],
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "primaryMetric": "string",
  "trainingSettings": {
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    }
  }

TextClassificationの場合は、次を使用します。

  "taskType": "TextClassification",
  "dataSettings": {
    "targetColumnName": "string",
    "testData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "testDataSize": "int"
    },
    "trainingData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      }
    },
    "validationData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "validationDataSize": "int"
    }
  },
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "primaryMetric": "string"

TextClassificationMultilabelを する場合は、次を使用します。

  "taskType": "TextClassificationMultilabel",
  "dataSettings": {
    "targetColumnName": "string",
    "testData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "testDataSize": "int"
    },
    "trainingData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      }
    },
    "validationData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "validationDataSize": "int"
    }
  },
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  }

TextNERの場合は、次を使用します。

  "taskType": "TextNER",
  "dataSettings": {
    "targetColumnName": "string",
    "testData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "testDataSize": "int"
    },
    "trainingData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      }
    },
    "validationData": {
      "data": {
        "description": "string",
        "jobInputType": "string",
        "mode": "string",
        "uri": "string"
      },
      "validationDataSize": "int"
    }
  },
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  }

NCrossValidations オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  "mode": "Auto"

カスタムを する場合は、次の値を使用します。

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

ForecastHorizon オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  "mode": "Auto"

カスタムを する場合は、次の値を使用します。

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

季節性オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  "mode": "Auto"

カスタムを する場合は、次の値を使用します。

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

TargetLags オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  "mode": "Auto"

カスタムを する場合は、次の値を使用します。

  "mode": "Custom",
  "values": [ "int" ]

TargetRollingWindowSize オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  "mode": "Auto"

カスタムを する場合は、次の値を使用します。

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

EarlyTerminationPolicy オブジェクト

policyType プロパティを設定して、オブジェクトの種類を指定します。

バンディットの場合は、次を使用します。

  "policyType": "Bandit",
  "slackAmount": "int",
  "slackFactor": "int"

MedianStopping の場合は、次の値を使用します。

  "policyType": "MedianStopping"

TruncationSelectionの場合は、次のコマンドを使用します。

  "policyType": "TruncationSelection",
  "truncationPercentage": "int"

DistributionConfiguration オブジェクト

オブジェクトの種類を指定するには、distributionType プロパティを設定します。

Mpiの場合は、次を使用します。

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

PyTorchを する場合は、次を使用します。

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

TensorFlowの場合は、次を使用します。

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

JobInput オブジェクト

jobInputType プロパティを設定して、オブジェクトの種類を指定します。

CustomModelを する場合は、次を使用します。

  "jobInputType": "CustomModel",
  "mode": "string",
  "uri": "string"

リテラルには、次の値を使用します。

  "jobInputType": "Literal",
  "value": "string"

MLFlowModelの場合は、次を使用します。

  "jobInputType": "MLFlowModel",
  "mode": "string",
  "uri": "string"

MLTableの場合は、次を使用します。

  "jobInputType": "MLTable",
  "mode": "string",
  "uri": "string"

TritonModelの場合は、次を使用します。

  "jobInputType": "TritonModel",
  "mode": "string",
  "uri": "string"

UriFileの場合は、次の値を使用します。

  "jobInputType": "UriFile",
  "mode": "string",
  "uri": "string"

UriFolderを する場合は、次の値を使用します。

  "jobInputType": "UriFolder",
  "mode": "string",
  "uri": "string"

SamplingAlgorithm オブジェクト

samplingAlgorithmType プロパティを設定して、オブジェクトの種類を指定します。

ベイジアン の場合は、次を使用します。

  "samplingAlgorithmType": "Bayesian"

Gridの場合は、次を使用します。

  "samplingAlgorithmType": "Grid"

ランダムには、次の値を使用します。

  "samplingAlgorithmType": "Random",
  "rule": "string",
  "seed": "int"

プロパティ値

workspaces/jobs

名前	形容	価値
種類	リソースの種類	'Microsoft.MachineLearningServices/workspaces/jobs'
apiVersion	リソース API のバージョン	'2022-02-01-preview'
名前	リソース名 JSON ARM テンプレートで子リソースの名前と型 設定する方法を参照してください。	string (必須)
プロパティ	[必須]エンティティの追加の属性。	JobBaseDetails (必須)

JobBaseDetails

名前	形容	価値
computeId	コンピューティング リソースの ARM リソース ID。	糸
形容	資産の説明テキスト。	糸
displayName	ジョブの表示名。	糸
experimentName	ジョブが属する実験の名前。 設定されていない場合、ジョブは "既定" の実験に配置されます。	糸
同一性	ID の構成。 設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。	IdentityConfiguration
isArchived	資産はアーカイブされていますか?	bool
プロパティ	資産プロパティ ディクショナリ。	ResourceBaseProperties
計画	ジョブの定義をスケジュールします。 スケジュールが指定されていない場合、ジョブは送信直後に 1 回実行されます。	ScheduleBase
サービス	JobEndpoints の一覧。 ローカル ジョブの場合、ジョブ エンドポイントのエンドポイント値は FileStreamObject になります。	JobBaseServices
タグ	タグ ディクショナリ。 タグは追加、削除、更新できます。	オブジェクト
jobType	オブジェクトの種類を設定する	AutoML の コマンド パイプラインの スイープ (必須)

IdentityConfiguration

名前	形容	価値
identityType	オブジェクトの種類を設定する	AMLToken を する マネージド の UserIdentity (必須)

AmlToken

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	'AMLToken' (必須)

ManagedIdentity

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	'Managed' (必須)
clientId	クライアント ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。	糸 制約： 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
objectId	ユーザー割り当て ID をオブジェクト ID で指定します。 システム割り当ての場合は、このフィールドを設定しないでください。	糸 制約： 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId	ARM リソース ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。	糸

UserIdentity

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	'UserIdentity' (必須)

ResourceBaseProperties

名前	形容	価値
{カスタマイズされたプロパティ}		糸

ScheduleBase

名前	形容	価値
endTime	スケジュールの終了時刻を ISO 8601 形式で指定します。 存在しない場合、スケジュールは無期限に実行されます	糸
scheduleStatus	スケジュールの状態を指定します	'Disabled' 'Enabled'
startTime	スケジュールの開始時刻を ISO 8601 形式で指定します。	糸
timeZone	スケジュールを実行するタイム ゾーンを指定します。 TimeZone は、Windows のタイム ゾーン形式に従う必要があります。	糸
scheduleType	オブジェクトの種類を設定する	Cron 繰り返し (必須)

CronSchedule

名前	形容	価値
scheduleType	[必須]スケジュールの種類を指定します	'Cron' (必須)
表現	[必須]スケジュールの cron 式を指定します。 式は NCronTab 形式に従う必要があります。	string (必須) 制約： パターン = [a-zA-Z0-9_]

RecurrenceSchedule

名前	形容	価値
scheduleType	[必須]スケジュールの種類を指定します	'Recurrence' (必須)
周波数	[必須]スケジュールをトリガーする頻度を指定します	'Day' 'Hour' 'Minute' 'Month' 'Week' (必須)
間	[必須]スケジュール間隔を頻度と組み合わせて指定します	int (必須)
パターン	繰り返しスケジュール パターンを指定します	RecurrencePattern の

RecurrencePattern

名前	形容	価値
時間	[必須]定期的なスケジュール パターンの時間の一覧	int[] (必須)
議事録	[必須]定期的なスケジュール パターンの分数の一覧	int[] (必須)
平日	定期的なスケジュール パターンの平日の一覧	次のいずれかを含む文字列配列: 'Friday' 'Monday' 'Saturday' 'Sunday' 'Thursday' 'Tuesday' 'Wednesday'

JobBaseServices

名前	形容	価値
{カスタマイズされたプロパティ}		JobService

JobService

名前	形容	価値
エンドポイント	エンドポイントの URL。	糸
jobServiceType	エンドポイントの種類。	糸
港	エンドポイントのポート。	int
プロパティ	エンドポイントに設定する追加のプロパティ。	JobServiceProperties

JobServiceProperties

名前	形容	価値
{カスタマイズされたプロパティ}		糸

AutoMLJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'AutoML' (必須)
environmentId	ジョブの環境仕様の ARM リソース ID。 これは省略可能な値です。指定しない場合、AutoML はジョブの実行時に既定で運用環境の AutoML キュレーション環境バージョンに設定されます。	糸
environmentVariables	ジョブに含まれる環境変数。	AutoMLJobEnvironmentVariables の
出力	ジョブで使用される出力データ バインディングのマッピング。	AutoMLJobOutputs の
リソース	ジョブのコンピューティング リソース構成。	ResourceConfiguration
taskDetails	[必須]これは、テーブル/NLP/イメージのいずれかである可能性があるシナリオを表します	AutoMLVertical (必須)

AutoMLJobEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

AutoMLJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

JobOutput

名前	形容	価値
形容	出力の説明。	糸
jobOutputType	オブジェクトの種類を設定する	CustomModel の MLFlowModel の MLTable の TritonModel UriFile UriFolder (必須)

CustomModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'CustomModel' (必須)
モード	出力資産配信モード。	'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

MLFlowModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'MLFlowModel' (必須)
モード	出力資産配信モード。	'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

MLTableJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'MLTable' (必須)
モード	出力資産配信モード。	'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

TritonModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'TritonModel' (必須)
モード	出力資産配信モード。	'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

UriFileJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'UriFile' (必須)
モード	出力資産配信モード。	'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

UriFolderJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'UriFolder' (必須)
モード	出力資産配信モード。	'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

ResourceConfiguration

名前	形容	価値
instanceCount	コンピューティング 先で使用されるインスタンスまたはノードの数 (省略可能)。	int
instanceType	コンピューティング 先でサポートされている VM のオプションの種類。	糸
プロパティ	追加のプロパティ バッグ。	ResourceConfigurationProperties

ResourceConfigurationProperties

名前	形容	価値
{カスタマイズされたプロパティ}

AutoMLVertical

名前	形容	価値
logVerbosity	ジョブの詳細度をログに記録します。	'Critical' 'Debug' 'Error' 'Info' 'NotSet' 'Warning'
taskType	オブジェクトの種類を設定する	分類 予測 ImageClassification ImageClassificationMultilabel の ImageInstanceSegmentation ImageObjectDetection 回帰 TextClassification TextClassificationMultilabel TextNER (必須)

分類

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'Classification' (必須)
allowedModels	分類タスクに使用できるモデル。	次のいずれかを含む文字列配列: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
blockedModels	分類タスクのブロックされたモデル。	次のいずれかを含む文字列配列: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
dataSettings	AutoMLJob のデータ入力。	TableVerticalDataSettings の
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
primaryMetric	タスクのプライマリ メトリック。	'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
trainingSettings	AutoML ジョブのトレーニング フェーズの入力。	TrainingSettings

TableVerticalDataSettings

名前	形容	価値
targetColumnName	[必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。	string (必須) 制約： パターン = [a-zA-Z0-9_]
testData	データ入力をテストします。	TestDataSettings の
trainingData	[必須]トレーニング データの入力。	TrainingDataSettings (必須)
validationData	検証データの入力。	TableVerticalValidationDataSettings
weightColumnName	サンプルの重み列の名前。 自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。	糸

TestDataSettings

名前	形容	価値
データ	テスト データ MLTable。	MLTableJobInput の
testDataSize	検証のために確保する必要があるテスト データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。	int

MLTableJobInput

名前	形容	価値
形容	入力の説明。	糸
jobInputType	[必須]ジョブの種類を指定します。	'CustomModel' 'Literal' 'MLFlowModel' 'MLTable' 'TritonModel' 'UriFile' 'UriFolder' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

TrainingDataSettings

名前	形容	価値
データ	[必須]トレーニング データ MLTable。	MLTableJobInput の (必須)

TableVerticalValidationDataSettings

名前	形容	価値
cvSplitColumnNames	CVSplit データに使用する列。	string[]
データ	検証データ MLTable。	MLTableJobInput の
nCrossValidations	トレーニング データセットに適用されるクロス検証フォールドの数 検証データセットが指定されていない場合。	NCrossValidations
validationDataSize	検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。	int

NCrossValidations

名前	形容	価値
モード	オブジェクトの種類を設定する	自動 の カスタム (必須)

AutoNCrossValidations

名前	形容	価値
モード	[必須]N クロス検証を決定するためのモード。	'Auto' (必須)

CustomNCrossValidations

名前	形容	価値
モード	[必須]N クロス検証を決定するためのモード。	'Custom' (必須)
価値	[必須]N クロス検証値。	int (必須)

TableVerticalFeaturizationSettings

名前	形容	価値
blockedTransformers	これらのトランスは特徴付けには使用しないでください。	string[]
columnNameAndTypes	列名とその型 (int、float、string、datetime など) のディクショナリ。	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	テキスト データに役立つデータセット言語。	糸
dropColumns	特徴量化中にデータから削除される列。	string[]
enableDnnFeaturization	データ特徴付けに Dnn ベースの特徴付け器を使用するかどうかを決定します。	bool
モード	特徴量化モード - ユーザーは既定の "自動" モードを維持でき、AutoML は特徴量化フェーズでのデータの必要な変換を処理します。 [オフ] が選択されている場合、特徴量化は行われません。 [カスタム] が選択されている場合、ユーザーは追加の入力を指定して、特徴付けの実行方法をカスタマイズできます。	'Auto' 'Custom' 'Off'
transformerParams	ユーザーは、使用する追加のトランスフォーマーと、それが適用される列、およびトランスフォーマー コンストラクターのパラメーターを指定できます。	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

名前	形容	価値
{カスタマイズされたプロパティ}		糸

TableVerticalFeaturizationSettingsTransformerParams

名前	形容	価値
{カスタマイズされたプロパティ}		ColumnTransformer[]

ColumnTransformer

名前	形容	価値
田畑	トランスフォーマー ロジックを適用するフィールド。	string[]
パラメーター	トランスフォーマーに渡されるさまざまなプロパティ。 必要な入力は、JSON 形式のキーと値のペアのディクショナリです。

TableVerticalLimitSettings

名前	形容	価値
enableEarlyTermination	早期終了を有効にし、過去 20 回のイテレーションでスコアの改善がない場合に AutoMLJob が早期に終了するかどうかを決定します。	bool
exitScore	AutoML ジョブの終了スコア。	int
maxConcurrentTrials	最大同時反復数。	int
maxCoresPerTrial	イテレーションあたりの最大コア数。	int
maxTrials	反復回数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸
trialTimeout	繰り返しタイムアウト。	糸

TrainingSettings

名前	形容	価値
enableDnnTraining	DNN モデルの推奨事項を有効にします。	bool
enableModelExplainability	最適なモデルで説明可能性を有効にするフラグ。	bool
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	bool
enableStackEnsemble	スタック アンサンブル実行を有効にします。	bool
enableVoteEnsemble	投票アンサンブル実行を有効にします。	bool
ensembleModelDownloadTimeout	VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。	糸
stackEnsembleSettings	スタック アンサンブル実行のスタック アンサンブル設定。	StackEnsembleSettings

StackEnsembleSettings

名前	形容	価値
stackMetaLearnerKWargs	メタ学習者の初期化子に渡す省略可能なパラメーター。
stackMetaLearnerTrainPercentage	メタ学習者のトレーニング用に予約するトレーニング セット (トレーニングのトレーニングと検証の種類を選択する場合) の割合を指定します。 既定値は 0.2 です。	int
stackMetaLearnerType	メタ学習者は、個々の異種モデルの出力でトレーニングされたモデルです。	'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'None'

予測

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'Forecasting' (必須)
allowedModels	予測タスクに使用できるモデル。	次のいずれかを含む文字列配列: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'Naive' 'Prophet' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor'
blockedModels	予測タスクのブロックされたモデル。	次のいずれかを含む文字列配列: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'Naive' 'Prophet' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor'
dataSettings	AutoMLJob のデータ入力。	TableVerticalDataSettings の
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
forecastingSettings	予測タスク固有の入力。	ForecastingSettings
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
primaryMetric	予測タスクの主要メトリック。	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'スピアマンコレレーション'
trainingSettings	AutoML ジョブのトレーニング フェーズの入力。	TrainingSettings

ForecastingSettings

名前	形容	価値
countryOrRegionForHolidays	予測タスクの休日の国または地域。 これらは、ISO 3166 の 2 文字の国/地域コード ("US" や "GB" など) である必要があります。	糸
cvStepSize	1 つの CV フォールドの原点時間と次のフォールドの間の期間の数。 対して たとえば、日次データの CVStepSize = 3 の場合、各フォールドの起点時間は 3 日分離します。	int
featureLags	'auto' または null を持つ数値特徴のラグを生成するためのフラグ。	'Auto' 'None'
forecastHorizon	時系列の頻度の単位で求められる最大予測期間。	ForecastHorizon
周波数	予測の場合、このパラメーターは、日単位、週単位、年単位など、予測が必要な期間を表します。予測頻度は、既定ではデータセットの頻度です。	糸
季節	時系列の季節性を、系列の頻度の整数倍数として設定します。 季節性が 'auto' に設定されている場合は、推論されます。	季節性
shortSeriesHandlingConfig	AutoML で短い時系列を処理する方法を定義するパラメーター。	'Auto' 'Drop' 'None' 'Pad'
targetAggregateFunction	ユーザーが指定した頻度に準拠するように時系列ターゲット列を集計するために使用する関数。 TargetAggregateFunction が 'None' ではなく設定されているが、freq パラメーターが設定されていない場合、エラーが発生します。 可能なターゲット集計関数は、"sum"、"max"、"min"、"mean" です。	'Max' 'Mean' 'Min' 'None' 'Sum'
targetLags	ターゲット列から遅延する過去の期間の数。	TargetLags
targetRollingWindowSize	ターゲット列のローリング ウィンドウ平均の作成に使用された過去の期間の数。	TargetRollingWindowSize
timeColumnName	時刻列の名前。 このパラメーターは、時系列の構築とその頻度の推論に使用される入力データの datetime 列を予測する場合に必要です。	糸
timeSeriesIdColumnNames	時系列をグループ化するために使用される列の名前。 複数の系列を作成するために使用できます。 グレインが定義されていない場合、データ セットは 1 つの時系列であると見なされます。 このパラメーターは、タスクの種類の予測で使用されます。	string[]
useStl	時系列ターゲット列の STL 分解を構成します。	'None' 'Season' 'SeasonTrend'

ForecastHorizon

名前	形容	価値
モード	オブジェクトの種類を設定する	自動 の カスタム (必須)

AutoForecastHorizon

名前	形容	価値
モード	[必須]予測期間値の選択モードを設定します。	'Auto' (必須)

CustomForecastHorizon

名前	形容	価値
モード	[必須]予測期間値の選択モードを設定します。	'Custom' (必須)
価値	[必須]予測期間の値。	int (必須)

季節

名前	形容	価値
モード	オブジェクトの種類を設定する	自動 の カスタム (必須)

AutoSeasonality

名前	形容	価値
モード	[必須]季節性モード。	'Auto' (必須)

CustomSeasonality

名前	形容	価値
モード	[必須]季節性モード。	'Custom' (必須)
価値	[必須]季節性の値。	int (必須)

TargetLags

名前	形容	価値
モード	オブジェクトの種類を設定する	自動 の カスタム (必須)

AutoTargetLags

名前	形容	価値
モード	[必須]ターゲット ラグ モードの設定 - 自動/カスタム	'Auto' (必須)

CustomTargetLags

名前	形容	価値
モード	[必須]ターゲット ラグ モードの設定 - 自動/カスタム	'Custom' (必須)
価値観	[必須]ターゲットラグ値を設定します。	int[] (必須)

TargetRollingWindowSize

名前	形容	価値
モード	オブジェクトの種類を設定する	自動 の カスタム (必須)

AutoTargetRollingWindowSize

名前	形容	価値
モード	[必須]TargetRollingWindowSiz 検出モード。	'Auto' (必須)

CustomTargetRollingWindowSize

名前	形容	価値
モード	[必須]TargetRollingWindowSiz 検出モード。	'Custom' (必須)
価値	[必須]TargetRollingWindowSize 値。	int (必須)

ImageClassification

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'ImageClassification' (必須)
dataSettings	[必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。	ImageVerticalDataSettings (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsClassification の
primaryMetric	このタスク用に最適化する主要メトリック。	'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsClassification[]
sweepSettings	モデル スイープとハイパーパラメーター スイープ関連の設定。	ImageSweepSettings

ImageVerticalDataSettings

名前	形容	価値
targetColumnName	[必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。	string (必須) 制約： パターン = [a-zA-Z0-9_]
testData	データ入力をテストします。	TestDataSettings の
trainingData	[必須]トレーニング データの入力。	TrainingDataSettings (必須)
validationData	検証データセットの設定。	ImageVerticalValidationDataSettings

ImageVerticalValidationDataSettings

名前	形容	価値
データ	検証データ MLTable。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。	int

ImageLimitSettings

名前	形容	価値
maxConcurrentTrials	同時 AutoML イテレーションの最大数。	int
maxTrials	AutoML イテレーションの最大数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸

ImageModelSettingsClassification

名前	形容	価値
advancedSettings	高度なシナリオの設定。	糸
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	bool
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。	int
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。	int
checkpointDatasetId	増分トレーニング用の事前トレーニング済みチェックポイントの FileDataset ID。 CheckpointDatasetId と共に CheckpointFilename を渡してください。	糸
checkpointFilename	増分トレーニング用の FileDataset の事前トレーニング済みチェックポイント ファイル名。 CheckpointFilename と共に CheckpointDatasetId を渡してください。	糸
checkpointFrequency	モデル チェックポイントを格納する頻度。 正の整数にする必要があります。	int
checkpointRunId	増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。	糸
分散	分散トレーニングを使用するかどうか。	bool
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	bool
earlyStoppingDelay	プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。	int
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。	int
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	bool
evaluationFrequency	メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。	int
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。	int
layersToFreeze	モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	int
learningRate	初期学習率。 範囲 [0, 1] の float である必要があります。	int
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	'None' 'Step' 'WarmupCosine'
modelName	トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。	int
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	bool
numberOfEpochs	トレーニング エポックの数。 正の整数にする必要があります。	int
numberOfWorkers	データ ローダー ワーカーの数。 負以外の整数である必要があります。	int
オプティマイザ	オプティマイザーの種類。	'Adam' 'Adamw' 'None' 'Sgd'
randomSeed	決定論的トレーニングを使用するときに使用されるランダム シード。	int
splitRatio	検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。	int
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。	int
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。	int
trainingBatchSize	トレーニング バッチ サイズ。 正の整数にする必要があります。	int
trainingCropSize	トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。	int
validationBatchSize	検証バッチ サイズ。 正の整数にする必要があります。	int
validationCropSize	検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。	int
validationResizeSize	検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。	int
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。	int
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。	int
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。	int
weightedLoss	加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。	int

ImageModelDistributionSettingsClassification

名前	形容	価値
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	糸
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。	糸
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。	糸
分散	配布者トレーニングを使用するかどうか。	糸
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	糸
earlyStoppingDelay	プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。	糸
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。	糸
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	糸
evaluationFrequency	メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。	糸
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。	糸
layersToFreeze	モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	糸
learningRate	初期学習率。 範囲 [0, 1] の float である必要があります。	糸
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	糸
modelName	トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。	糸
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	糸
numberOfEpochs	トレーニング エポックの数。 正の整数にする必要があります。	糸
numberOfWorkers	データ ローダー ワーカーの数。 負以外の整数である必要があります。	糸
オプティマイザ	オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。	糸
randomSeed	決定論的トレーニングを使用するときに使用されるランダム シード。	糸
splitRatio	検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。	糸
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。	糸
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。	糸
trainingBatchSize	トレーニング バッチ サイズ。 正の整数にする必要があります。	糸
trainingCropSize	トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。	糸
validationBatchSize	検証バッチ サイズ。 正の整数にする必要があります。	糸
validationCropSize	検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。	糸
validationResizeSize	検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。	糸
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。	糸
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。	糸
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。	糸
weightedLoss	加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。	糸

ImageSweepSettings

名前	形容	価値
earlyTermination	早期終了ポリシーの種類。	EarlyTerminationPolicy
切り	[必須]モデル スイープとハイパーパラメーター スイープの設定を制限します。	ImageSweepLimitSettings (必須)
samplingAlgorithm	[必須]ハイパーパラメーター サンプリング アルゴリズムの種類。	'Bayesian' 'Grid' 'Random' (必須)

EarlyTerminationPolicy

名前	形容	価値
delayEvaluation	最初の評価を遅らせる間隔の数。	int
evaluationInterval	ポリシー評価間の間隔 (実行回数)。	int
policyType	オブジェクトの種類を設定する	バンディット MedianStopping TruncationSelection (必須)

BanditPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	'Bandit' (必須)
slackAmount	最高のパフォーマンスを発揮する実行から許容される絶対距離。	int
slackFactor	最もパフォーマンスの高い実行からの許容距離の比率。	int

MedianStoppingPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	'MedianStopping' (必須)

TruncationSelectionPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	'TruncationSelection' (必須)
truncationPercentage	各評価間隔で取り消す実行の割合。	int

ImageSweepLimitSettings

名前	形容	価値
maxConcurrentTrials	基になるスイープ ジョブの同時実行イテレーションの最大数。	int
maxTrials	基になるスイープ ジョブのイテレーションの最大数。	int

ImageClassificationMultilabel

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'ImageClassificationMultilabel' (必須)
dataSettings	[必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。	ImageVerticalDataSettings (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsClassification の
primaryMetric	このタスク用に最適化する主要メトリック。	'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsClassification[]
sweepSettings	モデル スイープとハイパーパラメーター スイープ関連の設定。	ImageSweepSettings

ImageInstanceSegmentation

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'ImageInstanceSegmentation' (必須)
dataSettings	[必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。	ImageVerticalDataSettings (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsObjectDetection
primaryMetric	このタスク用に最適化する主要メトリック。	'MeanAveragePrecision'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	モデル スイープとハイパーパラメーター スイープ関連の設定。	ImageSweepSettings

ImageModelSettingsObjectDetection

名前	形容	価値
advancedSettings	高度なシナリオの設定。	糸
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	bool
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。	int
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。	int
boxDetectionsPerImage	すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
boxScoreThreshold	推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。	int
checkpointDatasetId	増分トレーニング用の事前トレーニング済みチェックポイントの FileDataset ID。 CheckpointDatasetId と共に CheckpointFilename を渡してください。	糸
checkpointFilename	増分トレーニング用の FileDataset の事前トレーニング済みチェックポイント ファイル名。 CheckpointFilename と共に CheckpointDatasetId を渡してください。	糸
checkpointFrequency	モデル チェックポイントを格納する頻度。 正の整数にする必要があります。	int
checkpointRunId	増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。	糸
分散	分散トレーニングを使用するかどうか。	bool
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	bool
earlyStoppingDelay	プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。	int
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。	int
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	bool
evaluationFrequency	メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。	int
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。	int
imageSize	トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	int
layersToFreeze	モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	int
learningRate	初期学習率。 範囲 [0, 1] の float である必要があります。	int
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	'None' 'Step' 'WarmupCosine'
maxSize	バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
minSize	バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
modelName	トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
modelSize	モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	'ExtraLarge' 'Large' 'Medium' 'None' 'Small'
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。	int
multiScale	イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	bool
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	bool
nmsIouThreshold	NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] の float である必要があります。	int
numberOfEpochs	トレーニング エポックの数。 正の整数にする必要があります。	int
numberOfWorkers	データ ローダー ワーカーの数。 負以外の整数である必要があります。	int
オプティマイザ	オプティマイザーの種類。	'Adam' 'Adamw' 'None' 'Sgd'
randomSeed	決定論的トレーニングを使用するときに使用されるランダム シード。	int
splitRatio	検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。	int
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。	int
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。	int
tileGridSize	各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tileOverlapRatio	各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
tilePredictionsNmsThreshold	タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
trainingBatchSize	トレーニング バッチ サイズ。 正の整数にする必要があります。	int
validationBatchSize	検証バッチ サイズ。 正の整数にする必要があります。	int
validationIouThreshold	検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。	int
validationMetricType	検証メトリックに使用するメトリック計算方法。	'Coco' 'CocoVoc' 'None' 'Voc'
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。	int
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。	int
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。	int

ImageModelDistributionSettingsObjectDetection

名前	形容	価値
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	糸
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。	糸
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。	糸
boxDetectionsPerImage	すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
boxScoreThreshold	推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。	糸
分散	配布者トレーニングを使用するかどうか。	糸
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	糸
earlyStoppingDelay	プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。	糸
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。	糸
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	糸
evaluationFrequency	メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。	糸
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。	糸
imageSize	トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
layersToFreeze	モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	糸
learningRate	初期学習率。 範囲 [0, 1] の float である必要があります。	糸
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	糸
maxSize	バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
minSize	バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
modelName	トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
modelSize	モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。	糸
multiScale	イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	糸
nmsIouThreshold	NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。	糸
numberOfEpochs	トレーニング エポックの数。 正の整数にする必要があります。	糸
numberOfWorkers	データ ローダー ワーカーの数。 負以外の整数である必要があります。	糸
オプティマイザ	オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。	糸
randomSeed	決定論的トレーニングを使用するときに使用されるランダム シード。	糸
splitRatio	検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。	糸
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。	糸
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。	糸
tileGridSize	各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tileOverlapRatio	各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tilePredictionsNmsThreshold	タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 NMS: 非最大抑制	糸
trainingBatchSize	トレーニング バッチ サイズ。 正の整数にする必要があります。	糸
validationBatchSize	検証バッチ サイズ。 正の整数にする必要があります。	糸
validationIouThreshold	検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。	糸
validationMetricType	検証メトリックに使用するメトリック計算方法。 'none'、'coco'、'voc'、または 'coco_voc' である必要があります。	糸
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。	糸
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。	糸
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。	糸

ImageObjectDetection

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'ImageObjectDetection' (必須)
dataSettings	[必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。	ImageVerticalDataSettings (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsObjectDetection
primaryMetric	このタスク用に最適化する主要メトリック。	'MeanAveragePrecision'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	モデル スイープとハイパーパラメーター スイープ関連の設定。	ImageSweepSettings

回帰

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'Regression' (必須)
allowedModels	回帰タスクに使用できるモデル。	次のいずれかを含む文字列配列: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
blockedModels	回帰タスクのブロックされたモデル。	次のいずれかを含む文字列配列: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
dataSettings	AutoMLJob のデータ入力。	TableVerticalDataSettings の
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
primaryMetric	回帰タスクの主要メトリック。	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'スピアマンコレレーション'
trainingSettings	AutoML ジョブのトレーニング フェーズの入力。	TrainingSettings

TextClassification

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'TextClassification' (必須)
dataSettings	AutoMLJob のデータ入力。	NlpVerticalDataSettings
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings
primaryMetric	Text-Classification タスクのプライマリ メトリック。	'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'

NlpVerticalDataSettings

名前	形容	価値
targetColumnName	[必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。	string (必須) 制約： パターン = [a-zA-Z0-9_]
testData	データ入力をテストします。	TestDataSettings の
trainingData	[必須]トレーニング データの入力。	TrainingDataSettings (必須)
validationData	検証データの入力。	NlpVerticalValidationDataSettings

NlpVerticalValidationDataSettings

名前	形容	価値
データ	検証データ MLTable。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。	int

NlpVerticalFeaturizationSettings

名前	形容	価値
datasetLanguage	テキスト データに役立つデータセット言語。	糸

NlpVerticalLimitSettings

名前	形容	価値
maxConcurrentTrials	AutoML の同時実行の最大イテレーション数。	int
maxTrials	AutoML イテレーションの数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸

TextClassificationMultilabel

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'TextClassificationMultilabel' (必須)
dataSettings	AutoMLJob のデータ入力。	NlpVerticalDataSettings
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings

TextNer

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'TextNER' (必須)
dataSettings	AutoMLJob のデータ入力。	NlpVerticalDataSettings
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings

CommandJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'Command' (必須)
codeId	コード資産の ARM リソース ID。	糸
命令	[必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py"	string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_]
流通	ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。	DistributionConfiguration
environmentId	[必須]ジョブの環境仕様の ARM リソース ID。	string (必須) 制約： パターン = [a-zA-Z0-9_]
environmentVariables	ジョブに含まれる環境変数。	CommandJobEnvironmentVariables
入力	ジョブで使用される入力データ バインディングのマッピング。	CommandJobInputs
切り	コマンド ジョブの制限。	CommandJobLimits
出力	ジョブで使用される出力データ バインディングのマッピング。	CommandJobOutputs
リソース	ジョブのコンピューティング リソース構成。	ResourceConfiguration

DistributionConfiguration

名前	形容	価値
distributionType	オブジェクトの種類を設定する	Mpi PyTorch を する TensorFlow (必須)

Mpi

名前	形容	価値
distributionType	[必須]ディストリビューション フレームワークの種類を指定します。	'Mpi' (必須)
processCountPerInstance	MPI ノードあたりのプロセス数。	int

PyTorch

名前	形容	価値
distributionType	[必須]ディストリビューション フレームワークの種類を指定します。	'PyTorch' (必須)
processCountPerInstance	ノードあたりのプロセス数。	int

TensorFlow

名前	形容	価値
distributionType	[必須]ディストリビューション フレームワークの種類を指定します。	'TensorFlow' (必須)
parameterServerCount	パラメーター サーバー タスクの数。	int
workerCount	ワーカーの数。 指定しない場合は、既定でインスタンス数が設定されます。	int

CommandJobEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

CommandJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput を する

JobInput

名前	形容	価値
形容	入力の説明。	糸
jobInputType	オブジェクトの種類を設定する	CustomModel の リテラル MLFlowModel の MLTable の TritonModel UriFile UriFolder (必須)

CustomModelJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'CustomModel' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

LiteralJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'Literal' (必須)
価値	[必須]入力のリテラル値。	string (必須) 制約： パターン = [a-zA-Z0-9_]

MLFlowModelJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'MLFlowModel' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

TritonModelJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'TritonModel' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

UriFileJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'UriFile' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

UriFolderJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'UriFolder' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

CommandJobLimits

名前	形容	価値
jobLimitsType	[必須]JobLimit 型。	'Command' 'Sweep' (必須)
タイムアウト	ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。	糸

CommandJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

PipelineJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'Pipeline' (必須)
入力	パイプライン ジョブの入力。	PipelineJobInputs
ジョブ	ジョブはパイプライン ジョブを構築します。	PipelineJobs
出力	パイプライン ジョブの出力	PipelineJobOutputs
設定	ContinueRunOnStepFailure などのパイプライン設定。

PipelineJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput を する

PipelineJobs

名前	形容	価値
{カスタマイズされたプロパティ}

PipelineJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

SweepJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'Sweep' (必須)
earlyTermination	早期終了ポリシーを使用すると、実行が完了する前にパフォーマンスの低い実行を取り消す	EarlyTerminationPolicy
入力	ジョブで使用される入力データ バインディングのマッピング。	SweepJobInputs
切り	スイープ ジョブの制限。	SweepJobLimits
目的	[必須]最適化の目的。	目標 (必須)
出力	ジョブで使用される出力データ バインディングのマッピング。	SweepJobOutputs
samplingAlgorithm	[必須]ハイパーパラメーター サンプリング アルゴリズム	SamplingAlgorithm (必須)
searchSpace	[必須]各パラメーターとその分布を含むディクショナリ。 ディクショナリ キーはパラメーターの名前です
裁判	[必須]試用版コンポーネントの定義。	TrialComponent (必須)

SweepJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput を する

SweepJobLimits

名前	形容	価値
jobLimitsType	[必須]JobLimit 型。	'Command' 'Sweep' (必須)
maxConcurrentTrials	スイープ ジョブの最大同時試行回数。	int
maxTotalTrials	スイープ ジョブの最大試行回数。	int
タイムアウト	ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。	糸
trialTimeout	スイープ ジョブ試用版のタイムアウト値。	糸

目的

名前	形容	価値
ゴール	[必須]ハイパーパラメーター調整でサポートされるメトリックの目標を定義します	'最大化' '最小化' (必須)
primaryMetric	[必須]最適化するメトリックの名前。	string (必須) 制約： パターン = [a-zA-Z0-9_]

SweepJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

SamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	オブジェクトの種類を設定する	ベイジアン Grid ランダム の (必須)

BayesianSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	'Bayesian' (必須)

GridSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	'Grid' (必須)

RandomSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	'Random' (必須)
支配	ランダム アルゴリズムの特定の種類	'Random' 'Sobol'
種	乱数生成のシードとして使用する省略可能な整数	int

TrialComponent

名前	形容	価値
codeId	コード資産の ARM リソース ID。	糸
命令	[必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py"	string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_]
流通	ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。	DistributionConfiguration
environmentId	[必須]ジョブの環境仕様の ARM リソース ID。	string (必須) 制約： パターン = [a-zA-Z0-9_]
environmentVariables	ジョブに含まれる環境変数。	TrialComponentEnvironmentVariables
リソース	ジョブのコンピューティング リソース構成。	ResourceConfiguration

TrialComponentEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

クイック スタート テンプレート

次のクイック スタート テンプレートでは、このリソースの種類をデプロイします。

テンプレート	形容
Azure Machine Learning AutoML 分類ジョブ を作成する Azure にデプロイする	このテンプレートでは、Azure Machine Learning AutoML 分類ジョブを作成して、クライアントが金融機関との固定定期預金をサブスクライブするかどうかを予測するための最適なモデルを見つけます。
Azure Machine Learning コマンド ジョブ を作成する Azure にデプロイする	このテンプレートは、基本的なhello_world スクリプトを使用して Azure Machine Learning コマンド ジョブを作成します
Azure Machine Learning スイープ ジョブ を作成する Azure にデプロイする	このテンプレートでは、ハイパーパラメーター調整用の Azure Machine Learning スイープ ジョブが作成されます。

Terraform (AzAPI プロバイダー) リソース定義

ワークスペース/ジョブ リソースの種類は、次を対象とする操作と共にデプロイできます。

• リソース グループの

各 API バージョンで変更されたプロパティの一覧については、変更ログの参照してください。

リソースの形式

Microsoft.MachineLearningServices/workspaces/jobs リソースを作成するには、次の Terraform をテンプレートに追加します。

resource "azapi_resource" "symbolicname" {
  type = "Microsoft.MachineLearningServices/workspaces/jobs@2022-02-01-preview"
  name = "string"
  parent_id = "string"
  body = jsonencode({
    properties = {
      computeId = "string"
      description = "string"
      displayName = "string"
      experimentName = "string"
      identity = {
        identityType = "string"
        // For remaining properties, see IdentityConfiguration objects
      }
      isArchived = bool
      properties = {
        {customized property} = "string"
      }
      schedule = {
        endTime = "string"
        scheduleStatus = "string"
        startTime = "string"
        timeZone = "string"
        scheduleType = "string"
        // For remaining properties, see ScheduleBase objects
      }
      services = {
        {customized property} = {
          endpoint = "string"
          jobServiceType = "string"
          port = int
          properties = {
            {customized property} = "string"
          }
        }
      }
      tags = {}
      jobType = "string"
      // For remaining properties, see JobBaseDetails objects
    }
  })
}

JobBaseDetails オブジェクト

オブジェクトの種類を指定するには、jobType プロパティを設定します。

AutoMLの場合は、次を使用します。

  jobType = "AutoML"
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  resources = {
    instanceCount = int
    instanceType = "string"
    properties = {}
  }
  taskDetails = {
    logVerbosity = "string"
    taskType = "string"
    // For remaining properties, see AutoMLVertical objects
  }

コマンドの場合は、次のコマンドを使用します。

  jobType = "Command"
  codeId = "string"
  command = "string"
  distribution = {
    distributionType = "string"
    // For remaining properties, see DistributionConfiguration objects
  }
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  limits = {
    jobLimitsType = "string"
    timeout = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  resources = {
    instanceCount = int
    instanceType = "string"
    properties = {}
  }

パイプラインの場合は、次を使用します。

  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
    }
  }

スイープの場合は、次を使用します。

  jobType = "Sweep"
  earlyTermination = {
    delayEvaluation = int
    evaluationInterval = int
    policyType = "string"
    // For remaining properties, see EarlyTerminationPolicy objects
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  limits = {
    jobLimitsType = "string"
    maxConcurrentTrials = int
    maxTotalTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  objective = {
    goal = "string"
    primaryMetric = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  samplingAlgorithm = {
    samplingAlgorithmType = "string"
    // For remaining properties, see SamplingAlgorithm objects
  }
  trial = {
    codeId = "string"
    command = "string"
    distribution = {
      distributionType = "string"
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId = "string"
    environmentVariables = {
      {customized property} = "string"
    }
    resources = {
      instanceCount = int
      instanceType = "string"
      properties = {}
    }
  }

IdentityConfiguration オブジェクト

identityType プロパティを設定して、オブジェクトの種類を指定します。

AMLTokenを する場合は、次を使用します。

  identityType = "AMLToken"

マネージドの場合は、次を使用します。

  identityType = "Managed"
  clientId = "string"
  objectId = "string"
  resourceId = "string"

UserIdentityの場合は、次の値を使用します。

  identityType = "UserIdentity"

ScheduleBase オブジェクト

scheduleType プロパティを設定して、オブジェクトの種類を指定します。

Cronの場合は、次を使用します。

  scheduleType = "Cron"
  expression = "string"

繰り返しの場合は、次の値を使用します。

  scheduleType = "Recurrence"
  frequency = "string"
  interval = int
  pattern = {
    hours = [
      int
    ]
    minutes = [
      int
    ]
    weekdays = [
      "string"
    ]
  }

JobOutput オブジェクト

オブジェクトの種類を指定するには、jobOutputType プロパティを設定します。

CustomModelを する場合は、次を使用します。

  jobOutputType = "CustomModel"
  mode = "string"
  uri = "string"

MLFlowModelの場合は、次を使用します。

  jobOutputType = "MLFlowModel"
  mode = "string"
  uri = "string"

MLTableの場合は、次を使用します。

  jobOutputType = "MLTable"
  mode = "string"
  uri = "string"

TritonModelの場合は、次を使用します。

  jobOutputType = "TritonModel"
  mode = "string"
  uri = "string"

UriFileの場合は、次の値を使用します。

  jobOutputType = "UriFile"
  mode = "string"
  uri = "string"

UriFolderを する場合は、次の値を使用します。

  jobOutputType = "UriFolder"
  mode = "string"
  uri = "string"

AutoMLVertical オブジェクト

taskType プロパティを設定して、オブジェクトの種類を指定します。

分類の場合は、次を使用します。

  taskType = "Classification"
  allowedModels = [
    "string"
  ]
  blockedModels = [
    "string"
  ]
  dataSettings = {
    targetColumnName = "string"
    testData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      testDataSize = int
    }
    trainingData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
    }
    validationData = {
      cvSplitColumnNames = [
        "string"
      ]
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      nCrossValidations = {
        mode = "string"
        // For remaining properties, see NCrossValidations objects
      }
      validationDataSize = int
    }
    weightColumnName = "string"
  }
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    dropColumns = [
      "string"
    ]
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  primaryMetric = "string"
  trainingSettings = {
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
  }

予測の場合は、次の値を使用します。

  taskType = "Forecasting"
  allowedModels = [
    "string"
  ]
  blockedModels = [
    "string"
  ]
  dataSettings = {
    targetColumnName = "string"
    testData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      testDataSize = int
    }
    trainingData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
    }
    validationData = {
      cvSplitColumnNames = [
        "string"
      ]
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      nCrossValidations = {
        mode = "string"
        // For remaining properties, see NCrossValidations objects
      }
      validationDataSize = int
    }
    weightColumnName = "string"
  }
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    dropColumns = [
      "string"
    ]
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  forecastingSettings = {
    countryOrRegionForHolidays = "string"
    cvStepSize = int
    featureLags = "string"
    forecastHorizon = {
      mode = "string"
      // For remaining properties, see ForecastHorizon objects
    }
    frequency = "string"
    seasonality = {
      mode = "string"
      // For remaining properties, see Seasonality objects
    }
    shortSeriesHandlingConfig = "string"
    targetAggregateFunction = "string"
    targetLags = {
      mode = "string"
      // For remaining properties, see TargetLags objects
    }
    targetRollingWindowSize = {
      mode = "string"
      // For remaining properties, see TargetRollingWindowSize objects
    }
    timeColumnName = "string"
    timeSeriesIdColumnNames = [
      "string"
    ]
    useStl = "string"
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  primaryMetric = "string"
  trainingSettings = {
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
  }

ImageClassificationの場合は、次を使用します。

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

ImageClassificationMultilabelを する場合は、次を使用します。

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

ImageInstanceSegmentationを する場合は、次を使用します。

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

ImageObjectDetectionの場合は、次の値を使用します。

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

回帰の場合は、次の値を使用します。

  taskType = "Regression"
  allowedModels = [
    "string"
  ]
  blockedModels = [
    "string"
  ]
  dataSettings = {
    targetColumnName = "string"
    testData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      testDataSize = int
    }
    trainingData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
    }
    validationData = {
      cvSplitColumnNames = [
        "string"
      ]
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      nCrossValidations = {
        mode = "string"
        // For remaining properties, see NCrossValidations objects
      }
      validationDataSize = int
    }
    weightColumnName = "string"
  }
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    dropColumns = [
      "string"
    ]
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  primaryMetric = "string"
  trainingSettings = {
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
  }

TextClassificationの場合は、次を使用します。

  taskType = "TextClassification"
  dataSettings = {
    targetColumnName = "string"
    testData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      testDataSize = int
    }
    trainingData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
    }
    validationData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      validationDataSize = int
    }
  }
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  primaryMetric = "string"

TextClassificationMultilabelを する場合は、次を使用します。

  taskType = "TextClassificationMultilabel"
  dataSettings = {
    targetColumnName = "string"
    testData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      testDataSize = int
    }
    trainingData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
    }
    validationData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      validationDataSize = int
    }
  }
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }

TextNERの場合は、次を使用します。

  taskType = "TextNER"
  dataSettings = {
    targetColumnName = "string"
    testData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      testDataSize = int
    }
    trainingData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
    }
    validationData = {
      data = {
        description = "string"
        jobInputType = "string"
        mode = "string"
        uri = "string"
      }
      validationDataSize = int
    }
  }
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }

NCrossValidations オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode = "Auto"

カスタムを する場合は、次の値を使用します。

  mode = "Custom"
  value = int

ForecastHorizon オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode = "Auto"

カスタムを する場合は、次の値を使用します。

  mode = "Custom"
  value = int

季節性オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode = "Auto"

カスタムを する場合は、次の値を使用します。

  mode = "Custom"
  value = int

TargetLags オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode = "Auto"

カスタムを する場合は、次の値を使用します。

  mode = "Custom"
  values = [
    int
  ]

TargetRollingWindowSize オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode = "Auto"

カスタムを する場合は、次の値を使用します。

  mode = "Custom"
  value = int

EarlyTerminationPolicy オブジェクト

policyType プロパティを設定して、オブジェクトの種類を指定します。

バンディットの場合は、次を使用します。

  policyType = "Bandit"
  slackAmount = int
  slackFactor = int

MedianStopping の場合は、次の値を使用します。

  policyType = "MedianStopping"

TruncationSelectionの場合は、次のコマンドを使用します。

  policyType = "TruncationSelection"
  truncationPercentage = int

DistributionConfiguration オブジェクト

オブジェクトの種類を指定するには、distributionType プロパティを設定します。

Mpiの場合は、次を使用します。

  distributionType = "Mpi"
  processCountPerInstance = int

PyTorchを する場合は、次を使用します。

  distributionType = "PyTorch"
  processCountPerInstance = int

TensorFlowの場合は、次を使用します。

  distributionType = "TensorFlow"
  parameterServerCount = int
  workerCount = int

JobInput オブジェクト

jobInputType プロパティを設定して、オブジェクトの種類を指定します。

CustomModelを する場合は、次を使用します。

  jobInputType = "CustomModel"
  mode = "string"
  uri = "string"

リテラルには、次の値を使用します。

  jobInputType = "Literal"
  value = "string"

MLFlowModelの場合は、次を使用します。

  jobInputType = "MLFlowModel"
  mode = "string"
  uri = "string"

MLTableの場合は、次を使用します。

  jobInputType = "MLTable"
  mode = "string"
  uri = "string"

TritonModelの場合は、次を使用します。

  jobInputType = "TritonModel"
  mode = "string"
  uri = "string"

UriFileの場合は、次の値を使用します。

  jobInputType = "UriFile"
  mode = "string"
  uri = "string"

UriFolderを する場合は、次の値を使用します。

  jobInputType = "UriFolder"
  mode = "string"
  uri = "string"

SamplingAlgorithm オブジェクト

samplingAlgorithmType プロパティを設定して、オブジェクトの種類を指定します。

ベイジアン の場合は、次を使用します。

  samplingAlgorithmType = "Bayesian"

Gridの場合は、次を使用します。

  samplingAlgorithmType = "Grid"

ランダムには、次の値を使用します。

  samplingAlgorithmType = "Random"
  rule = "string"
  seed = int

プロパティ値

workspaces/jobs

名前	形容	価値
種類	リソースの種類	"Microsoft.MachineLearningServices/workspaces/jobs@2022-02-01-preview"
名前	リソース名	string (必須)
parent_id	このリソースの親であるリソースの ID。	種類のリソースの ID: ワークスペース
プロパティ	[必須]エンティティの追加の属性。	JobBaseDetails (必須)

JobBaseDetails

名前	形容	価値
computeId	コンピューティング リソースの ARM リソース ID。	糸
形容	資産の説明テキスト。	糸
displayName	ジョブの表示名。	糸
experimentName	ジョブが属する実験の名前。 設定されていない場合、ジョブは "既定" の実験に配置されます。	糸
同一性	ID の構成。 設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。	IdentityConfiguration
isArchived	資産はアーカイブされていますか?	bool
プロパティ	資産プロパティ ディクショナリ。	ResourceBaseProperties
計画	ジョブの定義をスケジュールします。 スケジュールが指定されていない場合、ジョブは送信直後に 1 回実行されます。	ScheduleBase
サービス	JobEndpoints の一覧。 ローカル ジョブの場合、ジョブ エンドポイントのエンドポイント値は FileStreamObject になります。	JobBaseServices
タグ	タグ ディクショナリ。 タグは追加、削除、更新できます。	オブジェクト
jobType	オブジェクトの種類を設定する	AutoML の コマンド パイプラインの スイープ (必須)

IdentityConfiguration

名前	形容	価値
identityType	オブジェクトの種類を設定する	AMLToken を する マネージド の UserIdentity (必須)

AmlToken

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	"AMLToken" (必須)

ManagedIdentity

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	"マネージド" (必須)
clientId	クライアント ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。	糸 制約： 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
objectId	ユーザー割り当て ID をオブジェクト ID で指定します。 システム割り当ての場合は、このフィールドを設定しないでください。	糸 制約： 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId	ARM リソース ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。	糸

UserIdentity

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	"UserIdentity" (必須)

ResourceBaseProperties

名前	形容	価値
{カスタマイズされたプロパティ}		糸

ScheduleBase

名前	形容	価値
endTime	スケジュールの終了時刻を ISO 8601 形式で指定します。 存在しない場合、スケジュールは無期限に実行されます	糸
scheduleStatus	スケジュールの状態を指定します	"無効" "有効"
startTime	スケジュールの開始時刻を ISO 8601 形式で指定します。	糸
timeZone	スケジュールを実行するタイム ゾーンを指定します。 TimeZone は、Windows のタイム ゾーン形式に従う必要があります。	糸
scheduleType	オブジェクトの種類を設定する	Cron 繰り返し (必須)

CronSchedule

名前	形容	価値
scheduleType	[必須]スケジュールの種類を指定します	"Cron" (必須)
表現	[必須]スケジュールの cron 式を指定します。 式は NCronTab 形式に従う必要があります。	string (必須) 制約： パターン = [a-zA-Z0-9_]

RecurrenceSchedule

名前	形容	価値
scheduleType	[必須]スケジュールの種類を指定します	"繰り返し" (必須)
周波数	[必須]スケジュールをトリガーする頻度を指定します	"Day" "Hour" "Minute" "Month" "Week" (必須)
間	[必須]スケジュール間隔を頻度と組み合わせて指定します	int (必須)
パターン	繰り返しスケジュール パターンを指定します	RecurrencePattern の

RecurrencePattern

名前	形容	価値
時間	[必須]定期的なスケジュール パターンの時間の一覧	int[] (必須)
議事録	[必須]定期的なスケジュール パターンの分数の一覧	int[] (必須)
平日	定期的なスケジュール パターンの平日の一覧	次のいずれかを含む文字列配列: "Friday" "Monday" "Saturday" "Sunday" "木曜日" "Tuesday" "水曜日"

JobBaseServices

名前	形容	価値
{カスタマイズされたプロパティ}		JobService

JobService

名前	形容	価値
エンドポイント	エンドポイントの URL。	糸
jobServiceType	エンドポイントの種類。	糸
港	エンドポイントのポート。	int
プロパティ	エンドポイントに設定する追加のプロパティ。	JobServiceProperties

JobServiceProperties

名前	形容	価値
{カスタマイズされたプロパティ}		糸

AutoMLJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	"AutoML" (必須)
environmentId	ジョブの環境仕様の ARM リソース ID。 これは省略可能な値です。指定しない場合、AutoML はジョブの実行時に既定で運用環境の AutoML キュレーション環境バージョンに設定されます。	糸
environmentVariables	ジョブに含まれる環境変数。	AutoMLJobEnvironmentVariables の
出力	ジョブで使用される出力データ バインディングのマッピング。	AutoMLJobOutputs の
リソース	ジョブのコンピューティング リソース構成。	ResourceConfiguration
taskDetails	[必須]これは、テーブル/NLP/イメージのいずれかである可能性があるシナリオを表します	AutoMLVertical (必須)

AutoMLJobEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

AutoMLJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

JobOutput

名前	形容	価値
形容	出力の説明。	糸
jobOutputType	オブジェクトの種類を設定する	CustomModel の MLFlowModel の MLTable の TritonModel UriFile UriFolder (必須)

CustomModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	"CustomModel" (必須)
モード	出力資産配信モード。	"ReadWriteMount" "アップロード"
uri	出力アセット URI。	糸

MLFlowModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	"MLFlowModel" (必須)
モード	出力資産配信モード。	"ReadWriteMount" "アップロード"
uri	出力アセット URI。	糸

MLTableJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	"MLTable" (必須)
モード	出力資産配信モード。	"ReadWriteMount" "アップロード"
uri	出力アセット URI。	糸

TritonModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	"TritonModel" (必須)
モード	出力資産配信モード。	"ReadWriteMount" "アップロード"
uri	出力アセット URI。	糸

UriFileJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	"UriFile" (必須)
モード	出力資産配信モード。	"ReadWriteMount" "アップロード"
uri	出力アセット URI。	糸

UriFolderJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	"UriFolder" (必須)
モード	出力資産配信モード。	"ReadWriteMount" "アップロード"
uri	出力アセット URI。	糸

ResourceConfiguration

名前	形容	価値
instanceCount	コンピューティング 先で使用されるインスタンスまたはノードの数 (省略可能)。	int
instanceType	コンピューティング 先でサポートされている VM のオプションの種類。	糸
プロパティ	追加のプロパティ バッグ。	ResourceConfigurationProperties

ResourceConfigurationProperties

名前	形容	価値
{カスタマイズされたプロパティ}

AutoMLVertical

名前	形容	価値
logVerbosity	ジョブの詳細度をログに記録します。	"Critical" "デバッグ" "Error" "Info" "NotSet" "警告"
taskType	オブジェクトの種類を設定する	分類 予測 ImageClassification ImageClassificationMultilabel の ImageInstanceSegmentation ImageObjectDetection 回帰 TextClassification TextClassificationMultilabel TextNER (必須)

分類

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"分類" (必須)
allowedModels	分類タスクに使用できるモデル。	次のいずれかを含む文字列配列: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier"
blockedModels	分類タスクのブロックされたモデル。	次のいずれかを含む文字列配列: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier"
dataSettings	AutoMLJob のデータ入力。	TableVerticalDataSettings の
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
primaryMetric	タスクのプライマリ メトリック。	"AUCWeighted" "Accuracy" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
trainingSettings	AutoML ジョブのトレーニング フェーズの入力。	TrainingSettings

TableVerticalDataSettings

名前	形容	価値
targetColumnName	[必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。	string (必須) 制約： パターン = [a-zA-Z0-9_]
testData	データ入力をテストします。	TestDataSettings の
trainingData	[必須]トレーニング データの入力。	TrainingDataSettings (必須)
validationData	検証データの入力。	TableVerticalValidationDataSettings
weightColumnName	サンプルの重み列の名前。 自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。	糸

TestDataSettings

名前	形容	価値
データ	テスト データ MLTable。	MLTableJobInput の
testDataSize	検証のために確保する必要があるテスト データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。	int

MLTableJobInput

名前	形容	価値
形容	入力の説明。	糸
jobInputType	[必須]ジョブの種類を指定します。	"CustomModel" "Literal" "MLFlowModel" "MLTable" "TritonModel" "UriFile" "UriFolder" (必須)
モード	入力資産配信モード。	"Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

TrainingDataSettings

名前	形容	価値
データ	[必須]トレーニング データ MLTable。	MLTableJobInput の (必須)

TableVerticalValidationDataSettings

名前	形容	価値
cvSplitColumnNames	CVSplit データに使用する列。	string[]
データ	検証データ MLTable。	MLTableJobInput の
nCrossValidations	トレーニング データセットに適用されるクロス検証フォールドの数 検証データセットが指定されていない場合。	NCrossValidations
validationDataSize	検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。	int

NCrossValidations

名前	形容	価値
モード	オブジェクトの種類を設定する	自動 の カスタム (必須)

AutoNCrossValidations

名前	形容	価値
モード	[必須]N クロス検証を決定するためのモード。	"Auto" (必須)

CustomNCrossValidations

名前	形容	価値
モード	[必須]N クロス検証を決定するためのモード。	"カスタム" (必須)
価値	[必須]N クロス検証値。	int (必須)

TableVerticalFeaturizationSettings

名前	形容	価値
blockedTransformers	これらのトランスは特徴付けには使用しないでください。	string[]
columnNameAndTypes	列名とその型 (int、float、string、datetime など) のディクショナリ。	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	テキスト データに役立つデータセット言語。	糸
dropColumns	特徴量化中にデータから削除される列。	string[]
enableDnnFeaturization	データ特徴付けに Dnn ベースの特徴付け器を使用するかどうかを決定します。	bool
モード	特徴量化モード - ユーザーは既定の "自動" モードを維持でき、AutoML は特徴量化フェーズでのデータの必要な変換を処理します。 [オフ] が選択されている場合、特徴量化は行われません。 [カスタム] が選択されている場合、ユーザーは追加の入力を指定して、特徴付けの実行方法をカスタマイズできます。	"Auto" "Custom" "オフ"
transformerParams	ユーザーは、使用する追加のトランスフォーマーと、それが適用される列、およびトランスフォーマー コンストラクターのパラメーターを指定できます。	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

名前	形容	価値
{カスタマイズされたプロパティ}		糸

TableVerticalFeaturizationSettingsTransformerParams

名前	形容	価値
{カスタマイズされたプロパティ}		ColumnTransformer[]

ColumnTransformer

名前	形容	価値
田畑	トランスフォーマー ロジックを適用するフィールド。	string[]
パラメーター	トランスフォーマーに渡されるさまざまなプロパティ。 必要な入力は、JSON 形式のキーと値のペアのディクショナリです。

TableVerticalLimitSettings

名前	形容	価値
enableEarlyTermination	早期終了を有効にし、過去 20 回のイテレーションでスコアの改善がない場合に AutoMLJob が早期に終了するかどうかを決定します。	bool
exitScore	AutoML ジョブの終了スコア。	int
maxConcurrentTrials	最大同時反復数。	int
maxCoresPerTrial	イテレーションあたりの最大コア数。	int
maxTrials	反復回数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸
trialTimeout	繰り返しタイムアウト。	糸

TrainingSettings

名前	形容	価値
enableDnnTraining	DNN モデルの推奨事項を有効にします。	bool
enableModelExplainability	最適なモデルで説明可能性を有効にするフラグ。	bool
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	bool
enableStackEnsemble	スタック アンサンブル実行を有効にします。	bool
enableVoteEnsemble	投票アンサンブル実行を有効にします。	bool
ensembleModelDownloadTimeout	VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。	糸
stackEnsembleSettings	スタック アンサンブル実行のスタック アンサンブル設定。	StackEnsembleSettings

StackEnsembleSettings

名前	形容	価値
stackMetaLearnerKWargs	メタ学習者の初期化子に渡す省略可能なパラメーター。
stackMetaLearnerTrainPercentage	メタ学習者のトレーニング用に予約するトレーニング セット (トレーニングのトレーニングと検証の種類を選択する場合) の割合を指定します。 既定値は 0.2 です。	int
stackMetaLearnerType	メタ学習者は、個々の異種モデルの出力でトレーニングされたモデルです。	"ElasticNet" "ElasticNetCV" "LightGBMClassifier" "LightGBMRegressor" "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "なし"

予測

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"予測" (必須)
allowedModels	予測タスクに使用できるモデル。	次のいずれかを含む文字列配列: "Arimax" "AutoArima" "Average" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "なげなわ" "LightGBM" "Naive" "Prophet" "RandomForest" "SGD" "SeasonalAverage" "SeasonalNaive" "TCNForecaster" "XGBoostRegressor"
blockedModels	予測タスクのブロックされたモデル。	次のいずれかを含む文字列配列: "Arimax" "AutoArima" "Average" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "なげなわ" "LightGBM" "Naive" "Prophet" "RandomForest" "SGD" "SeasonalAverage" "SeasonalNaive" "TCNForecaster" "XGBoostRegressor"
dataSettings	AutoMLJob のデータ入力。	TableVerticalDataSettings の
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
forecastingSettings	予測タスク固有の入力。	ForecastingSettings
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
primaryMetric	予測タスクの主要メトリック。	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "スピアマン相関"
trainingSettings	AutoML ジョブのトレーニング フェーズの入力。	TrainingSettings

ForecastingSettings

名前	形容	価値
countryOrRegionForHolidays	予測タスクの休日の国または地域。 これらは、ISO 3166 の 2 文字の国/地域コード ("US" や "GB" など) である必要があります。	糸
cvStepSize	1 つの CV フォールドの原点時間と次のフォールドの間の期間の数。 対して たとえば、日次データの CVStepSize = 3 の場合、各フォールドの起点時間は 3 日分離します。	int
featureLags	'auto' または null を持つ数値特徴のラグを生成するためのフラグ。	"Auto" "なし"
forecastHorizon	時系列の頻度の単位で求められる最大予測期間。	ForecastHorizon
周波数	予測の場合、このパラメーターは、日単位、週単位、年単位など、予測が必要な期間を表します。予測頻度は、既定ではデータセットの頻度です。	糸
季節	時系列の季節性を、系列の頻度の整数倍数として設定します。 季節性が 'auto' に設定されている場合は、推論されます。	季節性
shortSeriesHandlingConfig	AutoML で短い時系列を処理する方法を定義するパラメーター。	"Auto" "Drop" "なし" "Pad"
targetAggregateFunction	ユーザーが指定した頻度に準拠するように時系列ターゲット列を集計するために使用する関数。 TargetAggregateFunction が 'None' ではなく設定されているが、freq パラメーターが設定されていない場合、エラーが発生します。 可能なターゲット集計関数は、"sum"、"max"、"min"、"mean" です。	"Max" "Mean" "Min" "なし" "Sum"
targetLags	ターゲット列から遅延する過去の期間の数。	TargetLags
targetRollingWindowSize	ターゲット列のローリング ウィンドウ平均の作成に使用された過去の期間の数。	TargetRollingWindowSize
timeColumnName	時刻列の名前。 このパラメーターは、時系列の構築とその頻度の推論に使用される入力データの datetime 列を予測する場合に必要です。	糸
timeSeriesIdColumnNames	時系列をグループ化するために使用される列の名前。 複数の系列を作成するために使用できます。 グレインが定義されていない場合、データ セットは 1 つの時系列であると見なされます。 このパラメーターは、タスクの種類の予測で使用されます。	string[]
useStl	時系列ターゲット列の STL 分解を構成します。	"なし" "Season" "SeasonTrend"

ForecastHorizon

名前	形容	価値
モード	オブジェクトの種類を設定する	自動 の カスタム (必須)

AutoForecastHorizon

名前	形容	価値
モード	[必須]予測期間値の選択モードを設定します。	"Auto" (必須)

CustomForecastHorizon

名前	形容	価値
モード	[必須]予測期間値の選択モードを設定します。	"カスタム" (必須)
価値	[必須]予測期間の値。	int (必須)

季節

名前	形容	価値
モード	オブジェクトの種類を設定する	自動 の カスタム (必須)

AutoSeasonality

名前	形容	価値
モード	[必須]季節性モード。	"Auto" (必須)

CustomSeasonality

名前	形容	価値
モード	[必須]季節性モード。	"カスタム" (必須)
価値	[必須]季節性の値。	int (必須)

TargetLags

名前	形容	価値
モード	オブジェクトの種類を設定する	自動 の カスタム (必須)

AutoTargetLags

名前	形容	価値
モード	[必須]ターゲット ラグ モードの設定 - 自動/カスタム	"Auto" (必須)

CustomTargetLags

名前	形容	価値
モード	[必須]ターゲット ラグ モードの設定 - 自動/カスタム	"カスタム" (必須)
価値観	[必須]ターゲットラグ値を設定します。	int[] (必須)

TargetRollingWindowSize

名前	形容	価値
モード	オブジェクトの種類を設定する	自動 の カスタム (必須)

AutoTargetRollingWindowSize

名前	形容	価値
モード	[必須]TargetRollingWindowSiz 検出モード。	"Auto" (必須)

CustomTargetRollingWindowSize

名前	形容	価値
モード	[必須]TargetRollingWindowSiz 検出モード。	"カスタム" (必須)
価値	[必須]TargetRollingWindowSize 値。	int (必須)

ImageClassification

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"ImageClassification" (必須)
dataSettings	[必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。	ImageVerticalDataSettings (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsClassification の
primaryMetric	このタスク用に最適化する主要メトリック。	"AUCWeighted" "Accuracy" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsClassification[]
sweepSettings	モデル スイープとハイパーパラメーター スイープ関連の設定。	ImageSweepSettings

ImageVerticalDataSettings

名前	形容	価値
targetColumnName	[必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。	string (必須) 制約： パターン = [a-zA-Z0-9_]
testData	データ入力をテストします。	TestDataSettings の
trainingData	[必須]トレーニング データの入力。	TrainingDataSettings (必須)
validationData	検証データセットの設定。	ImageVerticalValidationDataSettings

ImageVerticalValidationDataSettings

名前	形容	価値
データ	検証データ MLTable。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。	int

ImageLimitSettings

名前	形容	価値
maxConcurrentTrials	同時 AutoML イテレーションの最大数。	int
maxTrials	AutoML イテレーションの最大数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸

ImageModelSettingsClassification

名前	形容	価値
advancedSettings	高度なシナリオの設定。	糸
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	bool
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。	int
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。	int
checkpointDatasetId	増分トレーニング用の事前トレーニング済みチェックポイントの FileDataset ID。 CheckpointDatasetId と共に CheckpointFilename を渡してください。	糸
checkpointFilename	増分トレーニング用の FileDataset の事前トレーニング済みチェックポイント ファイル名。 CheckpointFilename と共に CheckpointDatasetId を渡してください。	糸
checkpointFrequency	モデル チェックポイントを格納する頻度。 正の整数にする必要があります。	int
checkpointRunId	増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。	糸
分散	分散トレーニングを使用するかどうか。	bool
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	bool
earlyStoppingDelay	プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。	int
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。	int
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	bool
evaluationFrequency	メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。	int
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。	int
layersToFreeze	モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	int
learningRate	初期学習率。 範囲 [0, 1] の float である必要があります。	int
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	"なし" "ステップ" "WarmupCosine"
modelName	トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。	int
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	bool
numberOfEpochs	トレーニング エポックの数。 正の整数にする必要があります。	int
numberOfWorkers	データ ローダー ワーカーの数。 負以外の整数である必要があります。	int
オプティマイザ	オプティマイザーの種類。	"Adam" "Adamw" "なし" "Sgd"
randomSeed	決定論的トレーニングを使用するときに使用されるランダム シード。	int
splitRatio	検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。	int
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。	int
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。	int
trainingBatchSize	トレーニング バッチ サイズ。 正の整数にする必要があります。	int
trainingCropSize	トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。	int
validationBatchSize	検証バッチ サイズ。 正の整数にする必要があります。	int
validationCropSize	検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。	int
validationResizeSize	検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。	int
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。	int
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。	int
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。	int
weightedLoss	加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。	int

ImageModelDistributionSettingsClassification

名前	形容	価値
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	糸
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。	糸
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。	糸
分散	配布者トレーニングを使用するかどうか。	糸
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	糸
earlyStoppingDelay	プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。	糸
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。	糸
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	糸
evaluationFrequency	メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。	糸
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。	糸
layersToFreeze	モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	糸
learningRate	初期学習率。 範囲 [0, 1] の float である必要があります。	糸
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	糸
modelName	トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。	糸
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	糸
numberOfEpochs	トレーニング エポックの数。 正の整数にする必要があります。	糸
numberOfWorkers	データ ローダー ワーカーの数。 負以外の整数である必要があります。	糸
オプティマイザ	オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。	糸
randomSeed	決定論的トレーニングを使用するときに使用されるランダム シード。	糸
splitRatio	検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。	糸
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。	糸
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。	糸
trainingBatchSize	トレーニング バッチ サイズ。 正の整数にする必要があります。	糸
trainingCropSize	トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。	糸
validationBatchSize	検証バッチ サイズ。 正の整数にする必要があります。	糸
validationCropSize	検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。	糸
validationResizeSize	検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。	糸
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。	糸
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。	糸
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。	糸
weightedLoss	加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。	糸

ImageSweepSettings

名前	形容	価値
earlyTermination	早期終了ポリシーの種類。	EarlyTerminationPolicy
切り	[必須]モデル スイープとハイパーパラメーター スイープの設定を制限します。	ImageSweepLimitSettings (必須)
samplingAlgorithm	[必須]ハイパーパラメーター サンプリング アルゴリズムの種類。	"Bayesian" "Grid" "Random" (必須)

EarlyTerminationPolicy

名前	形容	価値
delayEvaluation	最初の評価を遅らせる間隔の数。	int
evaluationInterval	ポリシー評価間の間隔 (実行回数)。	int
policyType	オブジェクトの種類を設定する	バンディット MedianStopping TruncationSelection (必須)

BanditPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	"Bandit" (必須)
slackAmount	最高のパフォーマンスを発揮する実行から許容される絶対距離。	int
slackFactor	最もパフォーマンスの高い実行からの許容距離の比率。	int

MedianStoppingPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	"MedianStopping" (必須)

TruncationSelectionPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	"TruncationSelection" (必須)
truncationPercentage	各評価間隔で取り消す実行の割合。	int

ImageSweepLimitSettings

名前	形容	価値
maxConcurrentTrials	基になるスイープ ジョブの同時実行イテレーションの最大数。	int
maxTrials	基になるスイープ ジョブのイテレーションの最大数。	int

ImageClassificationMultilabel

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"ImageClassificationMultilabel" (必須)
dataSettings	[必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。	ImageVerticalDataSettings (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsClassification の
primaryMetric	このタスク用に最適化する主要メトリック。	"AUCWeighted" "Accuracy" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsClassification[]
sweepSettings	モデル スイープとハイパーパラメーター スイープ関連の設定。	ImageSweepSettings

ImageInstanceSegmentation

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"ImageInstanceSegmentation" (必須)
dataSettings	[必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。	ImageVerticalDataSettings (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsObjectDetection
primaryMetric	このタスク用に最適化する主要メトリック。	"MeanAveragePrecision"
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	モデル スイープとハイパーパラメーター スイープ関連の設定。	ImageSweepSettings

ImageModelSettingsObjectDetection

名前	形容	価値
advancedSettings	高度なシナリオの設定。	糸
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	bool
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。	int
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。	int
boxDetectionsPerImage	すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
boxScoreThreshold	推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。	int
checkpointDatasetId	増分トレーニング用の事前トレーニング済みチェックポイントの FileDataset ID。 CheckpointDatasetId と共に CheckpointFilename を渡してください。	糸
checkpointFilename	増分トレーニング用の FileDataset の事前トレーニング済みチェックポイント ファイル名。 CheckpointFilename と共に CheckpointDatasetId を渡してください。	糸
checkpointFrequency	モデル チェックポイントを格納する頻度。 正の整数にする必要があります。	int
checkpointRunId	増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。	糸
分散	分散トレーニングを使用するかどうか。	bool
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	bool
earlyStoppingDelay	プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。	int
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。	int
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	bool
evaluationFrequency	メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。	int
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。	int
imageSize	トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	int
layersToFreeze	モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	int
learningRate	初期学習率。 範囲 [0, 1] の float である必要があります。	int
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	"なし" "ステップ" "WarmupCosine"
maxSize	バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
minSize	バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
modelName	トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
modelSize	モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	"ExtraLarge" "Large" "Medium" "なし" "Small"
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。	int
multiScale	イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	bool
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	bool
nmsIouThreshold	NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] の float である必要があります。	int
numberOfEpochs	トレーニング エポックの数。 正の整数にする必要があります。	int
numberOfWorkers	データ ローダー ワーカーの数。 負以外の整数である必要があります。	int
オプティマイザ	オプティマイザーの種類。	"Adam" "Adamw" "なし" "Sgd"
randomSeed	決定論的トレーニングを使用するときに使用されるランダム シード。	int
splitRatio	検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。	int
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。	int
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。	int
tileGridSize	各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tileOverlapRatio	各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
tilePredictionsNmsThreshold	タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
trainingBatchSize	トレーニング バッチ サイズ。 正の整数にする必要があります。	int
validationBatchSize	検証バッチ サイズ。 正の整数にする必要があります。	int
validationIouThreshold	検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。	int
validationMetricType	検証メトリックに使用するメトリック計算方法。	"Coco" "CocoVoc" "なし" "Voc"
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。	int
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。	int
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。	int

ImageModelDistributionSettingsObjectDetection

名前	形容	価値
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	糸
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。	糸
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。	糸
boxDetectionsPerImage	すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
boxScoreThreshold	推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。	糸
分散	配布者トレーニングを使用するかどうか。	糸
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	糸
earlyStoppingDelay	プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。	糸
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。	糸
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	糸
evaluationFrequency	メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。	糸
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。	糸
imageSize	トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
layersToFreeze	モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	糸
learningRate	初期学習率。 範囲 [0, 1] の float である必要があります。	糸
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	糸
maxSize	バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
minSize	バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
modelName	トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
modelSize	モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。	糸
multiScale	イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	糸
nmsIouThreshold	NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。	糸
numberOfEpochs	トレーニング エポックの数。 正の整数にする必要があります。	糸
numberOfWorkers	データ ローダー ワーカーの数。 負以外の整数である必要があります。	糸
オプティマイザ	オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。	糸
randomSeed	決定論的トレーニングを使用するときに使用されるランダム シード。	糸
splitRatio	検証データが定義されていない場合は、分割の分割比率を指定します。 ランダムトレーニングと検証のサブセットにデータをトレーニングします。 範囲 [0, 1] の float である必要があります。	糸
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。	糸
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。	糸
tileGridSize	各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tileOverlapRatio	各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tilePredictionsNmsThreshold	タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 NMS: 非最大抑制	糸
trainingBatchSize	トレーニング バッチ サイズ。 正の整数にする必要があります。	糸
validationBatchSize	検証バッチ サイズ。 正の整数にする必要があります。	糸
validationIouThreshold	検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。	糸
validationMetricType	検証メトリックに使用するメトリック計算方法。 'none'、'coco'、'voc'、または 'coco_voc' である必要があります。	糸
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。	糸
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。	糸
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。	糸

ImageObjectDetection

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"ImageObjectDetection" (必須)
dataSettings	[必須]モデルのトレーニングと検証に必要な登録済みのテーブル データセット ID とその他のデータ設定のコレクション。	ImageVerticalDataSettings (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsObjectDetection
primaryMetric	このタスク用に最適化する主要メトリック。	"MeanAveragePrecision"
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	モデル スイープとハイパーパラメーター スイープ関連の設定。	ImageSweepSettings

回帰

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"回帰" (必須)
allowedModels	回帰タスクに使用できるモデル。	次のいずれかを含む文字列配列: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "なげなわ" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor"
blockedModels	回帰タスクのブロックされたモデル。	次のいずれかを含む文字列配列: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "なげなわ" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor"
dataSettings	AutoMLJob のデータ入力。	TableVerticalDataSettings の
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
primaryMetric	回帰タスクの主要メトリック。	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "スピアマン相関"
trainingSettings	AutoML ジョブのトレーニング フェーズの入力。	TrainingSettings

TextClassification

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"TextClassification" (必須)
dataSettings	AutoMLJob のデータ入力。	NlpVerticalDataSettings
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings
primaryMetric	Text-Classification タスクのプライマリ メトリック。	"AUCWeighted" "Accuracy" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"

NlpVerticalDataSettings

名前	形容	価値
targetColumnName	[必須]ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。	string (必須) 制約： パターン = [a-zA-Z0-9_]
testData	データ入力をテストします。	TestDataSettings の
trainingData	[必須]トレーニング データの入力。	TrainingDataSettings (必須)
validationData	検証データの入力。	NlpVerticalValidationDataSettings

NlpVerticalValidationDataSettings

名前	形容	価値
データ	検証データ MLTable。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。	int

NlpVerticalFeaturizationSettings

名前	形容	価値
datasetLanguage	テキスト データに役立つデータセット言語。	糸

NlpVerticalLimitSettings

名前	形容	価値
maxConcurrentTrials	AutoML の同時実行の最大イテレーション数。	int
maxTrials	AutoML イテレーションの数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸

TextClassificationMultilabel

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"TextClassificationMultilabel" (必須)
dataSettings	AutoMLJob のデータ入力。	NlpVerticalDataSettings
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings

TextNer

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"TextNER" (必須)
dataSettings	AutoMLJob のデータ入力。	NlpVerticalDataSettings
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings

CommandJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	"Command" (必須)
codeId	コード資産の ARM リソース ID。	糸
命令	[必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py"	string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_]
流通	ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。	DistributionConfiguration
environmentId	[必須]ジョブの環境仕様の ARM リソース ID。	string (必須) 制約： パターン = [a-zA-Z0-9_]
environmentVariables	ジョブに含まれる環境変数。	CommandJobEnvironmentVariables
入力	ジョブで使用される入力データ バインディングのマッピング。	CommandJobInputs
切り	コマンド ジョブの制限。	CommandJobLimits
出力	ジョブで使用される出力データ バインディングのマッピング。	CommandJobOutputs
リソース	ジョブのコンピューティング リソース構成。	ResourceConfiguration

DistributionConfiguration

名前	形容	価値
distributionType	オブジェクトの種類を設定する	Mpi PyTorch を する TensorFlow (必須)

Mpi

名前	形容	価値
distributionType	[必須]ディストリビューション フレームワークの種類を指定します。	"Mpi" (必須)
processCountPerInstance	MPI ノードあたりのプロセス数。	int

PyTorch

名前	形容	価値
distributionType	[必須]ディストリビューション フレームワークの種類を指定します。	"PyTorch" (必須)
processCountPerInstance	ノードあたりのプロセス数。	int

TensorFlow

名前	形容	価値
distributionType	[必須]ディストリビューション フレームワークの種類を指定します。	"TensorFlow" (必須)
parameterServerCount	パラメーター サーバー タスクの数。	int
workerCount	ワーカーの数。 指定しない場合は、既定でインスタンス数が設定されます。	int

CommandJobEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

CommandJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput を する

JobInput

名前	形容	価値
形容	入力の説明。	糸
jobInputType	オブジェクトの種類を設定する	CustomModel の リテラル MLFlowModel の MLTable の TritonModel UriFile UriFolder (必須)

CustomModelJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	"CustomModel" (必須)
モード	入力資産配信モード。	"Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

LiteralJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	"Literal" (必須)
価値	[必須]入力のリテラル値。	string (必須) 制約： パターン = [a-zA-Z0-9_]

MLFlowModelJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	"MLFlowModel" (必須)
モード	入力資産配信モード。	"Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

TritonModelJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	"TritonModel" (必須)
モード	入力資産配信モード。	"Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

UriFileJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	"UriFile" (必須)
モード	入力資産配信モード。	"Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

UriFolderJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	"UriFolder" (必須)
モード	入力資産配信モード。	"Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[必須]入力資産 URI。	string (必須) 制約： パターン = [a-zA-Z0-9_]

CommandJobLimits

名前	形容	価値
jobLimitsType	[必須]JobLimit 型。	"Command" "スイープ" (必須)
タイムアウト	ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。	糸

CommandJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

PipelineJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	"Pipeline" (必須)
入力	パイプライン ジョブの入力。	PipelineJobInputs
ジョブ	ジョブはパイプライン ジョブを構築します。	PipelineJobs
出力	パイプライン ジョブの出力	PipelineJobOutputs
設定	ContinueRunOnStepFailure などのパイプライン設定。

PipelineJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput を する

PipelineJobs

名前	形容	価値
{カスタマイズされたプロパティ}

PipelineJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

SweepJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	"スイープ" (必須)
earlyTermination	早期終了ポリシーを使用すると、実行が完了する前にパフォーマンスの低い実行を取り消す	EarlyTerminationPolicy
入力	ジョブで使用される入力データ バインディングのマッピング。	SweepJobInputs
切り	スイープ ジョブの制限。	SweepJobLimits
目的	[必須]最適化の目的。	目標 (必須)
出力	ジョブで使用される出力データ バインディングのマッピング。	SweepJobOutputs
samplingAlgorithm	[必須]ハイパーパラメーター サンプリング アルゴリズム	SamplingAlgorithm (必須)
searchSpace	[必須]各パラメーターとその分布を含むディクショナリ。 ディクショナリ キーはパラメーターの名前です
裁判	[必須]試用版コンポーネントの定義。	TrialComponent (必須)

SweepJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput を する

SweepJobLimits

名前	形容	価値
jobLimitsType	[必須]JobLimit 型。	"Command" "スイープ" (必須)
maxConcurrentTrials	スイープ ジョブの最大同時試行回数。	int
maxTotalTrials	スイープ ジョブの最大試行回数。	int
タイムアウト	ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。	糸
trialTimeout	スイープ ジョブ試用版のタイムアウト値。	糸

目的

名前	形容	価値
ゴール	[必須]ハイパーパラメーター調整でサポートされるメトリックの目標を定義します	"最大化" "最小化" (必須)
primaryMetric	[必須]最適化するメトリックの名前。	string (必須) 制約： パターン = [a-zA-Z0-9_]

SweepJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

SamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	オブジェクトの種類を設定する	ベイジアン Grid ランダム の (必須)

BayesianSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	"Bayesian" (必須)

GridSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	"Grid" (必須)

RandomSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	"Random" (必須)
支配	ランダム アルゴリズムの特定の種類	"Random" "Sobol"
種	乱数生成のシードとして使用する省略可能な整数	int

TrialComponent

名前	形容	価値
codeId	コード資産の ARM リソース ID。	糸
命令	[必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py"	string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_]
流通	ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。	DistributionConfiguration
environmentId	[必須]ジョブの環境仕様の ARM リソース ID。	string (必須) 制約： パターン = [a-zA-Z0-9_]
environmentVariables	ジョブに含まれる環境変数。	TrialComponentEnvironmentVariables
リソース	ジョブのコンピューティング リソース構成。	ResourceConfiguration

TrialComponentEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸