다음을 통해 공유

Microsoft.MachineLearningServices 작업 영역/일정 2023-06-01-preview

  • 아티클

Bicep 리소스 정의

작업 영역/일정 리소스 종류는 다음을 대상으로 하는 작업으로 배포할 수 있습니다.

각 API 버전에서 변경된 속성 목록은 변경 로그참조하세요.

리소스 형식

Microsoft.MachineLearningServices/workspaces/schedules 리소스를 만들려면 템플릿에 다음 Bicep을 추가합니다.

resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2023-06-01-preview' = {
  parent: resourceSymbolicName
  name: 'string'
  properties: {
    action: {
      actionType: 'string'
      // For remaining properties, see ScheduleActionBase objects
    }
    description: 'string'
    displayName: 'string'
    isEnabled: bool
    properties: {
      {customized property}: 'string'
    }
    tags: {
      {customized property}: 'string'
    }
    trigger: {
      endTime: 'string'
      startTime: 'string'
      timeZone: 'string'
      triggerType: 'string'
      // For remaining properties, see TriggerBase objects
    }
  }
}

TargetLags 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode: 'Auto'
}

사용자 지정경우 다음을 사용합니다.

{
  mode: 'Custom'
  values: [
    int
  ]
}

SparkJobEntry 개체

sparkJobEntryType 속성을 설정하여 개체 유형을 지정합니다.

SparkJobPythonEntry경우 다음을 사용합니다.

{
  file: 'string'
  sparkJobEntryType: 'SparkJobPythonEntry'
}

SparkJobScalaEntry경우 다음을 사용합니다.

{
  className: 'string'
  sparkJobEntryType: 'SparkJobScalaEntry'
}

ScheduleActionBase 개체

actionType 속성을 설정하여 개체 유형을 지정합니다.

createJob경우 다음을 사용합니다.

{
  actionType: 'CreateJob'
  jobDefinition: {
    componentId: 'string'
    computeId: 'string'
    description: 'string'
    displayName: 'string'
    experimentName: 'string'
    identity: {
      identityType: 'string'
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived: bool
    notificationSetting: {
      emailOn: [
        'string'
      ]
      emails: [
        'string'
      ]
      webhooks: {
        {customized property}: {
          eventType: 'string'
          webhookType: 'string'
          // For remaining properties, see Webhook objects
        }
      }
    }
    properties: {
      {customized property}: 'string'
    }
    secretsConfiguration: {
      {customized property}: {
        uri: 'string'
        workspaceSecretName: 'string'
      }
    }
    services: {
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        nodes: {
          nodesValueType: 'string'
          // For remaining properties, see Nodes objects
        }
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
    }
    tags: {
      {customized property}: 'string'
    }
    jobType: 'string'
    // For remaining properties, see JobBaseProperties objects
  }
}

createMonitor경우 다음을 사용합니다.

{
  actionType: 'CreateMonitor'
  monitorDefinition: {
    alertNotificationSetting: {
      alertNotificationType: 'string'
      // For remaining properties, see MonitoringAlertNotificationSettingsBase objects
    }
    computeConfiguration: {
      computeType: 'string'
      // For remaining properties, see MonitorComputeConfigurationBase objects
    }
    monitoringTarget: {
      deploymentId: 'string'
      modelId: 'string'
      taskType: 'string'
    }
    signals: {
      {customized property}: {
        mode: 'string'
        properties: {
          {customized property}: 'string'
        }
        signalType: 'string'
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }
}

importData경우 다음을 사용합니다.

{
  actionType: 'ImportData'
  dataImportDefinition: {
    assetName: 'string'
    autoDeleteSetting: {
      condition: 'string'
      value: 'string'
    }
    dataType: 'string'
    dataUri: 'string'
    description: 'string'
    intellectualProperty: {
      protectionLevel: 'string'
      publisher: 'string'
    }
    isAnonymous: bool
    isArchived: bool
    properties: {
      {customized property}: 'string'
    }
    source: {
      connection: 'string'
      sourceType: 'string'
      // For remaining properties, see DataImportSource objects
    }
    stage: 'string'
    tags: {
      {customized property}: 'string'
    }
  }
}

InvokeBatchEndpoint경우 다음을 사용합니다.

{
  actionType: 'InvokeBatchEndpoint'
  endpointInvocationDefinition: any(Azure.Bicep.Types.Concrete.AnyType)
}

MonitorComputeIdentityBase 개체

computeIdentityType 속성을 설정하여 개체 유형을 지정합니다.

AmlToken경우 다음을 사용합니다.

{
  computeIdentityType: 'AmlToken'
}

ManagedIdentity경우 다음을 사용합니다.

{
  computeIdentityType: 'ManagedIdentity'
  identity: {
    type: 'string'
    userAssignedIdentities: {
      {customized property}: {}
    }
  }
}

DataQualityMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  dataType: 'Categorical'
  metric: 'string'
}

숫자경우 다음을 사용합니다.

{
  dataType: 'Numerical'
  metric: 'string'
}

MonitorComputeConfigurationBase 개체

computeType 속성을 설정하여 개체 유형을 지정합니다.

ServerlessSpark경우 다음을 사용합니다.

{
  computeIdentity: {
    computeIdentityType: 'string'
    // For remaining properties, see MonitorComputeIdentityBase objects
  }
  computeType: 'ServerlessSpark'
  instanceType: 'string'
  runtimeVersion: 'string'
}

PredictionDriftMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  dataType: 'Categorical'
  metric: 'string'
}

숫자경우 다음을 사용합니다.

{
  dataType: 'Numerical'
  metric: 'string'
}

DataImportSource 개체

sourceType 속성을 설정하여 개체 유형을 지정합니다.

데이터베이스경우 다음을 사용합니다.

{
  query: 'string'
  sourceType: 'database'
  storedProcedure: 'string'
  storedProcedureParams: [
    {
      {customized property}: 'string'
    }
  ]
  tableName: 'string'
}

file_system경우 다음을 사용합니다.

{
  path: 'string'
  sourceType: 'file_system'
}

DataDriftMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  dataType: 'Categorical'
  metric: 'string'
}

숫자경우 다음을 사용합니다.

{
  dataType: 'Numerical'
  metric: 'string'
}

ModelPerformanceMetricThresholdBase 개체

modelType 속성을 설정하여 개체 유형을 지정합니다.

분류경우 다음을 사용합니다.

{
  metric: 'string'
  modelType: 'Classification'
}

회귀경우 다음을 사용합니다.

{
  metric: 'string'
  modelType: 'Regression'
}

AutoMLVertical 개체

taskType 속성을 설정하여 개체 유형을 지정합니다.

분류경우 다음을 사용합니다.

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

예측경우 다음을 사용합니다.

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

imageClassification경우 다음을 사용합니다.

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

imageClassificationMultilabel경우 다음을 사용합니다.

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

imageInstanceSegmentation경우 다음을 사용합니다.

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

imageObjectDetection경우 다음을 사용합니다.

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

회귀경우 다음을 사용합니다.

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

textClassification경우 다음을 사용합니다.

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

TextClassificationMultilabel경우 다음을 사용합니다.

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

TextNER경우 다음을 사용합니다.

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

TargetRollingWindowSize 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode: 'Auto'
}

사용자 지정경우 다음을 사용합니다.

{
  mode: 'Custom'
  value: int
}

계절성 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode: 'Auto'
}

사용자 지정경우 다음을 사용합니다.

{
  mode: 'Custom'
  value: int
}

JobInput 개체

개체 유형을 지정하려면 jobInputType 속성을 설정합니다.

custom_model경우 다음을 사용합니다.

{
  jobInputType: 'custom_model'
  mode: 'string'
  uri: 'string'
}

리터럴경우 다음을 사용합니다.

{
  jobInputType: 'literal'
  value: 'string'
}

mlflow_model경우 다음을 사용합니다.

{
  jobInputType: 'mlflow_model'
  mode: 'string'
  uri: 'string'
}

mltable경우 다음을 사용합니다.

{
  jobInputType: 'mltable'
  mode: 'string'
  uri: 'string'
}

triton_model경우 다음을 사용합니다.

{
  jobInputType: 'triton_model'
  mode: 'string'
  uri: 'string'
}

uri_file경우 다음을 사용합니다.

{
  jobInputType: 'uri_file'
  mode: 'string'
  uri: 'string'
}

uri_folder경우 다음을 사용합니다.

{
  jobInputType: 'uri_folder'
  mode: 'string'
  uri: 'string'
}

MLAssistConfiguration 개체

mlAssist 속성을 설정하여 개체 유형을 지정합니다.

사용 안 함경우 다음을 사용합니다.

{
  mlAssist: 'Disabled'
}

사용경우 다음을 사용합니다.

{
  inferencingComputeBinding: 'string'
  mlAssist: 'Enabled'
  trainingComputeBinding: 'string'
}

웹후크 개체

webhookType 속성을 설정하여 개체 유형을 지정합니다.

azureDevOps경우 다음을 사용합니다.

{
  webhookType: 'AzureDevOps'
}

JobOutput 개체

jobOutputType 속성을 설정하여 개체 유형을 지정합니다.

custom_model경우 다음을 사용합니다.

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

mlflow_model경우 다음을 사용합니다.

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

mltable경우 다음을 사용합니다.

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

triton_model경우 다음을 사용합니다.

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

uri_file경우 다음을 사용합니다.

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

uri_folder경우 다음을 사용합니다.

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

SamplingAlgorithm 개체

샘플링AlgorithmType 속성을 설정하여 개체 유형을 지정합니다.

Bayesian경우 다음을 사용합니다.

{
  samplingAlgorithmType: 'Bayesian'
}

Grid경우 다음을 사용합니다.

{
  samplingAlgorithmType: 'Grid'
}

임의경우 다음을 사용합니다.

{
  logbase: 'string'
  rule: 'string'
  samplingAlgorithmType: 'Random'
  seed: int
}

DistributionConfiguration 개체

distributionType 속성을 설정하여 개체 유형을 지정합니다.

Mpi경우 다음을 사용합니다.

{
  distributionType: 'Mpi'
  processCountPerInstance: int
}

PyTorch경우 다음을 사용합니다.

{
  distributionType: 'PyTorch'
  processCountPerInstance: int
}

Ray경우 다음을 사용합니다.

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

TensorFlow경우 다음을 사용합니다.

{
  distributionType: 'TensorFlow'
  parameterServerCount: int
  workerCount: int
}

노드 개체

nodesValueType 속성을 설정하여 개체 유형을 지정합니다.

모든경우 다음을 사용합니다.

{
  nodesValueType: 'All'
}

IdentityConfiguration 개체

identityType 속성을 설정하여 개체 유형을 지정합니다.

AMLToken경우 다음을 사용합니다.

{
  identityType: 'AMLToken'
}

관리되는경우 다음을 사용합니다.

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

userIdentity경우 다음을 사용합니다.

{
  identityType: 'UserIdentity'
}

NCrossValidations 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode: 'Auto'
}

사용자 지정경우 다음을 사용합니다.

{
  mode: 'Custom'
  value: int
}

MonitoringFeatureFilterBase 개체

filterType 속성을 설정하여 개체 유형을 지정합니다.

AllFeatures경우 다음을 사용합니다.

{
  filterType: 'AllFeatures'
}

FeatureSubset경우 다음을 사용합니다.

{
  features: [
    'string'
  ]
  filterType: 'FeatureSubset'
}

TopNByAttribution경우 다음을 사용합니다.

{
  filterType: 'TopNByAttribution'
  top: int
}

LabelingJobMediaProperties 개체

mediaType 속성을 설정하여 개체 유형을 지정합니다.

이미지경우 다음을 사용합니다.

{
  annotationType: 'string'
  mediaType: 'Image'
}

텍스트경우 다음을 사용합니다.

{
  annotationType: 'string'
  mediaType: 'Text'
}

MonitoringInputDataBase 개체

inputDataType 속성을 설정하여 개체 유형을 지정합니다.

고정경우 다음을 사용합니다.

{
  inputDataType: 'Fixed'
}

정적경우 다음을 사용합니다.

{
  inputDataType: 'Static'
  preprocessingComponentId: 'string'
  windowEnd: 'string'
  windowStart: 'string'
}

후행경우 다음을 사용합니다.

{
  inputDataType: 'Trailing'
  preprocessingComponentId: 'string'
  windowOffset: 'string'
  windowSize: 'string'
}

MonitoringAlertNotificationSettingsBase 개체

alertNotificationType 속성을 설정하여 개체 유형을 지정합니다.

azureMonitor경우 다음을 사용합니다.

{
  alertNotificationType: 'AzureMonitor'
}

전자 메일경우 다음을 사용합니다.

{
  alertNotificationType: 'Email'
  emailNotificationSetting: {
    emailOn: [
      'string'
    ]
    emails: [
      'string'
    ]
    webhooks: {
      {customized property}: {
        eventType: 'string'
        webhookType: 'string'
        // For remaining properties, see Webhook objects
      }
    }
  }
}

EarlyTerminationPolicy 개체

policyType 속성을 설정하여 개체 유형을 지정합니다.

산적경우 다음을 사용합니다.

{
  policyType: 'Bandit'
  slackAmount: int
  slackFactor: int
}

MedianStopping경우 다음을 사용합니다.

{
  policyType: 'MedianStopping'
}

TruncationSelection경우 다음을 사용합니다.

{
  policyType: 'TruncationSelection'
  truncationPercentage: int
}

MonitoringSignalBase 개체

signalType 속성을 설정하여 개체 유형을 지정합니다.

사용자 지정경우 다음을 사용합니다.

{
  componentId: 'string'
  inputAssets: {
    {customized property}: {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  metricThresholds: [
    {
      metric: 'string'
      threshold: {
        value: int
      }
    }
  ]
  signalType: 'Custom'
  workspaceConnection: {
    environmentVariables: {
      {customized property}: 'string'
    }
    secrets: {
      {customized property}: 'string'
    }
  }
}

DataDrift경우 다음을 사용합니다.

{
  dataSegment: {
    feature: 'string'
    values: [
      'string'
    ]
  }
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  features: {
    filterType: 'string'
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds: [
    {
      threshold: {
        value: int
      }
      dataType: 'string'
      // For remaining properties, see DataDriftMetricThresholdBase objects
    }
  ]
  productionData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'DataDrift'
}

DataQuality경우 다음을 사용합니다.

{
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  features: {
    filterType: 'string'
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds: [
    {
      threshold: {
        value: int
      }
      dataType: 'string'
      // For remaining properties, see DataQualityMetricThresholdBase objects
    }
  ]
  productionData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'DataQuality'
}

featureAttributionDrift경우 다음을 사용합니다.

{
  metricThreshold: {
    metric: 'string'
    threshold: {
      value: int
    }
  }
  productionData: [
    {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'FeatureAttributionDrift'
}

GenerationSafetyQuality경우 다음을 사용합니다.

{
  metricThresholds: [
    {
      metric: 'string'
      threshold: {
        value: int
      }
    }
  ]
  productionData: [
    {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  samplingRate: int
  signalType: 'GenerationSafetyQuality'
  workspaceConnectionId: 'string'
}

GenerationTokenStatistics경우 다음을 사용합니다.

{
  metricThresholds: [
    {
      metric: 'string'
      threshold: {
        value: int
      }
    }
  ]
  productionData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  samplingRate: int
  signalType: 'GenerationTokenStatistics'
}

ModelPerformance경우 다음을 사용합니다.

{
  dataSegment: {
    feature: 'string'
    values: [
      'string'
    ]
  }
  metricThreshold: {
    threshold: {
      value: int
    }
    modelType: 'string'
    // For remaining properties, see ModelPerformanceMetricThresholdBase objects
  }
  productionData: [
    {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'ModelPerformance'
}

PredictionDrift경우 다음을 사용합니다.

{
  metricThresholds: [
    {
      threshold: {
        value: int
      }
      dataType: 'string'
      // For remaining properties, see PredictionDriftMetricThresholdBase objects
    }
  ]
  modelType: 'string'
  productionData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'PredictionDrift'
}

TriggerBase 개체

triggerType 속성을 설정하여 개체 유형을 지정합니다.

cron경우 다음을 사용합니다.

{
  expression: 'string'
  triggerType: 'Cron'
}

되풀이경우 다음을 사용합니다.

{
  frequency: 'string'
  interval: int
  schedule: {
    hours: [
      int
    ]
    minutes: [
      int
    ]
    monthDays: [
      int
    ]
    weekDays: [
      'string'
    ]
  }
  triggerType: 'Recurrence'
}

JobBaseProperties 개체

jobType 속성을 설정하여 개체 유형을 지정합니다.

AutoML경우 다음을 사용합니다.

{
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  jobType: 'AutoML'
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
    priority: int
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    locations: [
      'string'
    ]
    maxInstanceCount: int
    properties: {
      {customized property}: any(Azure.Bicep.Types.Concrete.AnyType)
    }
    shmSize: 'string'
  }
  taskDetails: {
    logVerbosity: 'string'
    targetColumnName: 'string'
    trainingData: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    taskType: 'string'
    // For remaining properties, see AutoMLVertical objects
  }
}

명령경우 다음을 사용합니다.

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

레이블 지정경우 다음을 사용합니다.

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

파이프라인경우 다음을 사용합니다.

{
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  jobs: {
    {customized property}: any(Azure.Bicep.Types.Concrete.AnyType)
  }
  jobType: 'Pipeline'
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  settings: any(Azure.Bicep.Types.Concrete.AnyType)
  sourceJobId: 'string'
}

spark경우 다음을 사용합니다.

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

스윕경우 다음을 사용합니다.

{
  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
    }
  }
  jobType: 'Sweep'
  limits: {
    jobLimitsType: 'string'
    maxConcurrentTrials: int
    maxTotalTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  objective: {
    goal: 'string'
    primaryMetric: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
    priority: int
  }
  samplingAlgorithm: {
    samplingAlgorithmType: 'string'
    // For remaining properties, see SamplingAlgorithm objects
  }
  searchSpace: any(Azure.Bicep.Types.Concrete.AnyType)
  trial: {
    codeId: 'string'
    command: 'string'
    distribution: {
      distributionType: 'string'
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId: 'string'
    environmentVariables: {
      {customized property}: 'string'
    }
    resources: {
      dockerArgs: 'string'
      instanceCount: int
      instanceType: 'string'
      locations: [
        'string'
      ]
      maxInstanceCount: int
      properties: {
        {customized property}: any(Azure.Bicep.Types.Concrete.AnyType)
      }
      shmSize: 'string'
    }
  }
}

ForecastHorizon 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode: 'Auto'
}

사용자 지정경우 다음을 사용합니다.

{
  mode: 'Custom'
  value: int
}

속성 값

AllFeatures

이름 묘사 값
filterType [필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다. 'AllFeatures'(필수)

AllNodes

이름 묘사 값
nodesValueType [필수] 노드 값의 형식 'All'(필수)

AmlToken

이름 묘사 값
identityType [필수] ID 프레임워크의 형식을 지정합니다. 'AMLToken'(필수)

AmlTokenComputeIdentity

이름 묘사 값
computeIdentityType [필수] 컴퓨팅 ID 유형 열거형을 모니터링합니다. 'AmlToken'(필수)

AutoDeleteSetting

이름 묘사 값
조건 자산이 만료되었는지 확인하는 경우 'CreatedGreaterThan'
'LastAccessedGreaterThan'
값 만료 조건 값입니다. 문자열

AutoForecastHorizon

이름 묘사 값
모드 [필수] 예측 수평선 값 선택 모드를 설정합니다. 'Auto'(필수)

AutologgerSettings

이름 묘사 값
mlflowAutologger [필수] mlflow 자동 로그기를 사용할 수 있는지 여부를 나타냅니다. '사용 안 함'
'Enabled'(필수)

AutoMLJob

이름 묘사 값
environmentId 작업에 대한 환경 사양의 ARM 리소스 ID입니다.
이 값은 선택적 값이며, 제공되지 않은 경우 AutoML은 작업을 실행할 때 이를 프로덕션 AutoML 큐레이팅된 환경 버전으로 기본값으로 지정합니다.		 문자열
environmentVariables 작업에 포함된 환경 변수입니다. autoMLJobEnvironmentVariables
jobType [필수] 작업 유형을 지정합니다. 'AutoML'(필수)
출력 작업에 사용되는 출력 데이터 바인딩의 매핑입니다. AutoMLJobOutputs
queueSettings 작업에 대한 큐 설정 QueueSettings
리소스 작업에 대한 컴퓨팅 리소스 구성입니다. JobResourceConfiguration
taskDetails [필수] 테이블/NLP/이미지 중 하나일 수 있는 시나리오를 나타냅니다. autoMLVertical (필수)

AutoMLJobEnvironmentVariables

이름 묘사 값

AutoMLJobOutputs

이름 묘사 값

AutoMLVertical

이름 묘사 값
logVerbosity 작업에 대한 자세한 정보를 기록합니다. 'Critical'
'디버그'
'Error'
'정보'
'NotSet'
'경고'
targetColumnName 대상 열 이름: 예측 값 열입니다.
분류 작업의 컨텍스트에서 레이블 열 이름이라고도 합니다.		 문자열
taskType 형식 분류대해 '분류'로 설정합니다. 예측유형에 대해 '예측'으로 설정합니다. ImageClassification형식에 대해 'ImageClassification'으로 설정합니다. ImageClassificationMultilabel형식에 대해 'ImageClassificationMultilabel'로 설정합니다. ImageInstanceSegmentation형식에 대해 'ImageInstanceSegmentation'으로 설정합니다. ImageObjectDetection형식에 대해 'ImageObjectDetection'으로 설정합니다. 회귀형식에 대해 '회귀'로 설정합니다. TextClassification형식에 대해 'TextClassification'으로 설정합니다. TextClassificationMultilabel형식에 대해 'TextClassificationMultilabel'로 설정합니다. TextNer형식에 대해 'TextNER'로 설정합니다. '분류'
'예측'
'ImageClassification'
'ImageClassificationMultilabel'
'ImageInstanceSegmentation'
'ImageObjectDetection'
'회귀'
'TextClassification'
'TextClassificationMultilabel'
'TextNER'(필수)
trainingData [필수] 학습 데이터 입력입니다. MLTableJobInput(필수)

AutoNCrossValidations

이름 묘사 값
모드 [필수] N 교차 유효성 검사를 결정하는 모드입니다. 'Auto'(필수)

AutoSeasonality

이름 묘사 값
모드 [필수] 계절성 모드입니다. 'Auto'(필수)

AutoTargetLags

이름 묘사 값
모드 [필수] 대상 지연 모드 설정 - 자동/사용자 지정 'Auto'(필수)

AutoTargetRollingWindowSize

이름 묘사 값
모드 [필수] TargetRollingWindowSiz 검색 모드입니다. 'Auto'(필수)

AzMonMonitoringAlertNotificationSettings

이름 묘사 값
alertNotificationType [필수] 모니터링할 신호의 유형을 지정합니다. 'AzureMonitor'(필수)

AzureDevOpsWebhook

이름 묘사 값
webhookType [필수] 콜백을 보낼 서비스 유형을 지정합니다. 'AzureDevOps'(필수)

BanditPolicy

이름 묘사 값
policyType [필수] 정책 구성의 이름 'Bandit'(필수)
slackAmount 최상의 실행에서 허용되는 절대 거리입니다. int
slackFactor 가장 성능이 좋은 실행에서 허용된 거리의 비율입니다. int

BayesianSamplingAlgorithm

이름 묘사 값
samplingAlgorithmType [필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘 'Bayesian'(필수)

CategoricalDataDriftMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. '범주'(필수)
메트릭 [필수] 계산할 범주 데이터 드리프트 메트릭입니다. '젠슨샤논디스탄스'
'PearsonsChiSquaredTest'
'PopulationStabilityIndex'(필수)

CategoricalDataQualityMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. '범주'(필수)
메트릭 [필수] 계산할 범주 데이터 품질 메트릭입니다. 'DataTypeErrorRate'
'NullValueRate'
'OutOfBoundsRate'(필수)

CategoricalPredictionDriftMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. '범주'(필수)
메트릭 [필수] 계산할 범주 예측 드리프트 메트릭입니다. '젠슨샤논디스탄스'
'PearsonsChiSquaredTest'
'PopulationStabilityIndex'(필수)

분류

이름 묘사 값
cvSplitColumnNames CVSplit 데이터에 사용할 열입니다. string[]
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. tableVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. TableFixedParameters
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. tableVerticalLimitSettings
nCrossValidations 학습 데이터 세트에 적용할 교차 유효성 검사 접기 수
유효성 검사 데이터 세트가 제공되지 않으면 입니다.		 NCrossValidations
positiveLabel 이진 메트릭 계산에 대한 양의 레이블입니다. 문자열
primaryMetric 작업에 대한 기본 메트릭입니다. '정확도'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. tableParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. tableSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. '분류'(필수)
testData 데이터 입력을 테스트합니다. MLTableJobInput
testDataSize 유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
trainingSettings AutoML 작업의 학습 단계에 대한 입력입니다. ClassificationTrainingSettings
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
weightColumnName 샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다. 문자열

ClassificationModelPerformanceMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 분류 모델 성능입니다. '정확도'
'Precision'
'Recall'(필수)
modelType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. '분류'(필수)

ClassificationTrainingSettings

이름 묘사 값
allowedTrainingAlgorithms 분류 작업에 허용되는 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'베르누울리나이브베이즈'
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'멀티노미알나이브베이즈'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
blockedTrainingAlgorithms 분류 태스크에 대한 차단된 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'베르누울리나이브베이즈'
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'멀티노미알나이브베이즈'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
enableDnnTraining DNN 모델의 권장 사항을 사용하도록 설정합니다. bool
enableModelExplainability 최상의 모델에서 설명 기능을 켜는 플래그입니다. bool
enableOnnxCompatibleModels onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다. bool
enableStackEnsemble 스택 앙상블 실행을 사용하도록 설정합니다. bool
enableVoteEnsemble 투표 앙상블 실행을 사용하도록 설정합니다. bool
ensembleModelDownloadTimeout VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다.
더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.		 문자열
stackEnsembleSettings 스택 앙상블 실행에 대한 스택 앙상블 설정입니다. StackEnsembleSettings
trainingMode TrainingMode 모드 - 'auto'로 설정하는 것은 현재 '비균등'으로 설정하는 것과 같지만 나중에 혼합 모드 또는 추론 기반 모드 선택이 발생할 수 있습니다. 기본값은 'auto'입니다.
'Distributed'인 경우 분산 기능화만 사용되고 분산 알고리즘이 선택됩니다.
'NonDistributed'이면 분산되지 않은 알고리즘만 선택됩니다.		 'Auto'
'Distributed'
'NonDistributed'

ColumnTransformer

이름 묘사 값
필드 변환기 논리를 적용할 필드입니다. string[]
매개 변수 변환기에 전달할 다른 속성입니다.
필요한 입력은 키 사전, JSON 형식의 값 쌍입니다.		 어떤

CommandJob

이름 묘사 값
autologgerSettings 작업의 배포 구성입니다. 설정된 경우 Mpi, Tensorflow, PyTorch 또는 null 중 하나여야 합니다. AutologgerSettings
codeId 코드 자산의 ARM 리소스 ID입니다. 문자열
명령 [필수] 작업을 시작할 때 실행할 명령입니다. 예. "python train.py" 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
분포 작업의 배포 구성입니다. 설정된 경우 Mpi, Tensorflow, PyTorch, Ray 또는 null 중 하나여야 합니다. DistributionConfiguration
environmentId [필수] 작업에 대한 환경 사양의 ARM 리소스 ID입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
environmentVariables 작업에 포함된 환경 변수입니다. CommandJobEnvironmentVariables
입력 작업에 사용되는 입력 데이터 바인딩의 매핑입니다. commandJobInputs
jobType [필수] 작업 유형을 지정합니다. 'Command'(필수)
제한 명령 작업 제한입니다. CommandJobLimits
출력 작업에 사용되는 출력 데이터 바인딩의 매핑입니다. CommandJobOutputs
queueSettings 작업에 대한 큐 설정 QueueSettings
리소스 작업에 대한 컴퓨팅 리소스 구성입니다. JobResourceConfiguration

CommandJobEnvironmentVariables

이름 묘사 값

CommandJobInputs

이름 묘사 값

CommandJobLimits

이름 묘사 값
jobLimitsType [필수] JobLimit 형식입니다. 'Command'
'Sweep'(필수)
타임 아웃 ISO 8601 형식의 최대 실행 기간이며, 그 후에 작업이 취소됩니다. 전체 자릿수가 초인 기간만 지원합니다. 문자열

CommandJobOutputs

이름 묘사 값

CreateMonitorAction

이름 묘사 값
actionType [필수] 일정의 작업 유형을 지정합니다. 'CreateMonitor'(필수)
monitorDefinition [필수] 모니터를 정의합니다. MonitorDefinition(필수)

CronTrigger

이름 묘사 값
식 [필수] 일정의 cron 식을 지정합니다.
식은 NCronTab 형식을 따라야 합니다.		 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
triggerType [필수] 'Cron'(필수)

CustomForecastHorizon

이름 묘사 값
모드 [필수] 예측 수평선 값 선택 모드를 설정합니다. 'Custom'(필수)
값 [필수] 예측 수평선 값입니다. int(필수)

CustomMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 사용자 정의 메트릭입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

CustomModelJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'custom_model'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

CustomModelJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'custom_model'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

CustomMonitoringSignal

이름 묘사 값
componentId [필수] 사용자 지정 메트릭을 계산하는 데 사용되는 구성 요소 리소스의 ARM 리소스 ID입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
inputAssets 입력으로 사용할 자산 모니터링 키는 구성 요소 입력 포트 이름이며, 값은 데이터 자산입니다. CustomMonitoringSignalInputAssets
입력 입력으로 사용할 추가 구성 요소 매개 변수입니다. 키는 구성 요소 리터럴 입력 포트 이름이며 값은 매개 변수 값입니다. CustomMonitoringSignalInputs
metricThresholds [필수] 계산할 메트릭 및 관련 임계값 목록입니다. CustomMetricThreshold[] (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'Custom'(필수)
workspaceConnection [필수] 계산할 메트릭 및 관련 임계값 목록입니다. monitoringWorkspaceConnection (필수)

CustomMonitoringSignalInputAssets

이름 묘사 값

CustomMonitoringSignalInputs

이름 묘사 값

CustomNCrossValidations

이름 묘사 값
모드 [필수] N 교차 유효성 검사를 결정하는 모드입니다. 'Custom'(필수)
값 [필수] N 교차 유효성 검사 값입니다. int(필수)

CustomSeasonality

이름 묘사 값
모드 [필수] 계절성 모드입니다. 'Custom'(필수)
값 [필수] 계절성 값입니다. int(필수)

CustomTargetLags

이름 묘사 값
모드 [필수] 대상 지연 모드 설정 - 자동/사용자 지정 'Custom'(필수)
값 [필수] 대상 지연 값을 설정합니다. int[] (필수)

CustomTargetRollingWindowSize

이름 묘사 값
모드 [필수] TargetRollingWindowSiz 검색 모드입니다. 'Custom'(필수)
값 [필수] TargetRollingWindowSize 값입니다. int(필수)

DatabaseSource

이름 묘사 값
쿼리 데이터 가져오기 데이터베이스 원본에 대한 SQL Query 문 문자열
sourceType [필수] 데이터 형식을 지정합니다. 'database'(필수)
storedProcedure 데이터 가져오기 데이터베이스 원본의 SQL StoredProcedure 문자열
storedProcedureParams SQL StoredProcedure 매개 변수 DatabaseSourceStoredProcedureParamsItem[]
tableName 데이터 가져오기 데이터베이스 원본의 테이블 이름 문자열

DatabaseSourceStoredProcedureParamsItem

이름 묘사 값

DataDriftMetricThresholdBase

이름 묘사 값
dataType 범주DataDriftMetricThreshold형식에 대해 '범주'로 설정합니다. NumericalDataDriftMetricThreshold형식에 대해 'Numerical'로 설정합니다. '범주'
'Numerical'(필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

DataDriftMonitoringSignal

이름 묘사 값
dataSegment 데이터 모집단의 하위 집합에 대한 범위 지정에 사용되는 데이터 세그먼트입니다. monitoringDataSegment
featureDataTypeOverride 기능 이름을 해당 데이터 형식에 매핑하는 사전입니다. DataDriftMonitoringSignalFeatureDataTypeOverride
기능 드리프트를 계산할 기능을 식별하는 기능 필터입니다. MonitoringFeatureFilterBase
metricThresholds [필수] 계산할 메트릭 및 관련 임계값 목록입니다. DataDriftMetricThresholdBase[] (필수)
productionData [필수] 드리프트가 계산될 데이터입니다. monitoringInputDataBase (필수)
referenceData [필수] 드리프트를 계산할 데이터입니다. monitoringInputDataBase (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'DataDrift'(필수)

DataDriftMonitoringSignalFeatureDataTypeOverride

이름 묘사 값

DataImport

이름 묘사 값
assetName 만들 데이터 가져오기 작업의 자산 이름 문자열
autoDeleteSetting 관리되는 데이터 자산의 수명 주기 설정을 지정합니다. autoDeleteSetting
dataType [필수] 데이터 형식을 지정합니다. 'mltable'
'uri_file'
'uri_folder'(필수)
dataUri [필수] 데이터의 URI입니다. 예: https://go.microsoft.com/fwlink/?linkid=2202330 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
묘사 자산 설명 텍스트입니다. 문자열
intellectualProperty 지적 재산권 세부 정보입니다. 데이터가 지적 재산권인 경우 사용됩니다. IntellectualProperty
isAnonymous 이름 버전이 시스템 생성(익명 등록)인 경우 스테이지가 정의된 형식의 경우 스테이지가 제공되면 IsAnonymous를 채우는 데 사용됩니다. bool
isArchived 자산이 보관되어 있나요? 스테이지가 정의된 형식의 경우 스테이지가 제공되면 IsArchived를 채우는 데 사용됩니다. bool
속성 자산 속성 사전입니다. ResourceBaseProperties
근원 가져올 자산의 원본 데이터 DataImportSource
무대 이 데이터 자산에 할당된 데이터 수명 주기의 단계 문자열
태그 태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다. resourceBaseTags

DataImportSource

이름 묘사 값
연결 데이터 가져오기 원본 스토리지에 대한 작업 영역 연결 문자열
sourceType DatabaseSource형식에 대해 'database'로 설정합니다. FileSystemSource형식에 대해 'file_system'로 설정합니다. 'database'
'file_system'(필수)

DataQualityMetricThresholdBase

이름 묘사 값
dataType CategoricalDataQualityMetricThreshold형식에 대해 '범주'로 설정합니다. numericalDataQualityMetricThreshold형식에 대해 'Numerical'으로 설정합니다. '범주'
'Numerical'(필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

DataQualityMonitoringSignal

이름 묘사 값
featureDataTypeOverride 기능 이름을 해당 데이터 형식에 매핑하는 사전입니다. DataQualityMonitoringSignalFeatureDataTypeOverride
기능 드리프트를 계산하는 기능입니다. MonitoringFeatureFilterBase
metricThresholds [필수] 계산할 메트릭 및 관련 임계값 목록입니다. DataQualityMetricThresholdBase[] (필수)
productionData [필수] 드리프트가 계산될 프로덕션 서비스에서 생성된 데이터입니다. monitoringInputDataBase (필수)
referenceData [필수] 드리프트를 계산할 데이터입니다. monitoringInputDataBase (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'DataQuality'(필수)

DataQualityMonitoringSignalFeatureDataTypeOverride

이름 묘사 값

DistributionConfiguration

이름 묘사 값
distributionType 형식 Mpi대해 'Mpi'로 설정합니다. PyTorch형식에 대해 'PyTorch'로 설정합니다. Ray유형에 대해 'Ray'로 설정합니다. TensorFlow형식에 대해 'TensorFlow'로 . 'Mpi'
'PyTorch'
'Ray'
'TensorFlow'(필수)

EarlyTerminationPolicy

이름 묘사 값
delayEvaluation 첫 번째 평가를 지연할 간격 수입니다. int
evaluationInterval 정책 평가 사이의 간격(실행 수)입니다. int
policyType BanditPolicy형식에 대해 '산적'으로 설정합니다. MedianStoppingPolicy형식에 대해 'MedianStopping'으로 설정합니다. TruncationSelectionPolicy형식에 대해 'TruncationSelection'으로 설정합니다. '산적'
'MedianStopping'
'TruncationSelection'(필수)

EmailMonitoringAlertNotificationSettings

이름 묘사 값
alertNotificationType [필수] 모니터링할 신호의 유형을 지정합니다. 'Email'(필수)
emailNotificationSetting 알림에 대한 구성입니다. notificationSetting

EndpointScheduleAction

이름 묘사 값
actionType [필수] 일정의 작업 유형을 지정합니다. 'InvokeBatchEndpoint'(필수)
endpointInvocationDefinition [필수] 일정 작업 정의 세부 정보를 정의합니다.
href="TBD" /< 참조 >		 any(필수)

FeatureAttributionDriftMonitoringSignal

이름 묘사 값
metricThreshold [필수] 계산할 메트릭 및 관련 임계값 목록입니다. FeatureAttributionMetricThreshold(필수)
productionData [필수] 드리프트가 계산될 데이터입니다. MonitoringInputDataBase[] (필수)
referenceData [필수] 드리프트를 계산할 데이터입니다. monitoringInputDataBase (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'FeatureAttributionDrift'(필수)

FeatureAttributionMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 기능 특성 메트릭입니다. 'NormalizedDiscountedCumulativeGain'(필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

FeatureSubset

이름 묘사 값
기능 [필수] 포함할 기능 목록입니다. string[] (필수)
filterType [필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다. 'FeatureSubset'(필수)

FileSystemSource

이름 묘사 값
길 데이터 가져오기 FileSystem 원본의 경로 문자열
sourceType [필수] 데이터 형식을 지정합니다. 'file_system'(필수)

FixedInputData

이름 묘사 값
inputDataType [필수] 모니터링할 신호의 유형을 지정합니다. 'Fixed'(필수)

ForecastHorizon

이름 묘사 값
모드 AutoForecastHorizon형식에 대해 'Auto'로 설정합니다. CustomForecastHorizon형식에 대해 '사용자 지정'으로 설정합니다. 'Auto'
'Custom'(필수)

예측

이름 묘사 값
cvSplitColumnNames CVSplit 데이터에 사용할 열입니다. string[]
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. tableVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. TableFixedParameters
forecastingSettings 예측 작업별 입력. ForecastingSettings
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. tableVerticalLimitSettings
nCrossValidations 학습 데이터 세트에 적용할 교차 유효성 검사 접기 수
유효성 검사 데이터 세트가 제공되지 않으면 입니다.		 NCrossValidations
primaryMetric 예측 작업에 대한 기본 메트릭입니다. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'스피어만코렐레이션'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. tableParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. tableSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. '예측'(필수)
testData 데이터 입력을 테스트합니다. MLTableJobInput
testDataSize 유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
trainingSettings AutoML 작업의 학습 단계에 대한 입력입니다. ForecastingTrainingSettings
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
weightColumnName 샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다. 문자열

ForecastingSettings

이름 묘사 값
countryOrRegionForHolidays 예측 작업에 대한 휴일의 국가 또는 지역입니다.
ISO 3166 두 글자 국가/지역 코드(예: 'US' 또는 'GB')여야 합니다.		 문자열
cvStepSize 한 CV 접기의 원본 시간과 다음 접기 사이의 기간 수입니다. 때문에
예를 들어 일일 데이터의 경우 CVStepSize = 3이면 각 접기 원본 시간이 됩니다.
3일 간격.		 int
featureLags 'auto' 또는 null을 사용하여 숫자 기능에 대한 지연을 생성하는 플래그입니다. 'Auto'
'None'
featuresUnknownAtForecastTime 학습에 사용할 수 있지만 예측/유추 시 알 수 없는 기능 열입니다.
features_unknown_at_forecast_time 설정되지 않은 경우 데이터 세트의 모든 기능 열이 유추 시간에 알려진 것으로 간주됩니다.		 string[]
forecastHorizon 시계열 빈도 단위로 원하는 최대 예측 수평선입니다. ForecastHorizon
빈도 예측 시 이 매개 변수는 예측이 필요한 기간(예: 매일, 매주, 매년 등)을 나타냅니다. 예측 빈도는 기본적으로 데이터 세트 빈도입니다. 문자열
계절 시계열 계절성을 계열 빈도의 정수 배수로 설정합니다.
계절성이 'auto'로 설정되면 유추됩니다.		 계절성
shortSeriesHandlingConfig AutoML에서 짧은 시계열을 처리하는 방법을 정의하는 매개 변수입니다. 'Auto'
'Drop'
'None'
'Pad'
targetAggregateFunction 사용자가 지정한 빈도를 준수하도록 시계열 대상 열을 집계하는 데 사용할 함수입니다.
TargetAggregateFunction이 설정된 경우(예: 'None'이 아니라 freq 매개 변수가 설정되지 않은 경우) 오류가 발생합니다. 가능한 대상 집계 함수는 "sum", "max", "min" 및 "mean"입니다.		 'Max'
'Mean'
'Min'
'None'
'Sum'
targetLags 대상 열에서 지연할 지난 기간의 수입니다. TargetLags
targetRollingWindowSize 대상 열의 롤링 창 평균을 만드는 데 사용된 이전 기간의 수입니다. TargetRollingWindowSize
timeColumnName 시간 열의 이름입니다. 이 매개 변수는 시계열을 빌드하고 해당 빈도를 유추하는 데 사용되는 입력 데이터의 날짜/시간 열을 지정하도록 예측할 때 필요합니다. 문자열
timeSeriesIdColumnNames 타임스레터를 그룹화하는 데 사용되는 열의 이름입니다. 여러 계열을 만드는 데 사용할 수 있습니다.
그레인이 정의되지 않은 경우 데이터 집합은 하나의 시계열로 간주됩니다. 이 매개 변수는 작업 유형 예측에 사용됩니다.		 string[]
useStl 시계열 대상 열의 STL 분해를 구성합니다. 'None'
'시즌'
'SeasonTrend'

ForecastingTrainingSettings

이름 묘사 값
allowedTrainingAlgorithms 예측 작업에 허용되는 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'아리맥스'
'AutoArima'
'Average'
'DecisionTree'
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naive'
'예언자'
'RandomForest'
'SeasonalAverage'
'SeasonalNaive'
'SGD'
'TCNForecaster'
'XGBoostRegressor'
blockedTrainingAlgorithms 예측 작업에 대한 차단된 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'아리맥스'
'AutoArima'
'Average'
'DecisionTree'
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naive'
'예언자'
'RandomForest'
'SeasonalAverage'
'SeasonalNaive'
'SGD'
'TCNForecaster'
'XGBoostRegressor'
enableDnnTraining DNN 모델의 권장 사항을 사용하도록 설정합니다. bool
enableModelExplainability 최상의 모델에서 설명 기능을 켜는 플래그입니다. bool
enableOnnxCompatibleModels onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다. bool
enableStackEnsemble 스택 앙상블 실행을 사용하도록 설정합니다. bool
enableVoteEnsemble 투표 앙상블 실행을 사용하도록 설정합니다. bool
ensembleModelDownloadTimeout VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다.
더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.		 문자열
stackEnsembleSettings 스택 앙상블 실행에 대한 스택 앙상블 설정입니다. StackEnsembleSettings
trainingMode TrainingMode 모드 - 'auto'로 설정하는 것은 현재 '비균등'으로 설정하는 것과 같지만 나중에 혼합 모드 또는 추론 기반 모드 선택이 발생할 수 있습니다. 기본값은 'auto'입니다.
'Distributed'인 경우 분산 기능화만 사용되고 분산 알고리즘이 선택됩니다.
'NonDistributed'이면 분산되지 않은 알고리즘만 선택됩니다.		 'Auto'
'Distributed'
'NonDistributed'

GenerationSafetyQualityMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 기능 특성 메트릭을 가져오거나 설정합니다. 'AcceptableCoherenceScorePerInstance'
'AcceptableFluencyScorePerInstance'
'AcceptableGroundednessScorePerInstance'
'AcceptableRelevanceScorePerInstance'
'AcceptableSimilarityScorePerInstance'
'AggregatedCoherencePassRate'
'AggregatedFluencyPassRate'
'AggregatedGroundednessPassRate'
'AggregatedRelevancePassRate'
'AggregatedSimilarityPassRate'(필수)
문지방 임계값을 가져오거나 설정합니다.
null이면 선택한 메트릭에 따라 기본값이 설정됩니다.		 MonitoringThreshold

GenerationSafetyQualityMonitoringSignal

이름 묘사 값
metricThresholds [필수] 계산할 메트릭과 해당 임계값을 가져오거나 설정합니다. GenerationSafetyQualityMetricThreshold[] (필수)
productionData 컴퓨팅 메트릭에 대한 대상 데이터를 가져오거나 설정합니다. MonitoringInputDataBase[]
samplingRate [필수] 대상 데이터의 샘플 속도는 0보다 크고 최대 1이어야 합니다. int(필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'GenerationSafetyQuality'(필수)
workspaceConnectionId 콘텐츠 생성 엔드포인트에 연결하는 데 사용되는 작업 영역 연결 ID를 가져오거나 설정합니다. 문자열

GenerationTokenStatisticsMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 기능 특성 메트릭을 가져오거나 설정합니다. 'TotalTokenCount'
'TotalTokenCountPerGroup'(필수)
문지방 임계값을 가져오거나 설정합니다.
null이면 선택한 메트릭에 따라 기본값이 설정됩니다.		 MonitoringThreshold

GenerationTokenStatisticsSignal

이름 묘사 값
metricThresholds [필수] 계산할 메트릭과 해당 임계값을 가져오거나 설정합니다. GenerationTokenStatisticsMetricThreshold[] (필수)
productionData 컴퓨팅 메트릭에 대한 대상 데이터를 가져오거나 설정합니다. monitoringInputDataBase
samplingRate [필수] 대상 데이터의 샘플 속도는 0보다 크고 최대 1이어야 합니다. int(필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'GenerationTokenStatistics'(필수)

GridSamplingAlgorithm

이름 묘사 값
samplingAlgorithmType [필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘 'Grid'(필수)

IdentityConfiguration

이름 묘사 값
identityType 형식 AmlToken대해 'AMLToken'으로 설정합니다. ManagedIdentity형식 'Managed'로 설정합니다. UserIdentity형식에 대해 'UserIdentity'로 설정합니다. 'AMLToken'
'관리'
'UserIdentity'(필수)

ImageClassification

이름 묘사 값
limitSettings [필수] AutoML 작업에 대한 설정을 제한합니다. ImageLimitSettings (필수)
modelSettings 모델 학습에 사용되는 설정입니다. ImageModelSettingsClassification
primaryMetric 이 작업에 최적화할 기본 메트릭입니다. '정확도'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. ImageModelDistributionSettingsClassification[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다. imageSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'ImageClassification'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int

ImageClassificationMultilabel

이름 묘사 값
limitSettings [필수] AutoML 작업에 대한 설정을 제한합니다. ImageLimitSettings (필수)
modelSettings 모델 학습에 사용되는 설정입니다. ImageModelSettingsClassification
primaryMetric 이 작업에 최적화할 기본 메트릭입니다. '정확도'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'IOU'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. ImageModelDistributionSettingsClassification[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다. imageSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'ImageClassificationMultilabel'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int

ImageInstanceSegmentation

이름 묘사 값
limitSettings [필수] AutoML 작업에 대한 설정을 제한합니다. ImageLimitSettings (필수)
modelSettings 모델 학습에 사용되는 설정입니다. ImageModelSettingsObjectDetection
primaryMetric 이 작업에 최적화할 기본 메트릭입니다. 'MeanAveragePrecision'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. imageModelDistributionSettingsObjectDetection[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다. imageSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'ImageInstanceSegmentation'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int

ImageLimitSettings

이름 묘사 값
maxConcurrentTrials 동시 AutoML 반복의 최대 수입니다. int
maxTrials AutoML 반복의 최대 수입니다. int
타임 아웃 AutoML 작업 시간 제한입니다. 문자열

ImageModelDistributionSettingsClassification

이름 묘사 값
amsGradient 최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다. 문자열
확대 확대를 사용하기 위한 설정입니다. 문자열
beta1 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
beta2 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
분산 배포자 학습을 사용할지 여부입니다. 문자열
earlyStopping 학습 중에 조기 중지 논리를 사용하도록 설정합니다. 문자열
earlyStoppingDelay 기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가
는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.		 문자열
earlyStoppingPatience 이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수
실행이 중지되었습니다. 양의 정수여야 합니다.		 문자열
enableOnnxNormalization ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다. 문자열
evaluationFrequency 메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다. 문자열
gradientAccumulationStep 그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다.
해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음
가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.		 문자열
layersToFreeze 모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다.
예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은
freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요.
참조: /azure/machine-learning/how-to-auto-train-image-models.		 문자열
learningRate 초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
learningRateScheduler 학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다. 문자열
modelName 학습에 사용할 모델의 이름입니다.
사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요.
/azure/machine-learning/how-to-auto-train-image-models.		 문자열
운동량 최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
nesterov 최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다. 문자열
numberOfEpochs 학습 epoch의 수입니다. 양의 정수여야 합니다. 문자열
numberOfWorkers 데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다. 문자열
최적화 최적화 프로그램의 유형입니다. 'sgd', 'adam' 또는 'adamw'여야 합니다. 문자열
randomSeed 결정적 학습을 사용할 때 사용할 임의 시드입니다. 문자열
stepLRGamma 학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
stepLRStepSize 학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다. 문자열
trainingBatchSize 학습 일괄 처리 크기입니다. 양의 정수여야 합니다. 문자열
trainingCropSize 학습 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다. 문자열
validationBatchSize 유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다. 문자열
validationCropSize 유효성 검사 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다. 문자열
validationResizeSize 유효성 검사 데이터 세트를 자르기 전에 크기를 조정할 이미지 크기입니다. 양의 정수여야 합니다. 문자열
warmupCosineLRCycles 학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
warmupCosineLRWarmupEpochs 학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다. 문자열
weightDecay 최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다. 문자열
weightedLoss 가중 손실. 허용되는 값은 가중치 손실 없이 0입니다.
sqrt를 사용한 가중치 손실의 경우 1. (class_weights). class_weights 가중치 손실에 대한 2. 0 또는 1 또는 2여야 합니다.		 문자열

ImageModelDistributionSettingsObjectDetection

이름 묘사 값
amsGradient 최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다. 문자열
확대 확대를 사용하기 위한 설정입니다. 문자열
beta1 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
beta2 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
boxDetectionsPerImage 모든 클래스에 대한 이미지당 최대 검색 수입니다. 양의 정수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
boxScoreThreshold 유추하는 동안 분류 점수가 다음보다 큰 제안만 반환합니다.
BoxScoreThreshold. 범위[0, 1]의 부동 소수 자릿수여야 합니다.		 문자열
분산 배포자 학습을 사용할지 여부입니다. 문자열
earlyStopping 학습 중에 조기 중지 논리를 사용하도록 설정합니다. 문자열
earlyStoppingDelay 기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가
는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.		 문자열
earlyStoppingPatience 이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수
실행이 중지되었습니다. 양의 정수여야 합니다.		 문자열
enableOnnxNormalization ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다. 문자열
evaluationFrequency 메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다. 문자열
gradientAccumulationStep 그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다.
해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음
가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.		 문자열
imageSize 학습 및 유효성 검사를 위한 이미지 크기입니다. 양의 정수여야 합니다.
참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 문자열
layersToFreeze 모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다.
예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은
freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요.
참조: /azure/machine-learning/how-to-auto-train-image-models.		 문자열
learningRate 초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
learningRateScheduler 학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다. 문자열
maxSize 백본에 공급하기 전에 크기가 조정될 이미지의 최대 크기입니다.
양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
minSize 백본에 공급하기 전에 크기가 조정될 이미지의 최소 크기입니다.
양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
modelName 학습에 사용할 모델의 이름입니다.
사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요.
/azure/machine-learning/how-to-auto-train-image-models.		 문자열
modelSize 모델 크기입니다. 'small', 'medium', 'large' 또는 'xlarge'여야 합니다.
참고: 모델 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 문자열
운동량 최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
multiScale 이미지 크기를 +/- 50%변경하여 다중 크기 이미지를 사용하도록 설정합니다.
참고: 충분한 GPU 메모리가 없는 경우 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 문자열
nesterov 최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다. 문자열
nmsIouThreshold NMS 사후 처리에서 유추하는 동안 사용되는 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다. 문자열
numberOfEpochs 학습 epoch의 수입니다. 양의 정수여야 합니다. 문자열
numberOfWorkers 데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다. 문자열
최적화 최적화 프로그램의 유형입니다. 'sgd', 'adam' 또는 'adamw'여야 합니다. 문자열
randomSeed 결정적 학습을 사용할 때 사용할 임의 시드입니다. 문자열
stepLRGamma 학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
stepLRStepSize 학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다. 문자열
tileGridSize 각 이미지를 타일링하는 데 사용할 그리드 크기입니다. 참고: TileGridSize는
작은 개체 검색 논리를 사용하도록 설정할 수 없습니다. mxn 형식의 두 정수가 포함된 문자열입니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
tileOverlapRatio 각 차원의 인접 타일 간의 겹침 비율입니다. 범위 [0, 1)에 부동 소수 자릿수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
tilePredictionsNmsThreshold 타일 및 이미지에서 예측을 병합하는 동안 NMS를 수행하는 데 사용할 IOU 임계값입니다.
유효성 검사/유추에 사용됩니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.
NMS: 최대값이 아닌 표시 안 함		 문자열
trainingBatchSize 학습 일괄 처리 크기입니다. 양의 정수여야 합니다. 문자열
validationBatchSize 유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다. 문자열
validationIouThreshold 유효성 검사 메트릭을 계산할 때 사용할 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다. 문자열
validationMetricType 유효성 검사 메트릭에 사용할 메트릭 계산 방법입니다. 'none', 'coco', 'voc' 또는 'coco_voc'이어야 합니다. 문자열
warmupCosineLRCycles 학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
warmupCosineLRWarmupEpochs 학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다. 문자열
weightDecay 최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다. 문자열

ImageModelSettingsClassification

이름 묘사 값
advancedSettings 고급 시나리오에 대한 설정입니다. 문자열
amsGradient 최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다. bool
확대 확대를 사용하기 위한 설정입니다. 문자열
beta1 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
beta2 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
checkpointFrequency 모델 검사점을 저장하는 빈도입니다. 양의 정수여야 합니다. int
checkpointModel 증분 학습을 위한 미리 학습된 검사점 모델입니다. MLFlowModelJobInput
checkpointRunId 증분 학습에 대한 미리 학습된 검사점이 있는 이전 실행의 ID입니다. 문자열
분산 분산 학습을 사용할지 여부입니다. bool
earlyStopping 학습 중에 조기 중지 논리를 사용하도록 설정합니다. bool
earlyStoppingDelay 기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가
는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.		 int
earlyStoppingPatience 이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수
실행이 중지되었습니다. 양의 정수여야 합니다.		 int
enableOnnxNormalization ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다. bool
evaluationFrequency 메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다. int
gradientAccumulationStep 그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다.
해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음
가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.		 int
layersToFreeze 모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다.
예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은
freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요.
참조: /azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate 초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
learningRateScheduler 학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다. 'None'
'Step'
'WarmupCosine'
modelName 학습에 사용할 모델의 이름입니다.
사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요.
/azure/machine-learning/how-to-auto-train-image-models.		 문자열
운동량 최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
nesterov 최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다. bool
numberOfEpochs 학습 epoch의 수입니다. 양의 정수여야 합니다. int
numberOfWorkers 데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다. int
최적화 최적화 프로그램의 유형입니다. '아담'
'Adamw'
'None'
'Sgd'
randomSeed 결정적 학습을 사용할 때 사용할 임의 시드입니다. int
stepLRGamma 학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
stepLRStepSize 학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다. int
trainingBatchSize 학습 일괄 처리 크기입니다. 양의 정수여야 합니다. int
trainingCropSize 학습 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다. int
validationBatchSize 유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다. int
validationCropSize 유효성 검사 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다. int
validationResizeSize 유효성 검사 데이터 세트를 자르기 전에 크기를 조정할 이미지 크기입니다. 양의 정수여야 합니다. int
warmupCosineLRCycles 학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
warmupCosineLRWarmupEpochs 학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다. int
weightDecay 최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다. int
weightedLoss 가중 손실. 허용되는 값은 가중치 손실 없이 0입니다.
sqrt를 사용한 가중치 손실의 경우 1. (class_weights). class_weights 가중치 손실에 대한 2. 0 또는 1 또는 2여야 합니다.		 int

ImageModelSettingsObjectDetection

이름 묘사 값
advancedSettings 고급 시나리오에 대한 설정입니다. 문자열
amsGradient 최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다. bool
확대 확대를 사용하기 위한 설정입니다. 문자열
beta1 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
beta2 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
boxDetectionsPerImage 모든 클래스에 대한 이미지당 최대 검색 수입니다. 양의 정수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 int
boxScoreThreshold 유추하는 동안 분류 점수가 다음보다 큰 제안만 반환합니다.
BoxScoreThreshold. 범위[0, 1]의 부동 소수 자릿수여야 합니다.		 int
checkpointFrequency 모델 검사점을 저장하는 빈도입니다. 양의 정수여야 합니다. int
checkpointModel 증분 학습을 위한 미리 학습된 검사점 모델입니다. MLFlowModelJobInput
checkpointRunId 증분 학습에 대한 미리 학습된 검사점이 있는 이전 실행의 ID입니다. 문자열
분산 분산 학습을 사용할지 여부입니다. bool
earlyStopping 학습 중에 조기 중지 논리를 사용하도록 설정합니다. bool
earlyStoppingDelay 기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가
는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.		 int
earlyStoppingPatience 이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수
실행이 중지되었습니다. 양의 정수여야 합니다.		 int
enableOnnxNormalization ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다. bool
evaluationFrequency 메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다. int
gradientAccumulationStep 그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다.
해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음
가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.		 int
imageSize 학습 및 유효성 검사를 위한 이미지 크기입니다. 양의 정수여야 합니다.
참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 int
layersToFreeze 모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다.
예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은
freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요.
참조: /azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate 초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
learningRateScheduler 학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다. 'None'
'Step'
'WarmupCosine'
logTrainingMetrics 컴퓨팅 및 로깅 학습 메트릭을 사용하도록 설정합니다. 'Disable'
'사용'
logValidationLoss 컴퓨팅 및 로깅 유효성 검사 손실을 사용하도록 설정합니다. 'Disable'
'사용'
maxSize 백본에 공급하기 전에 크기가 조정될 이미지의 최대 크기입니다.
양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 int
minSize 백본에 공급하기 전에 크기가 조정될 이미지의 최소 크기입니다.
양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 int
modelName 학습에 사용할 모델의 이름입니다.
사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요.
/azure/machine-learning/how-to-auto-train-image-models.		 문자열
modelSize 모델 크기입니다. 'small', 'medium', 'large' 또는 'xlarge'여야 합니다.
참고: 모델 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 'ExtraLarge'
'Large'
'Medium'
'None'
'Small'
운동량 최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
multiScale 이미지 크기를 +/- 50%변경하여 다중 크기 이미지를 사용하도록 설정합니다.
참고: 충분한 GPU 메모리가 없는 경우 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 bool
nesterov 최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다. bool
nmsIouThreshold NMS 사후 처리에서 유추하는 동안 사용되는 IOU 임계값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
numberOfEpochs 학습 epoch의 수입니다. 양의 정수여야 합니다. int
numberOfWorkers 데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다. int
최적화 최적화 프로그램의 유형입니다. '아담'
'Adamw'
'None'
'Sgd'
randomSeed 결정적 학습을 사용할 때 사용할 임의 시드입니다. int
stepLRGamma 학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
stepLRStepSize 학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다. int
tileGridSize 각 이미지를 타일링하는 데 사용할 그리드 크기입니다. 참고: TileGridSize는
작은 개체 검색 논리를 사용하도록 설정할 수 없습니다. mxn 형식의 두 정수가 포함된 문자열입니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
tileOverlapRatio 각 차원의 인접 타일 간의 겹침 비율입니다. 범위 [0, 1)에 부동 소수 자릿수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 int
tilePredictionsNmsThreshold 타일 및 이미지에서 예측을 병합하는 동안 NMS를 수행하는 데 사용할 IOU 임계값입니다.
유효성 검사/유추에 사용됩니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 int
trainingBatchSize 학습 일괄 처리 크기입니다. 양의 정수여야 합니다. int
validationBatchSize 유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다. int
validationIouThreshold 유효성 검사 메트릭을 계산할 때 사용할 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다. int
validationMetricType 유효성 검사 메트릭에 사용할 메트릭 계산 방법입니다. '코코'
'CocoVoc'
'None'
'Voc'
warmupCosineLRCycles 학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
warmupCosineLRWarmupEpochs 학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다. int
weightDecay 최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다. int

ImageObjectDetection

이름 묘사 값
limitSettings [필수] AutoML 작업에 대한 설정을 제한합니다. ImageLimitSettings (필수)
modelSettings 모델 학습에 사용되는 설정입니다. ImageModelSettingsObjectDetection
primaryMetric 이 작업에 최적화할 기본 메트릭입니다. 'MeanAveragePrecision'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. imageModelDistributionSettingsObjectDetection[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다. imageSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'ImageObjectDetection'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int

ImageSweepSettings

이름 묘사 값
earlyTermination 조기 종료 정책의 유형입니다. earlyTerminationPolicy
samplingAlgorithm [필수] 하이퍼 매개 변수 샘플링 알고리즘의 형식입니다. '베이지안'
'Grid'
'Random'(필수)

ImportDataAction

이름 묘사 값
actionType [필수] 일정의 작업 유형을 지정합니다. 'ImportData'(필수)
dataImportDefinition [필수] 일정 작업 정의 세부 정보를 정의합니다. DataImport(필수)

IntellectualProperty

이름 묘사 값
protectionLevel 지적 재산권의 보호 수준입니다. 'All'
'None'
게시자 [필수] 지적 재산권의 게시자입니다. 레지스트리 게시자 이름과 동일해야 합니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

JobBaseProperties

이름 묘사 값
componentId 구성 요소 리소스의 ARM 리소스 ID입니다. 문자열
computeId 컴퓨팅 리소스의 ARM 리소스 ID입니다. 문자열
묘사 자산 설명 텍스트입니다. 문자열
displayName 작업의 표시 이름입니다. 문자열
experimentName 작업이 속한 실험의 이름입니다. 설정하지 않으면 작업이 "기본" 실험에 배치됩니다. 문자열
신원 ID 구성. 설정된 경우 AmlToken, ManagedIdentity, UserIdentity 또는 null 중 하나여야 합니다.
Null인 경우 기본값은 AmlToken입니다.		 IdentityConfiguration
isArchived 자산이 보관되어 있나요? bool
jobType AutoMLJob형식에 대해 'AutoML'로 설정합니다. CommandJob형식에 대해 'Command'로 설정합니다. LabelingJobProperties형식에 대해 '레이블 지정'으로 설정합니다. PipelineJob형식에 대해 'Pipeline'설정합니다. SparkJob형식에 대해 'Spark'로 설정합니다. sweepJob형식에 대해 'Sweep'로 설정합니다. 'AutoML'
'Command'
'레이블 지정'
'파이프라인'
'Spark'
'Sweep'(필수)
notificationSetting 작업에 대한 알림 설정 notificationSetting
속성 자산 속성 사전입니다. ResourceBaseProperties
secretsConfiguration 런타임 중에 사용할 수 있는 비밀에 대한 구성입니다. jobBaseSecretsConfiguration
서비스 JobEndpoints 목록입니다.
로컬 작업의 경우 작업 엔드포인트의 엔드포인트 값은 FileStreamObject입니다.		 JobBaseServices
태그 태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다. resourceBaseTags

JobBaseSecretsConfiguration

이름 묘사 값

JobBaseServices

이름 묘사 값

JobInput

이름 묘사 값
묘사 입력에 대한 설명입니다. 문자열
jobInputType CustomModelJobInput형식에 대해 'custom_model'로 설정합니다. LiteralJobInput형식에 대해 'literal'로 설정합니다. MLFlowModelJobInput형식에 대해 'mlflow_model'로 설정합니다. MLTableJobInput형식에 대해 'mltable'로 설정합니다. tritonModelJobInput형식에 대해 'triton_model'로 설정합니다. UriFileJobInput형식에 대해 'uri_file'로 설정합니다. UriFolderJobInput형식에 대해 'uri_folder'로 설정합니다. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder'(필수)

JobOutput

이름 묘사 값
묘사 출력에 대한 설명입니다. 문자열
jobOutputType CustomModelJobOutput형식에 대해 'custom_model'로 설정합니다. MLFlowModelJobOutput형식에 대해 'mlflow_model'로 설정합니다. MLTableJobOutput형식에 대해 'mltable'로 설정합니다. TritonModelJobOutput형식에 대해 'triton_model'로 설정합니다. UriFileJobOutput형식에 대해 'uri_file'로 설정합니다. UriFolderJobOutput형식에 대해 'uri_folder'로 설정합니다. 'custom_model'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder'(필수)

JobResourceConfiguration

이름 묘사 값
dockerArgs Docker 실행 명령에 전달할 추가 인수입니다. 이렇게 하면 시스템 또는 이 섹션에서 이미 설정한 매개 변수가 재정의됩니다. 이 매개 변수는 Azure ML 컴퓨팅 유형에 대해서만 지원됩니다. 문자열
instanceCount 컴퓨팅 대상에서 사용하는 인스턴스 또는 노드의 선택적 수입니다. int
instanceType 컴퓨팅 대상에서 지원하는 VM의 선택적 형식입니다. 문자열
위치 작업을 실행할 수 있는 위치입니다. string[]
maxInstanceCount 컴퓨팅 대상에서 사용할 인스턴스 또는 노드의 선택적 최대 허용 수입니다.
탄력적 학습에 사용하기 위해 현재 PyTorch 배포 유형에서만 지원됩니다.		 int
속성 추가 속성 모음. resourceConfigurationProperties
shmSize Docker 컨테이너의 공유 메모리 블록 크기입니다. 이 형식은 (number)(unit) 형식이어야 합니다. 여기서 숫자는 0보다 크고 단위는 b(바이트), k(킬로바이트), m(메가바이트) 또는 g(기가바이트) 중 하나일 수 있습니다. 문자열

제약 조건:
패턴 = \d+[bBkKmMgG]

JobScheduleAction

이름 묘사 값
actionType [필수] 일정의 작업 유형을 지정합니다. 'CreateJob'(필수)
jobDefinition [필수] 일정 작업 정의 세부 정보를 정의합니다. JobBaseProperties(필수)

JobService

이름 묘사 값
끝점 엔드포인트의 URL입니다. 문자열
jobServiceType 엔드포인트 유형입니다. 문자열
노드 사용자가 서비스를 시작하려는 노드입니다.
노드가 null로 설정되거나 설정되지 않은 경우 서비스는 리더 노드에서만 시작됩니다.		 노드
항구 사용자가 설정한 엔드포인트에 대한 포트입니다. int
속성 엔드포인트에서 설정할 추가 속성입니다. JobServiceProperties

JobServiceProperties

이름 묘사 값

LabelCategory

이름 묘사 값
클래스 이 범주의 레이블 클래스 사전입니다. LabelCategoryClasses
displayName 레이블 범주의 표시 이름입니다. 문자열
multiSelect 이 범주에서 여러 클래스를 선택할 수 있는지 여부를 나타냅니다. '사용 안 함'
'Enabled'

LabelCategoryClasses

이름 묘사 값

LabelClass

이름 묘사 값
displayName 레이블 클래스의 표시 이름입니다. 문자열
서브 클래스 레이블 클래스의 하위 클래스 사전입니다. LabelClassSubclasses

LabelClassSubclasses

이름 묘사 값

LabelingDataConfiguration

이름 묘사 값
dataId 레이블 지정을 수행할 데이터 자산의 리소스 ID입니다. 문자열
incrementalDataRefresh 증분 데이터 새로 고침을 사용할지 여부를 나타냅니다. '사용 안 함'
'Enabled'

LabelingJobImageProperties

이름 묘사 값
annotationType 이미지 레이블 지정 작업의 주석 유형입니다. 'BoundingBox'
'분류'
'InstanceSegmentation'
mediaType [필수] 작업의 미디어 유형입니다. 'Image'(필수)

LabelingJobInstructions

이름 묘사 값
uri 레이블 지정에 대한 자세한 레이블 지정 지침이 있는 페이지에 대한 링크입니다. 문자열

LabelingJobLabelCategories

이름 묘사 값

LabelingJobMediaProperties

이름 묘사 값
mediaType LabelingJobImageProperties형식에 대해 'Image'로 설정합니다. LabelingJobTextProperties형식에 대해 'Text'로 설정합니다. 'Image'
'Text'(필수)

LabelingJobProperties

이름 묘사 값
dataConfiguration 작업에 사용되는 데이터의 구성입니다. labelingDataConfiguration
jobInstructions 작업의 지침에 레이블을 지정합니다. LabelingJobInstructions
jobType [필수] 작업 유형을 지정합니다. 'Labeling'(필수)
labelCategories 작업의 레이블 범주입니다. LabelingJobLabelCategories
labelingJobMediaProperties 작업에서 미디어 유형별 속성입니다. LabelingJobMediaProperties
mlAssistConfiguration 작업에서 MLAssist 기능의 구성입니다. MLAssistConfiguration

LabelingJobTextProperties

이름 묘사 값
annotationType 텍스트 레이블 지정 작업의 주석 형식입니다. '분류'
'NamedEntityRecognition'
mediaType [필수] 작업의 미디어 유형입니다. 'Text'(필수)

LiteralJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'literal'(필수)
값 [필수] 입력에 대한 리터럴 값입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

ManagedComputeIdentity

이름 묘사 값
computeIdentityType [필수] 컴퓨팅 ID 유형 열거형을 모니터링합니다. 'ManagedIdentity'(필수)
신원 관리 서비스 ID(시스템 할당 및/또는 사용자 할당 ID) ManagedServiceIdentity

ManagedIdentity

이름 묘사 값
clientId 클라이언트 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요. 문자열

제약 조건:
최소 길이 = 36
최대 길이 = 36
패턴 = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identityType [필수] ID 프레임워크의 형식을 지정합니다. 'Managed'(필수)
objectId 개체 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요. 문자열

제약 조건:
최소 길이 = 36
최대 길이 = 36
패턴 = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId ARM 리소스 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요. 문자열

ManagedServiceIdentity

이름 묘사 값
형 관리 서비스 ID의 유형입니다(SystemAssigned 및 UserAssigned 형식이 모두 허용되는 경우). 'None'
'SystemAssigned'
'SystemAssigned,UserAssigned'
'UserAssigned'(필수)
userAssignedIdentities 리소스와 연결된 사용자 할당 ID 집합입니다. userAssignedIdentities 사전 키는 '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName} 형식의 ARM 리소스 ID입니다. 사전 값은 요청에서 빈 개체({})일 수 있습니다. UserAssignedIdentities

MedianStoppingPolicy

이름 묘사 값
policyType [필수] 정책 구성의 이름 'MedianStopping'(필수)

Microsoft.MachineLearningServices/workspaces/schedules

이름 묘사 값
이름 리소스 이름 문자열

제약 조건:
패턴 = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$(필수)
부모 Bicep에서 자식 리소스에 대한 부모 리소스를 지정할 수 있습니다. 자식 리소스가 부모 리소스 외부에서 선언된 경우에만 이 속성을 추가해야 합니다.

자세한 내용은 부모 리소스외부의 자식 리소스 참조하세요.		 형식 리소스의 기호 이름: 작업 영역
속성 [필수] 엔터티의 추가 특성입니다. ScheduleProperties(필수)

MLAssistConfiguration

이름 묘사 값
mlAssist MLAssistConfigurationDisabled형식에 대해 'Disabled'로 설정합니다. MLAssistConfigurationEnabled형식에 대해 '사용'으로 설정합니다. '사용 안 함'
'Enabled'(필수)

MLAssistConfigurationDisabled

이름 묘사 값
mlAssist [필수] MLAssist 기능을 사용할 수 있는지 여부를 나타냅니다. 'Disabled'(필수)

MLAssistConfigurationEnabled

이름 묘사 값
inferencingComputeBinding [필수] 추론에 사용되는 AML 컴퓨팅 바인딩입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
mlAssist [필수] MLAssist 기능을 사용할 수 있는지 여부를 나타냅니다. 'Enabled'(필수)
trainingComputeBinding [필수] 학습에 사용되는 AML 컴퓨팅 바인딩입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MLFlowModelJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'mlflow_model'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MLFlowModelJobInput

이름 묘사 값
묘사 입력에 대한 설명입니다. 문자열
jobInputType [필수] 작업 유형을 지정합니다. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MLFlowModelJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'mlflow_model'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

MLTableJobInput

이름 묘사 값
묘사 입력에 대한 설명입니다. 문자열
jobInputType [필수] 작업 유형을 지정합니다. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MLTableJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'mltable'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MLTableJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'mltable'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

ModelPerformanceMetricThresholdBase

이름 묘사 값
modelType type ClassificationModelPerformanceMetricThreshold대해 'Classification'으로 설정합니다. RegressionModelPerformanceMetricThreshold형식에 대해 '회귀'로 설정합니다. '분류'
'회귀'(필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

ModelPerformanceSignal

이름 묘사 값
dataSegment 데이터 세그먼트입니다. monitoringDataSegment
metricThreshold [필수] 계산할 메트릭 및 관련 임계값 목록입니다. ModelPerformanceMetricThresholdBase(필수)
productionData [필수] 드리프트가 계산될 프로덕션 서비스에서 생성된 데이터입니다. MonitoringInputDataBase[] (필수)
referenceData [필수] 드리프트를 계산할 데이터입니다. monitoringInputDataBase (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'ModelPerformance'(필수)

MonitorComputeConfigurationBase

이름 묘사 값
computeType MonitorServerlessSparkCompute형식에 대해 'ServerlessSpark'로 설정합니다. 'ServerlessSpark'(필수)

MonitorComputeIdentityBase

이름 묘사 값
computeIdentityType AmlTokenComputeIdentity형식에 대해 'AmlToken'으로 설정합니다. ManagedComputeIdentity형식 'ManagedIdentity'로 설정합니다. 'AmlToken'
'ManagedIdentity'(필수)

MonitorDefinition

이름 묘사 값
alertNotificationSetting 모니터의 알림 설정입니다. MonitoringAlertNotificationSettingsBase
computeConfiguration [필수] 모니터링 작업을 실행할 컴퓨팅 리소스의 ARM 리소스 ID입니다. MonitorComputeConfigurationBase (필수)
monitoringTarget 이 모니터가 대상으로 하는 모델 또는 배포의 ARM 리소스 ID입니다. monitoringTarget
신호 [필수] 모니터링할 신호입니다. MonitorDefinitionSignals(필수)

MonitorDefinitionSignals

이름 묘사 값

MonitoringAlertNotificationSettingsBase

이름 묘사 값
alertNotificationType AzMonitoringAlertNotificationSettings형식에 대해 'AzureMonitor'로 설정합니다. emailMonitoringAlertNotificationSettings형식에 대해 'Email'으로 설정합니다. 'AzureMonitor'
'Email'(필수)

MonitoringDataSegment

이름 묘사 값
특징 데이터를 분할하는 기능입니다. 문자열
값 지정된 분할된 기능의 지정된 값만 필터링합니다. string[]

MonitoringFeatureFilterBase

이름 묘사 값
filterType allFeatures형식에 대해 'AllFeatures'로 설정합니다. FeatureSubset형식에 대해 'FeatureSubset'로 설정합니다. TopNFeaturesByAttribution형식에 대해 'TopNByAttribution'으로 설정합니다. 'AllFeatures'
'FeatureSubset'
'TopNByAttribution'(필수)

MonitoringInputDataBase

이름 묘사 값
열 열 이름을 특수 용도로 매핑합니다. monitoringInputDataBaseColumns
dataContext 데이터 원본의 컨텍스트 메타데이터입니다. 문자열
inputDataType FixedInputData형식에 대해 'Fixed'로 설정합니다. StaticInputData형식에 대해 'Static'으로 설정합니다. TrailingInputData형식에 대해 '후행'으로 설정합니다. '수정됨'
'Static'
'후행'(필수)
jobInputType [필수] 작업 유형을 지정합니다. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder'(필수)
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MonitoringInputDataBaseColumns

이름 묘사 값

MonitoringSignalBase

이름 묘사 값
모드 이 신호의 현재 알림 모드입니다. '사용 안 함'
'Enabled'
속성 속성 사전입니다. 속성을 추가할 수 있지만 제거하거나 변경할 수는 없습니다. monitoringSignalBaseProperties
signalType CustomMonitoringSignal형식에 대해 'Custom'으로 설정합니다. DataDriftMonitoringSignal형식에 대해 'DataDrift'로 설정합니다. DataQualityMonitoringSignal형식에 대해 'DataQuality'로 설정합니다. FeatureAttributionDriftMonitoringSignal형식에 대해 'FeatureAttributionDrift'로 설정합니다. GenerationSafetyQualityMonitoringSignal형식에 대해 'GenerationSafetyQuality'로 설정합니다. GenerationTokenStatisticsSignal형식에 대해 'GenerationTokenStatistics'로 설정합니다. ModelPerformanceSignal형식에 대해 'ModelPerformance'로 설정합니다. PredictionDriftMonitoringSignal형식에 대해 'PredictionDrift'로 설정합니다. 'Custom'
'DataDrift'
'DataQuality'
'FeatureAttributionDrift'
'GenerationSafetyQuality'
'GenerationTokenStatistics'
'ModelPerformance'
'PredictionDrift'(필수)

MonitoringSignalBaseProperties

이름 묘사 값

MonitoringTarget

이름 묘사 값
deploymentId 이 모니터가 대상으로 하는 배포의 ARM 리소스 ID입니다. 문자열
modelId 이 모니터가 대상으로 하는 모델의 ARM 리소스 ID입니다. 문자열
taskType [필수] 모델의 기계 학습 작업 유형입니다. '분류'
'QuestionAnswering'
'회귀'(필수)

MonitoringThreshold

이름 묘사 값
값 임계값입니다. null인 경우 집합 기본값은 메트릭 형식에 따라 달라집니다. int

MonitoringWorkspaceConnection

이름 묘사 값
environmentVariables 제출된 작업에 환경 변수로 저장할 작업 영역 서비스 연결의 속성입니다.
키는 작업 영역 연결 속성 경로이고, 이름은 환경 변수 키입니다.		 MonitoringWorkspaceConnectionEnvironmentVariables
비밀 제출된 작업에 비밀로 저장할 작업 영역 서비스 연결의 속성입니다.
키는 작업 영역 연결 속성 경로이고 이름은 비밀 키입니다.		 monitoringWorkspaceConnectionSecrets

MonitoringWorkspaceConnectionEnvironmentVariables

이름 묘사 값

MonitoringWorkspaceConnectionSecrets

이름 묘사 값

MonitorServerlessSparkCompute

이름 묘사 값
computeIdentity [필수] 서버리스 Spark에서 실행되는 Spark 작업에서 활용하는 ID 체계입니다. MonitorComputeIdentityBase (필수)
computeType [필수] 모니터링할 신호의 유형을 지정합니다. 'ServerlessSpark'(필수)
instanceType [필수] Spark 작업을 실행하는 인스턴스 유형입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
runtimeVersion [필수] Spark 런타임 버전입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

Mpi

이름 묘사 값
distributionType [필수] 배포 프레임워크의 유형을 지정합니다. 'Mpi'(필수)
processCountPerInstance MPI 노드당 프로세스 수입니다. int

NCrossValidations

이름 묘사 값
모드 AutoNCrossValidations형식에 대해 'Auto'로 설정합니다. CustomNCrossValidations형식에 대해 '사용자 지정'으로 설정합니다. 'Auto'
'Custom'(필수)

NlpFixedParameters

이름 묘사 값
gradientAccumulationSteps 뒤로 패스를 실행하기 전에 그라데이션을 누적하는 단계 수입니다. int
learningRate 학습 절차의 학습 속도입니다. int
learningRateScheduler 학습 절차 중에 사용할 학습 속도 일정의 유형입니다. '상수'
'ConstantWithWarmup'
'코사인'
'CosineWithRestarts'
'선형'
'None'
'다항식'
modelName 학습할 모델의 이름입니다. 문자열
numberOfEpochs 학습 epoch의 수입니다. int
trainingBatchSize 학습 절차의 일괄 처리 크기입니다. int
validationBatchSize 평가 중에 사용할 일괄 처리 크기입니다. int
warmupRatio LrSchedulerType과 함께 사용되는 준비 비율입니다. int
weightDecay 학습 절차의 체중 감소입니다. int

NlpParameterSubspace

이름 묘사 값
gradientAccumulationSteps 뒤로 패스를 실행하기 전에 그라데이션을 누적하는 단계 수입니다. 문자열
learningRate 학습 절차의 학습 속도입니다. 문자열
learningRateScheduler 학습 절차 중에 사용할 학습 속도 일정의 유형입니다. 문자열
modelName 학습할 모델의 이름입니다. 문자열
numberOfEpochs 학습 epoch의 수입니다. 문자열
trainingBatchSize 학습 절차의 일괄 처리 크기입니다. 문자열
validationBatchSize 평가 중에 사용할 일괄 처리 크기입니다. 문자열
warmupRatio LrSchedulerType과 함께 사용되는 준비 비율입니다. 문자열
weightDecay 학습 절차의 체중 감소입니다. 문자열

NlpSweepSettings

이름 묘사 값
earlyTermination 비우기 작업에 대한 조기 종료 정책 유형입니다. earlyTerminationPolicy
samplingAlgorithm [필수] 샘플링 알고리즘의 유형입니다. '베이지안'
'Grid'
'Random'(필수)

NlpVerticalFeaturizationSettings

이름 묘사 값
datasetLanguage 텍스트 데이터에 유용한 데이터 세트 언어입니다. 문자열

NlpVerticalLimitSettings

이름 묘사 값
maxConcurrentTrials 최대 동시 AutoML 반복입니다. int
maxNodes 실험에 사용할 최대 노드입니다. int
maxTrials AutoML 반복 횟수입니다. int
타임 아웃 AutoML 작업 시간 제한입니다. 문자열
trialTimeout 개별 HD 평가판에 대한 시간 제한입니다. 문자열

노드

이름 묘사 값
nodesValueType AllNodes형식에 대해 'All'으로 설정합니다. 'All'(필수)

NotificationSetting

이름 묘사 값
emailOn 지정된 알림 유형에서 사용자에게 전자 메일 알림 보내기 다음 중 어느 것을 포함하는 문자열 배열:
'JobCancelled'
'JobCompleted'
'JobFailed'
전자 메일 쉼표 구분 기호를 사용하여 총 구성에서 499자로 제한되는 전자 메일 받는 사람 목록입니다. string[]
웹후크 서비스에 웹후크 콜백을 보냅니다. 키는 웹후크의 사용자 제공 이름입니다. NotificationSettingWebhooks

NotificationSettingWebhooks

이름 묘사 값

NumericalDataDriftMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. 'Numerical'(필수)
메트릭 [필수] 계산할 숫자 데이터 드리프트 메트릭입니다. '젠슨샤논디스탄스'
'NormalizedWassersteinDistance'
'PopulationStabilityIndex'
'TwoSampleKolmogorovSmirnovTest'(필수)

NumericalDataQualityMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. 'Numerical'(필수)
메트릭 [필수] 계산할 숫자 데이터 품질 메트릭입니다. 'DataTypeErrorRate'
'NullValueRate'
'OutOfBoundsRate'(필수)

NumericalPredictionDriftMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. 'Numerical'(필수)
메트릭 [필수] 계산할 숫자 예측 드리프트 메트릭입니다. '젠슨샤논디스탄스'
'NormalizedWassersteinDistance'
'PopulationStabilityIndex'
'TwoSampleKolmogorovSmirnovTest'(필수)

목표

이름 묘사 값
골 [필수] 하이퍼 매개 변수 튜닝에 지원되는 메트릭 목표를 정의합니다. '최대화'
'최소화'(필수)
primaryMetric [필수] 최적화할 메트릭의 이름입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

PipelineJob

이름 묘사 값
입력 파이프라인 작업에 대한 입력입니다. pipelineJobInputs
작업 작업은 파이프라인 작업을 생성합니다. pipelineJobJobs
jobType [필수] 작업 유형을 지정합니다. 'Pipeline'(필수)
출력 파이프라인 작업에 대한 출력 PipelineJobOutputs
설정 ContinueRunOnStepFailure 등의 파이프라인 설정 어떤
sourceJobId 원본 작업의 ARM 리소스 ID입니다. 문자열

PipelineJobInputs

이름 묘사 값

PipelineJobJobs

이름 묘사 값

PipelineJobOutputs

이름 묘사 값

PredictionDriftMetricThresholdBase

이름 묘사 값
dataType 형식에 대해 '범주'로 설정합니다. numericalPredictionDriftMetricThreshold형식에 대해 'Numerical'로 설정합니다. '범주'
'Numerical'(필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

PredictionDriftMonitoringSignal

이름 묘사 값
metricThresholds [필수] 계산할 메트릭 및 관련 임계값 목록입니다. PredictionDriftMetricThresholdBase[] (필수)
modelType [필수] 모니터링되는 모델의 형식입니다. '분류'
'회귀'(필수)
productionData [필수] 드리프트가 계산될 데이터입니다. monitoringInputDataBase (필수)
referenceData [필수] 드리프트를 계산할 데이터입니다. monitoringInputDataBase (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'PredictionDrift'(필수)

PyTorch

이름 묘사 값
distributionType [필수] 배포 프레임워크의 유형을 지정합니다. 'PyTorch'(필수)
processCountPerInstance 노드당 프로세스 수입니다. int

QueueSettings

이름 묘사 값
jobTier 컴퓨팅 작업 계층을 제어합니다. '기본'
'Null'
'프리미엄'
'Spot'
'Standard'
우선권 컴퓨팅에서 작업의 우선 순위를 제어합니다. int

RandomSamplingAlgorithm

이름 묘사 값
logbase 로그 기반 임의 샘플링의 기준으로 사용할 문자열 형식의 선택적 양수 또는 e 문자열
규칙 특정 유형의 임의 알고리즘 'Random'
'Sobol'
samplingAlgorithmType [필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘 'Random'(필수)
씨 난수 생성을 위한 시드로 사용할 선택적 정수입니다. int

광선

이름 묘사 값
주소 Ray 헤드 노드의 주소입니다. 문자열
dashboardPort 대시보드 서버를 바인딩할 포트입니다. int
distributionType [필수] 배포 프레임워크의 유형을 지정합니다. 'Ray'(필수)
headNodeAdditionalArgs 헤드 노드에서 광선 시작에 전달되는 추가 인수입니다. 문자열
includeDashboard Ray 대시보드 GUI를 시작하려면 이 인수를 제공합니다. bool
항구 헤드 레이 프로세스의 포트입니다. int
workerNodeAdditionalArgs 작업자 노드에서 광선 시작에 전달된 추가 인수입니다. 문자열

RecurrenceSchedule

이름 묘사 값
시간 [필수] 일정의 시간 목록입니다. int[] (필수)
분 [필수] 일정의 시간(분) 목록입니다. int[] (필수)
monthDays 일정의 월 일 목록 int[]
평일 일정의 일 수 목록입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'금요일'
'월요일'
'토요일'
'일요일'
'목요일'
'화요일'
'수요일'

RecurrenceTrigger

이름 묘사 값
빈도 [필수] 일정을 트리거하는 빈도입니다. 'Day'
'Hour'
'Minute'
'월'
'Week'(필수)
간 [필수] 빈도와 함께 일정 간격을 지정합니다. int(필수)
일정 되풀이 일정입니다. RecurrenceSchedule
triggerType [필수] '되풀이'(필수)

회귀

이름 묘사 값
cvSplitColumnNames CVSplit 데이터에 사용할 열입니다. string[]
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. tableVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. TableFixedParameters
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. tableVerticalLimitSettings
nCrossValidations 학습 데이터 세트에 적용할 교차 유효성 검사 접기 수
유효성 검사 데이터 세트가 제공되지 않으면 입니다.		 NCrossValidations
primaryMetric 회귀 태스크에 대한 기본 메트릭입니다. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'스피어만코렐레이션'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. tableParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. tableSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. '회귀'(필수)
testData 데이터 입력을 테스트합니다. MLTableJobInput
testDataSize 유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
trainingSettings AutoML 작업의 학습 단계에 대한 입력입니다. RegressionTrainingSettings
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
weightColumnName 샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다. 문자열

RegressionModelPerformanceMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 회귀 모델 성능 메트릭입니다. 'MeanAbsoluteError'
'MeanSquaredError'
'RootMeanSquaredError'(필수)
modelType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. '회귀'(필수)

RegressionTrainingSettings

이름 묘사 값
allowedTrainingAlgorithms 회귀 태스크에 허용되는 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'DecisionTree'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
blockedTrainingAlgorithms 회귀 태스크에 대한 차단된 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'DecisionTree'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
enableDnnTraining DNN 모델의 권장 사항을 사용하도록 설정합니다. bool
enableModelExplainability 최상의 모델에서 설명 기능을 켜는 플래그입니다. bool
enableOnnxCompatibleModels onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다. bool
enableStackEnsemble 스택 앙상블 실행을 사용하도록 설정합니다. bool
enableVoteEnsemble 투표 앙상블 실행을 사용하도록 설정합니다. bool
ensembleModelDownloadTimeout VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다.
더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.		 문자열
stackEnsembleSettings 스택 앙상블 실행에 대한 스택 앙상블 설정입니다. StackEnsembleSettings
trainingMode TrainingMode 모드 - 'auto'로 설정하는 것은 현재 '비균등'으로 설정하는 것과 같지만 나중에 혼합 모드 또는 추론 기반 모드 선택이 발생할 수 있습니다. 기본값은 'auto'입니다.
'Distributed'인 경우 분산 기능화만 사용되고 분산 알고리즘이 선택됩니다.
'NonDistributed'이면 분산되지 않은 알고리즘만 선택됩니다.		 'Auto'
'Distributed'
'NonDistributed'

ResourceBaseProperties

이름 묘사 값

ResourceBaseProperties

이름 묘사 값

ResourceBaseProperties

이름 묘사 값

ResourceBaseTags

이름 묘사 값

ResourceBaseTags

이름 묘사 값

ResourceBaseTags

이름 묘사 값

ResourceConfigurationProperties

이름 묘사 값

SamplingAlgorithm

이름 묘사 값
samplingAlgorithmType BayesianSamplingAlgorithm형식에 대해 'Bayesian'으로 설정합니다. GridSamplingAlgorithm형식에 대해 'Grid'로 설정합니다. RandomSamplingAlgorithm형식에 대해 'Random'으로 설정합니다. '베이지안'
'Grid'
'Random'(필수)

ScheduleActionBase

이름 묘사 값
actionType JobScheduleAction형식에 대해 'CreateJob'으로 설정합니다. CreateMonitorAction형식에 대해 'CreateMonitor'로 설정합니다. ImportDataAction형식에 대해 'ImportData'로 설정합니다. EndpointScheduleAction형식에 대해 'InvokeBatchEndpoint'로 설정합니다. 'CreateJob'
'CreateMonitor'
'ImportData'
'InvokeBatchEndpoint'(필수)

ScheduleProperties

이름 묘사 값
행동 [필수] 일정의 동작을 지정합니다. ScheduleActionBase(필수)
묘사 자산 설명 텍스트입니다. 문자열
displayName 일정의 표시 이름입니다. 문자열
isEnabled 일정이 활성화되어 있나요? bool
속성 자산 속성 사전입니다. ResourceBaseProperties
태그 태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다. resourceBaseTags
방아쇠 [필수] 트리거 세부 정보를 지정합니다. TriggerBase(필수)

계절

이름 묘사 값
모드 AutoSeasonality형식에 대해 'Auto'로 설정합니다. CustomSeasonality형식에 대해 'Custom'으로 설정합니다. 'Auto'
'Custom'(필수)

SecretConfiguration

이름 묘사 값
uri 비밀 Uri입니다.
샘플 URI: https://myvault.vault.azure.net/secrets/mysecretname/secretversion		 문자열
workspaceSecretName 작업 영역 키 자격 증명 모음의 비밀 이름입니다. 문자열

SparkJob

이름 묘사 값
공문서 작업에 사용되는 파일을 보관합니다. string[]
인수(args) 작업에 대한 인수입니다. 문자열
codeId [필수] 코드 자산의 ARM 리소스 ID입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
conf Spark가 구성한 속성입니다. SparkJobConf
항목 [필수] 작업을 시작할 때 실행할 항목입니다. SparkJobEntry(필수)
environmentId 작업에 대한 환경 사양의 ARM 리소스 ID입니다. 문자열
파일 작업에 사용되는 파일입니다. string[]
입력 작업에 사용되는 입력 데이터 바인딩의 매핑입니다. SparkJobInputs
항아리 작업에 사용되는 Jar 파일입니다. string[]
jobType [필수] 작업 유형을 지정합니다. 'Spark'(필수)
출력 작업에 사용되는 출력 데이터 바인딩의 매핑입니다. SparkJobOutputs
pyFiles 작업에 사용되는 Python 파일입니다. string[]
queueSettings 작업에 대한 큐 설정 QueueSettings
리소스 작업에 대한 컴퓨팅 리소스 구성입니다. SparkResourceConfiguration

SparkJobConf

이름 묘사 값

SparkJobEntry

이름 묘사 값
sparkJobEntryType SparkJobPythonEntry형식에 대해 'SparkJobPythonEntry'로 설정합니다. SparkJobScalaEntry형식에 대해 'SparkJobScalaEntry'로 설정합니다. 'SparkJobPythonEntry'
'SparkJobScalaEntry'(필수)

SparkJobInputs

이름 묘사 값

SparkJobOutputs

이름 묘사 값

SparkJobPythonEntry

이름 묘사 값
파일 [필수] 작업 진입점에 대한 상대 Python 파일 경로입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
sparkJobEntryType [필수] 작업의 진입점 유형입니다. 'SparkJobPythonEntry'(필수)

SparkJobScalaEntry

이름 묘사 값
className [필수] 진입점으로 사용되는 Scala 클래스 이름입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
sparkJobEntryType [필수] 작업의 진입점 유형입니다. 'SparkJobScalaEntry'(필수)

SparkResourceConfiguration

이름 묘사 값
instanceType 컴퓨팅 대상에서 지원하는 VM의 선택적 형식입니다. 문자열
runtimeVersion 작업에 사용되는 Spark 런타임의 버전입니다. 문자열

StackEnsembleSettings

이름 묘사 값
stackMetaLearnerKWargs 메타 학습자의 이니셜라이저에 전달할 선택적 매개 변수입니다. 어떤
stackMetaLearnerTrainPercentage 메타 학습자를 학습하기 위해 예약할 학습 집합의 비율(학습 및 학습 유효성 검사 유형을 선택할 때)을 지정합니다. 기본값은 0.2입니다. int
stackMetaLearnerType 메타 학습자는 개별 이종 모델의 출력에 대해 학습된 모델입니다. 'ElasticNet'
'ElasticNetCV'
'LightGBMClassifier'
'LightGBMRegressor'
'LinearRegression'
'LogisticRegression'
'LogisticRegressionCV'
'None'

StaticInputData

이름 묘사 값
inputDataType [필수] 모니터링할 신호의 유형을 지정합니다. 'Static'(필수)
preprocessingComponentId 데이터를 전처리하는 데 사용되는 구성 요소 리소스의 ARM 리소스 ID입니다. 문자열
windowEnd [필수] 데이터 창의 종료 날짜입니다. string(필수)
windowStart [필수] 데이터 창의 시작 날짜입니다. string(필수)

SweepJob

이름 묘사 값
earlyTermination 조기 종료 정책을 사용하면 완료하기 전에 성능이 저하된 실행을 취소할 수 있습니다. earlyTerminationPolicy
입력 작업에 사용되는 입력 데이터 바인딩의 매핑입니다. SweepJobInputs
jobType [필수] 작업 유형을 지정합니다. 'Sweep'(필수)
제한 스윕 작업 제한입니다. SweepJobLimits
목표 [필수] 최적화 목표입니다. Objective(필수)
출력 작업에 사용되는 출력 데이터 바인딩의 매핑입니다. SweepJobOutputs
queueSettings 작업에 대한 큐 설정 QueueSettings
samplingAlgorithm [필수] 하이퍼 매개 변수 샘플링 알고리즘 SamplingAlgorithm(필수)
searchSpace [필수] 각 매개 변수와 해당 분포를 포함하는 사전입니다. 사전 키는 매개 변수의 이름입니다. any(필수)
재판 [필수] 평가판 구성 요소 정의입니다. trialComponent (필수)

SweepJobInputs

이름 묘사 값

SweepJobLimits

이름 묘사 값
jobLimitsType [필수] JobLimit 형식입니다. 'Command'
'Sweep'(필수)
maxConcurrentTrials 작업 최대 동시 평가판을 스윕합니다. int
maxTotalTrials 스윕 작업 최대 총 평가판입니다. int
타임 아웃 ISO 8601 형식의 최대 실행 기간이며, 그 후에 작업이 취소됩니다. 전체 자릿수가 초인 기간만 지원합니다. 문자열
trialTimeout 비우기 작업 평가판 시간 제한 값입니다. 문자열

SweepJobOutputs

이름 묘사 값

TableFixedParameters

이름 묘사 값
부스터 부스팅 유형(예: XGBoost의 경우 gbdt)을 지정합니다. 문자열
boostingType 증폭 유형(예: LightGBM의 경우 gbdt)을 지정합니다. 문자열
growPolicy 새 노드가 트리에 추가되는 방식을 제어하는 증가 정책을 지정합니다. 문자열
learningRate 학습 절차의 학습 속도입니다. int
maxBin 버킷 연속 기능에 대한 최대 불연속 bin 수를 지정합니다. int
maxDepth 트리 깊이를 명시적으로 제한하려면 최대 깊이를 지정합니다. int
maxLeaves 트리 잎을 명시적으로 제한하려면 최대 잎을 지정합니다. int
minDataInLeaf 리프당 최소 데이터 수입니다. int
minSplitGain 트리의 리프 노드에서 추가 파티션을 만드는 데 필요한 최소 손실 감소입니다. int
modelName 학습할 모델의 이름입니다. 문자열
nEstimators 모델에서 트리(또는 반올림) 수를 지정합니다. int
numLeaves 나뭇잎 수를 지정합니다. int
preprocessorName 사용할 전처리기의 이름입니다. 문자열
regAlpha 가중치에 대한 L1 정규화 용어입니다. int
regLambda 가중치에 대한 L2 정규화 용어입니다. int
subsample 학습 인스턴스의 하위 샘플 비율입니다. int
subsampleFreq 하위 샘플의 빈도입니다. int
treeMethod 트리 메서드를 지정합니다. 문자열
withMean true이면 StandardScalar를 사용하여 데이터를 크기 조정하기 전에 가운데를 맞춥니다. bool
withStd true이면 StandardScalar를 사용하여 단위 분산을 사용하여 데이터 크기를 조정합니다. bool

TableParameterSubspace

이름 묘사 값
부스터 부스팅 유형(예: XGBoost의 경우 gbdt)을 지정합니다. 문자열
boostingType 증폭 유형(예: LightGBM의 경우 gbdt)을 지정합니다. 문자열
growPolicy 새 노드가 트리에 추가되는 방식을 제어하는 증가 정책을 지정합니다. 문자열
learningRate 학습 절차의 학습 속도입니다. 문자열
maxBin 버킷 연속 기능에 대한 최대 불연속 bin 수를 지정합니다. 문자열
maxDepth 트리 깊이를 명시적으로 제한하려면 최대 깊이를 지정합니다. 문자열
maxLeaves 트리 잎을 명시적으로 제한하려면 최대 잎을 지정합니다. 문자열
minDataInLeaf 리프당 최소 데이터 수입니다. 문자열
minSplitGain 트리의 리프 노드에서 추가 파티션을 만드는 데 필요한 최소 손실 감소입니다. 문자열
modelName 학습할 모델의 이름입니다. 문자열
nEstimators 모델에서 트리(또는 반올림) 수를 지정합니다. 문자열
numLeaves 나뭇잎 수를 지정합니다. 문자열
preprocessorName 사용할 전처리기의 이름입니다. 문자열
regAlpha 가중치에 대한 L1 정규화 용어입니다. 문자열
regLambda 가중치에 대한 L2 정규화 용어입니다. 문자열
subsample 학습 인스턴스의 하위 샘플 비율입니다. 문자열
subsampleFreq 하위 샘플의 빈도 문자열
treeMethod 트리 메서드를 지정합니다. 문자열
withMean true이면 StandardScalar를 사용하여 데이터를 크기 조정하기 전에 가운데를 맞춥니다. 문자열
withStd true이면 StandardScalar를 사용하여 단위 분산을 사용하여 데이터 크기를 조정합니다. 문자열

TableSweepSettings

이름 묘사 값
earlyTermination 비우기 작업에 대한 조기 종료 정책 유형입니다. earlyTerminationPolicy
samplingAlgorithm [필수] 샘플링 알고리즘의 유형입니다. '베이지안'
'Grid'
'Random'(필수)

TableVerticalFeaturizationSettings

이름 묘사 값
blockedTransformers 이러한 변압기는 기능화에 사용되지 않습니다. 다음 중 어느 것을 포함하는 문자열 배열:
'CatTargetEncoder'
'CountVectorizer'
'HashOneHotEncoder'
'LabelEncoder'
'나이브베이즈'
'OneHotEncoder'
'TextTargetEncoder'
'TfIdf'
'WoETargetEncoder'
'WordEmbedding'
columnNameAndTypes 열 이름 및 해당 형식(int, float, string, datetime 등)의 사전입니다. TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage 텍스트 데이터에 유용한 데이터 세트 언어입니다. 문자열
enableDnnFeaturization 데이터 기능화에 Dnn 기반 기능화기를 사용할지 여부를 결정합니다. bool
모드 기능화 모드 - 사용자는 기본 '자동' 모드를 유지할 수 있으며 AutoML은 기능화 단계에서 필요한 데이터 변환을 처리합니다.
'끄기'를 선택하면 기능화가 수행되지 않습니다.
'사용자 지정'을 선택하면 사용자는 추가 입력을 지정하여 기능화를 수행하는 방법을 사용자 지정할 수 있습니다.		 'Auto'
'Custom'
'Off'
transformerParams 사용자는 적용할 열 및 변환기 생성자에 대한 매개 변수와 함께 사용할 추가 변환기를 지정할 수 있습니다. TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

이름 묘사 값

TableVerticalFeaturizationSettingsTransformerParams

이름 묘사 값

TableVerticalLimitSettings

이름 묘사 값
enableEarlyTermination 조기 종료를 사용하도록 설정하고, 지난 20번의 반복에서 점수 개선이 없는 경우 AutoMLJob이 일찍 종료되는지 여부를 결정합니다. bool
exitScore AutoML 작업의 종료 점수입니다. int
maxConcurrentTrials 최대 동시 반복입니다. int
maxCoresPerTrial 반복당 최대 코어 수입니다. int
maxNodes 실험에 사용할 최대 노드입니다. int
maxTrials 반복 횟수입니다. int
sweepConcurrentTrials 사용자가 트리거하려는 동시 스윕 실행의 수입니다. int
sweepTrials 사용자가 트리거하려는 스윕 실행 수입니다. int
타임 아웃 AutoML 작업 시간 제한입니다. 문자열
trialTimeout 반복 시간 제한입니다. 문자열

TargetLags

이름 묘사 값
모드 AutoTargetLags형식에 대해 'Auto'로 설정합니다. CustomTargetLags형식에 대해 '사용자 지정'으로 설정합니다. 'Auto'
'Custom'(필수)

TargetRollingWindowSize

이름 묘사 값
모드 AutoTargetRollingWindowSize형식에 대해 'Auto'로 설정합니다. CustomTargetRollingWindowSize형식에 대해 '사용자 지정'으로 설정합니다. 'Auto'
'Custom'(필수)

TensorFlow

이름 묘사 값
distributionType [필수] 배포 프레임워크의 유형을 지정합니다. 'TensorFlow'(필수)
parameterServerCount 매개 변수 서버 작업의 수입니다. int
workerCount 작업자 수입니다. 지정하지 않으면 기본값은 인스턴스 수입니다. int

TextClassification

이름 묘사 값
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. NlpVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. nlpFixedParameters
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. nlpVerticalLimitSettings
primaryMetric Text-Classification 작업에 대한 기본 메트릭입니다. '정확도'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. NlpParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. nlpSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'TextClassification'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput

TextClassificationMultilabel

이름 묘사 값
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. NlpVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. nlpFixedParameters
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. nlpVerticalLimitSettings
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. NlpParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. nlpSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'TextClassificationMultilabel'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput

TextNer

이름 묘사 값
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. NlpVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. nlpFixedParameters
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. nlpVerticalLimitSettings
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. NlpParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. nlpSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'TextNER'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput

TopNFeaturesByAttribution

이름 묘사 값
filterType [필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다. 'TopNByAttribution'(필수)
맨 위로 포함할 상위 기능의 수입니다. int

TrailingInputData

이름 묘사 값
inputDataType [필수] 모니터링할 신호의 유형을 지정합니다. '후행'(필수)
preprocessingComponentId 데이터를 전처리하는 데 사용되는 구성 요소 리소스의 ARM 리소스 ID입니다. 문자열
windowOffset [필수] 데이터 창의 끝과 모니터의 현재 런타임 사이의 시간 오프셋입니다. string(필수)
windowSize [필수] 후행 데이터 창의 크기입니다. string(필수)

TrialComponent

이름 묘사 값
codeId 코드 자산의 ARM 리소스 ID입니다. 문자열
명령 [필수] 작업을 시작할 때 실행할 명령입니다. 예. "python train.py" 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
분포 작업의 배포 구성입니다. 설정된 경우 Mpi, Tensorflow, PyTorch 또는 null 중 하나여야 합니다. DistributionConfiguration
environmentId [필수] 작업에 대한 환경 사양의 ARM 리소스 ID입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
environmentVariables 작업에 포함된 환경 변수입니다. trialComponentEnvironmentVariables
리소스 작업에 대한 컴퓨팅 리소스 구성입니다. JobResourceConfiguration

TrialComponentEnvironmentVariables

이름 묘사 값

TriggerBase

이름 묘사 값
endTime UTC 오프셋이 없는 ISO 8601에서 일정의 종료 시간을 지정합니다. https://en.wikipedia.org/wiki/ISO_8601참조하세요.
주석 처리된 형식은 "2022-06-01T00:00:01"입니다.
없는 경우 일정이 무기한 실행됩니다.		 문자열
startTime UTC 오프셋 없이 ISO 8601 형식으로 일정의 시작 시간을 지정합니다. 문자열
timeZone 일정이 실행되는 표준 시간대를 지정합니다.
표준 시간대는 Windows 표준 시간대 형식을 따라야 합니다. 참조: /windows-hardware/manufacture/desktop/default-time-zones?view=windows-11		 문자열
triggerType CronTrigger형식에 대해 'Cron'으로 설정합니다. RecurrenceTrigger형식에 대해 '되풀이'로 설정합니다. 'Cron'
'되풀이'(필수)

TritonModelJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'triton_model'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

TritonModelJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'triton_model'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

TruncationSelectionPolicy

이름 묘사 값
policyType [필수] 정책 구성의 이름 'TruncationSelection'(필수)
truncationPercentage 각 평가 간격에서 취소할 실행의 백분율입니다. int

UriFileJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'uri_file'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

UriFileJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'uri_file'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

UriFolderJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'uri_folder'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

UriFolderJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'uri_folder'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

UserAssignedIdentities

이름 묘사 값

UserAssignedIdentity

이름 묘사 값

UserIdentity

이름 묘사 값
identityType [필수] ID 프레임워크의 형식을 지정합니다. 'UserIdentity'(필수)

웹후크

이름 묘사 값
eventType 지정된 알림 이벤트에 콜백 보내기 문자열
webhookType AzureDevOpsWebhook형식에 대해 'AzureDevOps'로 설정합니다. 'AzureDevOps'(필수)

ARM 템플릿 리소스 정의

작업 영역/일정 리소스 종류는 다음을 대상으로 하는 작업으로 배포할 수 있습니다.

각 API 버전에서 변경된 속성 목록은 변경 로그참조하세요.

리소스 형식

Microsoft.MachineLearningServices/workspaces/schedules 리소스를 만들려면 템플릿에 다음 JSON을 추가합니다.

{
  "type": "Microsoft.MachineLearningServices/workspaces/schedules",
  "apiVersion": "2023-06-01-preview",
  "name": "string",
  "properties": {
    "action": {
      "actionType": "string"
      // For remaining properties, see ScheduleActionBase objects
    },
    "description": "string",
    "displayName": "string",
    "isEnabled": "bool",
    "properties": {
      "{customized property}": "string"
    },
    "tags": {
      "{customized property}": "string"
    },
    "trigger": {
      "endTime": "string",
      "startTime": "string",
      "timeZone": "string",
      "triggerType": "string"
      // For remaining properties, see TriggerBase objects
    }
  }
}

TargetLags 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  "mode": "Auto"
}

사용자 지정경우 다음을 사용합니다.

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

SparkJobEntry 개체

sparkJobEntryType 속성을 설정하여 개체 유형을 지정합니다.

SparkJobPythonEntry경우 다음을 사용합니다.

{
  "file": "string",
  "sparkJobEntryType": "SparkJobPythonEntry"
}

SparkJobScalaEntry경우 다음을 사용합니다.

{
  "className": "string",
  "sparkJobEntryType": "SparkJobScalaEntry"
}

ScheduleActionBase 개체

actionType 속성을 설정하여 개체 유형을 지정합니다.

createJob경우 다음을 사용합니다.

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

createMonitor경우 다음을 사용합니다.

{
  "actionType": "CreateMonitor",
  "monitorDefinition": {
    "alertNotificationSetting": {
      "alertNotificationType": "string"
      // For remaining properties, see MonitoringAlertNotificationSettingsBase objects
    },
    "computeConfiguration": {
      "computeType": "string"
      // For remaining properties, see MonitorComputeConfigurationBase objects
    },
    "monitoringTarget": {
      "deploymentId": "string",
      "modelId": "string",
      "taskType": "string"
    },
    "signals": {
      "{customized property}": {
        "mode": "string",
        "properties": {
          "{customized property}": "string"
        },
        "signalType": "string"
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }
}

importData경우 다음을 사용합니다.

{
  "actionType": "ImportData",
  "dataImportDefinition": {
    "assetName": "string",
    "autoDeleteSetting": {
      "condition": "string",
      "value": "string"
    },
    "dataType": "string",
    "dataUri": "string",
    "description": "string",
    "intellectualProperty": {
      "protectionLevel": "string",
      "publisher": "string"
    },
    "isAnonymous": "bool",
    "isArchived": "bool",
    "properties": {
      "{customized property}": "string"
    },
    "source": {
      "connection": "string",
      "sourceType": "string"
      // For remaining properties, see DataImportSource objects
    },
    "stage": "string",
    "tags": {
      "{customized property}": "string"
    }
  }
}

InvokeBatchEndpoint경우 다음을 사용합니다.

{
  "actionType": "InvokeBatchEndpoint",
  "endpointInvocationDefinition": {}
}

MonitorComputeIdentityBase 개체

computeIdentityType 속성을 설정하여 개체 유형을 지정합니다.

AmlToken경우 다음을 사용합니다.

{
  "computeIdentityType": "AmlToken"
}

ManagedIdentity경우 다음을 사용합니다.

{
  "computeIdentityType": "ManagedIdentity",
  "identity": {
    "type": "string",
    "userAssignedIdentities": {
      "{customized property}": {
      }
    }
  }
}

DataQualityMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  "dataType": "Categorical",
  "metric": "string"
}

숫자경우 다음을 사용합니다.

{
  "dataType": "Numerical",
  "metric": "string"
}

MonitorComputeConfigurationBase 개체

computeType 속성을 설정하여 개체 유형을 지정합니다.

ServerlessSpark경우 다음을 사용합니다.

{
  "computeIdentity": {
    "computeIdentityType": "string"
    // For remaining properties, see MonitorComputeIdentityBase objects
  },
  "computeType": "ServerlessSpark",
  "instanceType": "string",
  "runtimeVersion": "string"
}

PredictionDriftMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  "dataType": "Categorical",
  "metric": "string"
}

숫자경우 다음을 사용합니다.

{
  "dataType": "Numerical",
  "metric": "string"
}

DataImportSource 개체

sourceType 속성을 설정하여 개체 유형을 지정합니다.

데이터베이스경우 다음을 사용합니다.

{
  "query": "string",
  "sourceType": "database",
  "storedProcedure": "string",
  "storedProcedureParams": [
    {
      "{customized property}": "string"
    }
  ],
  "tableName": "string"
}

file_system경우 다음을 사용합니다.

{
  "path": "string",
  "sourceType": "file_system"
}

DataDriftMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  "dataType": "Categorical",
  "metric": "string"
}

숫자경우 다음을 사용합니다.

{
  "dataType": "Numerical",
  "metric": "string"
}

ModelPerformanceMetricThresholdBase 개체

modelType 속성을 설정하여 개체 유형을 지정합니다.

분류경우 다음을 사용합니다.

{
  "metric": "string",
  "modelType": "Classification"
}

회귀경우 다음을 사용합니다.

{
  "metric": "string",
  "modelType": "Regression"
}

AutoMLVertical 개체

taskType 속성을 설정하여 개체 유형을 지정합니다.

분류경우 다음을 사용합니다.

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

예측경우 다음을 사용합니다.

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

imageClassification경우 다음을 사용합니다.

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

imageClassificationMultilabel경우 다음을 사용합니다.

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

imageInstanceSegmentation경우 다음을 사용합니다.

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

imageObjectDetection경우 다음을 사용합니다.

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

회귀경우 다음을 사용합니다.

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

textClassification경우 다음을 사용합니다.

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

TextClassificationMultilabel경우 다음을 사용합니다.

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

TextNER경우 다음을 사용합니다.

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

TargetRollingWindowSize 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  "mode": "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  "mode": "Custom",
  "value": "int"
}

계절성 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  "mode": "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  "mode": "Custom",
  "value": "int"
}

JobInput 개체

개체 유형을 지정하려면 jobInputType 속성을 설정합니다.

custom_model경우 다음을 사용합니다.

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

리터럴경우 다음을 사용합니다.

{
  "jobInputType": "literal",
  "value": "string"
}

mlflow_model경우 다음을 사용합니다.

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

mltable경우 다음을 사용합니다.

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

triton_model경우 다음을 사용합니다.

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

uri_file경우 다음을 사용합니다.

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

uri_folder경우 다음을 사용합니다.

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

MLAssistConfiguration 개체

mlAssist 속성을 설정하여 개체 유형을 지정합니다.

사용 안 함경우 다음을 사용합니다.

{
  "mlAssist": "Disabled"
}

사용경우 다음을 사용합니다.

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

웹후크 개체

webhookType 속성을 설정하여 개체 유형을 지정합니다.

azureDevOps경우 다음을 사용합니다.

{
  "webhookType": "AzureDevOps"
}

JobOutput 개체

jobOutputType 속성을 설정하여 개체 유형을 지정합니다.

custom_model경우 다음을 사용합니다.

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

mlflow_model경우 다음을 사용합니다.

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

mltable경우 다음을 사용합니다.

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

triton_model경우 다음을 사용합니다.

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

uri_file경우 다음을 사용합니다.

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

uri_folder경우 다음을 사용합니다.

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

SamplingAlgorithm 개체

샘플링AlgorithmType 속성을 설정하여 개체 유형을 지정합니다.

Bayesian경우 다음을 사용합니다.

{
  "samplingAlgorithmType": "Bayesian"
}

Grid경우 다음을 사용합니다.

{
  "samplingAlgorithmType": "Grid"
}

임의경우 다음을 사용합니다.

{
  "logbase": "string",
  "rule": "string",
  "samplingAlgorithmType": "Random",
  "seed": "int"
}

DistributionConfiguration 개체

distributionType 속성을 설정하여 개체 유형을 지정합니다.

Mpi경우 다음을 사용합니다.

{
  "distributionType": "Mpi",
  "processCountPerInstance": "int"
}

PyTorch경우 다음을 사용합니다.

{
  "distributionType": "PyTorch",
  "processCountPerInstance": "int"
}

Ray경우 다음을 사용합니다.

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

TensorFlow경우 다음을 사용합니다.

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

노드 개체

nodesValueType 속성을 설정하여 개체 유형을 지정합니다.

모든경우 다음을 사용합니다.

{
  "nodesValueType": "All"
}

IdentityConfiguration 개체

identityType 속성을 설정하여 개체 유형을 지정합니다.

AMLToken경우 다음을 사용합니다.

{
  "identityType": "AMLToken"
}

관리되는경우 다음을 사용합니다.

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

userIdentity경우 다음을 사용합니다.

{
  "identityType": "UserIdentity"
}

NCrossValidations 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  "mode": "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  "mode": "Custom",
  "value": "int"
}

MonitoringFeatureFilterBase 개체

filterType 속성을 설정하여 개체 유형을 지정합니다.

AllFeatures경우 다음을 사용합니다.

{
  "filterType": "AllFeatures"
}

FeatureSubset경우 다음을 사용합니다.

{
  "features": [ "string" ],
  "filterType": "FeatureSubset"
}

TopNByAttribution경우 다음을 사용합니다.

{
  "filterType": "TopNByAttribution",
  "top": "int"
}

LabelingJobMediaProperties 개체

mediaType 속성을 설정하여 개체 유형을 지정합니다.

이미지경우 다음을 사용합니다.

{
  "annotationType": "string",
  "mediaType": "Image"
}

텍스트경우 다음을 사용합니다.

{
  "annotationType": "string",
  "mediaType": "Text"
}

MonitoringInputDataBase 개체

inputDataType 속성을 설정하여 개체 유형을 지정합니다.

고정경우 다음을 사용합니다.

{
  "inputDataType": "Fixed"
}

정적경우 다음을 사용합니다.

{
  "inputDataType": "Static",
  "preprocessingComponentId": "string",
  "windowEnd": "string",
  "windowStart": "string"
}

후행경우 다음을 사용합니다.

{
  "inputDataType": "Trailing",
  "preprocessingComponentId": "string",
  "windowOffset": "string",
  "windowSize": "string"
}

MonitoringAlertNotificationSettingsBase 개체

alertNotificationType 속성을 설정하여 개체 유형을 지정합니다.

azureMonitor경우 다음을 사용합니다.

{
  "alertNotificationType": "AzureMonitor"
}

전자 메일경우 다음을 사용합니다.

{
  "alertNotificationType": "Email",
  "emailNotificationSetting": {
    "emailOn": [ "string" ],
    "emails": [ "string" ],
    "webhooks": {
      "{customized property}": {
        "eventType": "string",
        "webhookType": "string"
        // For remaining properties, see Webhook objects
      }
    }
  }
}

EarlyTerminationPolicy 개체

policyType 속성을 설정하여 개체 유형을 지정합니다.

산적경우 다음을 사용합니다.

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

MedianStopping경우 다음을 사용합니다.

{
  "policyType": "MedianStopping"
}

TruncationSelection경우 다음을 사용합니다.

{
  "policyType": "TruncationSelection",
  "truncationPercentage": "int"
}

MonitoringSignalBase 개체

signalType 속성을 설정하여 개체 유형을 지정합니다.

사용자 지정경우 다음을 사용합니다.

{
  "componentId": "string",
  "inputAssets": {
    "{customized property}": {
      "columns": {
        "{customized property}": "string"
      },
      "dataContext": "string",
      "jobInputType": "string",
      "uri": "string",
      "inputDataType": "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "metricThresholds": [
    {
      "metric": "string",
      "threshold": {
        "value": "int"
      }
    }
  ],
  "signalType": "Custom",
  "workspaceConnection": {
    "environmentVariables": {
      "{customized property}": "string"
    },
    "secrets": {
      "{customized property}": "string"
    }
  }
}

DataDrift경우 다음을 사용합니다.

{
  "dataSegment": {
    "feature": "string",
    "values": [ "string" ]
  },
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "features": {
    "filterType": "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  },
  "metricThresholds": [ {
    "threshold": {
      "value": "int"
    },
    "dataType": "string"
    // For remaining properties, see DataDriftMetricThresholdBase objects
  } ],
  "productionData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "DataDrift"
}

DataQuality경우 다음을 사용합니다.

{
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "features": {
    "filterType": "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  },
  "metricThresholds": [ {
    "threshold": {
      "value": "int"
    },
    "dataType": "string"
    // For remaining properties, see DataQualityMetricThresholdBase objects
  } ],
  "productionData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "DataQuality"
}

featureAttributionDrift경우 다음을 사용합니다.

{
  "metricThreshold": {
    "metric": "string",
    "threshold": {
      "value": "int"
    }
  },
  "productionData": [ {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  } ],
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "FeatureAttributionDrift"
}

GenerationSafetyQuality경우 다음을 사용합니다.

{
  "metricThresholds": [
    {
      "metric": "string",
      "threshold": {
        "value": "int"
      }
    }
  ],
  "productionData": [ {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  } ],
  "samplingRate": "int",
  "signalType": "GenerationSafetyQuality",
  "workspaceConnectionId": "string"
}

GenerationTokenStatistics경우 다음을 사용합니다.

{
  "metricThresholds": [
    {
      "metric": "string",
      "threshold": {
        "value": "int"
      }
    }
  ],
  "productionData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "samplingRate": "int",
  "signalType": "GenerationTokenStatistics"
}

ModelPerformance경우 다음을 사용합니다.

{
  "dataSegment": {
    "feature": "string",
    "values": [ "string" ]
  },
  "metricThreshold": {
    "threshold": {
      "value": "int"
    },
    "modelType": "string"
    // For remaining properties, see ModelPerformanceMetricThresholdBase objects
  },
  "productionData": [ {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  } ],
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "ModelPerformance"
}

PredictionDrift경우 다음을 사용합니다.

{
  "metricThresholds": [ {
    "threshold": {
      "value": "int"
    },
    "dataType": "string"
    // For remaining properties, see PredictionDriftMetricThresholdBase objects
  } ],
  "modelType": "string",
  "productionData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "PredictionDrift"
}

TriggerBase 개체

triggerType 속성을 설정하여 개체 유형을 지정합니다.

cron경우 다음을 사용합니다.

{
  "expression": "string",
  "triggerType": "Cron"
}

되풀이경우 다음을 사용합니다.

{
  "frequency": "string",
  "interval": "int",
  "schedule": {
    "hours": [ "int" ],
    "minutes": [ "int" ],
    "monthDays": [ "int" ],
    "weekDays": [ "string" ]
  },
  "triggerType": "Recurrence"
}

JobBaseProperties 개체

jobType 속성을 설정하여 개체 유형을 지정합니다.

AutoML경우 다음을 사용합니다.

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

명령경우 다음을 사용합니다.

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

레이블 지정경우 다음을 사용합니다.

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

파이프라인경우 다음을 사용합니다.

{
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "jobs": {
    "{customized property}": {}
  },
  "jobType": "Pipeline",
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "settings": {},
  "sourceJobId": "string"
}

spark경우 다음을 사용합니다.

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

스윕경우 다음을 사용합니다.

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

ForecastHorizon 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  "mode": "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  "mode": "Custom",
  "value": "int"
}

속성 값

AllFeatures

이름 묘사 값
filterType [필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다. 'AllFeatures'(필수)

AllNodes

이름 묘사 값
nodesValueType [필수] 노드 값의 형식 'All'(필수)

AmlToken

이름 묘사 값
identityType [필수] ID 프레임워크의 형식을 지정합니다. 'AMLToken'(필수)

AmlTokenComputeIdentity

이름 묘사 값
computeIdentityType [필수] 컴퓨팅 ID 유형 열거형을 모니터링합니다. 'AmlToken'(필수)

AutoDeleteSetting

이름 묘사 값
조건 자산이 만료되었는지 확인하는 경우 'CreatedGreaterThan'
'LastAccessedGreaterThan'
값 만료 조건 값입니다. 문자열

AutoForecastHorizon

이름 묘사 값
모드 [필수] 예측 수평선 값 선택 모드를 설정합니다. 'Auto'(필수)

AutologgerSettings

이름 묘사 값
mlflowAutologger [필수] mlflow 자동 로그기를 사용할 수 있는지 여부를 나타냅니다. '사용 안 함'
'Enabled'(필수)

AutoMLJob

이름 묘사 값
environmentId 작업에 대한 환경 사양의 ARM 리소스 ID입니다.
이 값은 선택적 값이며, 제공되지 않은 경우 AutoML은 작업을 실행할 때 이를 프로덕션 AutoML 큐레이팅된 환경 버전으로 기본값으로 지정합니다.		 문자열
environmentVariables 작업에 포함된 환경 변수입니다. autoMLJobEnvironmentVariables
jobType [필수] 작업 유형을 지정합니다. 'AutoML'(필수)
출력 작업에 사용되는 출력 데이터 바인딩의 매핑입니다. AutoMLJobOutputs
queueSettings 작업에 대한 큐 설정 QueueSettings
리소스 작업에 대한 컴퓨팅 리소스 구성입니다. JobResourceConfiguration
taskDetails [필수] 테이블/NLP/이미지 중 하나일 수 있는 시나리오를 나타냅니다. autoMLVertical (필수)

AutoMLJobEnvironmentVariables

이름 묘사 값

AutoMLJobOutputs

이름 묘사 값

AutoMLVertical

이름 묘사 값
logVerbosity 작업에 대한 자세한 정보를 기록합니다. 'Critical'
'디버그'
'Error'
'정보'
'NotSet'
'경고'
targetColumnName 대상 열 이름: 예측 값 열입니다.
분류 작업의 컨텍스트에서 레이블 열 이름이라고도 합니다.		 문자열
taskType 형식 분류대해 '분류'로 설정합니다. 예측유형에 대해 '예측'으로 설정합니다. ImageClassification형식에 대해 'ImageClassification'으로 설정합니다. ImageClassificationMultilabel형식에 대해 'ImageClassificationMultilabel'로 설정합니다. ImageInstanceSegmentation형식에 대해 'ImageInstanceSegmentation'으로 설정합니다. ImageObjectDetection형식에 대해 'ImageObjectDetection'으로 설정합니다. 회귀형식에 대해 '회귀'로 설정합니다. TextClassification형식에 대해 'TextClassification'으로 설정합니다. TextClassificationMultilabel형식에 대해 'TextClassificationMultilabel'로 설정합니다. TextNer형식에 대해 'TextNER'로 설정합니다. '분류'
'예측'
'ImageClassification'
'ImageClassificationMultilabel'
'ImageInstanceSegmentation'
'ImageObjectDetection'
'회귀'
'TextClassification'
'TextClassificationMultilabel'
'TextNER'(필수)
trainingData [필수] 학습 데이터 입력입니다. MLTableJobInput(필수)

AutoNCrossValidations

이름 묘사 값
모드 [필수] N 교차 유효성 검사를 결정하는 모드입니다. 'Auto'(필수)

AutoSeasonality

이름 묘사 값
모드 [필수] 계절성 모드입니다. 'Auto'(필수)

AutoTargetLags

이름 묘사 값
모드 [필수] 대상 지연 모드 설정 - 자동/사용자 지정 'Auto'(필수)

AutoTargetRollingWindowSize

이름 묘사 값
모드 [필수] TargetRollingWindowSiz 검색 모드입니다. 'Auto'(필수)

AzMonMonitoringAlertNotificationSettings

이름 묘사 값
alertNotificationType [필수] 모니터링할 신호의 유형을 지정합니다. 'AzureMonitor'(필수)

AzureDevOpsWebhook

이름 묘사 값
webhookType [필수] 콜백을 보낼 서비스 유형을 지정합니다. 'AzureDevOps'(필수)

BanditPolicy

이름 묘사 값
policyType [필수] 정책 구성의 이름 'Bandit'(필수)
slackAmount 최상의 실행에서 허용되는 절대 거리입니다. int
slackFactor 가장 성능이 좋은 실행에서 허용된 거리의 비율입니다. int

BayesianSamplingAlgorithm

이름 묘사 값
samplingAlgorithmType [필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘 'Bayesian'(필수)

CategoricalDataDriftMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. '범주'(필수)
메트릭 [필수] 계산할 범주 데이터 드리프트 메트릭입니다. '젠슨샤논디스탄스'
'PearsonsChiSquaredTest'
'PopulationStabilityIndex'(필수)

CategoricalDataQualityMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. '범주'(필수)
메트릭 [필수] 계산할 범주 데이터 품질 메트릭입니다. 'DataTypeErrorRate'
'NullValueRate'
'OutOfBoundsRate'(필수)

CategoricalPredictionDriftMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. '범주'(필수)
메트릭 [필수] 계산할 범주 예측 드리프트 메트릭입니다. '젠슨샤논디스탄스'
'PearsonsChiSquaredTest'
'PopulationStabilityIndex'(필수)

분류

이름 묘사 값
cvSplitColumnNames CVSplit 데이터에 사용할 열입니다. string[]
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. tableVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. TableFixedParameters
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. tableVerticalLimitSettings
nCrossValidations 학습 데이터 세트에 적용할 교차 유효성 검사 접기 수
유효성 검사 데이터 세트가 제공되지 않으면 입니다.		 NCrossValidations
positiveLabel 이진 메트릭 계산에 대한 양의 레이블입니다. 문자열
primaryMetric 작업에 대한 기본 메트릭입니다. '정확도'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. tableParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. tableSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. '분류'(필수)
testData 데이터 입력을 테스트합니다. MLTableJobInput
testDataSize 유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
trainingSettings AutoML 작업의 학습 단계에 대한 입력입니다. ClassificationTrainingSettings
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
weightColumnName 샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다. 문자열

ClassificationModelPerformanceMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 분류 모델 성능입니다. '정확도'
'Precision'
'Recall'(필수)
modelType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. '분류'(필수)

ClassificationTrainingSettings

이름 묘사 값
allowedTrainingAlgorithms 분류 작업에 허용되는 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'베르누울리나이브베이즈'
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'멀티노미알나이브베이즈'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
blockedTrainingAlgorithms 분류 태스크에 대한 차단된 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'베르누울리나이브베이즈'
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'멀티노미알나이브베이즈'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
enableDnnTraining DNN 모델의 권장 사항을 사용하도록 설정합니다. bool
enableModelExplainability 최상의 모델에서 설명 기능을 켜는 플래그입니다. bool
enableOnnxCompatibleModels onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다. bool
enableStackEnsemble 스택 앙상블 실행을 사용하도록 설정합니다. bool
enableVoteEnsemble 투표 앙상블 실행을 사용하도록 설정합니다. bool
ensembleModelDownloadTimeout VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다.
더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.		 문자열
stackEnsembleSettings 스택 앙상블 실행에 대한 스택 앙상블 설정입니다. StackEnsembleSettings
trainingMode TrainingMode 모드 - 'auto'로 설정하는 것은 현재 '비균등'으로 설정하는 것과 같지만 나중에 혼합 모드 또는 추론 기반 모드 선택이 발생할 수 있습니다. 기본값은 'auto'입니다.
'Distributed'인 경우 분산 기능화만 사용되고 분산 알고리즘이 선택됩니다.
'NonDistributed'이면 분산되지 않은 알고리즘만 선택됩니다.		 'Auto'
'Distributed'
'NonDistributed'

ColumnTransformer

이름 묘사 값
필드 변환기 논리를 적용할 필드입니다. string[]
매개 변수 변환기에 전달할 다른 속성입니다.
필요한 입력은 키 사전, JSON 형식의 값 쌍입니다.		 어떤

CommandJob

이름 묘사 값
autologgerSettings 작업의 배포 구성입니다. 설정된 경우 Mpi, Tensorflow, PyTorch 또는 null 중 하나여야 합니다. AutologgerSettings
codeId 코드 자산의 ARM 리소스 ID입니다. 문자열
명령 [필수] 작업을 시작할 때 실행할 명령입니다. 예. "python train.py" 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
분포 작업의 배포 구성입니다. 설정된 경우 Mpi, Tensorflow, PyTorch, Ray 또는 null 중 하나여야 합니다. DistributionConfiguration
environmentId [필수] 작업에 대한 환경 사양의 ARM 리소스 ID입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
environmentVariables 작업에 포함된 환경 변수입니다. CommandJobEnvironmentVariables
입력 작업에 사용되는 입력 데이터 바인딩의 매핑입니다. commandJobInputs
jobType [필수] 작업 유형을 지정합니다. 'Command'(필수)
제한 명령 작업 제한입니다. CommandJobLimits
출력 작업에 사용되는 출력 데이터 바인딩의 매핑입니다. CommandJobOutputs
queueSettings 작업에 대한 큐 설정 QueueSettings
리소스 작업에 대한 컴퓨팅 리소스 구성입니다. JobResourceConfiguration

CommandJobEnvironmentVariables

이름 묘사 값

CommandJobInputs

이름 묘사 값

CommandJobLimits

이름 묘사 값
jobLimitsType [필수] JobLimit 형식입니다. 'Command'
'Sweep'(필수)
타임 아웃 ISO 8601 형식의 최대 실행 기간이며, 그 후에 작업이 취소됩니다. 전체 자릿수가 초인 기간만 지원합니다. 문자열

CommandJobOutputs

이름 묘사 값

CreateMonitorAction

이름 묘사 값
actionType [필수] 일정의 작업 유형을 지정합니다. 'CreateMonitor'(필수)
monitorDefinition [필수] 모니터를 정의합니다. MonitorDefinition(필수)

CronTrigger

이름 묘사 값
식 [필수] 일정의 cron 식을 지정합니다.
식은 NCronTab 형식을 따라야 합니다.		 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
triggerType [필수] 'Cron'(필수)

CustomForecastHorizon

이름 묘사 값
모드 [필수] 예측 수평선 값 선택 모드를 설정합니다. 'Custom'(필수)
값 [필수] 예측 수평선 값입니다. int(필수)

CustomMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 사용자 정의 메트릭입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

CustomModelJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'custom_model'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

CustomModelJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'custom_model'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

CustomMonitoringSignal

이름 묘사 값
componentId [필수] 사용자 지정 메트릭을 계산하는 데 사용되는 구성 요소 리소스의 ARM 리소스 ID입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
inputAssets 입력으로 사용할 자산 모니터링 키는 구성 요소 입력 포트 이름이며, 값은 데이터 자산입니다. CustomMonitoringSignalInputAssets
입력 입력으로 사용할 추가 구성 요소 매개 변수입니다. 키는 구성 요소 리터럴 입력 포트 이름이며 값은 매개 변수 값입니다. CustomMonitoringSignalInputs
metricThresholds [필수] 계산할 메트릭 및 관련 임계값 목록입니다. CustomMetricThreshold[] (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'Custom'(필수)
workspaceConnection [필수] 계산할 메트릭 및 관련 임계값 목록입니다. monitoringWorkspaceConnection (필수)

CustomMonitoringSignalInputAssets

이름 묘사 값

CustomMonitoringSignalInputs

이름 묘사 값

CustomNCrossValidations

이름 묘사 값
모드 [필수] N 교차 유효성 검사를 결정하는 모드입니다. 'Custom'(필수)
값 [필수] N 교차 유효성 검사 값입니다. int(필수)

CustomSeasonality

이름 묘사 값
모드 [필수] 계절성 모드입니다. 'Custom'(필수)
값 [필수] 계절성 값입니다. int(필수)

CustomTargetLags

이름 묘사 값
모드 [필수] 대상 지연 모드 설정 - 자동/사용자 지정 'Custom'(필수)
값 [필수] 대상 지연 값을 설정합니다. int[] (필수)

CustomTargetRollingWindowSize

이름 묘사 값
모드 [필수] TargetRollingWindowSiz 검색 모드입니다. 'Custom'(필수)
값 [필수] TargetRollingWindowSize 값입니다. int(필수)

DatabaseSource

이름 묘사 값
쿼리 데이터 가져오기 데이터베이스 원본에 대한 SQL Query 문 문자열
sourceType [필수] 데이터 형식을 지정합니다. 'database'(필수)
storedProcedure 데이터 가져오기 데이터베이스 원본의 SQL StoredProcedure 문자열
storedProcedureParams SQL StoredProcedure 매개 변수 DatabaseSourceStoredProcedureParamsItem[]
tableName 데이터 가져오기 데이터베이스 원본의 테이블 이름 문자열

DatabaseSourceStoredProcedureParamsItem

이름 묘사 값

DataDriftMetricThresholdBase

이름 묘사 값
dataType 범주DataDriftMetricThreshold형식에 대해 '범주'로 설정합니다. NumericalDataDriftMetricThreshold형식에 대해 'Numerical'로 설정합니다. '범주'
'Numerical'(필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

DataDriftMonitoringSignal

이름 묘사 값
dataSegment 데이터 모집단의 하위 집합에 대한 범위 지정에 사용되는 데이터 세그먼트입니다. monitoringDataSegment
featureDataTypeOverride 기능 이름을 해당 데이터 형식에 매핑하는 사전입니다. DataDriftMonitoringSignalFeatureDataTypeOverride
기능 드리프트를 계산할 기능을 식별하는 기능 필터입니다. MonitoringFeatureFilterBase
metricThresholds [필수] 계산할 메트릭 및 관련 임계값 목록입니다. DataDriftMetricThresholdBase[] (필수)
productionData [필수] 드리프트가 계산될 데이터입니다. monitoringInputDataBase (필수)
referenceData [필수] 드리프트를 계산할 데이터입니다. monitoringInputDataBase (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'DataDrift'(필수)

DataDriftMonitoringSignalFeatureDataTypeOverride

이름 묘사 값

DataImport

이름 묘사 값
assetName 만들 데이터 가져오기 작업의 자산 이름 문자열
autoDeleteSetting 관리되는 데이터 자산의 수명 주기 설정을 지정합니다. autoDeleteSetting
dataType [필수] 데이터 형식을 지정합니다. 'mltable'
'uri_file'
'uri_folder'(필수)
dataUri [필수] 데이터의 URI입니다. 예: https://go.microsoft.com/fwlink/?linkid=2202330 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
묘사 자산 설명 텍스트입니다. 문자열
intellectualProperty 지적 재산권 세부 정보입니다. 데이터가 지적 재산권인 경우 사용됩니다. IntellectualProperty
isAnonymous 이름 버전이 시스템 생성(익명 등록)인 경우 스테이지가 정의된 형식의 경우 스테이지가 제공되면 IsAnonymous를 채우는 데 사용됩니다. bool
isArchived 자산이 보관되어 있나요? 스테이지가 정의된 형식의 경우 스테이지가 제공되면 IsArchived를 채우는 데 사용됩니다. bool
속성 자산 속성 사전입니다. ResourceBaseProperties
근원 가져올 자산의 원본 데이터 DataImportSource
무대 이 데이터 자산에 할당된 데이터 수명 주기의 단계 문자열
태그 태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다. resourceBaseTags

DataImportSource

이름 묘사 값
연결 데이터 가져오기 원본 스토리지에 대한 작업 영역 연결 문자열
sourceType DatabaseSource형식에 대해 'database'로 설정합니다. FileSystemSource형식에 대해 'file_system'로 설정합니다. 'database'
'file_system'(필수)

DataQualityMetricThresholdBase

이름 묘사 값
dataType CategoricalDataQualityMetricThreshold형식에 대해 '범주'로 설정합니다. numericalDataQualityMetricThreshold형식에 대해 'Numerical'으로 설정합니다. '범주'
'Numerical'(필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

DataQualityMonitoringSignal

이름 묘사 값
featureDataTypeOverride 기능 이름을 해당 데이터 형식에 매핑하는 사전입니다. DataQualityMonitoringSignalFeatureDataTypeOverride
기능 드리프트를 계산하는 기능입니다. MonitoringFeatureFilterBase
metricThresholds [필수] 계산할 메트릭 및 관련 임계값 목록입니다. DataQualityMetricThresholdBase[] (필수)
productionData [필수] 드리프트가 계산될 프로덕션 서비스에서 생성된 데이터입니다. monitoringInputDataBase (필수)
referenceData [필수] 드리프트를 계산할 데이터입니다. monitoringInputDataBase (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'DataQuality'(필수)

DataQualityMonitoringSignalFeatureDataTypeOverride

이름 묘사 값

DistributionConfiguration

이름 묘사 값
distributionType 형식 Mpi대해 'Mpi'로 설정합니다. PyTorch형식에 대해 'PyTorch'로 설정합니다. Ray유형에 대해 'Ray'로 설정합니다. TensorFlow형식에 대해 'TensorFlow'로 . 'Mpi'
'PyTorch'
'Ray'
'TensorFlow'(필수)

EarlyTerminationPolicy

이름 묘사 값
delayEvaluation 첫 번째 평가를 지연할 간격 수입니다. int
evaluationInterval 정책 평가 사이의 간격(실행 수)입니다. int
policyType BanditPolicy형식에 대해 '산적'으로 설정합니다. MedianStoppingPolicy형식에 대해 'MedianStopping'으로 설정합니다. TruncationSelectionPolicy형식에 대해 'TruncationSelection'으로 설정합니다. '산적'
'MedianStopping'
'TruncationSelection'(필수)

EmailMonitoringAlertNotificationSettings

이름 묘사 값
alertNotificationType [필수] 모니터링할 신호의 유형을 지정합니다. 'Email'(필수)
emailNotificationSetting 알림에 대한 구성입니다. notificationSetting

EndpointScheduleAction

이름 묘사 값
actionType [필수] 일정의 작업 유형을 지정합니다. 'InvokeBatchEndpoint'(필수)
endpointInvocationDefinition [필수] 일정 작업 정의 세부 정보를 정의합니다.
href="TBD" /< 참조 >		 any(필수)

FeatureAttributionDriftMonitoringSignal

이름 묘사 값
metricThreshold [필수] 계산할 메트릭 및 관련 임계값 목록입니다. FeatureAttributionMetricThreshold(필수)
productionData [필수] 드리프트가 계산될 데이터입니다. MonitoringInputDataBase[] (필수)
referenceData [필수] 드리프트를 계산할 데이터입니다. monitoringInputDataBase (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'FeatureAttributionDrift'(필수)

FeatureAttributionMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 기능 특성 메트릭입니다. 'NormalizedDiscountedCumulativeGain'(필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

FeatureSubset

이름 묘사 값
기능 [필수] 포함할 기능 목록입니다. string[] (필수)
filterType [필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다. 'FeatureSubset'(필수)

FileSystemSource

이름 묘사 값
길 데이터 가져오기 FileSystem 원본의 경로 문자열
sourceType [필수] 데이터 형식을 지정합니다. 'file_system'(필수)

FixedInputData

이름 묘사 값
inputDataType [필수] 모니터링할 신호의 유형을 지정합니다. 'Fixed'(필수)

ForecastHorizon

이름 묘사 값
모드 AutoForecastHorizon형식에 대해 'Auto'로 설정합니다. CustomForecastHorizon형식에 대해 '사용자 지정'으로 설정합니다. 'Auto'
'Custom'(필수)

예측

이름 묘사 값
cvSplitColumnNames CVSplit 데이터에 사용할 열입니다. string[]
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. tableVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. TableFixedParameters
forecastingSettings 예측 작업별 입력. ForecastingSettings
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. tableVerticalLimitSettings
nCrossValidations 학습 데이터 세트에 적용할 교차 유효성 검사 접기 수
유효성 검사 데이터 세트가 제공되지 않으면 입니다.		 NCrossValidations
primaryMetric 예측 작업에 대한 기본 메트릭입니다. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'스피어만코렐레이션'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. tableParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. tableSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. '예측'(필수)
testData 데이터 입력을 테스트합니다. MLTableJobInput
testDataSize 유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
trainingSettings AutoML 작업의 학습 단계에 대한 입력입니다. ForecastingTrainingSettings
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
weightColumnName 샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다. 문자열

ForecastingSettings

이름 묘사 값
countryOrRegionForHolidays 예측 작업에 대한 휴일의 국가 또는 지역입니다.
ISO 3166 두 글자 국가/지역 코드(예: 'US' 또는 'GB')여야 합니다.		 문자열
cvStepSize 한 CV 접기의 원본 시간과 다음 접기 사이의 기간 수입니다. 때문에
예를 들어 일일 데이터의 경우 CVStepSize = 3이면 각 접기 원본 시간이 됩니다.
3일 간격.		 int
featureLags 'auto' 또는 null을 사용하여 숫자 기능에 대한 지연을 생성하는 플래그입니다. 'Auto'
'None'
featuresUnknownAtForecastTime 학습에 사용할 수 있지만 예측/유추 시 알 수 없는 기능 열입니다.
features_unknown_at_forecast_time 설정되지 않은 경우 데이터 세트의 모든 기능 열이 유추 시간에 알려진 것으로 간주됩니다.		 string[]
forecastHorizon 시계열 빈도 단위로 원하는 최대 예측 수평선입니다. ForecastHorizon
빈도 예측 시 이 매개 변수는 예측이 필요한 기간(예: 매일, 매주, 매년 등)을 나타냅니다. 예측 빈도는 기본적으로 데이터 세트 빈도입니다. 문자열
계절 시계열 계절성을 계열 빈도의 정수 배수로 설정합니다.
계절성이 'auto'로 설정되면 유추됩니다.		 계절성
shortSeriesHandlingConfig AutoML에서 짧은 시계열을 처리하는 방법을 정의하는 매개 변수입니다. 'Auto'
'Drop'
'None'
'Pad'
targetAggregateFunction 사용자가 지정한 빈도를 준수하도록 시계열 대상 열을 집계하는 데 사용할 함수입니다.
TargetAggregateFunction이 설정된 경우(예: 'None'이 아니라 freq 매개 변수가 설정되지 않은 경우) 오류가 발생합니다. 가능한 대상 집계 함수는 "sum", "max", "min" 및 "mean"입니다.		 'Max'
'Mean'
'Min'
'None'
'Sum'
targetLags 대상 열에서 지연할 지난 기간의 수입니다. TargetLags
targetRollingWindowSize 대상 열의 롤링 창 평균을 만드는 데 사용된 이전 기간의 수입니다. TargetRollingWindowSize
timeColumnName 시간 열의 이름입니다. 이 매개 변수는 시계열을 빌드하고 해당 빈도를 유추하는 데 사용되는 입력 데이터의 날짜/시간 열을 지정하도록 예측할 때 필요합니다. 문자열
timeSeriesIdColumnNames 타임스레터를 그룹화하는 데 사용되는 열의 이름입니다. 여러 계열을 만드는 데 사용할 수 있습니다.
그레인이 정의되지 않은 경우 데이터 집합은 하나의 시계열로 간주됩니다. 이 매개 변수는 작업 유형 예측에 사용됩니다.		 string[]
useStl 시계열 대상 열의 STL 분해를 구성합니다. 'None'
'시즌'
'SeasonTrend'

ForecastingTrainingSettings

이름 묘사 값
allowedTrainingAlgorithms 예측 작업에 허용되는 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'아리맥스'
'AutoArima'
'Average'
'DecisionTree'
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naive'
'예언자'
'RandomForest'
'SeasonalAverage'
'SeasonalNaive'
'SGD'
'TCNForecaster'
'XGBoostRegressor'
blockedTrainingAlgorithms 예측 작업에 대한 차단된 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'아리맥스'
'AutoArima'
'Average'
'DecisionTree'
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naive'
'예언자'
'RandomForest'
'SeasonalAverage'
'SeasonalNaive'
'SGD'
'TCNForecaster'
'XGBoostRegressor'
enableDnnTraining DNN 모델의 권장 사항을 사용하도록 설정합니다. bool
enableModelExplainability 최상의 모델에서 설명 기능을 켜는 플래그입니다. bool
enableOnnxCompatibleModels onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다. bool
enableStackEnsemble 스택 앙상블 실행을 사용하도록 설정합니다. bool
enableVoteEnsemble 투표 앙상블 실행을 사용하도록 설정합니다. bool
ensembleModelDownloadTimeout VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다.
더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.		 문자열
stackEnsembleSettings 스택 앙상블 실행에 대한 스택 앙상블 설정입니다. StackEnsembleSettings
trainingMode TrainingMode 모드 - 'auto'로 설정하는 것은 현재 '비균등'으로 설정하는 것과 같지만 나중에 혼합 모드 또는 추론 기반 모드 선택이 발생할 수 있습니다. 기본값은 'auto'입니다.
'Distributed'인 경우 분산 기능화만 사용되고 분산 알고리즘이 선택됩니다.
'NonDistributed'이면 분산되지 않은 알고리즘만 선택됩니다.		 'Auto'
'Distributed'
'NonDistributed'

GenerationSafetyQualityMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 기능 특성 메트릭을 가져오거나 설정합니다. 'AcceptableCoherenceScorePerInstance'
'AcceptableFluencyScorePerInstance'
'AcceptableGroundednessScorePerInstance'
'AcceptableRelevanceScorePerInstance'
'AcceptableSimilarityScorePerInstance'
'AggregatedCoherencePassRate'
'AggregatedFluencyPassRate'
'AggregatedGroundednessPassRate'
'AggregatedRelevancePassRate'
'AggregatedSimilarityPassRate'(필수)
문지방 임계값을 가져오거나 설정합니다.
null이면 선택한 메트릭에 따라 기본값이 설정됩니다.		 MonitoringThreshold

GenerationSafetyQualityMonitoringSignal

이름 묘사 값
metricThresholds [필수] 계산할 메트릭과 해당 임계값을 가져오거나 설정합니다. GenerationSafetyQualityMetricThreshold[] (필수)
productionData 컴퓨팅 메트릭에 대한 대상 데이터를 가져오거나 설정합니다. MonitoringInputDataBase[]
samplingRate [필수] 대상 데이터의 샘플 속도는 0보다 크고 최대 1이어야 합니다. int(필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'GenerationSafetyQuality'(필수)
workspaceConnectionId 콘텐츠 생성 엔드포인트에 연결하는 데 사용되는 작업 영역 연결 ID를 가져오거나 설정합니다. 문자열

GenerationTokenStatisticsMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 기능 특성 메트릭을 가져오거나 설정합니다. 'TotalTokenCount'
'TotalTokenCountPerGroup'(필수)
문지방 임계값을 가져오거나 설정합니다.
null이면 선택한 메트릭에 따라 기본값이 설정됩니다.		 MonitoringThreshold

GenerationTokenStatisticsSignal

이름 묘사 값
metricThresholds [필수] 계산할 메트릭과 해당 임계값을 가져오거나 설정합니다. GenerationTokenStatisticsMetricThreshold[] (필수)
productionData 컴퓨팅 메트릭에 대한 대상 데이터를 가져오거나 설정합니다. monitoringInputDataBase
samplingRate [필수] 대상 데이터의 샘플 속도는 0보다 크고 최대 1이어야 합니다. int(필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'GenerationTokenStatistics'(필수)

GridSamplingAlgorithm

이름 묘사 값
samplingAlgorithmType [필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘 'Grid'(필수)

IdentityConfiguration

이름 묘사 값
identityType 형식 AmlToken대해 'AMLToken'으로 설정합니다. ManagedIdentity형식 'Managed'로 설정합니다. UserIdentity형식에 대해 'UserIdentity'로 설정합니다. 'AMLToken'
'관리'
'UserIdentity'(필수)

ImageClassification

이름 묘사 값
limitSettings [필수] AutoML 작업에 대한 설정을 제한합니다. ImageLimitSettings (필수)
modelSettings 모델 학습에 사용되는 설정입니다. ImageModelSettingsClassification
primaryMetric 이 작업에 최적화할 기본 메트릭입니다. '정확도'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. ImageModelDistributionSettingsClassification[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다. imageSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'ImageClassification'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int

ImageClassificationMultilabel

이름 묘사 값
limitSettings [필수] AutoML 작업에 대한 설정을 제한합니다. ImageLimitSettings (필수)
modelSettings 모델 학습에 사용되는 설정입니다. ImageModelSettingsClassification
primaryMetric 이 작업에 최적화할 기본 메트릭입니다. '정확도'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'IOU'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. ImageModelDistributionSettingsClassification[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다. imageSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'ImageClassificationMultilabel'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int

ImageInstanceSegmentation

이름 묘사 값
limitSettings [필수] AutoML 작업에 대한 설정을 제한합니다. ImageLimitSettings (필수)
modelSettings 모델 학습에 사용되는 설정입니다. ImageModelSettingsObjectDetection
primaryMetric 이 작업에 최적화할 기본 메트릭입니다. 'MeanAveragePrecision'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. imageModelDistributionSettingsObjectDetection[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다. imageSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'ImageInstanceSegmentation'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int

ImageLimitSettings

이름 묘사 값
maxConcurrentTrials 동시 AutoML 반복의 최대 수입니다. int
maxTrials AutoML 반복의 최대 수입니다. int
타임 아웃 AutoML 작업 시간 제한입니다. 문자열

ImageModelDistributionSettingsClassification

이름 묘사 값
amsGradient 최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다. 문자열
확대 확대를 사용하기 위한 설정입니다. 문자열
beta1 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
beta2 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
분산 배포자 학습을 사용할지 여부입니다. 문자열
earlyStopping 학습 중에 조기 중지 논리를 사용하도록 설정합니다. 문자열
earlyStoppingDelay 기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가
는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.		 문자열
earlyStoppingPatience 이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수
실행이 중지되었습니다. 양의 정수여야 합니다.		 문자열
enableOnnxNormalization ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다. 문자열
evaluationFrequency 메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다. 문자열
gradientAccumulationStep 그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다.
해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음
가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.		 문자열
layersToFreeze 모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다.
예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은
freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요.
참조: /azure/machine-learning/how-to-auto-train-image-models.		 문자열
learningRate 초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
learningRateScheduler 학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다. 문자열
modelName 학습에 사용할 모델의 이름입니다.
사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요.
/azure/machine-learning/how-to-auto-train-image-models.		 문자열
운동량 최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
nesterov 최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다. 문자열
numberOfEpochs 학습 epoch의 수입니다. 양의 정수여야 합니다. 문자열
numberOfWorkers 데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다. 문자열
최적화 최적화 프로그램의 유형입니다. 'sgd', 'adam' 또는 'adamw'여야 합니다. 문자열
randomSeed 결정적 학습을 사용할 때 사용할 임의 시드입니다. 문자열
stepLRGamma 학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
stepLRStepSize 학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다. 문자열
trainingBatchSize 학습 일괄 처리 크기입니다. 양의 정수여야 합니다. 문자열
trainingCropSize 학습 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다. 문자열
validationBatchSize 유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다. 문자열
validationCropSize 유효성 검사 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다. 문자열
validationResizeSize 유효성 검사 데이터 세트를 자르기 전에 크기를 조정할 이미지 크기입니다. 양의 정수여야 합니다. 문자열
warmupCosineLRCycles 학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
warmupCosineLRWarmupEpochs 학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다. 문자열
weightDecay 최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다. 문자열
weightedLoss 가중 손실. 허용되는 값은 가중치 손실 없이 0입니다.
sqrt를 사용한 가중치 손실의 경우 1. (class_weights). class_weights 가중치 손실에 대한 2. 0 또는 1 또는 2여야 합니다.		 문자열

ImageModelDistributionSettingsObjectDetection

이름 묘사 값
amsGradient 최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다. 문자열
확대 확대를 사용하기 위한 설정입니다. 문자열
beta1 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
beta2 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
boxDetectionsPerImage 모든 클래스에 대한 이미지당 최대 검색 수입니다. 양의 정수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
boxScoreThreshold 유추하는 동안 분류 점수가 다음보다 큰 제안만 반환합니다.
BoxScoreThreshold. 범위[0, 1]의 부동 소수 자릿수여야 합니다.		 문자열
분산 배포자 학습을 사용할지 여부입니다. 문자열
earlyStopping 학습 중에 조기 중지 논리를 사용하도록 설정합니다. 문자열
earlyStoppingDelay 기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가
는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.		 문자열
earlyStoppingPatience 이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수
실행이 중지되었습니다. 양의 정수여야 합니다.		 문자열
enableOnnxNormalization ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다. 문자열
evaluationFrequency 메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다. 문자열
gradientAccumulationStep 그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다.
해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음
가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.		 문자열
imageSize 학습 및 유효성 검사를 위한 이미지 크기입니다. 양의 정수여야 합니다.
참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 문자열
layersToFreeze 모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다.
예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은
freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요.
참조: /azure/machine-learning/how-to-auto-train-image-models.		 문자열
learningRate 초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
learningRateScheduler 학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다. 문자열
maxSize 백본에 공급하기 전에 크기가 조정될 이미지의 최대 크기입니다.
양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
minSize 백본에 공급하기 전에 크기가 조정될 이미지의 최소 크기입니다.
양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
modelName 학습에 사용할 모델의 이름입니다.
사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요.
/azure/machine-learning/how-to-auto-train-image-models.		 문자열
modelSize 모델 크기입니다. 'small', 'medium', 'large' 또는 'xlarge'여야 합니다.
참고: 모델 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 문자열
운동량 최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
multiScale 이미지 크기를 +/- 50%변경하여 다중 크기 이미지를 사용하도록 설정합니다.
참고: 충분한 GPU 메모리가 없는 경우 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 문자열
nesterov 최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다. 문자열
nmsIouThreshold NMS 사후 처리에서 유추하는 동안 사용되는 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다. 문자열
numberOfEpochs 학습 epoch의 수입니다. 양의 정수여야 합니다. 문자열
numberOfWorkers 데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다. 문자열
최적화 최적화 프로그램의 유형입니다. 'sgd', 'adam' 또는 'adamw'여야 합니다. 문자열
randomSeed 결정적 학습을 사용할 때 사용할 임의 시드입니다. 문자열
stepLRGamma 학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
stepLRStepSize 학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다. 문자열
tileGridSize 각 이미지를 타일링하는 데 사용할 그리드 크기입니다. 참고: TileGridSize는
작은 개체 검색 논리를 사용하도록 설정할 수 없습니다. mxn 형식의 두 정수가 포함된 문자열입니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
tileOverlapRatio 각 차원의 인접 타일 간의 겹침 비율입니다. 범위 [0, 1)에 부동 소수 자릿수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
tilePredictionsNmsThreshold 타일 및 이미지에서 예측을 병합하는 동안 NMS를 수행하는 데 사용할 IOU 임계값입니다.
유효성 검사/유추에 사용됩니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.
NMS: 최대값이 아닌 표시 안 함		 문자열
trainingBatchSize 학습 일괄 처리 크기입니다. 양의 정수여야 합니다. 문자열
validationBatchSize 유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다. 문자열
validationIouThreshold 유효성 검사 메트릭을 계산할 때 사용할 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다. 문자열
validationMetricType 유효성 검사 메트릭에 사용할 메트릭 계산 방법입니다. 'none', 'coco', 'voc' 또는 'coco_voc'이어야 합니다. 문자열
warmupCosineLRCycles 학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
warmupCosineLRWarmupEpochs 학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다. 문자열
weightDecay 최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다. 문자열

ImageModelSettingsClassification

이름 묘사 값
advancedSettings 고급 시나리오에 대한 설정입니다. 문자열
amsGradient 최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다. bool
확대 확대를 사용하기 위한 설정입니다. 문자열
beta1 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
beta2 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
checkpointFrequency 모델 검사점을 저장하는 빈도입니다. 양의 정수여야 합니다. int
checkpointModel 증분 학습을 위한 미리 학습된 검사점 모델입니다. MLFlowModelJobInput
checkpointRunId 증분 학습에 대한 미리 학습된 검사점이 있는 이전 실행의 ID입니다. 문자열
분산 분산 학습을 사용할지 여부입니다. bool
earlyStopping 학습 중에 조기 중지 논리를 사용하도록 설정합니다. bool
earlyStoppingDelay 기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가
는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.		 int
earlyStoppingPatience 이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수
실행이 중지되었습니다. 양의 정수여야 합니다.		 int
enableOnnxNormalization ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다. bool
evaluationFrequency 메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다. int
gradientAccumulationStep 그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다.
해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음
가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.		 int
layersToFreeze 모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다.
예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은
freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요.
참조: /azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate 초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
learningRateScheduler 학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다. 'None'
'Step'
'WarmupCosine'
modelName 학습에 사용할 모델의 이름입니다.
사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요.
/azure/machine-learning/how-to-auto-train-image-models.		 문자열
운동량 최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
nesterov 최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다. bool
numberOfEpochs 학습 epoch의 수입니다. 양의 정수여야 합니다. int
numberOfWorkers 데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다. int
최적화 최적화 프로그램의 유형입니다. '아담'
'Adamw'
'None'
'Sgd'
randomSeed 결정적 학습을 사용할 때 사용할 임의 시드입니다. int
stepLRGamma 학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
stepLRStepSize 학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다. int
trainingBatchSize 학습 일괄 처리 크기입니다. 양의 정수여야 합니다. int
trainingCropSize 학습 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다. int
validationBatchSize 유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다. int
validationCropSize 유효성 검사 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다. int
validationResizeSize 유효성 검사 데이터 세트를 자르기 전에 크기를 조정할 이미지 크기입니다. 양의 정수여야 합니다. int
warmupCosineLRCycles 학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
warmupCosineLRWarmupEpochs 학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다. int
weightDecay 최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다. int
weightedLoss 가중 손실. 허용되는 값은 가중치 손실 없이 0입니다.
sqrt를 사용한 가중치 손실의 경우 1. (class_weights). class_weights 가중치 손실에 대한 2. 0 또는 1 또는 2여야 합니다.		 int

ImageModelSettingsObjectDetection

이름 묘사 값
advancedSettings 고급 시나리오에 대한 설정입니다. 문자열
amsGradient 최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다. bool
확대 확대를 사용하기 위한 설정입니다. 문자열
beta1 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
beta2 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
boxDetectionsPerImage 모든 클래스에 대한 이미지당 최대 검색 수입니다. 양의 정수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 int
boxScoreThreshold 유추하는 동안 분류 점수가 다음보다 큰 제안만 반환합니다.
BoxScoreThreshold. 범위[0, 1]의 부동 소수 자릿수여야 합니다.		 int
checkpointFrequency 모델 검사점을 저장하는 빈도입니다. 양의 정수여야 합니다. int
checkpointModel 증분 학습을 위한 미리 학습된 검사점 모델입니다. MLFlowModelJobInput
checkpointRunId 증분 학습에 대한 미리 학습된 검사점이 있는 이전 실행의 ID입니다. 문자열
분산 분산 학습을 사용할지 여부입니다. bool
earlyStopping 학습 중에 조기 중지 논리를 사용하도록 설정합니다. bool
earlyStoppingDelay 기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가
는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.		 int
earlyStoppingPatience 이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수
실행이 중지되었습니다. 양의 정수여야 합니다.		 int
enableOnnxNormalization ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다. bool
evaluationFrequency 메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다. int
gradientAccumulationStep 그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다.
해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음
가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.		 int
imageSize 학습 및 유효성 검사를 위한 이미지 크기입니다. 양의 정수여야 합니다.
참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 int
layersToFreeze 모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다.
예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은
freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요.
참조: /azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate 초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
learningRateScheduler 학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다. 'None'
'Step'
'WarmupCosine'
logTrainingMetrics 컴퓨팅 및 로깅 학습 메트릭을 사용하도록 설정합니다. 'Disable'
'사용'
logValidationLoss 컴퓨팅 및 로깅 유효성 검사 손실을 사용하도록 설정합니다. 'Disable'
'사용'
maxSize 백본에 공급하기 전에 크기가 조정될 이미지의 최대 크기입니다.
양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 int
minSize 백본에 공급하기 전에 크기가 조정될 이미지의 최소 크기입니다.
양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 int
modelName 학습에 사용할 모델의 이름입니다.
사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요.
/azure/machine-learning/how-to-auto-train-image-models.		 문자열
modelSize 모델 크기입니다. 'small', 'medium', 'large' 또는 'xlarge'여야 합니다.
참고: 모델 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 'ExtraLarge'
'Large'
'Medium'
'None'
'Small'
운동량 최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
multiScale 이미지 크기를 +/- 50%변경하여 다중 크기 이미지를 사용하도록 설정합니다.
참고: 충분한 GPU 메모리가 없는 경우 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 bool
nesterov 최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다. bool
nmsIouThreshold NMS 사후 처리에서 유추하는 동안 사용되는 IOU 임계값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
numberOfEpochs 학습 epoch의 수입니다. 양의 정수여야 합니다. int
numberOfWorkers 데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다. int
최적화 최적화 프로그램의 유형입니다. '아담'
'Adamw'
'None'
'Sgd'
randomSeed 결정적 학습을 사용할 때 사용할 임의 시드입니다. int
stepLRGamma 학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
stepLRStepSize 학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다. int
tileGridSize 각 이미지를 타일링하는 데 사용할 그리드 크기입니다. 참고: TileGridSize는
작은 개체 검색 논리를 사용하도록 설정할 수 없습니다. mxn 형식의 두 정수가 포함된 문자열입니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
tileOverlapRatio 각 차원의 인접 타일 간의 겹침 비율입니다. 범위 [0, 1)에 부동 소수 자릿수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 int
tilePredictionsNmsThreshold 타일 및 이미지에서 예측을 병합하는 동안 NMS를 수행하는 데 사용할 IOU 임계값입니다.
유효성 검사/유추에 사용됩니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 int
trainingBatchSize 학습 일괄 처리 크기입니다. 양의 정수여야 합니다. int
validationBatchSize 유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다. int
validationIouThreshold 유효성 검사 메트릭을 계산할 때 사용할 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다. int
validationMetricType 유효성 검사 메트릭에 사용할 메트릭 계산 방법입니다. '코코'
'CocoVoc'
'None'
'Voc'
warmupCosineLRCycles 학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
warmupCosineLRWarmupEpochs 학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다. int
weightDecay 최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다. int

ImageObjectDetection

이름 묘사 값
limitSettings [필수] AutoML 작업에 대한 설정을 제한합니다. ImageLimitSettings (필수)
modelSettings 모델 학습에 사용되는 설정입니다. ImageModelSettingsObjectDetection
primaryMetric 이 작업에 최적화할 기본 메트릭입니다. 'MeanAveragePrecision'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. imageModelDistributionSettingsObjectDetection[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다. imageSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'ImageObjectDetection'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int

ImageSweepSettings

이름 묘사 값
earlyTermination 조기 종료 정책의 유형입니다. earlyTerminationPolicy
samplingAlgorithm [필수] 하이퍼 매개 변수 샘플링 알고리즘의 형식입니다. '베이지안'
'Grid'
'Random'(필수)

ImportDataAction

이름 묘사 값
actionType [필수] 일정의 작업 유형을 지정합니다. 'ImportData'(필수)
dataImportDefinition [필수] 일정 작업 정의 세부 정보를 정의합니다. DataImport(필수)

IntellectualProperty

이름 묘사 값
protectionLevel 지적 재산권의 보호 수준입니다. 'All'
'None'
게시자 [필수] 지적 재산권의 게시자입니다. 레지스트리 게시자 이름과 동일해야 합니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

JobBaseProperties

이름 묘사 값
componentId 구성 요소 리소스의 ARM 리소스 ID입니다. 문자열
computeId 컴퓨팅 리소스의 ARM 리소스 ID입니다. 문자열
묘사 자산 설명 텍스트입니다. 문자열
displayName 작업의 표시 이름입니다. 문자열
experimentName 작업이 속한 실험의 이름입니다. 설정하지 않으면 작업이 "기본" 실험에 배치됩니다. 문자열
신원 ID 구성. 설정된 경우 AmlToken, ManagedIdentity, UserIdentity 또는 null 중 하나여야 합니다.
Null인 경우 기본값은 AmlToken입니다.		 IdentityConfiguration
isArchived 자산이 보관되어 있나요? bool
jobType AutoMLJob형식에 대해 'AutoML'로 설정합니다. CommandJob형식에 대해 'Command'로 설정합니다. LabelingJobProperties형식에 대해 '레이블 지정'으로 설정합니다. PipelineJob형식에 대해 'Pipeline'설정합니다. SparkJob형식에 대해 'Spark'로 설정합니다. sweepJob형식에 대해 'Sweep'로 설정합니다. 'AutoML'
'Command'
'레이블 지정'
'파이프라인'
'Spark'
'Sweep'(필수)
notificationSetting 작업에 대한 알림 설정 notificationSetting
속성 자산 속성 사전입니다. ResourceBaseProperties
secretsConfiguration 런타임 중에 사용할 수 있는 비밀에 대한 구성입니다. jobBaseSecretsConfiguration
서비스 JobEndpoints 목록입니다.
로컬 작업의 경우 작업 엔드포인트의 엔드포인트 값은 FileStreamObject입니다.		 JobBaseServices
태그 태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다. resourceBaseTags

JobBaseSecretsConfiguration

이름 묘사 값

JobBaseServices

이름 묘사 값

JobInput

이름 묘사 값
묘사 입력에 대한 설명입니다. 문자열
jobInputType CustomModelJobInput형식에 대해 'custom_model'로 설정합니다. LiteralJobInput형식에 대해 'literal'로 설정합니다. MLFlowModelJobInput형식에 대해 'mlflow_model'로 설정합니다. MLTableJobInput형식에 대해 'mltable'로 설정합니다. tritonModelJobInput형식에 대해 'triton_model'로 설정합니다. UriFileJobInput형식에 대해 'uri_file'로 설정합니다. UriFolderJobInput형식에 대해 'uri_folder'로 설정합니다. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder'(필수)

JobOutput

이름 묘사 값
묘사 출력에 대한 설명입니다. 문자열
jobOutputType CustomModelJobOutput형식에 대해 'custom_model'로 설정합니다. MLFlowModelJobOutput형식에 대해 'mlflow_model'로 설정합니다. MLTableJobOutput형식에 대해 'mltable'로 설정합니다. TritonModelJobOutput형식에 대해 'triton_model'로 설정합니다. UriFileJobOutput형식에 대해 'uri_file'로 설정합니다. UriFolderJobOutput형식에 대해 'uri_folder'로 설정합니다. 'custom_model'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder'(필수)

JobResourceConfiguration

이름 묘사 값
dockerArgs Docker 실행 명령에 전달할 추가 인수입니다. 이렇게 하면 시스템 또는 이 섹션에서 이미 설정한 매개 변수가 재정의됩니다. 이 매개 변수는 Azure ML 컴퓨팅 유형에 대해서만 지원됩니다. 문자열
instanceCount 컴퓨팅 대상에서 사용하는 인스턴스 또는 노드의 선택적 수입니다. int
instanceType 컴퓨팅 대상에서 지원하는 VM의 선택적 형식입니다. 문자열
위치 작업을 실행할 수 있는 위치입니다. string[]
maxInstanceCount 컴퓨팅 대상에서 사용할 인스턴스 또는 노드의 선택적 최대 허용 수입니다.
탄력적 학습에 사용하기 위해 현재 PyTorch 배포 유형에서만 지원됩니다.		 int
속성 추가 속성 모음. resourceConfigurationProperties
shmSize Docker 컨테이너의 공유 메모리 블록 크기입니다. 이 형식은 (number)(unit) 형식이어야 합니다. 여기서 숫자는 0보다 크고 단위는 b(바이트), k(킬로바이트), m(메가바이트) 또는 g(기가바이트) 중 하나일 수 있습니다. 문자열

제약 조건:
패턴 = \d+[bBkKmMgG]

JobScheduleAction

이름 묘사 값
actionType [필수] 일정의 작업 유형을 지정합니다. 'CreateJob'(필수)
jobDefinition [필수] 일정 작업 정의 세부 정보를 정의합니다. JobBaseProperties(필수)

JobService

이름 묘사 값
끝점 엔드포인트의 URL입니다. 문자열
jobServiceType 엔드포인트 유형입니다. 문자열
노드 사용자가 서비스를 시작하려는 노드입니다.
노드가 null로 설정되거나 설정되지 않은 경우 서비스는 리더 노드에서만 시작됩니다.		 노드
항구 사용자가 설정한 엔드포인트에 대한 포트입니다. int
속성 엔드포인트에서 설정할 추가 속성입니다. JobServiceProperties

JobServiceProperties

이름 묘사 값

LabelCategory

이름 묘사 값
클래스 이 범주의 레이블 클래스 사전입니다. LabelCategoryClasses
displayName 레이블 범주의 표시 이름입니다. 문자열
multiSelect 이 범주에서 여러 클래스를 선택할 수 있는지 여부를 나타냅니다. '사용 안 함'
'Enabled'

LabelCategoryClasses

이름 묘사 값

LabelClass

이름 묘사 값
displayName 레이블 클래스의 표시 이름입니다. 문자열
서브 클래스 레이블 클래스의 하위 클래스 사전입니다. LabelClassSubclasses

LabelClassSubclasses

이름 묘사 값

LabelingDataConfiguration

이름 묘사 값
dataId 레이블 지정을 수행할 데이터 자산의 리소스 ID입니다. 문자열
incrementalDataRefresh 증분 데이터 새로 고침을 사용할지 여부를 나타냅니다. '사용 안 함'
'Enabled'

LabelingJobImageProperties

이름 묘사 값
annotationType 이미지 레이블 지정 작업의 주석 유형입니다. 'BoundingBox'
'분류'
'InstanceSegmentation'
mediaType [필수] 작업의 미디어 유형입니다. 'Image'(필수)

LabelingJobInstructions

이름 묘사 값
uri 레이블 지정에 대한 자세한 레이블 지정 지침이 있는 페이지에 대한 링크입니다. 문자열

LabelingJobLabelCategories

이름 묘사 값

LabelingJobMediaProperties

이름 묘사 값
mediaType LabelingJobImageProperties형식에 대해 'Image'로 설정합니다. LabelingJobTextProperties형식에 대해 'Text'로 설정합니다. 'Image'
'Text'(필수)

LabelingJobProperties

이름 묘사 값
dataConfiguration 작업에 사용되는 데이터의 구성입니다. labelingDataConfiguration
jobInstructions 작업의 지침에 레이블을 지정합니다. LabelingJobInstructions
jobType [필수] 작업 유형을 지정합니다. 'Labeling'(필수)
labelCategories 작업의 레이블 범주입니다. LabelingJobLabelCategories
labelingJobMediaProperties 작업에서 미디어 유형별 속성입니다. LabelingJobMediaProperties
mlAssistConfiguration 작업에서 MLAssist 기능의 구성입니다. MLAssistConfiguration

LabelingJobTextProperties

이름 묘사 값
annotationType 텍스트 레이블 지정 작업의 주석 형식입니다. '분류'
'NamedEntityRecognition'
mediaType [필수] 작업의 미디어 유형입니다. 'Text'(필수)

LiteralJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'literal'(필수)
값 [필수] 입력에 대한 리터럴 값입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

ManagedComputeIdentity

이름 묘사 값
computeIdentityType [필수] 컴퓨팅 ID 유형 열거형을 모니터링합니다. 'ManagedIdentity'(필수)
신원 관리 서비스 ID(시스템 할당 및/또는 사용자 할당 ID) ManagedServiceIdentity

ManagedIdentity

이름 묘사 값
clientId 클라이언트 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요. 문자열

제약 조건:
최소 길이 = 36
최대 길이 = 36
패턴 = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identityType [필수] ID 프레임워크의 형식을 지정합니다. 'Managed'(필수)
objectId 개체 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요. 문자열

제약 조건:
최소 길이 = 36
최대 길이 = 36
패턴 = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId ARM 리소스 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요. 문자열

ManagedServiceIdentity

이름 묘사 값
형 관리 서비스 ID의 유형입니다(SystemAssigned 및 UserAssigned 형식이 모두 허용되는 경우). 'None'
'SystemAssigned'
'SystemAssigned,UserAssigned'
'UserAssigned'(필수)
userAssignedIdentities 리소스와 연결된 사용자 할당 ID 집합입니다. userAssignedIdentities 사전 키는 '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName} 형식의 ARM 리소스 ID입니다. 사전 값은 요청에서 빈 개체({})일 수 있습니다. UserAssignedIdentities

MedianStoppingPolicy

이름 묘사 값
policyType [필수] 정책 구성의 이름 'MedianStopping'(필수)

Microsoft.MachineLearningServices/workspaces/schedules

이름 묘사 값
apiVersion api 버전 '2023-06-01-preview'
이름 리소스 이름 문자열

제약 조건:
패턴 = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$(필수)
속성 [필수] 엔터티의 추가 특성입니다. ScheduleProperties(필수)
형 리소스 종류 'Microsoft.MachineLearningServices/workspaces/schedules'

MLAssistConfiguration

이름 묘사 값
mlAssist MLAssistConfigurationDisabled형식에 대해 'Disabled'로 설정합니다. MLAssistConfigurationEnabled형식에 대해 '사용'으로 설정합니다. '사용 안 함'
'Enabled'(필수)

MLAssistConfigurationDisabled

이름 묘사 값
mlAssist [필수] MLAssist 기능을 사용할 수 있는지 여부를 나타냅니다. 'Disabled'(필수)

MLAssistConfigurationEnabled

이름 묘사 값
inferencingComputeBinding [필수] 추론에 사용되는 AML 컴퓨팅 바인딩입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
mlAssist [필수] MLAssist 기능을 사용할 수 있는지 여부를 나타냅니다. 'Enabled'(필수)
trainingComputeBinding [필수] 학습에 사용되는 AML 컴퓨팅 바인딩입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MLFlowModelJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'mlflow_model'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MLFlowModelJobInput

이름 묘사 값
묘사 입력에 대한 설명입니다. 문자열
jobInputType [필수] 작업 유형을 지정합니다. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MLFlowModelJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'mlflow_model'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

MLTableJobInput

이름 묘사 값
묘사 입력에 대한 설명입니다. 문자열
jobInputType [필수] 작업 유형을 지정합니다. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MLTableJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'mltable'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MLTableJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'mltable'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

ModelPerformanceMetricThresholdBase

이름 묘사 값
modelType type ClassificationModelPerformanceMetricThreshold대해 'Classification'으로 설정합니다. RegressionModelPerformanceMetricThreshold형식에 대해 '회귀'로 설정합니다. '분류'
'회귀'(필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

ModelPerformanceSignal

이름 묘사 값
dataSegment 데이터 세그먼트입니다. monitoringDataSegment
metricThreshold [필수] 계산할 메트릭 및 관련 임계값 목록입니다. ModelPerformanceMetricThresholdBase(필수)
productionData [필수] 드리프트가 계산될 프로덕션 서비스에서 생성된 데이터입니다. MonitoringInputDataBase[] (필수)
referenceData [필수] 드리프트를 계산할 데이터입니다. monitoringInputDataBase (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'ModelPerformance'(필수)

MonitorComputeConfigurationBase

이름 묘사 값
computeType MonitorServerlessSparkCompute형식에 대해 'ServerlessSpark'로 설정합니다. 'ServerlessSpark'(필수)

MonitorComputeIdentityBase

이름 묘사 값
computeIdentityType AmlTokenComputeIdentity형식에 대해 'AmlToken'으로 설정합니다. ManagedComputeIdentity형식 'ManagedIdentity'로 설정합니다. 'AmlToken'
'ManagedIdentity'(필수)

MonitorDefinition

이름 묘사 값
alertNotificationSetting 모니터의 알림 설정입니다. MonitoringAlertNotificationSettingsBase
computeConfiguration [필수] 모니터링 작업을 실행할 컴퓨팅 리소스의 ARM 리소스 ID입니다. MonitorComputeConfigurationBase (필수)
monitoringTarget 이 모니터가 대상으로 하는 모델 또는 배포의 ARM 리소스 ID입니다. monitoringTarget
신호 [필수] 모니터링할 신호입니다. MonitorDefinitionSignals(필수)

MonitorDefinitionSignals

이름 묘사 값

MonitoringAlertNotificationSettingsBase

이름 묘사 값
alertNotificationType AzMonitoringAlertNotificationSettings형식에 대해 'AzureMonitor'로 설정합니다. emailMonitoringAlertNotificationSettings형식에 대해 'Email'으로 설정합니다. 'AzureMonitor'
'Email'(필수)

MonitoringDataSegment

이름 묘사 값
특징 데이터를 분할하는 기능입니다. 문자열
값 지정된 분할된 기능의 지정된 값만 필터링합니다. string[]

MonitoringFeatureFilterBase

이름 묘사 값
filterType allFeatures형식에 대해 'AllFeatures'로 설정합니다. FeatureSubset형식에 대해 'FeatureSubset'로 설정합니다. TopNFeaturesByAttribution형식에 대해 'TopNByAttribution'으로 설정합니다. 'AllFeatures'
'FeatureSubset'
'TopNByAttribution'(필수)

MonitoringInputDataBase

이름 묘사 값
열 열 이름을 특수 용도로 매핑합니다. monitoringInputDataBaseColumns
dataContext 데이터 원본의 컨텍스트 메타데이터입니다. 문자열
inputDataType FixedInputData형식에 대해 'Fixed'로 설정합니다. StaticInputData형식에 대해 'Static'으로 설정합니다. TrailingInputData형식에 대해 '후행'으로 설정합니다. '수정됨'
'Static'
'후행'(필수)
jobInputType [필수] 작업 유형을 지정합니다. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder'(필수)
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MonitoringInputDataBaseColumns

이름 묘사 값

MonitoringSignalBase

이름 묘사 값
모드 이 신호의 현재 알림 모드입니다. '사용 안 함'
'Enabled'
속성 속성 사전입니다. 속성을 추가할 수 있지만 제거하거나 변경할 수는 없습니다. monitoringSignalBaseProperties
signalType CustomMonitoringSignal형식에 대해 'Custom'으로 설정합니다. DataDriftMonitoringSignal형식에 대해 'DataDrift'로 설정합니다. DataQualityMonitoringSignal형식에 대해 'DataQuality'로 설정합니다. FeatureAttributionDriftMonitoringSignal형식에 대해 'FeatureAttributionDrift'로 설정합니다. GenerationSafetyQualityMonitoringSignal형식에 대해 'GenerationSafetyQuality'로 설정합니다. GenerationTokenStatisticsSignal형식에 대해 'GenerationTokenStatistics'로 설정합니다. ModelPerformanceSignal형식에 대해 'ModelPerformance'로 설정합니다. PredictionDriftMonitoringSignal형식에 대해 'PredictionDrift'로 설정합니다. 'Custom'
'DataDrift'
'DataQuality'
'FeatureAttributionDrift'
'GenerationSafetyQuality'
'GenerationTokenStatistics'
'ModelPerformance'
'PredictionDrift'(필수)

MonitoringSignalBaseProperties

이름 묘사 값

MonitoringTarget

이름 묘사 값
deploymentId 이 모니터가 대상으로 하는 배포의 ARM 리소스 ID입니다. 문자열
modelId 이 모니터가 대상으로 하는 모델의 ARM 리소스 ID입니다. 문자열
taskType [필수] 모델의 기계 학습 작업 유형입니다. '분류'
'QuestionAnswering'
'회귀'(필수)

MonitoringThreshold

이름 묘사 값
값 임계값입니다. null인 경우 집합 기본값은 메트릭 형식에 따라 달라집니다. int

MonitoringWorkspaceConnection

이름 묘사 값
environmentVariables 제출된 작업에 환경 변수로 저장할 작업 영역 서비스 연결의 속성입니다.
키는 작업 영역 연결 속성 경로이고, 이름은 환경 변수 키입니다.		 MonitoringWorkspaceConnectionEnvironmentVariables
비밀 제출된 작업에 비밀로 저장할 작업 영역 서비스 연결의 속성입니다.
키는 작업 영역 연결 속성 경로이고 이름은 비밀 키입니다.		 monitoringWorkspaceConnectionSecrets

MonitoringWorkspaceConnectionEnvironmentVariables

이름 묘사 값

MonitoringWorkspaceConnectionSecrets

이름 묘사 값

MonitorServerlessSparkCompute

이름 묘사 값
computeIdentity [필수] 서버리스 Spark에서 실행되는 Spark 작업에서 활용하는 ID 체계입니다. MonitorComputeIdentityBase (필수)
computeType [필수] 모니터링할 신호의 유형을 지정합니다. 'ServerlessSpark'(필수)
instanceType [필수] Spark 작업을 실행하는 인스턴스 유형입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
runtimeVersion [필수] Spark 런타임 버전입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

Mpi

이름 묘사 값
distributionType [필수] 배포 프레임워크의 유형을 지정합니다. 'Mpi'(필수)
processCountPerInstance MPI 노드당 프로세스 수입니다. int

NCrossValidations

이름 묘사 값
모드 AutoNCrossValidations형식에 대해 'Auto'로 설정합니다. CustomNCrossValidations형식에 대해 '사용자 지정'으로 설정합니다. 'Auto'
'Custom'(필수)

NlpFixedParameters

이름 묘사 값
gradientAccumulationSteps 뒤로 패스를 실행하기 전에 그라데이션을 누적하는 단계 수입니다. int
learningRate 학습 절차의 학습 속도입니다. int
learningRateScheduler 학습 절차 중에 사용할 학습 속도 일정의 유형입니다. '상수'
'ConstantWithWarmup'
'코사인'
'CosineWithRestarts'
'선형'
'None'
'다항식'
modelName 학습할 모델의 이름입니다. 문자열
numberOfEpochs 학습 epoch의 수입니다. int
trainingBatchSize 학습 절차의 일괄 처리 크기입니다. int
validationBatchSize 평가 중에 사용할 일괄 처리 크기입니다. int
warmupRatio LrSchedulerType과 함께 사용되는 준비 비율입니다. int
weightDecay 학습 절차의 체중 감소입니다. int

NlpParameterSubspace

이름 묘사 값
gradientAccumulationSteps 뒤로 패스를 실행하기 전에 그라데이션을 누적하는 단계 수입니다. 문자열
learningRate 학습 절차의 학습 속도입니다. 문자열
learningRateScheduler 학습 절차 중에 사용할 학습 속도 일정의 유형입니다. 문자열
modelName 학습할 모델의 이름입니다. 문자열
numberOfEpochs 학습 epoch의 수입니다. 문자열
trainingBatchSize 학습 절차의 일괄 처리 크기입니다. 문자열
validationBatchSize 평가 중에 사용할 일괄 처리 크기입니다. 문자열
warmupRatio LrSchedulerType과 함께 사용되는 준비 비율입니다. 문자열
weightDecay 학습 절차의 체중 감소입니다. 문자열

NlpSweepSettings

이름 묘사 값
earlyTermination 비우기 작업에 대한 조기 종료 정책 유형입니다. earlyTerminationPolicy
samplingAlgorithm [필수] 샘플링 알고리즘의 유형입니다. '베이지안'
'Grid'
'Random'(필수)

NlpVerticalFeaturizationSettings

이름 묘사 값
datasetLanguage 텍스트 데이터에 유용한 데이터 세트 언어입니다. 문자열

NlpVerticalLimitSettings

이름 묘사 값
maxConcurrentTrials 최대 동시 AutoML 반복입니다. int
maxNodes 실험에 사용할 최대 노드입니다. int
maxTrials AutoML 반복 횟수입니다. int
타임 아웃 AutoML 작업 시간 제한입니다. 문자열
trialTimeout 개별 HD 평가판에 대한 시간 제한입니다. 문자열

노드

이름 묘사 값
nodesValueType AllNodes형식에 대해 'All'으로 설정합니다. 'All'(필수)

NotificationSetting

이름 묘사 값
emailOn 지정된 알림 유형에서 사용자에게 전자 메일 알림 보내기 다음 중 어느 것을 포함하는 문자열 배열:
'JobCancelled'
'JobCompleted'
'JobFailed'
전자 메일 쉼표 구분 기호를 사용하여 총 구성에서 499자로 제한되는 전자 메일 받는 사람 목록입니다. string[]
웹후크 서비스에 웹후크 콜백을 보냅니다. 키는 웹후크의 사용자 제공 이름입니다. NotificationSettingWebhooks

NotificationSettingWebhooks

이름 묘사 값

NumericalDataDriftMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. 'Numerical'(필수)
메트릭 [필수] 계산할 숫자 데이터 드리프트 메트릭입니다. '젠슨샤논디스탄스'
'NormalizedWassersteinDistance'
'PopulationStabilityIndex'
'TwoSampleKolmogorovSmirnovTest'(필수)

NumericalDataQualityMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. 'Numerical'(필수)
메트릭 [필수] 계산할 숫자 데이터 품질 메트릭입니다. 'DataTypeErrorRate'
'NullValueRate'
'OutOfBoundsRate'(필수)

NumericalPredictionDriftMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. 'Numerical'(필수)
메트릭 [필수] 계산할 숫자 예측 드리프트 메트릭입니다. '젠슨샤논디스탄스'
'NormalizedWassersteinDistance'
'PopulationStabilityIndex'
'TwoSampleKolmogorovSmirnovTest'(필수)

목표

이름 묘사 값
골 [필수] 하이퍼 매개 변수 튜닝에 지원되는 메트릭 목표를 정의합니다. '최대화'
'최소화'(필수)
primaryMetric [필수] 최적화할 메트릭의 이름입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

PipelineJob

이름 묘사 값
입력 파이프라인 작업에 대한 입력입니다. pipelineJobInputs
작업 작업은 파이프라인 작업을 생성합니다. pipelineJobJobs
jobType [필수] 작업 유형을 지정합니다. 'Pipeline'(필수)
출력 파이프라인 작업에 대한 출력 PipelineJobOutputs
설정 ContinueRunOnStepFailure 등의 파이프라인 설정 어떤
sourceJobId 원본 작업의 ARM 리소스 ID입니다. 문자열

PipelineJobInputs

이름 묘사 값

PipelineJobJobs

이름 묘사 값

PipelineJobOutputs

이름 묘사 값

PredictionDriftMetricThresholdBase

이름 묘사 값
dataType 형식에 대해 '범주'로 설정합니다. numericalPredictionDriftMetricThreshold형식에 대해 'Numerical'로 설정합니다. '범주'
'Numerical'(필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

PredictionDriftMonitoringSignal

이름 묘사 값
metricThresholds [필수] 계산할 메트릭 및 관련 임계값 목록입니다. PredictionDriftMetricThresholdBase[] (필수)
modelType [필수] 모니터링되는 모델의 형식입니다. '분류'
'회귀'(필수)
productionData [필수] 드리프트가 계산될 데이터입니다. monitoringInputDataBase (필수)
referenceData [필수] 드리프트를 계산할 데이터입니다. monitoringInputDataBase (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'PredictionDrift'(필수)

PyTorch

이름 묘사 값
distributionType [필수] 배포 프레임워크의 유형을 지정합니다. 'PyTorch'(필수)
processCountPerInstance 노드당 프로세스 수입니다. int

QueueSettings

이름 묘사 값
jobTier 컴퓨팅 작업 계층을 제어합니다. '기본'
'Null'
'프리미엄'
'Spot'
'Standard'
우선권 컴퓨팅에서 작업의 우선 순위를 제어합니다. int

RandomSamplingAlgorithm

이름 묘사 값
logbase 로그 기반 임의 샘플링의 기준으로 사용할 문자열 형식의 선택적 양수 또는 e 문자열
규칙 특정 유형의 임의 알고리즘 'Random'
'Sobol'
samplingAlgorithmType [필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘 'Random'(필수)
씨 난수 생성을 위한 시드로 사용할 선택적 정수입니다. int

광선

이름 묘사 값
주소 Ray 헤드 노드의 주소입니다. 문자열
dashboardPort 대시보드 서버를 바인딩할 포트입니다. int
distributionType [필수] 배포 프레임워크의 유형을 지정합니다. 'Ray'(필수)
headNodeAdditionalArgs 헤드 노드에서 광선 시작에 전달되는 추가 인수입니다. 문자열
includeDashboard Ray 대시보드 GUI를 시작하려면 이 인수를 제공합니다. bool
항구 헤드 레이 프로세스의 포트입니다. int
workerNodeAdditionalArgs 작업자 노드에서 광선 시작에 전달된 추가 인수입니다. 문자열

RecurrenceSchedule

이름 묘사 값
시간 [필수] 일정의 시간 목록입니다. int[] (필수)
분 [필수] 일정의 시간(분) 목록입니다. int[] (필수)
monthDays 일정의 월 일 목록 int[]
평일 일정의 일 수 목록입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'금요일'
'월요일'
'토요일'
'일요일'
'목요일'
'화요일'
'수요일'

RecurrenceTrigger

이름 묘사 값
빈도 [필수] 일정을 트리거하는 빈도입니다. 'Day'
'Hour'
'Minute'
'월'
'Week'(필수)
간 [필수] 빈도와 함께 일정 간격을 지정합니다. int(필수)
일정 되풀이 일정입니다. RecurrenceSchedule
triggerType [필수] '되풀이'(필수)

회귀

이름 묘사 값
cvSplitColumnNames CVSplit 데이터에 사용할 열입니다. string[]
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. tableVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. TableFixedParameters
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. tableVerticalLimitSettings
nCrossValidations 학습 데이터 세트에 적용할 교차 유효성 검사 접기 수
유효성 검사 데이터 세트가 제공되지 않으면 입니다.		 NCrossValidations
primaryMetric 회귀 태스크에 대한 기본 메트릭입니다. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'스피어만코렐레이션'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. tableParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. tableSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. '회귀'(필수)
testData 데이터 입력을 테스트합니다. MLTableJobInput
testDataSize 유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
trainingSettings AutoML 작업의 학습 단계에 대한 입력입니다. RegressionTrainingSettings
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
weightColumnName 샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다. 문자열

RegressionModelPerformanceMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 회귀 모델 성능 메트릭입니다. 'MeanAbsoluteError'
'MeanSquaredError'
'RootMeanSquaredError'(필수)
modelType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. '회귀'(필수)

RegressionTrainingSettings

이름 묘사 값
allowedTrainingAlgorithms 회귀 태스크에 허용되는 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'DecisionTree'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
blockedTrainingAlgorithms 회귀 태스크에 대한 차단된 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'DecisionTree'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
enableDnnTraining DNN 모델의 권장 사항을 사용하도록 설정합니다. bool
enableModelExplainability 최상의 모델에서 설명 기능을 켜는 플래그입니다. bool
enableOnnxCompatibleModels onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다. bool
enableStackEnsemble 스택 앙상블 실행을 사용하도록 설정합니다. bool
enableVoteEnsemble 투표 앙상블 실행을 사용하도록 설정합니다. bool
ensembleModelDownloadTimeout VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다.
더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.		 문자열
stackEnsembleSettings 스택 앙상블 실행에 대한 스택 앙상블 설정입니다. StackEnsembleSettings
trainingMode TrainingMode 모드 - 'auto'로 설정하는 것은 현재 '비균등'으로 설정하는 것과 같지만 나중에 혼합 모드 또는 추론 기반 모드 선택이 발생할 수 있습니다. 기본값은 'auto'입니다.
'Distributed'인 경우 분산 기능화만 사용되고 분산 알고리즘이 선택됩니다.
'NonDistributed'이면 분산되지 않은 알고리즘만 선택됩니다.		 'Auto'
'Distributed'
'NonDistributed'

ResourceBaseProperties

이름 묘사 값

ResourceBaseProperties

이름 묘사 값

ResourceBaseProperties

이름 묘사 값

ResourceBaseTags

이름 묘사 값

ResourceBaseTags

이름 묘사 값

ResourceBaseTags

이름 묘사 값

ResourceConfigurationProperties

이름 묘사 값

SamplingAlgorithm

이름 묘사 값
samplingAlgorithmType BayesianSamplingAlgorithm형식에 대해 'Bayesian'으로 설정합니다. GridSamplingAlgorithm형식에 대해 'Grid'로 설정합니다. RandomSamplingAlgorithm형식에 대해 'Random'으로 설정합니다. '베이지안'
'Grid'
'Random'(필수)

ScheduleActionBase

이름 묘사 값
actionType JobScheduleAction형식에 대해 'CreateJob'으로 설정합니다. CreateMonitorAction형식에 대해 'CreateMonitor'로 설정합니다. ImportDataAction형식에 대해 'ImportData'로 설정합니다. EndpointScheduleAction형식에 대해 'InvokeBatchEndpoint'로 설정합니다. 'CreateJob'
'CreateMonitor'
'ImportData'
'InvokeBatchEndpoint'(필수)

ScheduleProperties

이름 묘사 값
행동 [필수] 일정의 동작을 지정합니다. ScheduleActionBase(필수)
묘사 자산 설명 텍스트입니다. 문자열
displayName 일정의 표시 이름입니다. 문자열
isEnabled 일정이 활성화되어 있나요? bool
속성 자산 속성 사전입니다. ResourceBaseProperties
태그 태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다. resourceBaseTags
방아쇠 [필수] 트리거 세부 정보를 지정합니다. TriggerBase(필수)

계절

이름 묘사 값
모드 AutoSeasonality형식에 대해 'Auto'로 설정합니다. CustomSeasonality형식에 대해 'Custom'으로 설정합니다. 'Auto'
'Custom'(필수)

SecretConfiguration

이름 묘사 값
uri 비밀 Uri입니다.
샘플 URI: https://myvault.vault.azure.net/secrets/mysecretname/secretversion		 문자열
workspaceSecretName 작업 영역 키 자격 증명 모음의 비밀 이름입니다. 문자열

SparkJob

이름 묘사 값
공문서 작업에 사용되는 파일을 보관합니다. string[]
인수(args) 작업에 대한 인수입니다. 문자열
codeId [필수] 코드 자산의 ARM 리소스 ID입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
conf Spark가 구성한 속성입니다. SparkJobConf
항목 [필수] 작업을 시작할 때 실행할 항목입니다. SparkJobEntry(필수)
environmentId 작업에 대한 환경 사양의 ARM 리소스 ID입니다. 문자열
파일 작업에 사용되는 파일입니다. string[]
입력 작업에 사용되는 입력 데이터 바인딩의 매핑입니다. SparkJobInputs
항아리 작업에 사용되는 Jar 파일입니다. string[]
jobType [필수] 작업 유형을 지정합니다. 'Spark'(필수)
출력 작업에 사용되는 출력 데이터 바인딩의 매핑입니다. SparkJobOutputs
pyFiles 작업에 사용되는 Python 파일입니다. string[]
queueSettings 작업에 대한 큐 설정 QueueSettings
리소스 작업에 대한 컴퓨팅 리소스 구성입니다. SparkResourceConfiguration

SparkJobConf

이름 묘사 값

SparkJobEntry

이름 묘사 값
sparkJobEntryType SparkJobPythonEntry형식에 대해 'SparkJobPythonEntry'로 설정합니다. SparkJobScalaEntry형식에 대해 'SparkJobScalaEntry'로 설정합니다. 'SparkJobPythonEntry'
'SparkJobScalaEntry'(필수)

SparkJobInputs

이름 묘사 값

SparkJobOutputs

이름 묘사 값

SparkJobPythonEntry

이름 묘사 값
파일 [필수] 작업 진입점에 대한 상대 Python 파일 경로입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
sparkJobEntryType [필수] 작업의 진입점 유형입니다. 'SparkJobPythonEntry'(필수)

SparkJobScalaEntry

이름 묘사 값
className [필수] 진입점으로 사용되는 Scala 클래스 이름입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
sparkJobEntryType [필수] 작업의 진입점 유형입니다. 'SparkJobScalaEntry'(필수)

SparkResourceConfiguration

이름 묘사 값
instanceType 컴퓨팅 대상에서 지원하는 VM의 선택적 형식입니다. 문자열
runtimeVersion 작업에 사용되는 Spark 런타임의 버전입니다. 문자열

StackEnsembleSettings

이름 묘사 값
stackMetaLearnerKWargs 메타 학습자의 이니셜라이저에 전달할 선택적 매개 변수입니다. 어떤
stackMetaLearnerTrainPercentage 메타 학습자를 학습하기 위해 예약할 학습 집합의 비율(학습 및 학습 유효성 검사 유형을 선택할 때)을 지정합니다. 기본값은 0.2입니다. int
stackMetaLearnerType 메타 학습자는 개별 이종 모델의 출력에 대해 학습된 모델입니다. 'ElasticNet'
'ElasticNetCV'
'LightGBMClassifier'
'LightGBMRegressor'
'LinearRegression'
'LogisticRegression'
'LogisticRegressionCV'
'None'

StaticInputData

이름 묘사 값
inputDataType [필수] 모니터링할 신호의 유형을 지정합니다. 'Static'(필수)
preprocessingComponentId 데이터를 전처리하는 데 사용되는 구성 요소 리소스의 ARM 리소스 ID입니다. 문자열
windowEnd [필수] 데이터 창의 종료 날짜입니다. string(필수)
windowStart [필수] 데이터 창의 시작 날짜입니다. string(필수)

SweepJob

이름 묘사 값
earlyTermination 조기 종료 정책을 사용하면 완료하기 전에 성능이 저하된 실행을 취소할 수 있습니다. earlyTerminationPolicy
입력 작업에 사용되는 입력 데이터 바인딩의 매핑입니다. SweepJobInputs
jobType [필수] 작업 유형을 지정합니다. 'Sweep'(필수)
제한 스윕 작업 제한입니다. SweepJobLimits
목표 [필수] 최적화 목표입니다. Objective(필수)
출력 작업에 사용되는 출력 데이터 바인딩의 매핑입니다. SweepJobOutputs
queueSettings 작업에 대한 큐 설정 QueueSettings
samplingAlgorithm [필수] 하이퍼 매개 변수 샘플링 알고리즘 SamplingAlgorithm(필수)
searchSpace [필수] 각 매개 변수와 해당 분포를 포함하는 사전입니다. 사전 키는 매개 변수의 이름입니다. any(필수)
재판 [필수] 평가판 구성 요소 정의입니다. trialComponent (필수)

SweepJobInputs

이름 묘사 값

SweepJobLimits

이름 묘사 값
jobLimitsType [필수] JobLimit 형식입니다. 'Command'
'Sweep'(필수)
maxConcurrentTrials 작업 최대 동시 평가판을 스윕합니다. int
maxTotalTrials 스윕 작업 최대 총 평가판입니다. int
타임 아웃 ISO 8601 형식의 최대 실행 기간이며, 그 후에 작업이 취소됩니다. 전체 자릿수가 초인 기간만 지원합니다. 문자열
trialTimeout 비우기 작업 평가판 시간 제한 값입니다. 문자열

SweepJobOutputs

이름 묘사 값

TableFixedParameters

이름 묘사 값
부스터 부스팅 유형(예: XGBoost의 경우 gbdt)을 지정합니다. 문자열
boostingType 증폭 유형(예: LightGBM의 경우 gbdt)을 지정합니다. 문자열
growPolicy 새 노드가 트리에 추가되는 방식을 제어하는 증가 정책을 지정합니다. 문자열
learningRate 학습 절차의 학습 속도입니다. int
maxBin 버킷 연속 기능에 대한 최대 불연속 bin 수를 지정합니다. int
maxDepth 트리 깊이를 명시적으로 제한하려면 최대 깊이를 지정합니다. int
maxLeaves 트리 잎을 명시적으로 제한하려면 최대 잎을 지정합니다. int
minDataInLeaf 리프당 최소 데이터 수입니다. int
minSplitGain 트리의 리프 노드에서 추가 파티션을 만드는 데 필요한 최소 손실 감소입니다. int
modelName 학습할 모델의 이름입니다. 문자열
nEstimators 모델에서 트리(또는 반올림) 수를 지정합니다. int
numLeaves 나뭇잎 수를 지정합니다. int
preprocessorName 사용할 전처리기의 이름입니다. 문자열
regAlpha 가중치에 대한 L1 정규화 용어입니다. int
regLambda 가중치에 대한 L2 정규화 용어입니다. int
subsample 학습 인스턴스의 하위 샘플 비율입니다. int
subsampleFreq 하위 샘플의 빈도입니다. int
treeMethod 트리 메서드를 지정합니다. 문자열
withMean true이면 StandardScalar를 사용하여 데이터를 크기 조정하기 전에 가운데를 맞춥니다. bool
withStd true이면 StandardScalar를 사용하여 단위 분산을 사용하여 데이터 크기를 조정합니다. bool

TableParameterSubspace

이름 묘사 값
부스터 부스팅 유형(예: XGBoost의 경우 gbdt)을 지정합니다. 문자열
boostingType 증폭 유형(예: LightGBM의 경우 gbdt)을 지정합니다. 문자열
growPolicy 새 노드가 트리에 추가되는 방식을 제어하는 증가 정책을 지정합니다. 문자열
learningRate 학습 절차의 학습 속도입니다. 문자열
maxBin 버킷 연속 기능에 대한 최대 불연속 bin 수를 지정합니다. 문자열
maxDepth 트리 깊이를 명시적으로 제한하려면 최대 깊이를 지정합니다. 문자열
maxLeaves 트리 잎을 명시적으로 제한하려면 최대 잎을 지정합니다. 문자열
minDataInLeaf 리프당 최소 데이터 수입니다. 문자열
minSplitGain 트리의 리프 노드에서 추가 파티션을 만드는 데 필요한 최소 손실 감소입니다. 문자열
modelName 학습할 모델의 이름입니다. 문자열
nEstimators 모델에서 트리(또는 반올림) 수를 지정합니다. 문자열
numLeaves 나뭇잎 수를 지정합니다. 문자열
preprocessorName 사용할 전처리기의 이름입니다. 문자열
regAlpha 가중치에 대한 L1 정규화 용어입니다. 문자열
regLambda 가중치에 대한 L2 정규화 용어입니다. 문자열
subsample 학습 인스턴스의 하위 샘플 비율입니다. 문자열
subsampleFreq 하위 샘플의 빈도 문자열
treeMethod 트리 메서드를 지정합니다. 문자열
withMean true이면 StandardScalar를 사용하여 데이터를 크기 조정하기 전에 가운데를 맞춥니다. 문자열
withStd true이면 StandardScalar를 사용하여 단위 분산을 사용하여 데이터 크기를 조정합니다. 문자열

TableSweepSettings

이름 묘사 값
earlyTermination 비우기 작업에 대한 조기 종료 정책 유형입니다. earlyTerminationPolicy
samplingAlgorithm [필수] 샘플링 알고리즘의 유형입니다. '베이지안'
'Grid'
'Random'(필수)

TableVerticalFeaturizationSettings

이름 묘사 값
blockedTransformers 이러한 변압기는 기능화에 사용되지 않습니다. 다음 중 어느 것을 포함하는 문자열 배열:
'CatTargetEncoder'
'CountVectorizer'
'HashOneHotEncoder'
'LabelEncoder'
'나이브베이즈'
'OneHotEncoder'
'TextTargetEncoder'
'TfIdf'
'WoETargetEncoder'
'WordEmbedding'
columnNameAndTypes 열 이름 및 해당 형식(int, float, string, datetime 등)의 사전입니다. TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage 텍스트 데이터에 유용한 데이터 세트 언어입니다. 문자열
enableDnnFeaturization 데이터 기능화에 Dnn 기반 기능화기를 사용할지 여부를 결정합니다. bool
모드 기능화 모드 - 사용자는 기본 '자동' 모드를 유지할 수 있으며 AutoML은 기능화 단계에서 필요한 데이터 변환을 처리합니다.
'끄기'를 선택하면 기능화가 수행되지 않습니다.
'사용자 지정'을 선택하면 사용자는 추가 입력을 지정하여 기능화를 수행하는 방법을 사용자 지정할 수 있습니다.		 'Auto'
'Custom'
'Off'
transformerParams 사용자는 적용할 열 및 변환기 생성자에 대한 매개 변수와 함께 사용할 추가 변환기를 지정할 수 있습니다. TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

이름 묘사 값

TableVerticalFeaturizationSettingsTransformerParams

이름 묘사 값

TableVerticalLimitSettings

이름 묘사 값
enableEarlyTermination 조기 종료를 사용하도록 설정하고, 지난 20번의 반복에서 점수 개선이 없는 경우 AutoMLJob이 일찍 종료되는지 여부를 결정합니다. bool
exitScore AutoML 작업의 종료 점수입니다. int
maxConcurrentTrials 최대 동시 반복입니다. int
maxCoresPerTrial 반복당 최대 코어 수입니다. int
maxNodes 실험에 사용할 최대 노드입니다. int
maxTrials 반복 횟수입니다. int
sweepConcurrentTrials 사용자가 트리거하려는 동시 스윕 실행의 수입니다. int
sweepTrials 사용자가 트리거하려는 스윕 실행 수입니다. int
타임 아웃 AutoML 작업 시간 제한입니다. 문자열
trialTimeout 반복 시간 제한입니다. 문자열

TargetLags

이름 묘사 값
모드 AutoTargetLags형식에 대해 'Auto'로 설정합니다. CustomTargetLags형식에 대해 '사용자 지정'으로 설정합니다. 'Auto'
'Custom'(필수)

TargetRollingWindowSize

이름 묘사 값
모드 AutoTargetRollingWindowSize형식에 대해 'Auto'로 설정합니다. CustomTargetRollingWindowSize형식에 대해 '사용자 지정'으로 설정합니다. 'Auto'
'Custom'(필수)

TensorFlow

이름 묘사 값
distributionType [필수] 배포 프레임워크의 유형을 지정합니다. 'TensorFlow'(필수)
parameterServerCount 매개 변수 서버 작업의 수입니다. int
workerCount 작업자 수입니다. 지정하지 않으면 기본값은 인스턴스 수입니다. int

TextClassification

이름 묘사 값
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. NlpVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. nlpFixedParameters
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. nlpVerticalLimitSettings
primaryMetric Text-Classification 작업에 대한 기본 메트릭입니다. '정확도'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. NlpParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. nlpSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'TextClassification'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput

TextClassificationMultilabel

이름 묘사 값
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. NlpVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. nlpFixedParameters
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. nlpVerticalLimitSettings
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. NlpParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. nlpSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'TextClassificationMultilabel'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput

TextNer

이름 묘사 값
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. NlpVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. nlpFixedParameters
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. nlpVerticalLimitSettings
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. NlpParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. nlpSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'TextNER'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput

TopNFeaturesByAttribution

이름 묘사 값
filterType [필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다. 'TopNByAttribution'(필수)
맨 위로 포함할 상위 기능의 수입니다. int

TrailingInputData

이름 묘사 값
inputDataType [필수] 모니터링할 신호의 유형을 지정합니다. '후행'(필수)
preprocessingComponentId 데이터를 전처리하는 데 사용되는 구성 요소 리소스의 ARM 리소스 ID입니다. 문자열
windowOffset [필수] 데이터 창의 끝과 모니터의 현재 런타임 사이의 시간 오프셋입니다. string(필수)
windowSize [필수] 후행 데이터 창의 크기입니다. string(필수)

TrialComponent

이름 묘사 값
codeId 코드 자산의 ARM 리소스 ID입니다. 문자열
명령 [필수] 작업을 시작할 때 실행할 명령입니다. 예. "python train.py" 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
분포 작업의 배포 구성입니다. 설정된 경우 Mpi, Tensorflow, PyTorch 또는 null 중 하나여야 합니다. DistributionConfiguration
environmentId [필수] 작업에 대한 환경 사양의 ARM 리소스 ID입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
environmentVariables 작업에 포함된 환경 변수입니다. trialComponentEnvironmentVariables
리소스 작업에 대한 컴퓨팅 리소스 구성입니다. JobResourceConfiguration

TrialComponentEnvironmentVariables

이름 묘사 값

TriggerBase

이름 묘사 값
endTime UTC 오프셋이 없는 ISO 8601에서 일정의 종료 시간을 지정합니다. https://en.wikipedia.org/wiki/ISO_8601참조하세요.
주석 처리된 형식은 "2022-06-01T00:00:01"입니다.
없는 경우 일정이 무기한 실행됩니다.		 문자열
startTime UTC 오프셋 없이 ISO 8601 형식으로 일정의 시작 시간을 지정합니다. 문자열
timeZone 일정이 실행되는 표준 시간대를 지정합니다.
표준 시간대는 Windows 표준 시간대 형식을 따라야 합니다. 참조: /windows-hardware/manufacture/desktop/default-time-zones?view=windows-11		 문자열
triggerType CronTrigger형식에 대해 'Cron'으로 설정합니다. RecurrenceTrigger형식에 대해 '되풀이'로 설정합니다. 'Cron'
'되풀이'(필수)

TritonModelJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'triton_model'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

TritonModelJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'triton_model'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

TruncationSelectionPolicy

이름 묘사 값
policyType [필수] 정책 구성의 이름 'TruncationSelection'(필수)
truncationPercentage 각 평가 간격에서 취소할 실행의 백분율입니다. int

UriFileJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'uri_file'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

UriFileJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'uri_file'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

UriFolderJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'uri_folder'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

UriFolderJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'uri_folder'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

UserAssignedIdentities

이름 묘사 값

UserAssignedIdentity

이름 묘사 값

UserIdentity

이름 묘사 값
identityType [필수] ID 프레임워크의 형식을 지정합니다. 'UserIdentity'(필수)

웹후크

이름 묘사 값
eventType 지정된 알림 이벤트에 콜백 보내기 문자열
webhookType AzureDevOpsWebhook형식에 대해 'AzureDevOps'로 설정합니다. 'AzureDevOps'(필수)

Terraform(AzAPI 공급자) 리소스 정의

작업 영역/일정 리소스 종류는 다음을 대상으로 하는 작업으로 배포할 수 있습니다.

  • 리소스 그룹

각 API 버전에서 변경된 속성 목록은 변경 로그참조하세요.

리소스 형식

Microsoft.MachineLearningServices/workspaces/schedules 리소스를 만들려면 템플릿에 다음 Terraform을 추가합니다.

resource "azapi_resource" "symbolicname" {
  type = "Microsoft.MachineLearningServices/workspaces/schedules@2023-06-01-preview"
  name = "string"
  body = jsonencode({
    properties = {
      action = {
        actionType = "string"
        // For remaining properties, see ScheduleActionBase objects
      }
      description = "string"
      displayName = "string"
      isEnabled = bool
      properties = {
        {customized property} = "string"
      }
      tags = {
        {customized property} = "string"
      }
      trigger = {
        endTime = "string"
        startTime = "string"
        timeZone = "string"
        triggerType = "string"
        // For remaining properties, see TriggerBase objects
      }
    }
  })
}

TargetLags 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode = "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  mode = "Custom"
  values = [
    int
  ]
}

SparkJobEntry 개체

sparkJobEntryType 속성을 설정하여 개체 유형을 지정합니다.

SparkJobPythonEntry경우 다음을 사용합니다.

{
  file = "string"
  sparkJobEntryType = "SparkJobPythonEntry"
}

SparkJobScalaEntry경우 다음을 사용합니다.

{
  className = "string"
  sparkJobEntryType = "SparkJobScalaEntry"
}

ScheduleActionBase 개체

actionType 속성을 설정하여 개체 유형을 지정합니다.

createJob경우 다음을 사용합니다.

{
  actionType = "CreateJob"
  jobDefinition = {
    componentId = "string"
    computeId = "string"
    description = "string"
    displayName = "string"
    experimentName = "string"
    identity = {
      identityType = "string"
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived = bool
    notificationSetting = {
      emailOn = [
        "string"
      ]
      emails = [
        "string"
      ]
      webhooks = {
        {customized property} = {
          eventType = "string"
          webhookType = "string"
          // For remaining properties, see Webhook objects
        }
      }
    }
    properties = {
      {customized property} = "string"
    }
    secretsConfiguration = {
      {customized property} = {
        uri = "string"
        workspaceSecretName = "string"
      }
    }
    services = {
      {customized property} = {
        endpoint = "string"
        jobServiceType = "string"
        nodes = {
          nodesValueType = "string"
          // For remaining properties, see Nodes objects
        }
        port = int
        properties = {
          {customized property} = "string"
        }
      }
    }
    tags = {
      {customized property} = "string"
    }
    jobType = "string"
    // For remaining properties, see JobBaseProperties objects
  }
}

createMonitor경우 다음을 사용합니다.

{
  actionType = "CreateMonitor"
  monitorDefinition = {
    alertNotificationSetting = {
      alertNotificationType = "string"
      // For remaining properties, see MonitoringAlertNotificationSettingsBase objects
    }
    computeConfiguration = {
      computeType = "string"
      // For remaining properties, see MonitorComputeConfigurationBase objects
    }
    monitoringTarget = {
      deploymentId = "string"
      modelId = "string"
      taskType = "string"
    }
    signals = {
      {customized property} = {
        mode = "string"
        properties = {
          {customized property} = "string"
        }
        signalType = "string"
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }
}

importData경우 다음을 사용합니다.

{
  actionType = "ImportData"
  dataImportDefinition = {
    assetName = "string"
    autoDeleteSetting = {
      condition = "string"
      value = "string"
    }
    dataType = "string"
    dataUri = "string"
    description = "string"
    intellectualProperty = {
      protectionLevel = "string"
      publisher = "string"
    }
    isAnonymous = bool
    isArchived = bool
    properties = {
      {customized property} = "string"
    }
    source = {
      connection = "string"
      sourceType = "string"
      // For remaining properties, see DataImportSource objects
    }
    stage = "string"
    tags = {
      {customized property} = "string"
    }
  }
}

InvokeBatchEndpoint경우 다음을 사용합니다.

{
  actionType = "InvokeBatchEndpoint"
  endpointInvocationDefinition = ?
}

MonitorComputeIdentityBase 개체

computeIdentityType 속성을 설정하여 개체 유형을 지정합니다.

AmlToken경우 다음을 사용합니다.

{
  computeIdentityType = "AmlToken"
}

ManagedIdentity경우 다음을 사용합니다.

{
  computeIdentityType = "ManagedIdentity"
  identity = {
    type = "string"
    userAssignedIdentities = {
      {customized property} = {
      }
    }
  }
}

DataQualityMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  dataType = "Categorical"
  metric = "string"
}

숫자경우 다음을 사용합니다.

{
  dataType = "Numerical"
  metric = "string"
}

MonitorComputeConfigurationBase 개체

computeType 속성을 설정하여 개체 유형을 지정합니다.

ServerlessSpark경우 다음을 사용합니다.

{
  computeIdentity = {
    computeIdentityType = "string"
    // For remaining properties, see MonitorComputeIdentityBase objects
  }
  computeType = "ServerlessSpark"
  instanceType = "string"
  runtimeVersion = "string"
}

PredictionDriftMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  dataType = "Categorical"
  metric = "string"
}

숫자경우 다음을 사용합니다.

{
  dataType = "Numerical"
  metric = "string"
}

DataImportSource 개체

sourceType 속성을 설정하여 개체 유형을 지정합니다.

데이터베이스경우 다음을 사용합니다.

{
  query = "string"
  sourceType = "database"
  storedProcedure = "string"
  storedProcedureParams = [
    {
      {customized property} = "string"
    }
  ]
  tableName = "string"
}

file_system경우 다음을 사용합니다.

{
  path = "string"
  sourceType = "file_system"
}

DataDriftMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  dataType = "Categorical"
  metric = "string"
}

숫자경우 다음을 사용합니다.

{
  dataType = "Numerical"
  metric = "string"
}

ModelPerformanceMetricThresholdBase 개체

modelType 속성을 설정하여 개체 유형을 지정합니다.

분류경우 다음을 사용합니다.

{
  metric = "string"
  modelType = "Classification"
}

회귀경우 다음을 사용합니다.

{
  metric = "string"
  modelType = "Regression"
}

AutoMLVertical 개체

taskType 속성을 설정하여 개체 유형을 지정합니다.

분류경우 다음을 사용합니다.

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

예측경우 다음을 사용합니다.

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

imageClassification경우 다음을 사용합니다.

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

imageClassificationMultilabel경우 다음을 사용합니다.

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

imageInstanceSegmentation경우 다음을 사용합니다.

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

imageObjectDetection경우 다음을 사용합니다.

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

회귀경우 다음을 사용합니다.

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

textClassification경우 다음을 사용합니다.

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

TextClassificationMultilabel경우 다음을 사용합니다.

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

TextNER경우 다음을 사용합니다.

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

TargetRollingWindowSize 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode = "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  mode = "Custom"
  value = int
}

계절성 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode = "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  mode = "Custom"
  value = int
}

JobInput 개체

개체 유형을 지정하려면 jobInputType 속성을 설정합니다.

custom_model경우 다음을 사용합니다.

{
  jobInputType = "custom_model"
  mode = "string"
  uri = "string"
}

리터럴경우 다음을 사용합니다.

{
  jobInputType = "literal"
  value = "string"
}

mlflow_model경우 다음을 사용합니다.

{
  jobInputType = "mlflow_model"
  mode = "string"
  uri = "string"
}

mltable경우 다음을 사용합니다.

{
  jobInputType = "mltable"
  mode = "string"
  uri = "string"
}

triton_model경우 다음을 사용합니다.

{
  jobInputType = "triton_model"
  mode = "string"
  uri = "string"
}

uri_file경우 다음을 사용합니다.

{
  jobInputType = "uri_file"
  mode = "string"
  uri = "string"
}

uri_folder경우 다음을 사용합니다.

{
  jobInputType = "uri_folder"
  mode = "string"
  uri = "string"
}

MLAssistConfiguration 개체

mlAssist 속성을 설정하여 개체 유형을 지정합니다.

사용 안 함경우 다음을 사용합니다.

{
  mlAssist = "Disabled"
}

사용경우 다음을 사용합니다.

{
  inferencingComputeBinding = "string"
  mlAssist = "Enabled"
  trainingComputeBinding = "string"
}

웹후크 개체

webhookType 속성을 설정하여 개체 유형을 지정합니다.

azureDevOps경우 다음을 사용합니다.

{
  webhookType = "AzureDevOps"
}

JobOutput 개체

jobOutputType 속성을 설정하여 개체 유형을 지정합니다.

custom_model경우 다음을 사용합니다.

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

mlflow_model경우 다음을 사용합니다.

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

mltable경우 다음을 사용합니다.

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

triton_model경우 다음을 사용합니다.

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

uri_file경우 다음을 사용합니다.

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

uri_folder경우 다음을 사용합니다.

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

SamplingAlgorithm 개체

샘플링AlgorithmType 속성을 설정하여 개체 유형을 지정합니다.

Bayesian경우 다음을 사용합니다.

{
  samplingAlgorithmType = "Bayesian"
}

Grid경우 다음을 사용합니다.

{
  samplingAlgorithmType = "Grid"
}

임의경우 다음을 사용합니다.

{
  logbase = "string"
  rule = "string"
  samplingAlgorithmType = "Random"
  seed = int
}

DistributionConfiguration 개체

distributionType 속성을 설정하여 개체 유형을 지정합니다.

Mpi경우 다음을 사용합니다.

{
  distributionType = "Mpi"
  processCountPerInstance = int
}

PyTorch경우 다음을 사용합니다.

{
  distributionType = "PyTorch"
  processCountPerInstance = int
}

Ray경우 다음을 사용합니다.

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

TensorFlow경우 다음을 사용합니다.

{
  distributionType = "TensorFlow"
  parameterServerCount = int
  workerCount = int
}

노드 개체

nodesValueType 속성을 설정하여 개체 유형을 지정합니다.

모든경우 다음을 사용합니다.

{
  nodesValueType = "All"
}

IdentityConfiguration 개체

identityType 속성을 설정하여 개체 유형을 지정합니다.

AMLToken경우 다음을 사용합니다.

{
  identityType = "AMLToken"
}

관리되는경우 다음을 사용합니다.

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

userIdentity경우 다음을 사용합니다.

{
  identityType = "UserIdentity"
}

NCrossValidations 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode = "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  mode = "Custom"
  value = int
}

MonitoringFeatureFilterBase 개체

filterType 속성을 설정하여 개체 유형을 지정합니다.

AllFeatures경우 다음을 사용합니다.

{
  filterType = "AllFeatures"
}

FeatureSubset경우 다음을 사용합니다.

{
  features = [
    "string"
  ]
  filterType = "FeatureSubset"
}

TopNByAttribution경우 다음을 사용합니다.

{
  filterType = "TopNByAttribution"
  top = int
}

LabelingJobMediaProperties 개체

mediaType 속성을 설정하여 개체 유형을 지정합니다.

이미지경우 다음을 사용합니다.

{
  annotationType = "string"
  mediaType = "Image"
}

텍스트경우 다음을 사용합니다.

{
  annotationType = "string"
  mediaType = "Text"
}

MonitoringInputDataBase 개체

inputDataType 속성을 설정하여 개체 유형을 지정합니다.

고정경우 다음을 사용합니다.

{
  inputDataType = "Fixed"
}

정적경우 다음을 사용합니다.

{
  inputDataType = "Static"
  preprocessingComponentId = "string"
  windowEnd = "string"
  windowStart = "string"
}

후행경우 다음을 사용합니다.

{
  inputDataType = "Trailing"
  preprocessingComponentId = "string"
  windowOffset = "string"
  windowSize = "string"
}

MonitoringAlertNotificationSettingsBase 개체

alertNotificationType 속성을 설정하여 개체 유형을 지정합니다.

azureMonitor경우 다음을 사용합니다.

{
  alertNotificationType = "AzureMonitor"
}

전자 메일경우 다음을 사용합니다.

{
  alertNotificationType = "Email"
  emailNotificationSetting = {
    emailOn = [
      "string"
    ]
    emails = [
      "string"
    ]
    webhooks = {
      {customized property} = {
        eventType = "string"
        webhookType = "string"
        // For remaining properties, see Webhook objects
      }
    }
  }
}

EarlyTerminationPolicy 개체

policyType 속성을 설정하여 개체 유형을 지정합니다.

산적경우 다음을 사용합니다.

{
  policyType = "Bandit"
  slackAmount = int
  slackFactor = int
}

MedianStopping경우 다음을 사용합니다.

{
  policyType = "MedianStopping"
}

TruncationSelection경우 다음을 사용합니다.

{
  policyType = "TruncationSelection"
  truncationPercentage = int
}

MonitoringSignalBase 개체

signalType 속성을 설정하여 개체 유형을 지정합니다.

사용자 지정경우 다음을 사용합니다.

{
  componentId = "string"
  inputAssets = {
    {customized property} = {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  metricThresholds = [
    {
      metric = "string"
      threshold = {
        value = int
      }
    }
  ]
  signalType = "Custom"
  workspaceConnection = {
    environmentVariables = {
      {customized property} = "string"
    }
    secrets = {
      {customized property} = "string"
    }
  }
}

DataDrift경우 다음을 사용합니다.

{
  dataSegment = {
    feature = "string"
    values = [
      "string"
    ]
  }
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  features = {
    filterType = "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds = [
    {
      threshold = {
        value = int
      }
      dataType = "string"
      // For remaining properties, see DataDriftMetricThresholdBase objects
    }
  ]
  productionData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "DataDrift"
}

DataQuality경우 다음을 사용합니다.

{
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  features = {
    filterType = "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds = [
    {
      threshold = {
        value = int
      }
      dataType = "string"
      // For remaining properties, see DataQualityMetricThresholdBase objects
    }
  ]
  productionData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "DataQuality"
}

featureAttributionDrift경우 다음을 사용합니다.

{
  metricThreshold = {
    metric = "string"
    threshold = {
      value = int
    }
  }
  productionData = [
    {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "FeatureAttributionDrift"
}

GenerationSafetyQuality경우 다음을 사용합니다.

{
  metricThresholds = [
    {
      metric = "string"
      threshold = {
        value = int
      }
    }
  ]
  productionData = [
    {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  samplingRate = int
  signalType = "GenerationSafetyQuality"
  workspaceConnectionId = "string"
}

GenerationTokenStatistics경우 다음을 사용합니다.

{
  metricThresholds = [
    {
      metric = "string"
      threshold = {
        value = int
      }
    }
  ]
  productionData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  samplingRate = int
  signalType = "GenerationTokenStatistics"
}

ModelPerformance경우 다음을 사용합니다.

{
  dataSegment = {
    feature = "string"
    values = [
      "string"
    ]
  }
  metricThreshold = {
    threshold = {
      value = int
    }
    modelType = "string"
    // For remaining properties, see ModelPerformanceMetricThresholdBase objects
  }
  productionData = [
    {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "ModelPerformance"
}

PredictionDrift경우 다음을 사용합니다.

{
  metricThresholds = [
    {
      threshold = {
        value = int
      }
      dataType = "string"
      // For remaining properties, see PredictionDriftMetricThresholdBase objects
    }
  ]
  modelType = "string"
  productionData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "PredictionDrift"
}

TriggerBase 개체

triggerType 속성을 설정하여 개체 유형을 지정합니다.

cron경우 다음을 사용합니다.

{
  expression = "string"
  triggerType = "Cron"
}

되풀이경우 다음을 사용합니다.

{
  frequency = "string"
  interval = int
  schedule = {
    hours = [
      int
    ]
    minutes = [
      int
    ]
    monthDays = [
      int
    ]
    weekDays = [
      "string"
    ]
  }
  triggerType = "Recurrence"
}

JobBaseProperties 개체

jobType 속성을 설정하여 개체 유형을 지정합니다.

AutoML경우 다음을 사용합니다.

{
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  jobType = "AutoML"
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    locations = [
      "string"
    ]
    maxInstanceCount = int
    properties = {
      {customized property} = ?
    }
    shmSize = "string"
  }
  taskDetails = {
    logVerbosity = "string"
    targetColumnName = "string"
    trainingData = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    taskType = "string"
    // For remaining properties, see AutoMLVertical objects
  }
}

명령경우 다음을 사용합니다.

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

레이블 지정경우 다음을 사용합니다.

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

파이프라인경우 다음을 사용합니다.

{
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  jobs = {
    {customized property} = ?
  }
  jobType = "Pipeline"
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  settings = ?
  sourceJobId = "string"
}

spark경우 다음을 사용합니다.

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

스윕경우 다음을 사용합니다.

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

ForecastHorizon 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode = "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  mode = "Custom"
  value = int
}

속성 값

AllFeatures

이름 묘사 값
filterType [필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다. 'AllFeatures'(필수)

AllNodes

이름 묘사 값
nodesValueType [필수] 노드 값의 형식 'All'(필수)

AmlToken

이름 묘사 값
identityType [필수] ID 프레임워크의 형식을 지정합니다. 'AMLToken'(필수)

AmlTokenComputeIdentity

이름 묘사 값
computeIdentityType [필수] 컴퓨팅 ID 유형 열거형을 모니터링합니다. 'AmlToken'(필수)

AutoDeleteSetting

이름 묘사 값
조건 자산이 만료되었는지 확인하는 경우 'CreatedGreaterThan'
'LastAccessedGreaterThan'
값 만료 조건 값입니다. 문자열

AutoForecastHorizon

이름 묘사 값
모드 [필수] 예측 수평선 값 선택 모드를 설정합니다. 'Auto'(필수)

AutologgerSettings

이름 묘사 값
mlflowAutologger [필수] mlflow 자동 로그기를 사용할 수 있는지 여부를 나타냅니다. '사용 안 함'
'Enabled'(필수)

AutoMLJob

이름 묘사 값
environmentId 작업에 대한 환경 사양의 ARM 리소스 ID입니다.
이 값은 선택적 값이며, 제공되지 않은 경우 AutoML은 작업을 실행할 때 이를 프로덕션 AutoML 큐레이팅된 환경 버전으로 기본값으로 지정합니다.		 문자열
environmentVariables 작업에 포함된 환경 변수입니다. autoMLJobEnvironmentVariables
jobType [필수] 작업 유형을 지정합니다. 'AutoML'(필수)
출력 작업에 사용되는 출력 데이터 바인딩의 매핑입니다. AutoMLJobOutputs
queueSettings 작업에 대한 큐 설정 QueueSettings
리소스 작업에 대한 컴퓨팅 리소스 구성입니다. JobResourceConfiguration
taskDetails [필수] 테이블/NLP/이미지 중 하나일 수 있는 시나리오를 나타냅니다. autoMLVertical (필수)

AutoMLJobEnvironmentVariables

이름 묘사 값

AutoMLJobOutputs

이름 묘사 값

AutoMLVertical

이름 묘사 값
logVerbosity 작업에 대한 자세한 정보를 기록합니다. 'Critical'
'디버그'
'Error'
'정보'
'NotSet'
'경고'
targetColumnName 대상 열 이름: 예측 값 열입니다.
분류 작업의 컨텍스트에서 레이블 열 이름이라고도 합니다.		 문자열
taskType 형식 분류대해 '분류'로 설정합니다. 예측유형에 대해 '예측'으로 설정합니다. ImageClassification형식에 대해 'ImageClassification'으로 설정합니다. ImageClassificationMultilabel형식에 대해 'ImageClassificationMultilabel'로 설정합니다. ImageInstanceSegmentation형식에 대해 'ImageInstanceSegmentation'으로 설정합니다. ImageObjectDetection형식에 대해 'ImageObjectDetection'으로 설정합니다. 회귀형식에 대해 '회귀'로 설정합니다. TextClassification형식에 대해 'TextClassification'으로 설정합니다. TextClassificationMultilabel형식에 대해 'TextClassificationMultilabel'로 설정합니다. TextNer형식에 대해 'TextNER'로 설정합니다. '분류'
'예측'
'ImageClassification'
'ImageClassificationMultilabel'
'ImageInstanceSegmentation'
'ImageObjectDetection'
'회귀'
'TextClassification'
'TextClassificationMultilabel'
'TextNER'(필수)
trainingData [필수] 학습 데이터 입력입니다. MLTableJobInput(필수)

AutoNCrossValidations

이름 묘사 값
모드 [필수] N 교차 유효성 검사를 결정하는 모드입니다. 'Auto'(필수)

AutoSeasonality

이름 묘사 값
모드 [필수] 계절성 모드입니다. 'Auto'(필수)

AutoTargetLags

이름 묘사 값
모드 [필수] 대상 지연 모드 설정 - 자동/사용자 지정 'Auto'(필수)

AutoTargetRollingWindowSize

이름 묘사 값
모드 [필수] TargetRollingWindowSiz 검색 모드입니다. 'Auto'(필수)

AzMonMonitoringAlertNotificationSettings

이름 묘사 값
alertNotificationType [필수] 모니터링할 신호의 유형을 지정합니다. 'AzureMonitor'(필수)

AzureDevOpsWebhook

이름 묘사 값
webhookType [필수] 콜백을 보낼 서비스 유형을 지정합니다. 'AzureDevOps'(필수)

BanditPolicy

이름 묘사 값
policyType [필수] 정책 구성의 이름 'Bandit'(필수)
slackAmount 최상의 실행에서 허용되는 절대 거리입니다. int
slackFactor 가장 성능이 좋은 실행에서 허용된 거리의 비율입니다. int

BayesianSamplingAlgorithm

이름 묘사 값
samplingAlgorithmType [필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘 'Bayesian'(필수)

CategoricalDataDriftMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. '범주'(필수)
메트릭 [필수] 계산할 범주 데이터 드리프트 메트릭입니다. '젠슨샤논디스탄스'
'PearsonsChiSquaredTest'
'PopulationStabilityIndex'(필수)

CategoricalDataQualityMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. '범주'(필수)
메트릭 [필수] 계산할 범주 데이터 품질 메트릭입니다. 'DataTypeErrorRate'
'NullValueRate'
'OutOfBoundsRate'(필수)

CategoricalPredictionDriftMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. '범주'(필수)
메트릭 [필수] 계산할 범주 예측 드리프트 메트릭입니다. '젠슨샤논디스탄스'
'PearsonsChiSquaredTest'
'PopulationStabilityIndex'(필수)

분류

이름 묘사 값
cvSplitColumnNames CVSplit 데이터에 사용할 열입니다. string[]
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. tableVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. TableFixedParameters
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. tableVerticalLimitSettings
nCrossValidations 학습 데이터 세트에 적용할 교차 유효성 검사 접기 수
유효성 검사 데이터 세트가 제공되지 않으면 입니다.		 NCrossValidations
positiveLabel 이진 메트릭 계산에 대한 양의 레이블입니다. 문자열
primaryMetric 작업에 대한 기본 메트릭입니다. '정확도'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. tableParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. tableSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. '분류'(필수)
testData 데이터 입력을 테스트합니다. MLTableJobInput
testDataSize 유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
trainingSettings AutoML 작업의 학습 단계에 대한 입력입니다. ClassificationTrainingSettings
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
weightColumnName 샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다. 문자열

ClassificationModelPerformanceMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 분류 모델 성능입니다. '정확도'
'Precision'
'Recall'(필수)
modelType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. '분류'(필수)

ClassificationTrainingSettings

이름 묘사 값
allowedTrainingAlgorithms 분류 작업에 허용되는 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'베르누울리나이브베이즈'
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'멀티노미알나이브베이즈'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
blockedTrainingAlgorithms 분류 태스크에 대한 차단된 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'베르누울리나이브베이즈'
'DecisionTree'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LightGBM'
'LinearSVM'
'LogisticRegression'
'멀티노미알나이브베이즈'
'RandomForest'
'SGD'
'SVM'
'XGBoostClassifier'
enableDnnTraining DNN 모델의 권장 사항을 사용하도록 설정합니다. bool
enableModelExplainability 최상의 모델에서 설명 기능을 켜는 플래그입니다. bool
enableOnnxCompatibleModels onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다. bool
enableStackEnsemble 스택 앙상블 실행을 사용하도록 설정합니다. bool
enableVoteEnsemble 투표 앙상블 실행을 사용하도록 설정합니다. bool
ensembleModelDownloadTimeout VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다.
더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.		 문자열
stackEnsembleSettings 스택 앙상블 실행에 대한 스택 앙상블 설정입니다. StackEnsembleSettings
trainingMode TrainingMode 모드 - 'auto'로 설정하는 것은 현재 '비균등'으로 설정하는 것과 같지만 나중에 혼합 모드 또는 추론 기반 모드 선택이 발생할 수 있습니다. 기본값은 'auto'입니다.
'Distributed'인 경우 분산 기능화만 사용되고 분산 알고리즘이 선택됩니다.
'NonDistributed'이면 분산되지 않은 알고리즘만 선택됩니다.		 'Auto'
'Distributed'
'NonDistributed'

ColumnTransformer

이름 묘사 값
필드 변환기 논리를 적용할 필드입니다. string[]
매개 변수 변환기에 전달할 다른 속성입니다.
필요한 입력은 키 사전, JSON 형식의 값 쌍입니다.		 어떤

CommandJob

이름 묘사 값
autologgerSettings 작업의 배포 구성입니다. 설정된 경우 Mpi, Tensorflow, PyTorch 또는 null 중 하나여야 합니다. AutologgerSettings
codeId 코드 자산의 ARM 리소스 ID입니다. 문자열
명령 [필수] 작업을 시작할 때 실행할 명령입니다. 예. "python train.py" 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
분포 작업의 배포 구성입니다. 설정된 경우 Mpi, Tensorflow, PyTorch, Ray 또는 null 중 하나여야 합니다. DistributionConfiguration
environmentId [필수] 작업에 대한 환경 사양의 ARM 리소스 ID입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
environmentVariables 작업에 포함된 환경 변수입니다. CommandJobEnvironmentVariables
입력 작업에 사용되는 입력 데이터 바인딩의 매핑입니다. commandJobInputs
jobType [필수] 작업 유형을 지정합니다. 'Command'(필수)
제한 명령 작업 제한입니다. CommandJobLimits
출력 작업에 사용되는 출력 데이터 바인딩의 매핑입니다. CommandJobOutputs
queueSettings 작업에 대한 큐 설정 QueueSettings
리소스 작업에 대한 컴퓨팅 리소스 구성입니다. JobResourceConfiguration

CommandJobEnvironmentVariables

이름 묘사 값

CommandJobInputs

이름 묘사 값

CommandJobLimits

이름 묘사 값
jobLimitsType [필수] JobLimit 형식입니다. 'Command'
'Sweep'(필수)
타임 아웃 ISO 8601 형식의 최대 실행 기간이며, 그 후에 작업이 취소됩니다. 전체 자릿수가 초인 기간만 지원합니다. 문자열

CommandJobOutputs

이름 묘사 값

CreateMonitorAction

이름 묘사 값
actionType [필수] 일정의 작업 유형을 지정합니다. 'CreateMonitor'(필수)
monitorDefinition [필수] 모니터를 정의합니다. MonitorDefinition(필수)

CronTrigger

이름 묘사 값
식 [필수] 일정의 cron 식을 지정합니다.
식은 NCronTab 형식을 따라야 합니다.		 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
triggerType [필수] 'Cron'(필수)

CustomForecastHorizon

이름 묘사 값
모드 [필수] 예측 수평선 값 선택 모드를 설정합니다. 'Custom'(필수)
값 [필수] 예측 수평선 값입니다. int(필수)

CustomMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 사용자 정의 메트릭입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

CustomModelJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'custom_model'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

CustomModelJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'custom_model'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

CustomMonitoringSignal

이름 묘사 값
componentId [필수] 사용자 지정 메트릭을 계산하는 데 사용되는 구성 요소 리소스의 ARM 리소스 ID입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
inputAssets 입력으로 사용할 자산 모니터링 키는 구성 요소 입력 포트 이름이며, 값은 데이터 자산입니다. CustomMonitoringSignalInputAssets
입력 입력으로 사용할 추가 구성 요소 매개 변수입니다. 키는 구성 요소 리터럴 입력 포트 이름이며 값은 매개 변수 값입니다. CustomMonitoringSignalInputs
metricThresholds [필수] 계산할 메트릭 및 관련 임계값 목록입니다. CustomMetricThreshold[] (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'Custom'(필수)
workspaceConnection [필수] 계산할 메트릭 및 관련 임계값 목록입니다. monitoringWorkspaceConnection (필수)

CustomMonitoringSignalInputAssets

이름 묘사 값

CustomMonitoringSignalInputs

이름 묘사 값

CustomNCrossValidations

이름 묘사 값
모드 [필수] N 교차 유효성 검사를 결정하는 모드입니다. 'Custom'(필수)
값 [필수] N 교차 유효성 검사 값입니다. int(필수)

CustomSeasonality

이름 묘사 값
모드 [필수] 계절성 모드입니다. 'Custom'(필수)
값 [필수] 계절성 값입니다. int(필수)

CustomTargetLags

이름 묘사 값
모드 [필수] 대상 지연 모드 설정 - 자동/사용자 지정 'Custom'(필수)
값 [필수] 대상 지연 값을 설정합니다. int[] (필수)

CustomTargetRollingWindowSize

이름 묘사 값
모드 [필수] TargetRollingWindowSiz 검색 모드입니다. 'Custom'(필수)
값 [필수] TargetRollingWindowSize 값입니다. int(필수)

DatabaseSource

이름 묘사 값
쿼리 데이터 가져오기 데이터베이스 원본에 대한 SQL Query 문 문자열
sourceType [필수] 데이터 형식을 지정합니다. 'database'(필수)
storedProcedure 데이터 가져오기 데이터베이스 원본의 SQL StoredProcedure 문자열
storedProcedureParams SQL StoredProcedure 매개 변수 DatabaseSourceStoredProcedureParamsItem[]
tableName 데이터 가져오기 데이터베이스 원본의 테이블 이름 문자열

DatabaseSourceStoredProcedureParamsItem

이름 묘사 값

DataDriftMetricThresholdBase

이름 묘사 값
dataType 범주DataDriftMetricThreshold형식에 대해 '범주'로 설정합니다. NumericalDataDriftMetricThreshold형식에 대해 'Numerical'로 설정합니다. '범주'
'Numerical'(필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

DataDriftMonitoringSignal

이름 묘사 값
dataSegment 데이터 모집단의 하위 집합에 대한 범위 지정에 사용되는 데이터 세그먼트입니다. monitoringDataSegment
featureDataTypeOverride 기능 이름을 해당 데이터 형식에 매핑하는 사전입니다. DataDriftMonitoringSignalFeatureDataTypeOverride
기능 드리프트를 계산할 기능을 식별하는 기능 필터입니다. MonitoringFeatureFilterBase
metricThresholds [필수] 계산할 메트릭 및 관련 임계값 목록입니다. DataDriftMetricThresholdBase[] (필수)
productionData [필수] 드리프트가 계산될 데이터입니다. monitoringInputDataBase (필수)
referenceData [필수] 드리프트를 계산할 데이터입니다. monitoringInputDataBase (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'DataDrift'(필수)

DataDriftMonitoringSignalFeatureDataTypeOverride

이름 묘사 값

DataImport

이름 묘사 값
assetName 만들 데이터 가져오기 작업의 자산 이름 문자열
autoDeleteSetting 관리되는 데이터 자산의 수명 주기 설정을 지정합니다. autoDeleteSetting
dataType [필수] 데이터 형식을 지정합니다. 'mltable'
'uri_file'
'uri_folder'(필수)
dataUri [필수] 데이터의 URI입니다. 예: https://go.microsoft.com/fwlink/?linkid=2202330 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
묘사 자산 설명 텍스트입니다. 문자열
intellectualProperty 지적 재산권 세부 정보입니다. 데이터가 지적 재산권인 경우 사용됩니다. IntellectualProperty
isAnonymous 이름 버전이 시스템 생성(익명 등록)인 경우 스테이지가 정의된 형식의 경우 스테이지가 제공되면 IsAnonymous를 채우는 데 사용됩니다. bool
isArchived 자산이 보관되어 있나요? 스테이지가 정의된 형식의 경우 스테이지가 제공되면 IsArchived를 채우는 데 사용됩니다. bool
속성 자산 속성 사전입니다. ResourceBaseProperties
근원 가져올 자산의 원본 데이터 DataImportSource
무대 이 데이터 자산에 할당된 데이터 수명 주기의 단계 문자열
태그 태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다. resourceBaseTags

DataImportSource

이름 묘사 값
연결 데이터 가져오기 원본 스토리지에 대한 작업 영역 연결 문자열
sourceType DatabaseSource형식에 대해 'database'로 설정합니다. FileSystemSource형식에 대해 'file_system'로 설정합니다. 'database'
'file_system'(필수)

DataQualityMetricThresholdBase

이름 묘사 값
dataType CategoricalDataQualityMetricThreshold형식에 대해 '범주'로 설정합니다. numericalDataQualityMetricThreshold형식에 대해 'Numerical'으로 설정합니다. '범주'
'Numerical'(필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

DataQualityMonitoringSignal

이름 묘사 값
featureDataTypeOverride 기능 이름을 해당 데이터 형식에 매핑하는 사전입니다. DataQualityMonitoringSignalFeatureDataTypeOverride
기능 드리프트를 계산하는 기능입니다. MonitoringFeatureFilterBase
metricThresholds [필수] 계산할 메트릭 및 관련 임계값 목록입니다. DataQualityMetricThresholdBase[] (필수)
productionData [필수] 드리프트가 계산될 프로덕션 서비스에서 생성된 데이터입니다. monitoringInputDataBase (필수)
referenceData [필수] 드리프트를 계산할 데이터입니다. monitoringInputDataBase (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'DataQuality'(필수)

DataQualityMonitoringSignalFeatureDataTypeOverride

이름 묘사 값

DistributionConfiguration

이름 묘사 값
distributionType 형식 Mpi대해 'Mpi'로 설정합니다. PyTorch형식에 대해 'PyTorch'로 설정합니다. Ray유형에 대해 'Ray'로 설정합니다. TensorFlow형식에 대해 'TensorFlow'로 . 'Mpi'
'PyTorch'
'Ray'
'TensorFlow'(필수)

EarlyTerminationPolicy

이름 묘사 값
delayEvaluation 첫 번째 평가를 지연할 간격 수입니다. int
evaluationInterval 정책 평가 사이의 간격(실행 수)입니다. int
policyType BanditPolicy형식에 대해 '산적'으로 설정합니다. MedianStoppingPolicy형식에 대해 'MedianStopping'으로 설정합니다. TruncationSelectionPolicy형식에 대해 'TruncationSelection'으로 설정합니다. '산적'
'MedianStopping'
'TruncationSelection'(필수)

EmailMonitoringAlertNotificationSettings

이름 묘사 값
alertNotificationType [필수] 모니터링할 신호의 유형을 지정합니다. 'Email'(필수)
emailNotificationSetting 알림에 대한 구성입니다. notificationSetting

EndpointScheduleAction

이름 묘사 값
actionType [필수] 일정의 작업 유형을 지정합니다. 'InvokeBatchEndpoint'(필수)
endpointInvocationDefinition [필수] 일정 작업 정의 세부 정보를 정의합니다.
href="TBD" /< 참조 >		 any(필수)

FeatureAttributionDriftMonitoringSignal

이름 묘사 값
metricThreshold [필수] 계산할 메트릭 및 관련 임계값 목록입니다. FeatureAttributionMetricThreshold(필수)
productionData [필수] 드리프트가 계산될 데이터입니다. MonitoringInputDataBase[] (필수)
referenceData [필수] 드리프트를 계산할 데이터입니다. monitoringInputDataBase (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'FeatureAttributionDrift'(필수)

FeatureAttributionMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 기능 특성 메트릭입니다. 'NormalizedDiscountedCumulativeGain'(필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

FeatureSubset

이름 묘사 값
기능 [필수] 포함할 기능 목록입니다. string[] (필수)
filterType [필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다. 'FeatureSubset'(필수)

FileSystemSource

이름 묘사 값
길 데이터 가져오기 FileSystem 원본의 경로 문자열
sourceType [필수] 데이터 형식을 지정합니다. 'file_system'(필수)

FixedInputData

이름 묘사 값
inputDataType [필수] 모니터링할 신호의 유형을 지정합니다. 'Fixed'(필수)

ForecastHorizon

이름 묘사 값
모드 AutoForecastHorizon형식에 대해 'Auto'로 설정합니다. CustomForecastHorizon형식에 대해 '사용자 지정'으로 설정합니다. 'Auto'
'Custom'(필수)

예측

이름 묘사 값
cvSplitColumnNames CVSplit 데이터에 사용할 열입니다. string[]
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. tableVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. TableFixedParameters
forecastingSettings 예측 작업별 입력. ForecastingSettings
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. tableVerticalLimitSettings
nCrossValidations 학습 데이터 세트에 적용할 교차 유효성 검사 접기 수
유효성 검사 데이터 세트가 제공되지 않으면 입니다.		 NCrossValidations
primaryMetric 예측 작업에 대한 기본 메트릭입니다. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'스피어만코렐레이션'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. tableParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. tableSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. '예측'(필수)
testData 데이터 입력을 테스트합니다. MLTableJobInput
testDataSize 유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
trainingSettings AutoML 작업의 학습 단계에 대한 입력입니다. ForecastingTrainingSettings
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
weightColumnName 샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다. 문자열

ForecastingSettings

이름 묘사 값
countryOrRegionForHolidays 예측 작업에 대한 휴일의 국가 또는 지역입니다.
ISO 3166 두 글자 국가/지역 코드(예: 'US' 또는 'GB')여야 합니다.		 문자열
cvStepSize 한 CV 접기의 원본 시간과 다음 접기 사이의 기간 수입니다. 때문에
예를 들어 일일 데이터의 경우 CVStepSize = 3이면 각 접기 원본 시간이 됩니다.
3일 간격.		 int
featureLags 'auto' 또는 null을 사용하여 숫자 기능에 대한 지연을 생성하는 플래그입니다. 'Auto'
'None'
featuresUnknownAtForecastTime 학습에 사용할 수 있지만 예측/유추 시 알 수 없는 기능 열입니다.
features_unknown_at_forecast_time 설정되지 않은 경우 데이터 세트의 모든 기능 열이 유추 시간에 알려진 것으로 간주됩니다.		 string[]
forecastHorizon 시계열 빈도 단위로 원하는 최대 예측 수평선입니다. ForecastHorizon
빈도 예측 시 이 매개 변수는 예측이 필요한 기간(예: 매일, 매주, 매년 등)을 나타냅니다. 예측 빈도는 기본적으로 데이터 세트 빈도입니다. 문자열
계절 시계열 계절성을 계열 빈도의 정수 배수로 설정합니다.
계절성이 'auto'로 설정되면 유추됩니다.		 계절성
shortSeriesHandlingConfig AutoML에서 짧은 시계열을 처리하는 방법을 정의하는 매개 변수입니다. 'Auto'
'Drop'
'None'
'Pad'
targetAggregateFunction 사용자가 지정한 빈도를 준수하도록 시계열 대상 열을 집계하는 데 사용할 함수입니다.
TargetAggregateFunction이 설정된 경우(예: 'None'이 아니라 freq 매개 변수가 설정되지 않은 경우) 오류가 발생합니다. 가능한 대상 집계 함수는 "sum", "max", "min" 및 "mean"입니다.		 'Max'
'Mean'
'Min'
'None'
'Sum'
targetLags 대상 열에서 지연할 지난 기간의 수입니다. TargetLags
targetRollingWindowSize 대상 열의 롤링 창 평균을 만드는 데 사용된 이전 기간의 수입니다. TargetRollingWindowSize
timeColumnName 시간 열의 이름입니다. 이 매개 변수는 시계열을 빌드하고 해당 빈도를 유추하는 데 사용되는 입력 데이터의 날짜/시간 열을 지정하도록 예측할 때 필요합니다. 문자열
timeSeriesIdColumnNames 타임스레터를 그룹화하는 데 사용되는 열의 이름입니다. 여러 계열을 만드는 데 사용할 수 있습니다.
그레인이 정의되지 않은 경우 데이터 집합은 하나의 시계열로 간주됩니다. 이 매개 변수는 작업 유형 예측에 사용됩니다.		 string[]
useStl 시계열 대상 열의 STL 분해를 구성합니다. 'None'
'시즌'
'SeasonTrend'

ForecastingTrainingSettings

이름 묘사 값
allowedTrainingAlgorithms 예측 작업에 허용되는 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'아리맥스'
'AutoArima'
'Average'
'DecisionTree'
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naive'
'예언자'
'RandomForest'
'SeasonalAverage'
'SeasonalNaive'
'SGD'
'TCNForecaster'
'XGBoostRegressor'
blockedTrainingAlgorithms 예측 작업에 대한 차단된 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'아리맥스'
'AutoArima'
'Average'
'DecisionTree'
'ElasticNet'
'ExponentialSmoothing'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'Naive'
'예언자'
'RandomForest'
'SeasonalAverage'
'SeasonalNaive'
'SGD'
'TCNForecaster'
'XGBoostRegressor'
enableDnnTraining DNN 모델의 권장 사항을 사용하도록 설정합니다. bool
enableModelExplainability 최상의 모델에서 설명 기능을 켜는 플래그입니다. bool
enableOnnxCompatibleModels onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다. bool
enableStackEnsemble 스택 앙상블 실행을 사용하도록 설정합니다. bool
enableVoteEnsemble 투표 앙상블 실행을 사용하도록 설정합니다. bool
ensembleModelDownloadTimeout VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다.
더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.		 문자열
stackEnsembleSettings 스택 앙상블 실행에 대한 스택 앙상블 설정입니다. StackEnsembleSettings
trainingMode TrainingMode 모드 - 'auto'로 설정하는 것은 현재 '비균등'으로 설정하는 것과 같지만 나중에 혼합 모드 또는 추론 기반 모드 선택이 발생할 수 있습니다. 기본값은 'auto'입니다.
'Distributed'인 경우 분산 기능화만 사용되고 분산 알고리즘이 선택됩니다.
'NonDistributed'이면 분산되지 않은 알고리즘만 선택됩니다.		 'Auto'
'Distributed'
'NonDistributed'

GenerationSafetyQualityMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 기능 특성 메트릭을 가져오거나 설정합니다. 'AcceptableCoherenceScorePerInstance'
'AcceptableFluencyScorePerInstance'
'AcceptableGroundednessScorePerInstance'
'AcceptableRelevanceScorePerInstance'
'AcceptableSimilarityScorePerInstance'
'AggregatedCoherencePassRate'
'AggregatedFluencyPassRate'
'AggregatedGroundednessPassRate'
'AggregatedRelevancePassRate'
'AggregatedSimilarityPassRate'(필수)
문지방 임계값을 가져오거나 설정합니다.
null이면 선택한 메트릭에 따라 기본값이 설정됩니다.		 MonitoringThreshold

GenerationSafetyQualityMonitoringSignal

이름 묘사 값
metricThresholds [필수] 계산할 메트릭과 해당 임계값을 가져오거나 설정합니다. GenerationSafetyQualityMetricThreshold[] (필수)
productionData 컴퓨팅 메트릭에 대한 대상 데이터를 가져오거나 설정합니다. MonitoringInputDataBase[]
samplingRate [필수] 대상 데이터의 샘플 속도는 0보다 크고 최대 1이어야 합니다. int(필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'GenerationSafetyQuality'(필수)
workspaceConnectionId 콘텐츠 생성 엔드포인트에 연결하는 데 사용되는 작업 영역 연결 ID를 가져오거나 설정합니다. 문자열

GenerationTokenStatisticsMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 기능 특성 메트릭을 가져오거나 설정합니다. 'TotalTokenCount'
'TotalTokenCountPerGroup'(필수)
문지방 임계값을 가져오거나 설정합니다.
null이면 선택한 메트릭에 따라 기본값이 설정됩니다.		 MonitoringThreshold

GenerationTokenStatisticsSignal

이름 묘사 값
metricThresholds [필수] 계산할 메트릭과 해당 임계값을 가져오거나 설정합니다. GenerationTokenStatisticsMetricThreshold[] (필수)
productionData 컴퓨팅 메트릭에 대한 대상 데이터를 가져오거나 설정합니다. monitoringInputDataBase
samplingRate [필수] 대상 데이터의 샘플 속도는 0보다 크고 최대 1이어야 합니다. int(필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'GenerationTokenStatistics'(필수)

GridSamplingAlgorithm

이름 묘사 값
samplingAlgorithmType [필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘 'Grid'(필수)

IdentityConfiguration

이름 묘사 값
identityType 형식 AmlToken대해 'AMLToken'으로 설정합니다. ManagedIdentity형식 'Managed'로 설정합니다. UserIdentity형식에 대해 'UserIdentity'로 설정합니다. 'AMLToken'
'관리'
'UserIdentity'(필수)

ImageClassification

이름 묘사 값
limitSettings [필수] AutoML 작업에 대한 설정을 제한합니다. ImageLimitSettings (필수)
modelSettings 모델 학습에 사용되는 설정입니다. ImageModelSettingsClassification
primaryMetric 이 작업에 최적화할 기본 메트릭입니다. '정확도'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. ImageModelDistributionSettingsClassification[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다. imageSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'ImageClassification'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int

ImageClassificationMultilabel

이름 묘사 값
limitSettings [필수] AutoML 작업에 대한 설정을 제한합니다. ImageLimitSettings (필수)
modelSettings 모델 학습에 사용되는 설정입니다. ImageModelSettingsClassification
primaryMetric 이 작업에 최적화할 기본 메트릭입니다. '정확도'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'IOU'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. ImageModelDistributionSettingsClassification[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다. imageSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'ImageClassificationMultilabel'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int

ImageInstanceSegmentation

이름 묘사 값
limitSettings [필수] AutoML 작업에 대한 설정을 제한합니다. ImageLimitSettings (필수)
modelSettings 모델 학습에 사용되는 설정입니다. ImageModelSettingsObjectDetection
primaryMetric 이 작업에 최적화할 기본 메트릭입니다. 'MeanAveragePrecision'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. imageModelDistributionSettingsObjectDetection[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다. imageSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'ImageInstanceSegmentation'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int

ImageLimitSettings

이름 묘사 값
maxConcurrentTrials 동시 AutoML 반복의 최대 수입니다. int
maxTrials AutoML 반복의 최대 수입니다. int
타임 아웃 AutoML 작업 시간 제한입니다. 문자열

ImageModelDistributionSettingsClassification

이름 묘사 값
amsGradient 최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다. 문자열
확대 확대를 사용하기 위한 설정입니다. 문자열
beta1 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
beta2 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
분산 배포자 학습을 사용할지 여부입니다. 문자열
earlyStopping 학습 중에 조기 중지 논리를 사용하도록 설정합니다. 문자열
earlyStoppingDelay 기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가
는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.		 문자열
earlyStoppingPatience 이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수
실행이 중지되었습니다. 양의 정수여야 합니다.		 문자열
enableOnnxNormalization ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다. 문자열
evaluationFrequency 메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다. 문자열
gradientAccumulationStep 그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다.
해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음
가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.		 문자열
layersToFreeze 모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다.
예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은
freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요.
참조: /azure/machine-learning/how-to-auto-train-image-models.		 문자열
learningRate 초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
learningRateScheduler 학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다. 문자열
modelName 학습에 사용할 모델의 이름입니다.
사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요.
/azure/machine-learning/how-to-auto-train-image-models.		 문자열
운동량 최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
nesterov 최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다. 문자열
numberOfEpochs 학습 epoch의 수입니다. 양의 정수여야 합니다. 문자열
numberOfWorkers 데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다. 문자열
최적화 최적화 프로그램의 유형입니다. 'sgd', 'adam' 또는 'adamw'여야 합니다. 문자열
randomSeed 결정적 학습을 사용할 때 사용할 임의 시드입니다. 문자열
stepLRGamma 학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
stepLRStepSize 학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다. 문자열
trainingBatchSize 학습 일괄 처리 크기입니다. 양의 정수여야 합니다. 문자열
trainingCropSize 학습 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다. 문자열
validationBatchSize 유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다. 문자열
validationCropSize 유효성 검사 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다. 문자열
validationResizeSize 유효성 검사 데이터 세트를 자르기 전에 크기를 조정할 이미지 크기입니다. 양의 정수여야 합니다. 문자열
warmupCosineLRCycles 학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
warmupCosineLRWarmupEpochs 학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다. 문자열
weightDecay 최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다. 문자열
weightedLoss 가중 손실. 허용되는 값은 가중치 손실 없이 0입니다.
sqrt를 사용한 가중치 손실의 경우 1. (class_weights). class_weights 가중치 손실에 대한 2. 0 또는 1 또는 2여야 합니다.		 문자열

ImageModelDistributionSettingsObjectDetection

이름 묘사 값
amsGradient 최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다. 문자열
확대 확대를 사용하기 위한 설정입니다. 문자열
beta1 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
beta2 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
boxDetectionsPerImage 모든 클래스에 대한 이미지당 최대 검색 수입니다. 양의 정수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
boxScoreThreshold 유추하는 동안 분류 점수가 다음보다 큰 제안만 반환합니다.
BoxScoreThreshold. 범위[0, 1]의 부동 소수 자릿수여야 합니다.		 문자열
분산 배포자 학습을 사용할지 여부입니다. 문자열
earlyStopping 학습 중에 조기 중지 논리를 사용하도록 설정합니다. 문자열
earlyStoppingDelay 기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가
는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.		 문자열
earlyStoppingPatience 이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수
실행이 중지되었습니다. 양의 정수여야 합니다.		 문자열
enableOnnxNormalization ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다. 문자열
evaluationFrequency 메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다. 문자열
gradientAccumulationStep 그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다.
해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음
가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.		 문자열
imageSize 학습 및 유효성 검사를 위한 이미지 크기입니다. 양의 정수여야 합니다.
참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 문자열
layersToFreeze 모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다.
예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은
freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요.
참조: /azure/machine-learning/how-to-auto-train-image-models.		 문자열
learningRate 초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
learningRateScheduler 학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다. 문자열
maxSize 백본에 공급하기 전에 크기가 조정될 이미지의 최대 크기입니다.
양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
minSize 백본에 공급하기 전에 크기가 조정될 이미지의 최소 크기입니다.
양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
modelName 학습에 사용할 모델의 이름입니다.
사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요.
/azure/machine-learning/how-to-auto-train-image-models.		 문자열
modelSize 모델 크기입니다. 'small', 'medium', 'large' 또는 'xlarge'여야 합니다.
참고: 모델 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 문자열
운동량 최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
multiScale 이미지 크기를 +/- 50%변경하여 다중 크기 이미지를 사용하도록 설정합니다.
참고: 충분한 GPU 메모리가 없는 경우 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 문자열
nesterov 최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다. 문자열
nmsIouThreshold NMS 사후 처리에서 유추하는 동안 사용되는 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다. 문자열
numberOfEpochs 학습 epoch의 수입니다. 양의 정수여야 합니다. 문자열
numberOfWorkers 데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다. 문자열
최적화 최적화 프로그램의 유형입니다. 'sgd', 'adam' 또는 'adamw'여야 합니다. 문자열
randomSeed 결정적 학습을 사용할 때 사용할 임의 시드입니다. 문자열
stepLRGamma 학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
stepLRStepSize 학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다. 문자열
tileGridSize 각 이미지를 타일링하는 데 사용할 그리드 크기입니다. 참고: TileGridSize는
작은 개체 검색 논리를 사용하도록 설정할 수 없습니다. mxn 형식의 두 정수가 포함된 문자열입니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
tileOverlapRatio 각 차원의 인접 타일 간의 겹침 비율입니다. 범위 [0, 1)에 부동 소수 자릿수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
tilePredictionsNmsThreshold 타일 및 이미지에서 예측을 병합하는 동안 NMS를 수행하는 데 사용할 IOU 임계값입니다.
유효성 검사/유추에 사용됩니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.
NMS: 최대값이 아닌 표시 안 함		 문자열
trainingBatchSize 학습 일괄 처리 크기입니다. 양의 정수여야 합니다. 문자열
validationBatchSize 유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다. 문자열
validationIouThreshold 유효성 검사 메트릭을 계산할 때 사용할 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다. 문자열
validationMetricType 유효성 검사 메트릭에 사용할 메트릭 계산 방법입니다. 'none', 'coco', 'voc' 또는 'coco_voc'이어야 합니다. 문자열
warmupCosineLRCycles 학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. 문자열
warmupCosineLRWarmupEpochs 학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다. 문자열
weightDecay 최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다. 문자열

ImageModelSettingsClassification

이름 묘사 값
advancedSettings 고급 시나리오에 대한 설정입니다. 문자열
amsGradient 최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다. bool
확대 확대를 사용하기 위한 설정입니다. 문자열
beta1 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
beta2 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
checkpointFrequency 모델 검사점을 저장하는 빈도입니다. 양의 정수여야 합니다. int
checkpointModel 증분 학습을 위한 미리 학습된 검사점 모델입니다. MLFlowModelJobInput
checkpointRunId 증분 학습에 대한 미리 학습된 검사점이 있는 이전 실행의 ID입니다. 문자열
분산 분산 학습을 사용할지 여부입니다. bool
earlyStopping 학습 중에 조기 중지 논리를 사용하도록 설정합니다. bool
earlyStoppingDelay 기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가
는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.		 int
earlyStoppingPatience 이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수
실행이 중지되었습니다. 양의 정수여야 합니다.		 int
enableOnnxNormalization ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다. bool
evaluationFrequency 메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다. int
gradientAccumulationStep 그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다.
해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음
가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.		 int
layersToFreeze 모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다.
예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은
freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요.
참조: /azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate 초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
learningRateScheduler 학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다. 'None'
'Step'
'WarmupCosine'
modelName 학습에 사용할 모델의 이름입니다.
사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요.
/azure/machine-learning/how-to-auto-train-image-models.		 문자열
운동량 최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
nesterov 최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다. bool
numberOfEpochs 학습 epoch의 수입니다. 양의 정수여야 합니다. int
numberOfWorkers 데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다. int
최적화 최적화 프로그램의 유형입니다. '아담'
'Adamw'
'None'
'Sgd'
randomSeed 결정적 학습을 사용할 때 사용할 임의 시드입니다. int
stepLRGamma 학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
stepLRStepSize 학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다. int
trainingBatchSize 학습 일괄 처리 크기입니다. 양의 정수여야 합니다. int
trainingCropSize 학습 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다. int
validationBatchSize 유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다. int
validationCropSize 유효성 검사 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다. int
validationResizeSize 유효성 검사 데이터 세트를 자르기 전에 크기를 조정할 이미지 크기입니다. 양의 정수여야 합니다. int
warmupCosineLRCycles 학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
warmupCosineLRWarmupEpochs 학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다. int
weightDecay 최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다. int
weightedLoss 가중 손실. 허용되는 값은 가중치 손실 없이 0입니다.
sqrt를 사용한 가중치 손실의 경우 1. (class_weights). class_weights 가중치 손실에 대한 2. 0 또는 1 또는 2여야 합니다.		 int

ImageModelSettingsObjectDetection

이름 묘사 값
advancedSettings 고급 시나리오에 대한 설정입니다. 문자열
amsGradient 최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다. bool
확대 확대를 사용하기 위한 설정입니다. 문자열
beta1 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
beta2 최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
boxDetectionsPerImage 모든 클래스에 대한 이미지당 최대 검색 수입니다. 양의 정수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 int
boxScoreThreshold 유추하는 동안 분류 점수가 다음보다 큰 제안만 반환합니다.
BoxScoreThreshold. 범위[0, 1]의 부동 소수 자릿수여야 합니다.		 int
checkpointFrequency 모델 검사점을 저장하는 빈도입니다. 양의 정수여야 합니다. int
checkpointModel 증분 학습을 위한 미리 학습된 검사점 모델입니다. MLFlowModelJobInput
checkpointRunId 증분 학습에 대한 미리 학습된 검사점이 있는 이전 실행의 ID입니다. 문자열
분산 분산 학습을 사용할지 여부입니다. bool
earlyStopping 학습 중에 조기 중지 논리를 사용하도록 설정합니다. bool
earlyStoppingDelay 기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가
는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.		 int
earlyStoppingPatience 이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수
실행이 중지되었습니다. 양의 정수여야 합니다.		 int
enableOnnxNormalization ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다. bool
evaluationFrequency 메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다. int
gradientAccumulationStep 그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다.
해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음
가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.		 int
imageSize 학습 및 유효성 검사를 위한 이미지 크기입니다. 양의 정수여야 합니다.
참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 int
layersToFreeze 모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다.
예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은
freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요.
참조: /azure/machine-learning/how-to-auto-train-image-models.		 int
learningRate 초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
learningRateScheduler 학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다. 'None'
'Step'
'WarmupCosine'
logTrainingMetrics 컴퓨팅 및 로깅 학습 메트릭을 사용하도록 설정합니다. 'Disable'
'사용'
logValidationLoss 컴퓨팅 및 로깅 유효성 검사 손실을 사용하도록 설정합니다. 'Disable'
'사용'
maxSize 백본에 공급하기 전에 크기가 조정될 이미지의 최대 크기입니다.
양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 int
minSize 백본에 공급하기 전에 크기가 조정될 이미지의 최소 크기입니다.
양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 int
modelName 학습에 사용할 모델의 이름입니다.
사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요.
/azure/machine-learning/how-to-auto-train-image-models.		 문자열
modelSize 모델 크기입니다. 'small', 'medium', 'large' 또는 'xlarge'여야 합니다.
참고: 모델 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 'ExtraLarge'
'Large'
'Medium'
'None'
'Small'
운동량 최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
multiScale 이미지 크기를 +/- 50%변경하여 다중 크기 이미지를 사용하도록 설정합니다.
참고: 충분한 GPU 메모리가 없는 경우 학습 실행이 CUDA OOM에 들어갈 수 있습니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.		 bool
nesterov 최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다. bool
nmsIouThreshold NMS 사후 처리에서 유추하는 동안 사용되는 IOU 임계값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
numberOfEpochs 학습 epoch의 수입니다. 양의 정수여야 합니다. int
numberOfWorkers 데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다. int
최적화 최적화 프로그램의 유형입니다. '아담'
'Adamw'
'None'
'Sgd'
randomSeed 결정적 학습을 사용할 때 사용할 임의 시드입니다. int
stepLRGamma 학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
stepLRStepSize 학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다. int
tileGridSize 각 이미지를 타일링하는 데 사용할 그리드 크기입니다. 참고: TileGridSize는
작은 개체 검색 논리를 사용하도록 설정할 수 없습니다. mxn 형식의 두 정수가 포함된 문자열입니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 문자열
tileOverlapRatio 각 차원의 인접 타일 간의 겹침 비율입니다. 범위 [0, 1)에 부동 소수 자릿수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 int
tilePredictionsNmsThreshold 타일 및 이미지에서 예측을 병합하는 동안 NMS를 수행하는 데 사용할 IOU 임계값입니다.
유효성 검사/유추에 사용됩니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.
참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.		 int
trainingBatchSize 학습 일괄 처리 크기입니다. 양의 정수여야 합니다. int
validationBatchSize 유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다. int
validationIouThreshold 유효성 검사 메트릭을 계산할 때 사용할 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다. int
validationMetricType 유효성 검사 메트릭에 사용할 메트릭 계산 방법입니다. '코코'
'CocoVoc'
'None'
'Voc'
warmupCosineLRCycles 학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다. int
warmupCosineLRWarmupEpochs 학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다. int
weightDecay 최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다. int

ImageObjectDetection

이름 묘사 값
limitSettings [필수] AutoML 작업에 대한 설정을 제한합니다. ImageLimitSettings (필수)
modelSettings 모델 학습에 사용되는 설정입니다. ImageModelSettingsObjectDetection
primaryMetric 이 작업에 최적화할 기본 메트릭입니다. 'MeanAveragePrecision'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. imageModelDistributionSettingsObjectDetection[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다. imageSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'ImageObjectDetection'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int

ImageSweepSettings

이름 묘사 값
earlyTermination 조기 종료 정책의 유형입니다. earlyTerminationPolicy
samplingAlgorithm [필수] 하이퍼 매개 변수 샘플링 알고리즘의 형식입니다. '베이지안'
'Grid'
'Random'(필수)

ImportDataAction

이름 묘사 값
actionType [필수] 일정의 작업 유형을 지정합니다. 'ImportData'(필수)
dataImportDefinition [필수] 일정 작업 정의 세부 정보를 정의합니다. DataImport(필수)

IntellectualProperty

이름 묘사 값
protectionLevel 지적 재산권의 보호 수준입니다. 'All'
'None'
게시자 [필수] 지적 재산권의 게시자입니다. 레지스트리 게시자 이름과 동일해야 합니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

JobBaseProperties

이름 묘사 값
componentId 구성 요소 리소스의 ARM 리소스 ID입니다. 문자열
computeId 컴퓨팅 리소스의 ARM 리소스 ID입니다. 문자열
묘사 자산 설명 텍스트입니다. 문자열
displayName 작업의 표시 이름입니다. 문자열
experimentName 작업이 속한 실험의 이름입니다. 설정하지 않으면 작업이 "기본" 실험에 배치됩니다. 문자열
신원 ID 구성. 설정된 경우 AmlToken, ManagedIdentity, UserIdentity 또는 null 중 하나여야 합니다.
Null인 경우 기본값은 AmlToken입니다.		 IdentityConfiguration
isArchived 자산이 보관되어 있나요? bool
jobType AutoMLJob형식에 대해 'AutoML'로 설정합니다. CommandJob형식에 대해 'Command'로 설정합니다. LabelingJobProperties형식에 대해 '레이블 지정'으로 설정합니다. PipelineJob형식에 대해 'Pipeline'설정합니다. SparkJob형식에 대해 'Spark'로 설정합니다. sweepJob형식에 대해 'Sweep'로 설정합니다. 'AutoML'
'Command'
'레이블 지정'
'파이프라인'
'Spark'
'Sweep'(필수)
notificationSetting 작업에 대한 알림 설정 notificationSetting
속성 자산 속성 사전입니다. ResourceBaseProperties
secretsConfiguration 런타임 중에 사용할 수 있는 비밀에 대한 구성입니다. jobBaseSecretsConfiguration
서비스 JobEndpoints 목록입니다.
로컬 작업의 경우 작업 엔드포인트의 엔드포인트 값은 FileStreamObject입니다.		 JobBaseServices
태그 태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다. resourceBaseTags

JobBaseSecretsConfiguration

이름 묘사 값

JobBaseServices

이름 묘사 값

JobInput

이름 묘사 값
묘사 입력에 대한 설명입니다. 문자열
jobInputType CustomModelJobInput형식에 대해 'custom_model'로 설정합니다. LiteralJobInput형식에 대해 'literal'로 설정합니다. MLFlowModelJobInput형식에 대해 'mlflow_model'로 설정합니다. MLTableJobInput형식에 대해 'mltable'로 설정합니다. tritonModelJobInput형식에 대해 'triton_model'로 설정합니다. UriFileJobInput형식에 대해 'uri_file'로 설정합니다. UriFolderJobInput형식에 대해 'uri_folder'로 설정합니다. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder'(필수)

JobOutput

이름 묘사 값
묘사 출력에 대한 설명입니다. 문자열
jobOutputType CustomModelJobOutput형식에 대해 'custom_model'로 설정합니다. MLFlowModelJobOutput형식에 대해 'mlflow_model'로 설정합니다. MLTableJobOutput형식에 대해 'mltable'로 설정합니다. TritonModelJobOutput형식에 대해 'triton_model'로 설정합니다. UriFileJobOutput형식에 대해 'uri_file'로 설정합니다. UriFolderJobOutput형식에 대해 'uri_folder'로 설정합니다. 'custom_model'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder'(필수)

JobResourceConfiguration

이름 묘사 값
dockerArgs Docker 실행 명령에 전달할 추가 인수입니다. 이렇게 하면 시스템 또는 이 섹션에서 이미 설정한 매개 변수가 재정의됩니다. 이 매개 변수는 Azure ML 컴퓨팅 유형에 대해서만 지원됩니다. 문자열
instanceCount 컴퓨팅 대상에서 사용하는 인스턴스 또는 노드의 선택적 수입니다. int
instanceType 컴퓨팅 대상에서 지원하는 VM의 선택적 형식입니다. 문자열
위치 작업을 실행할 수 있는 위치입니다. string[]
maxInstanceCount 컴퓨팅 대상에서 사용할 인스턴스 또는 노드의 선택적 최대 허용 수입니다.
탄력적 학습에 사용하기 위해 현재 PyTorch 배포 유형에서만 지원됩니다.		 int
속성 추가 속성 모음. resourceConfigurationProperties
shmSize Docker 컨테이너의 공유 메모리 블록 크기입니다. 이 형식은 (number)(unit) 형식이어야 합니다. 여기서 숫자는 0보다 크고 단위는 b(바이트), k(킬로바이트), m(메가바이트) 또는 g(기가바이트) 중 하나일 수 있습니다. 문자열

제약 조건:
패턴 = \d+[bBkKmMgG]

JobScheduleAction

이름 묘사 값
actionType [필수] 일정의 작업 유형을 지정합니다. 'CreateJob'(필수)
jobDefinition [필수] 일정 작업 정의 세부 정보를 정의합니다. JobBaseProperties(필수)

JobService

이름 묘사 값
끝점 엔드포인트의 URL입니다. 문자열
jobServiceType 엔드포인트 유형입니다. 문자열
노드 사용자가 서비스를 시작하려는 노드입니다.
노드가 null로 설정되거나 설정되지 않은 경우 서비스는 리더 노드에서만 시작됩니다.		 노드
항구 사용자가 설정한 엔드포인트에 대한 포트입니다. int
속성 엔드포인트에서 설정할 추가 속성입니다. JobServiceProperties

JobServiceProperties

이름 묘사 값

LabelCategory

이름 묘사 값
클래스 이 범주의 레이블 클래스 사전입니다. LabelCategoryClasses
displayName 레이블 범주의 표시 이름입니다. 문자열
multiSelect 이 범주에서 여러 클래스를 선택할 수 있는지 여부를 나타냅니다. '사용 안 함'
'Enabled'

LabelCategoryClasses

이름 묘사 값

LabelClass

이름 묘사 값
displayName 레이블 클래스의 표시 이름입니다. 문자열
서브 클래스 레이블 클래스의 하위 클래스 사전입니다. LabelClassSubclasses

LabelClassSubclasses

이름 묘사 값

LabelingDataConfiguration

이름 묘사 값
dataId 레이블 지정을 수행할 데이터 자산의 리소스 ID입니다. 문자열
incrementalDataRefresh 증분 데이터 새로 고침을 사용할지 여부를 나타냅니다. '사용 안 함'
'Enabled'

LabelingJobImageProperties

이름 묘사 값
annotationType 이미지 레이블 지정 작업의 주석 유형입니다. 'BoundingBox'
'분류'
'InstanceSegmentation'
mediaType [필수] 작업의 미디어 유형입니다. 'Image'(필수)

LabelingJobInstructions

이름 묘사 값
uri 레이블 지정에 대한 자세한 레이블 지정 지침이 있는 페이지에 대한 링크입니다. 문자열

LabelingJobLabelCategories

이름 묘사 값

LabelingJobMediaProperties

이름 묘사 값
mediaType LabelingJobImageProperties형식에 대해 'Image'로 설정합니다. LabelingJobTextProperties형식에 대해 'Text'로 설정합니다. 'Image'
'Text'(필수)

LabelingJobProperties

이름 묘사 값
dataConfiguration 작업에 사용되는 데이터의 구성입니다. labelingDataConfiguration
jobInstructions 작업의 지침에 레이블을 지정합니다. LabelingJobInstructions
jobType [필수] 작업 유형을 지정합니다. 'Labeling'(필수)
labelCategories 작업의 레이블 범주입니다. LabelingJobLabelCategories
labelingJobMediaProperties 작업에서 미디어 유형별 속성입니다. LabelingJobMediaProperties
mlAssistConfiguration 작업에서 MLAssist 기능의 구성입니다. MLAssistConfiguration

LabelingJobTextProperties

이름 묘사 값
annotationType 텍스트 레이블 지정 작업의 주석 형식입니다. '분류'
'NamedEntityRecognition'
mediaType [필수] 작업의 미디어 유형입니다. 'Text'(필수)

LiteralJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'literal'(필수)
값 [필수] 입력에 대한 리터럴 값입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

ManagedComputeIdentity

이름 묘사 값
computeIdentityType [필수] 컴퓨팅 ID 유형 열거형을 모니터링합니다. 'ManagedIdentity'(필수)
신원 관리 서비스 ID(시스템 할당 및/또는 사용자 할당 ID) ManagedServiceIdentity

ManagedIdentity

이름 묘사 값
clientId 클라이언트 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요. 문자열

제약 조건:
최소 길이 = 36
최대 길이 = 36
패턴 = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identityType [필수] ID 프레임워크의 형식을 지정합니다. 'Managed'(필수)
objectId 개체 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요. 문자열

제약 조건:
최소 길이 = 36
최대 길이 = 36
패턴 = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId ARM 리소스 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요. 문자열

ManagedServiceIdentity

이름 묘사 값
형 관리 서비스 ID의 유형입니다(SystemAssigned 및 UserAssigned 형식이 모두 허용되는 경우). 'None'
'SystemAssigned'
'SystemAssigned,UserAssigned'
'UserAssigned'(필수)
userAssignedIdentities 리소스와 연결된 사용자 할당 ID 집합입니다. userAssignedIdentities 사전 키는 '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName} 형식의 ARM 리소스 ID입니다. 사전 값은 요청에서 빈 개체({})일 수 있습니다. UserAssignedIdentities

MedianStoppingPolicy

이름 묘사 값
policyType [필수] 정책 구성의 이름 'MedianStopping'(필수)

Microsoft.MachineLearningServices/workspaces/schedules

이름 묘사 값
이름 리소스 이름 문자열

제약 조건:
패턴 = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$(필수)
parent_id 이 리소스의 부모인 리소스의 ID입니다. 형식 리소스의 ID: 작업 영역
속성 [필수] 엔터티의 추가 특성입니다. ScheduleProperties(필수)
형 리소스 종류 "Microsoft.MachineLearningServices/workspaces/schedules@2023-06-01-preview"

MLAssistConfiguration

이름 묘사 값
mlAssist MLAssistConfigurationDisabled형식에 대해 'Disabled'로 설정합니다. MLAssistConfigurationEnabled형식에 대해 '사용'으로 설정합니다. '사용 안 함'
'Enabled'(필수)

MLAssistConfigurationDisabled

이름 묘사 값
mlAssist [필수] MLAssist 기능을 사용할 수 있는지 여부를 나타냅니다. 'Disabled'(필수)

MLAssistConfigurationEnabled

이름 묘사 값
inferencingComputeBinding [필수] 추론에 사용되는 AML 컴퓨팅 바인딩입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
mlAssist [필수] MLAssist 기능을 사용할 수 있는지 여부를 나타냅니다. 'Enabled'(필수)
trainingComputeBinding [필수] 학습에 사용되는 AML 컴퓨팅 바인딩입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MLFlowModelJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'mlflow_model'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MLFlowModelJobInput

이름 묘사 값
묘사 입력에 대한 설명입니다. 문자열
jobInputType [필수] 작업 유형을 지정합니다. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MLFlowModelJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'mlflow_model'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

MLTableJobInput

이름 묘사 값
묘사 입력에 대한 설명입니다. 문자열
jobInputType [필수] 작업 유형을 지정합니다. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MLTableJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'mltable'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MLTableJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'mltable'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

ModelPerformanceMetricThresholdBase

이름 묘사 값
modelType type ClassificationModelPerformanceMetricThreshold대해 'Classification'으로 설정합니다. RegressionModelPerformanceMetricThreshold형식에 대해 '회귀'로 설정합니다. '분류'
'회귀'(필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

ModelPerformanceSignal

이름 묘사 값
dataSegment 데이터 세그먼트입니다. monitoringDataSegment
metricThreshold [필수] 계산할 메트릭 및 관련 임계값 목록입니다. ModelPerformanceMetricThresholdBase(필수)
productionData [필수] 드리프트가 계산될 프로덕션 서비스에서 생성된 데이터입니다. MonitoringInputDataBase[] (필수)
referenceData [필수] 드리프트를 계산할 데이터입니다. monitoringInputDataBase (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'ModelPerformance'(필수)

MonitorComputeConfigurationBase

이름 묘사 값
computeType MonitorServerlessSparkCompute형식에 대해 'ServerlessSpark'로 설정합니다. 'ServerlessSpark'(필수)

MonitorComputeIdentityBase

이름 묘사 값
computeIdentityType AmlTokenComputeIdentity형식에 대해 'AmlToken'으로 설정합니다. ManagedComputeIdentity형식 'ManagedIdentity'로 설정합니다. 'AmlToken'
'ManagedIdentity'(필수)

MonitorDefinition

이름 묘사 값
alertNotificationSetting 모니터의 알림 설정입니다. MonitoringAlertNotificationSettingsBase
computeConfiguration [필수] 모니터링 작업을 실행할 컴퓨팅 리소스의 ARM 리소스 ID입니다. MonitorComputeConfigurationBase (필수)
monitoringTarget 이 모니터가 대상으로 하는 모델 또는 배포의 ARM 리소스 ID입니다. monitoringTarget
신호 [필수] 모니터링할 신호입니다. MonitorDefinitionSignals(필수)

MonitorDefinitionSignals

이름 묘사 값

MonitoringAlertNotificationSettingsBase

이름 묘사 값
alertNotificationType AzMonitoringAlertNotificationSettings형식에 대해 'AzureMonitor'로 설정합니다. emailMonitoringAlertNotificationSettings형식에 대해 'Email'으로 설정합니다. 'AzureMonitor'
'Email'(필수)

MonitoringDataSegment

이름 묘사 값
특징 데이터를 분할하는 기능입니다. 문자열
값 지정된 분할된 기능의 지정된 값만 필터링합니다. string[]

MonitoringFeatureFilterBase

이름 묘사 값
filterType allFeatures형식에 대해 'AllFeatures'로 설정합니다. FeatureSubset형식에 대해 'FeatureSubset'로 설정합니다. TopNFeaturesByAttribution형식에 대해 'TopNByAttribution'으로 설정합니다. 'AllFeatures'
'FeatureSubset'
'TopNByAttribution'(필수)

MonitoringInputDataBase

이름 묘사 값
열 열 이름을 특수 용도로 매핑합니다. monitoringInputDataBaseColumns
dataContext 데이터 원본의 컨텍스트 메타데이터입니다. 문자열
inputDataType FixedInputData형식에 대해 'Fixed'로 설정합니다. StaticInputData형식에 대해 'Static'으로 설정합니다. TrailingInputData형식에 대해 '후행'으로 설정합니다. '수정됨'
'Static'
'후행'(필수)
jobInputType [필수] 작업 유형을 지정합니다. 'custom_model'
'literal'
'mlflow_model'
'mltable'
'triton_model'
'uri_file'
'uri_folder'(필수)
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

MonitoringInputDataBaseColumns

이름 묘사 값

MonitoringSignalBase

이름 묘사 값
모드 이 신호의 현재 알림 모드입니다. '사용 안 함'
'Enabled'
속성 속성 사전입니다. 속성을 추가할 수 있지만 제거하거나 변경할 수는 없습니다. monitoringSignalBaseProperties
signalType CustomMonitoringSignal형식에 대해 'Custom'으로 설정합니다. DataDriftMonitoringSignal형식에 대해 'DataDrift'로 설정합니다. DataQualityMonitoringSignal형식에 대해 'DataQuality'로 설정합니다. FeatureAttributionDriftMonitoringSignal형식에 대해 'FeatureAttributionDrift'로 설정합니다. GenerationSafetyQualityMonitoringSignal형식에 대해 'GenerationSafetyQuality'로 설정합니다. GenerationTokenStatisticsSignal형식에 대해 'GenerationTokenStatistics'로 설정합니다. ModelPerformanceSignal형식에 대해 'ModelPerformance'로 설정합니다. PredictionDriftMonitoringSignal형식에 대해 'PredictionDrift'로 설정합니다. 'Custom'
'DataDrift'
'DataQuality'
'FeatureAttributionDrift'
'GenerationSafetyQuality'
'GenerationTokenStatistics'
'ModelPerformance'
'PredictionDrift'(필수)

MonitoringSignalBaseProperties

이름 묘사 값

MonitoringTarget

이름 묘사 값
deploymentId 이 모니터가 대상으로 하는 배포의 ARM 리소스 ID입니다. 문자열
modelId 이 모니터가 대상으로 하는 모델의 ARM 리소스 ID입니다. 문자열
taskType [필수] 모델의 기계 학습 작업 유형입니다. '분류'
'QuestionAnswering'
'회귀'(필수)

MonitoringThreshold

이름 묘사 값
값 임계값입니다. null인 경우 집합 기본값은 메트릭 형식에 따라 달라집니다. int

MonitoringWorkspaceConnection

이름 묘사 값
environmentVariables 제출된 작업에 환경 변수로 저장할 작업 영역 서비스 연결의 속성입니다.
키는 작업 영역 연결 속성 경로이고, 이름은 환경 변수 키입니다.		 MonitoringWorkspaceConnectionEnvironmentVariables
비밀 제출된 작업에 비밀로 저장할 작업 영역 서비스 연결의 속성입니다.
키는 작업 영역 연결 속성 경로이고 이름은 비밀 키입니다.		 monitoringWorkspaceConnectionSecrets

MonitoringWorkspaceConnectionEnvironmentVariables

이름 묘사 값

MonitoringWorkspaceConnectionSecrets

이름 묘사 값

MonitorServerlessSparkCompute

이름 묘사 값
computeIdentity [필수] 서버리스 Spark에서 실행되는 Spark 작업에서 활용하는 ID 체계입니다. MonitorComputeIdentityBase (필수)
computeType [필수] 모니터링할 신호의 유형을 지정합니다. 'ServerlessSpark'(필수)
instanceType [필수] Spark 작업을 실행하는 인스턴스 유형입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
runtimeVersion [필수] Spark 런타임 버전입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

Mpi

이름 묘사 값
distributionType [필수] 배포 프레임워크의 유형을 지정합니다. 'Mpi'(필수)
processCountPerInstance MPI 노드당 프로세스 수입니다. int

NCrossValidations

이름 묘사 값
모드 AutoNCrossValidations형식에 대해 'Auto'로 설정합니다. CustomNCrossValidations형식에 대해 '사용자 지정'으로 설정합니다. 'Auto'
'Custom'(필수)

NlpFixedParameters

이름 묘사 값
gradientAccumulationSteps 뒤로 패스를 실행하기 전에 그라데이션을 누적하는 단계 수입니다. int
learningRate 학습 절차의 학습 속도입니다. int
learningRateScheduler 학습 절차 중에 사용할 학습 속도 일정의 유형입니다. '상수'
'ConstantWithWarmup'
'코사인'
'CosineWithRestarts'
'선형'
'None'
'다항식'
modelName 학습할 모델의 이름입니다. 문자열
numberOfEpochs 학습 epoch의 수입니다. int
trainingBatchSize 학습 절차의 일괄 처리 크기입니다. int
validationBatchSize 평가 중에 사용할 일괄 처리 크기입니다. int
warmupRatio LrSchedulerType과 함께 사용되는 준비 비율입니다. int
weightDecay 학습 절차의 체중 감소입니다. int

NlpParameterSubspace

이름 묘사 값
gradientAccumulationSteps 뒤로 패스를 실행하기 전에 그라데이션을 누적하는 단계 수입니다. 문자열
learningRate 학습 절차의 학습 속도입니다. 문자열
learningRateScheduler 학습 절차 중에 사용할 학습 속도 일정의 유형입니다. 문자열
modelName 학습할 모델의 이름입니다. 문자열
numberOfEpochs 학습 epoch의 수입니다. 문자열
trainingBatchSize 학습 절차의 일괄 처리 크기입니다. 문자열
validationBatchSize 평가 중에 사용할 일괄 처리 크기입니다. 문자열
warmupRatio LrSchedulerType과 함께 사용되는 준비 비율입니다. 문자열
weightDecay 학습 절차의 체중 감소입니다. 문자열

NlpSweepSettings

이름 묘사 값
earlyTermination 비우기 작업에 대한 조기 종료 정책 유형입니다. earlyTerminationPolicy
samplingAlgorithm [필수] 샘플링 알고리즘의 유형입니다. '베이지안'
'Grid'
'Random'(필수)

NlpVerticalFeaturizationSettings

이름 묘사 값
datasetLanguage 텍스트 데이터에 유용한 데이터 세트 언어입니다. 문자열

NlpVerticalLimitSettings

이름 묘사 값
maxConcurrentTrials 최대 동시 AutoML 반복입니다. int
maxNodes 실험에 사용할 최대 노드입니다. int
maxTrials AutoML 반복 횟수입니다. int
타임 아웃 AutoML 작업 시간 제한입니다. 문자열
trialTimeout 개별 HD 평가판에 대한 시간 제한입니다. 문자열

노드

이름 묘사 값
nodesValueType AllNodes형식에 대해 'All'으로 설정합니다. 'All'(필수)

NotificationSetting

이름 묘사 값
emailOn 지정된 알림 유형에서 사용자에게 전자 메일 알림 보내기 다음 중 어느 것을 포함하는 문자열 배열:
'JobCancelled'
'JobCompleted'
'JobFailed'
전자 메일 쉼표 구분 기호를 사용하여 총 구성에서 499자로 제한되는 전자 메일 받는 사람 목록입니다. string[]
웹후크 서비스에 웹후크 콜백을 보냅니다. 키는 웹후크의 사용자 제공 이름입니다. NotificationSettingWebhooks

NotificationSettingWebhooks

이름 묘사 값

NumericalDataDriftMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. 'Numerical'(필수)
메트릭 [필수] 계산할 숫자 데이터 드리프트 메트릭입니다. '젠슨샤논디스탄스'
'NormalizedWassersteinDistance'
'PopulationStabilityIndex'
'TwoSampleKolmogorovSmirnovTest'(필수)

NumericalDataQualityMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. 'Numerical'(필수)
메트릭 [필수] 계산할 숫자 데이터 품질 메트릭입니다. 'DataTypeErrorRate'
'NullValueRate'
'OutOfBoundsRate'(필수)

NumericalPredictionDriftMetricThreshold

이름 묘사 값
dataType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. 'Numerical'(필수)
메트릭 [필수] 계산할 숫자 예측 드리프트 메트릭입니다. '젠슨샤논디스탄스'
'NormalizedWassersteinDistance'
'PopulationStabilityIndex'
'TwoSampleKolmogorovSmirnovTest'(필수)

목표

이름 묘사 값
골 [필수] 하이퍼 매개 변수 튜닝에 지원되는 메트릭 목표를 정의합니다. '최대화'
'최소화'(필수)
primaryMetric [필수] 최적화할 메트릭의 이름입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

PipelineJob

이름 묘사 값
입력 파이프라인 작업에 대한 입력입니다. pipelineJobInputs
작업 작업은 파이프라인 작업을 생성합니다. pipelineJobJobs
jobType [필수] 작업 유형을 지정합니다. 'Pipeline'(필수)
출력 파이프라인 작업에 대한 출력 PipelineJobOutputs
설정 ContinueRunOnStepFailure 등의 파이프라인 설정 어떤
sourceJobId 원본 작업의 ARM 리소스 ID입니다. 문자열

PipelineJobInputs

이름 묘사 값

PipelineJobJobs

이름 묘사 값

PipelineJobOutputs

이름 묘사 값

PredictionDriftMetricThresholdBase

이름 묘사 값
dataType 형식에 대해 '범주'로 설정합니다. numericalPredictionDriftMetricThreshold형식에 대해 'Numerical'로 설정합니다. '범주'
'Numerical'(필수)
문지방 임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다. MonitoringThreshold

PredictionDriftMonitoringSignal

이름 묘사 값
metricThresholds [필수] 계산할 메트릭 및 관련 임계값 목록입니다. PredictionDriftMetricThresholdBase[] (필수)
modelType [필수] 모니터링되는 모델의 형식입니다. '분류'
'회귀'(필수)
productionData [필수] 드리프트가 계산될 데이터입니다. monitoringInputDataBase (필수)
referenceData [필수] 드리프트를 계산할 데이터입니다. monitoringInputDataBase (필수)
signalType [필수] 모니터링할 신호의 유형을 지정합니다. 'PredictionDrift'(필수)

PyTorch

이름 묘사 값
distributionType [필수] 배포 프레임워크의 유형을 지정합니다. 'PyTorch'(필수)
processCountPerInstance 노드당 프로세스 수입니다. int

QueueSettings

이름 묘사 값
jobTier 컴퓨팅 작업 계층을 제어합니다. '기본'
'Null'
'프리미엄'
'Spot'
'Standard'
우선권 컴퓨팅에서 작업의 우선 순위를 제어합니다. int

RandomSamplingAlgorithm

이름 묘사 값
logbase 로그 기반 임의 샘플링의 기준으로 사용할 문자열 형식의 선택적 양수 또는 e 문자열
규칙 특정 유형의 임의 알고리즘 'Random'
'Sobol'
samplingAlgorithmType [필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘 'Random'(필수)
씨 난수 생성을 위한 시드로 사용할 선택적 정수입니다. int

광선

이름 묘사 값
주소 Ray 헤드 노드의 주소입니다. 문자열
dashboardPort 대시보드 서버를 바인딩할 포트입니다. int
distributionType [필수] 배포 프레임워크의 유형을 지정합니다. 'Ray'(필수)
headNodeAdditionalArgs 헤드 노드에서 광선 시작에 전달되는 추가 인수입니다. 문자열
includeDashboard Ray 대시보드 GUI를 시작하려면 이 인수를 제공합니다. bool
항구 헤드 레이 프로세스의 포트입니다. int
workerNodeAdditionalArgs 작업자 노드에서 광선 시작에 전달된 추가 인수입니다. 문자열

RecurrenceSchedule

이름 묘사 값
시간 [필수] 일정의 시간 목록입니다. int[] (필수)
분 [필수] 일정의 시간(분) 목록입니다. int[] (필수)
monthDays 일정의 월 일 목록 int[]
평일 일정의 일 수 목록입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'금요일'
'월요일'
'토요일'
'일요일'
'목요일'
'화요일'
'수요일'

RecurrenceTrigger

이름 묘사 값
빈도 [필수] 일정을 트리거하는 빈도입니다. 'Day'
'Hour'
'Minute'
'월'
'Week'(필수)
간 [필수] 빈도와 함께 일정 간격을 지정합니다. int(필수)
일정 되풀이 일정입니다. RecurrenceSchedule
triggerType [필수] '되풀이'(필수)

회귀

이름 묘사 값
cvSplitColumnNames CVSplit 데이터에 사용할 열입니다. string[]
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. tableVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. TableFixedParameters
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. tableVerticalLimitSettings
nCrossValidations 학습 데이터 세트에 적용할 교차 유효성 검사 접기 수
유효성 검사 데이터 세트가 제공되지 않으면 입니다.		 NCrossValidations
primaryMetric 회귀 태스크에 대한 기본 메트릭입니다. 'NormalizedMeanAbsoluteError'
'NormalizedRootMeanSquaredError'
'R2Score'
'스피어만코렐레이션'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. tableParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. tableSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. '회귀'(필수)
testData 데이터 입력을 테스트합니다. MLTableJobInput
testDataSize 유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
trainingSettings AutoML 작업의 학습 단계에 대한 입력입니다. RegressionTrainingSettings
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput
validationDataSize 유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다.
(0.0, 1.0) 사이의 값
유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.		 int
weightColumnName 샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다. 문자열

RegressionModelPerformanceMetricThreshold

이름 묘사 값
메트릭 [필수] 계산할 회귀 모델 성능 메트릭입니다. 'MeanAbsoluteError'
'MeanSquaredError'
'RootMeanSquaredError'(필수)
modelType [필수] 메트릭 임계값의 데이터 형식을 지정합니다. '회귀'(필수)

RegressionTrainingSettings

이름 묘사 값
allowedTrainingAlgorithms 회귀 태스크에 허용되는 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'DecisionTree'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
blockedTrainingAlgorithms 회귀 태스크에 대한 차단된 모델입니다. 다음 중 어느 것을 포함하는 문자열 배열:
'DecisionTree'
'ElasticNet'
'ExtremeRandomTrees'
'GradientBoosting'
'KNN'
'LassoLars'
'LightGBM'
'RandomForest'
'SGD'
'XGBoostRegressor'
enableDnnTraining DNN 모델의 권장 사항을 사용하도록 설정합니다. bool
enableModelExplainability 최상의 모델에서 설명 기능을 켜는 플래그입니다. bool
enableOnnxCompatibleModels onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다. bool
enableStackEnsemble 스택 앙상블 실행을 사용하도록 설정합니다. bool
enableVoteEnsemble 투표 앙상블 실행을 사용하도록 설정합니다. bool
ensembleModelDownloadTimeout VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다.
더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.		 문자열
stackEnsembleSettings 스택 앙상블 실행에 대한 스택 앙상블 설정입니다. StackEnsembleSettings
trainingMode TrainingMode 모드 - 'auto'로 설정하는 것은 현재 '비균등'으로 설정하는 것과 같지만 나중에 혼합 모드 또는 추론 기반 모드 선택이 발생할 수 있습니다. 기본값은 'auto'입니다.
'Distributed'인 경우 분산 기능화만 사용되고 분산 알고리즘이 선택됩니다.
'NonDistributed'이면 분산되지 않은 알고리즘만 선택됩니다.		 'Auto'
'Distributed'
'NonDistributed'

ResourceBaseProperties

이름 묘사 값

ResourceBaseProperties

이름 묘사 값

ResourceBaseProperties

이름 묘사 값

ResourceBaseTags

이름 묘사 값

ResourceBaseTags

이름 묘사 값

ResourceBaseTags

이름 묘사 값

ResourceConfigurationProperties

이름 묘사 값

SamplingAlgorithm

이름 묘사 값
samplingAlgorithmType BayesianSamplingAlgorithm형식에 대해 'Bayesian'으로 설정합니다. GridSamplingAlgorithm형식에 대해 'Grid'로 설정합니다. RandomSamplingAlgorithm형식에 대해 'Random'으로 설정합니다. '베이지안'
'Grid'
'Random'(필수)

ScheduleActionBase

이름 묘사 값
actionType JobScheduleAction형식에 대해 'CreateJob'으로 설정합니다. CreateMonitorAction형식에 대해 'CreateMonitor'로 설정합니다. ImportDataAction형식에 대해 'ImportData'로 설정합니다. EndpointScheduleAction형식에 대해 'InvokeBatchEndpoint'로 설정합니다. 'CreateJob'
'CreateMonitor'
'ImportData'
'InvokeBatchEndpoint'(필수)

ScheduleProperties

이름 묘사 값
행동 [필수] 일정의 동작을 지정합니다. ScheduleActionBase(필수)
묘사 자산 설명 텍스트입니다. 문자열
displayName 일정의 표시 이름입니다. 문자열
isEnabled 일정이 활성화되어 있나요? bool
속성 자산 속성 사전입니다. ResourceBaseProperties
태그 태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다. resourceBaseTags
방아쇠 [필수] 트리거 세부 정보를 지정합니다. TriggerBase(필수)

계절

이름 묘사 값
모드 AutoSeasonality형식에 대해 'Auto'로 설정합니다. CustomSeasonality형식에 대해 'Custom'으로 설정합니다. 'Auto'
'Custom'(필수)

SecretConfiguration

이름 묘사 값
uri 비밀 Uri입니다.
샘플 URI: https://myvault.vault.azure.net/secrets/mysecretname/secretversion		 문자열
workspaceSecretName 작업 영역 키 자격 증명 모음의 비밀 이름입니다. 문자열

SparkJob

이름 묘사 값
공문서 작업에 사용되는 파일을 보관합니다. string[]
인수(args) 작업에 대한 인수입니다. 문자열
codeId [필수] 코드 자산의 ARM 리소스 ID입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
conf Spark가 구성한 속성입니다. SparkJobConf
항목 [필수] 작업을 시작할 때 실행할 항목입니다. SparkJobEntry(필수)
environmentId 작업에 대한 환경 사양의 ARM 리소스 ID입니다. 문자열
파일 작업에 사용되는 파일입니다. string[]
입력 작업에 사용되는 입력 데이터 바인딩의 매핑입니다. SparkJobInputs
항아리 작업에 사용되는 Jar 파일입니다. string[]
jobType [필수] 작업 유형을 지정합니다. 'Spark'(필수)
출력 작업에 사용되는 출력 데이터 바인딩의 매핑입니다. SparkJobOutputs
pyFiles 작업에 사용되는 Python 파일입니다. string[]
queueSettings 작업에 대한 큐 설정 QueueSettings
리소스 작업에 대한 컴퓨팅 리소스 구성입니다. SparkResourceConfiguration

SparkJobConf

이름 묘사 값

SparkJobEntry

이름 묘사 값
sparkJobEntryType SparkJobPythonEntry형식에 대해 'SparkJobPythonEntry'로 설정합니다. SparkJobScalaEntry형식에 대해 'SparkJobScalaEntry'로 설정합니다. 'SparkJobPythonEntry'
'SparkJobScalaEntry'(필수)

SparkJobInputs

이름 묘사 값

SparkJobOutputs

이름 묘사 값

SparkJobPythonEntry

이름 묘사 값
파일 [필수] 작업 진입점에 대한 상대 Python 파일 경로입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
sparkJobEntryType [필수] 작업의 진입점 유형입니다. 'SparkJobPythonEntry'(필수)

SparkJobScalaEntry

이름 묘사 값
className [필수] 진입점으로 사용되는 Scala 클래스 이름입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
sparkJobEntryType [필수] 작업의 진입점 유형입니다. 'SparkJobScalaEntry'(필수)

SparkResourceConfiguration

이름 묘사 값
instanceType 컴퓨팅 대상에서 지원하는 VM의 선택적 형식입니다. 문자열
runtimeVersion 작업에 사용되는 Spark 런타임의 버전입니다. 문자열

StackEnsembleSettings

이름 묘사 값
stackMetaLearnerKWargs 메타 학습자의 이니셜라이저에 전달할 선택적 매개 변수입니다. 어떤
stackMetaLearnerTrainPercentage 메타 학습자를 학습하기 위해 예약할 학습 집합의 비율(학습 및 학습 유효성 검사 유형을 선택할 때)을 지정합니다. 기본값은 0.2입니다. int
stackMetaLearnerType 메타 학습자는 개별 이종 모델의 출력에 대해 학습된 모델입니다. 'ElasticNet'
'ElasticNetCV'
'LightGBMClassifier'
'LightGBMRegressor'
'LinearRegression'
'LogisticRegression'
'LogisticRegressionCV'
'None'

StaticInputData

이름 묘사 값
inputDataType [필수] 모니터링할 신호의 유형을 지정합니다. 'Static'(필수)
preprocessingComponentId 데이터를 전처리하는 데 사용되는 구성 요소 리소스의 ARM 리소스 ID입니다. 문자열
windowEnd [필수] 데이터 창의 종료 날짜입니다. string(필수)
windowStart [필수] 데이터 창의 시작 날짜입니다. string(필수)

SweepJob

이름 묘사 값
earlyTermination 조기 종료 정책을 사용하면 완료하기 전에 성능이 저하된 실행을 취소할 수 있습니다. earlyTerminationPolicy
입력 작업에 사용되는 입력 데이터 바인딩의 매핑입니다. SweepJobInputs
jobType [필수] 작업 유형을 지정합니다. 'Sweep'(필수)
제한 스윕 작업 제한입니다. SweepJobLimits
목표 [필수] 최적화 목표입니다. Objective(필수)
출력 작업에 사용되는 출력 데이터 바인딩의 매핑입니다. SweepJobOutputs
queueSettings 작업에 대한 큐 설정 QueueSettings
samplingAlgorithm [필수] 하이퍼 매개 변수 샘플링 알고리즘 SamplingAlgorithm(필수)
searchSpace [필수] 각 매개 변수와 해당 분포를 포함하는 사전입니다. 사전 키는 매개 변수의 이름입니다. any(필수)
재판 [필수] 평가판 구성 요소 정의입니다. trialComponent (필수)

SweepJobInputs

이름 묘사 값

SweepJobLimits

이름 묘사 값
jobLimitsType [필수] JobLimit 형식입니다. 'Command'
'Sweep'(필수)
maxConcurrentTrials 작업 최대 동시 평가판을 스윕합니다. int
maxTotalTrials 스윕 작업 최대 총 평가판입니다. int
타임 아웃 ISO 8601 형식의 최대 실행 기간이며, 그 후에 작업이 취소됩니다. 전체 자릿수가 초인 기간만 지원합니다. 문자열
trialTimeout 비우기 작업 평가판 시간 제한 값입니다. 문자열

SweepJobOutputs

이름 묘사 값

TableFixedParameters

이름 묘사 값
부스터 부스팅 유형(예: XGBoost의 경우 gbdt)을 지정합니다. 문자열
boostingType 증폭 유형(예: LightGBM의 경우 gbdt)을 지정합니다. 문자열
growPolicy 새 노드가 트리에 추가되는 방식을 제어하는 증가 정책을 지정합니다. 문자열
learningRate 학습 절차의 학습 속도입니다. int
maxBin 버킷 연속 기능에 대한 최대 불연속 bin 수를 지정합니다. int
maxDepth 트리 깊이를 명시적으로 제한하려면 최대 깊이를 지정합니다. int
maxLeaves 트리 잎을 명시적으로 제한하려면 최대 잎을 지정합니다. int
minDataInLeaf 리프당 최소 데이터 수입니다. int
minSplitGain 트리의 리프 노드에서 추가 파티션을 만드는 데 필요한 최소 손실 감소입니다. int
modelName 학습할 모델의 이름입니다. 문자열
nEstimators 모델에서 트리(또는 반올림) 수를 지정합니다. int
numLeaves 나뭇잎 수를 지정합니다. int
preprocessorName 사용할 전처리기의 이름입니다. 문자열
regAlpha 가중치에 대한 L1 정규화 용어입니다. int
regLambda 가중치에 대한 L2 정규화 용어입니다. int
subsample 학습 인스턴스의 하위 샘플 비율입니다. int
subsampleFreq 하위 샘플의 빈도입니다. int
treeMethod 트리 메서드를 지정합니다. 문자열
withMean true이면 StandardScalar를 사용하여 데이터를 크기 조정하기 전에 가운데를 맞춥니다. bool
withStd true이면 StandardScalar를 사용하여 단위 분산을 사용하여 데이터 크기를 조정합니다. bool

TableParameterSubspace

이름 묘사 값
부스터 부스팅 유형(예: XGBoost의 경우 gbdt)을 지정합니다. 문자열
boostingType 증폭 유형(예: LightGBM의 경우 gbdt)을 지정합니다. 문자열
growPolicy 새 노드가 트리에 추가되는 방식을 제어하는 증가 정책을 지정합니다. 문자열
learningRate 학습 절차의 학습 속도입니다. 문자열
maxBin 버킷 연속 기능에 대한 최대 불연속 bin 수를 지정합니다. 문자열
maxDepth 트리 깊이를 명시적으로 제한하려면 최대 깊이를 지정합니다. 문자열
maxLeaves 트리 잎을 명시적으로 제한하려면 최대 잎을 지정합니다. 문자열
minDataInLeaf 리프당 최소 데이터 수입니다. 문자열
minSplitGain 트리의 리프 노드에서 추가 파티션을 만드는 데 필요한 최소 손실 감소입니다. 문자열
modelName 학습할 모델의 이름입니다. 문자열
nEstimators 모델에서 트리(또는 반올림) 수를 지정합니다. 문자열
numLeaves 나뭇잎 수를 지정합니다. 문자열
preprocessorName 사용할 전처리기의 이름입니다. 문자열
regAlpha 가중치에 대한 L1 정규화 용어입니다. 문자열
regLambda 가중치에 대한 L2 정규화 용어입니다. 문자열
subsample 학습 인스턴스의 하위 샘플 비율입니다. 문자열
subsampleFreq 하위 샘플의 빈도 문자열
treeMethod 트리 메서드를 지정합니다. 문자열
withMean true이면 StandardScalar를 사용하여 데이터를 크기 조정하기 전에 가운데를 맞춥니다. 문자열
withStd true이면 StandardScalar를 사용하여 단위 분산을 사용하여 데이터 크기를 조정합니다. 문자열

TableSweepSettings

이름 묘사 값
earlyTermination 비우기 작업에 대한 조기 종료 정책 유형입니다. earlyTerminationPolicy
samplingAlgorithm [필수] 샘플링 알고리즘의 유형입니다. '베이지안'
'Grid'
'Random'(필수)

TableVerticalFeaturizationSettings

이름 묘사 값
blockedTransformers 이러한 변압기는 기능화에 사용되지 않습니다. 다음 중 어느 것을 포함하는 문자열 배열:
'CatTargetEncoder'
'CountVectorizer'
'HashOneHotEncoder'
'LabelEncoder'
'나이브베이즈'
'OneHotEncoder'
'TextTargetEncoder'
'TfIdf'
'WoETargetEncoder'
'WordEmbedding'
columnNameAndTypes 열 이름 및 해당 형식(int, float, string, datetime 등)의 사전입니다. TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage 텍스트 데이터에 유용한 데이터 세트 언어입니다. 문자열
enableDnnFeaturization 데이터 기능화에 Dnn 기반 기능화기를 사용할지 여부를 결정합니다. bool
모드 기능화 모드 - 사용자는 기본 '자동' 모드를 유지할 수 있으며 AutoML은 기능화 단계에서 필요한 데이터 변환을 처리합니다.
'끄기'를 선택하면 기능화가 수행되지 않습니다.
'사용자 지정'을 선택하면 사용자는 추가 입력을 지정하여 기능화를 수행하는 방법을 사용자 지정할 수 있습니다.		 'Auto'
'Custom'
'Off'
transformerParams 사용자는 적용할 열 및 변환기 생성자에 대한 매개 변수와 함께 사용할 추가 변환기를 지정할 수 있습니다. TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

이름 묘사 값

TableVerticalFeaturizationSettingsTransformerParams

이름 묘사 값

TableVerticalLimitSettings

이름 묘사 값
enableEarlyTermination 조기 종료를 사용하도록 설정하고, 지난 20번의 반복에서 점수 개선이 없는 경우 AutoMLJob이 일찍 종료되는지 여부를 결정합니다. bool
exitScore AutoML 작업의 종료 점수입니다. int
maxConcurrentTrials 최대 동시 반복입니다. int
maxCoresPerTrial 반복당 최대 코어 수입니다. int
maxNodes 실험에 사용할 최대 노드입니다. int
maxTrials 반복 횟수입니다. int
sweepConcurrentTrials 사용자가 트리거하려는 동시 스윕 실행의 수입니다. int
sweepTrials 사용자가 트리거하려는 스윕 실행 수입니다. int
타임 아웃 AutoML 작업 시간 제한입니다. 문자열
trialTimeout 반복 시간 제한입니다. 문자열

TargetLags

이름 묘사 값
모드 AutoTargetLags형식에 대해 'Auto'로 설정합니다. CustomTargetLags형식에 대해 '사용자 지정'으로 설정합니다. 'Auto'
'Custom'(필수)

TargetRollingWindowSize

이름 묘사 값
모드 AutoTargetRollingWindowSize형식에 대해 'Auto'로 설정합니다. CustomTargetRollingWindowSize형식에 대해 '사용자 지정'으로 설정합니다. 'Auto'
'Custom'(필수)

TensorFlow

이름 묘사 값
distributionType [필수] 배포 프레임워크의 유형을 지정합니다. 'TensorFlow'(필수)
parameterServerCount 매개 변수 서버 작업의 수입니다. int
workerCount 작업자 수입니다. 지정하지 않으면 기본값은 인스턴스 수입니다. int

TextClassification

이름 묘사 값
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. NlpVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. nlpFixedParameters
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. nlpVerticalLimitSettings
primaryMetric Text-Classification 작업에 대한 기본 메트릭입니다. '정확도'
'AUCWeighted'
'AveragePrecisionScoreWeighted'
'NormMacroRecall'
'PrecisionScoreWeighted'
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. NlpParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. nlpSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'TextClassification'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput

TextClassificationMultilabel

이름 묘사 값
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. NlpVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. nlpFixedParameters
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. nlpVerticalLimitSettings
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. NlpParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. nlpSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'TextClassificationMultilabel'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput

TextNer

이름 묘사 값
featurizationSettings AutoML 작업에 필요한 기능화 입력입니다. NlpVerticalFeaturizationSettings
fixedParameters 학습 내내 일정하게 유지되는 모델/학습 매개 변수입니다. nlpFixedParameters
limitSettings AutoMLJob에 대한 실행 제약 조건입니다. nlpVerticalLimitSettings
searchSpace 모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다. NlpParameterSubspace[]
sweepSettings 모델 비우기 및 하이퍼 매개 변수 튜닝에 대한 설정입니다. nlpSweepSettings
taskType [필수] AutoMLJob의 작업 유형입니다. 'TextNER'(필수)
validationData 유효성 검사 데이터 입력입니다. MLTableJobInput

TopNFeaturesByAttribution

이름 묘사 값
filterType [필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다. 'TopNByAttribution'(필수)
맨 위로 포함할 상위 기능의 수입니다. int

TrailingInputData

이름 묘사 값
inputDataType [필수] 모니터링할 신호의 유형을 지정합니다. '후행'(필수)
preprocessingComponentId 데이터를 전처리하는 데 사용되는 구성 요소 리소스의 ARM 리소스 ID입니다. 문자열
windowOffset [필수] 데이터 창의 끝과 모니터의 현재 런타임 사이의 시간 오프셋입니다. string(필수)
windowSize [필수] 후행 데이터 창의 크기입니다. string(필수)

TrialComponent

이름 묘사 값
codeId 코드 자산의 ARM 리소스 ID입니다. 문자열
명령 [필수] 작업을 시작할 때 실행할 명령입니다. 예. "python train.py" 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
분포 작업의 배포 구성입니다. 설정된 경우 Mpi, Tensorflow, PyTorch 또는 null 중 하나여야 합니다. DistributionConfiguration
environmentId [필수] 작업에 대한 환경 사양의 ARM 리소스 ID입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)
environmentVariables 작업에 포함된 환경 변수입니다. trialComponentEnvironmentVariables
리소스 작업에 대한 컴퓨팅 리소스 구성입니다. JobResourceConfiguration

TrialComponentEnvironmentVariables

이름 묘사 값

TriggerBase

이름 묘사 값
endTime UTC 오프셋이 없는 ISO 8601에서 일정의 종료 시간을 지정합니다. https://en.wikipedia.org/wiki/ISO_8601참조하세요.
주석 처리된 형식은 "2022-06-01T00:00:01"입니다.
없는 경우 일정이 무기한 실행됩니다.		 문자열
startTime UTC 오프셋 없이 ISO 8601 형식으로 일정의 시작 시간을 지정합니다. 문자열
timeZone 일정이 실행되는 표준 시간대를 지정합니다.
표준 시간대는 Windows 표준 시간대 형식을 따라야 합니다. 참조: /windows-hardware/manufacture/desktop/default-time-zones?view=windows-11		 문자열
triggerType CronTrigger형식에 대해 'Cron'으로 설정합니다. RecurrenceTrigger형식에 대해 '되풀이'로 설정합니다. 'Cron'
'되풀이'(필수)

TritonModelJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'triton_model'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

TritonModelJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'triton_model'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

TruncationSelectionPolicy

이름 묘사 값
policyType [필수] 정책 구성의 이름 'TruncationSelection'(필수)
truncationPercentage 각 평가 간격에서 취소할 실행의 백분율입니다. int

UriFileJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'uri_file'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

UriFileJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'uri_file'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

UriFolderJobInput

이름 묘사 값
jobInputType [필수] 작업 유형을 지정합니다. 'uri_folder'(필수)
모드 입력 자산 배달 모드입니다. 'Direct'
'다운로드'
'EvalDownload'
'EvalMount'
'ReadOnlyMount'
'ReadWriteMount'
uri [필수] 입력 자산 URI입니다. 문자열

제약 조건:
최소 길이 = 1
패턴 = [a-zA-Z0-9_](필수)

UriFolderJobOutput

이름 묘사 값
assetName 출력 자산 이름입니다. 문자열
assetVersion 출력 자산 버전입니다. 문자열
autoDeleteSetting 출력 데이터 자산의 자동 삭제 설정입니다. autoDeleteSetting
jobOutputType [필수] 작업 유형을 지정합니다. 'uri_folder'(필수)
모드 출력 자산 배달 모드입니다. 'Direct'
'ReadWriteMount'
'업로드'
uri 출력 자산 URI입니다. 문자열

UserAssignedIdentities

이름 묘사 값

UserAssignedIdentity

이름 묘사 값

UserIdentity

이름 묘사 값
identityType [필수] ID 프레임워크의 형식을 지정합니다. 'UserIdentity'(필수)

웹후크

이름 묘사 값
eventType 지정된 알림 이벤트에 콜백 보내기 문자열
webhookType AzureDevOpsWebhook형식에 대해 'AzureDevOps'로 설정합니다. 'AzureDevOps'(필수)