Рабочие области и задания Microsoft.MachineLearningServices 2022-02-01-preview

• последние
• 2024-10-01
• 2024-10-01-preview
• 2024-07-01-preview
• 2024-04-01
• 2024-04-01-preview
• 2024-01-01-preview
• 2023-10-01
• 2023-08-01-preview
• 2023-06-01-preview
• 2023-04-01
• 2023-04-01-preview
• 2023-02-01-preview
• 2022-12-01-preview
• 2022-10-01
• 2022-10-01-preview
• 2022-06-01-preview
• 2022-05-01
• 2022-02-01-preview
• 2021-03-01-preview

Определение ресурсов Bicep

Тип ресурса рабочих областей и заданий можно развернуть с помощью операций, предназначенных для следующих задач:

• группы ресурсов . См. команды развертывания группы ресурсов

Список измененных свойств в каждой версии API см. в журнала изменений.

Формат ресурса

Чтобы создать ресурс Microsoft.MachineLearningServices/workspaces/jobs, добавьте следующий Bicep в шаблон.

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

Объекты сезонности

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

{
  mode: 'Auto'
}

Для пользовательскихиспользуйте:

{
  mode: 'Custom'
  value: int
}

Объекты JobOutput

Задайте свойство jobOutputType, чтобы указать тип объекта.

Для CustomModelиспользуйте:

{
  jobOutputType: 'CustomModel'
  mode: 'string'
  uri: 'string'
}

Для MLFlowModelиспользуйте:

{
  jobOutputType: 'MLFlowModel'
  mode: 'string'
  uri: 'string'
}

Для MLTableиспользуйте:

{
  jobOutputType: 'MLTable'
  mode: 'string'
  uri: 'string'
}

Для TritonModelиспользуйте:

{
  jobOutputType: 'TritonModel'
  mode: 'string'
  uri: 'string'
}

Для UriFileиспользуйте:

{
  jobOutputType: 'UriFile'
  mode: 'string'
  uri: 'string'
}

Для UriFolderиспользуйте:

{
  jobOutputType: 'UriFolder'
  mode: 'string'
  uri: 'string'
}

Объекты IdentityConfiguration

Задайте свойство identityType, чтобы указать тип объекта.

Для AMLTokenиспользуйте:

{
  identityType: 'AMLToken'
}

Для управляемыхиспользуйте:

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

Для UserIdentityиспользуйте:

{
  identityType: 'UserIdentity'
}

Объекты AutoMLVertical

Задайте свойство taskType, чтобы указать тип объекта.

Для классификациииспользуйте:

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

Для прогнозированияиспользуйте:

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

Для ImageClassificationиспользуйте:

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

Для ImageClassificationMultilabelиспользуйте:

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

Для ImageInstanceSegmentationиспользуйте:

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

Для ImageObjectDetectionиспользуйте:

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

Для регрессиииспользуйте:

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

Для TextClassificationиспользуйте:

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

Для TextClassificationMultilabelиспользуйте:

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

Для TextNERиспользуйте:

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

Объекты JobInput

Задайте свойство jobInputType, чтобы указать тип объекта.

Для CustomModelиспользуйте:

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

Для литералаиспользуйте:

{
  jobInputType: 'Literal'
  value: 'string'
}

Для MLFlowModelиспользуйте:

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

Для MLTableиспользуйте:

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

Для TritonModelиспользуйте:

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

Для UriFileиспользуйте:

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

Для UriFolderиспользуйте:

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

Объекты TargetRollingWindowSize

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

{
  mode: 'Auto'
}

Для пользовательскихиспользуйте:

{
  mode: 'Custom'
  value: int
}

Объекты NCrossValidations

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

{
  mode: 'Auto'
}

Для пользовательскихиспользуйте:

{
  mode: 'Custom'
  value: int
}

Объекты ScheduleBase

Задайте свойство scheduleType, чтобы указать тип объекта.

Для Cronиспользуйте:

{
  expression: 'string'
  scheduleType: 'Cron'
}

Для повторенияиспользуйте:

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

Объекты JobBaseDetails

Задайте свойство jobType, чтобы указать тип объекта.

Для AutoMLиспользуйте:

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

Для команды используйте следующую команду:

{
  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
    }
  }
  resources: {
    instanceCount: int
    instanceType: 'string'
    properties: {
      {customized property}: any(Azure.Bicep.Types.Concrete.AnyType)
    }
  }
}

Для конвейераиспользуйте:

{
  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)
}

Для используйте:

{
  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
    }
  }
  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: {
      instanceCount: int
      instanceType: 'string'
      properties: {
        {customized property}: any(Azure.Bicep.Types.Concrete.AnyType)
      }
    }
  }
}

Объекты DistributionConfiguration

Задайте свойство distributionType, чтобы указать тип объекта.

Для Mpiиспользуйте:

{
  distributionType: 'Mpi'
  processCountPerInstance: int
}

Для PyTorchиспользуйте:

{
  distributionType: 'PyTorch'
  processCountPerInstance: int
}

Для TensorFlowиспользуйте:

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

Объекты ВыборкиAlgorithm

Задайте свойство выборкиAlgorithmType, чтобы указать тип объекта.

Для Байезианаиспользуйте:

{
  samplingAlgorithmType: 'Bayesian'
}

Для сеткииспользуйте:

{
  samplingAlgorithmType: 'Grid'
}

Для случайныхиспользуйте:

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

Объекты EarlyTerminationPolicy

Задайте свойство policyType, чтобы указать тип объекта.

Для Banditиспользуйте:

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

Для MedianStoppingиспользуйте:

{
  policyType: 'MedianStopping'
}

Для TruncationSelectionиспользуйте:

{
  policyType: 'TruncationSelection'
  truncationPercentage: int
}

Объекты TargetLags

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

{
  mode: 'Auto'
}

Для пользовательскихиспользуйте:

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

Объекты ForecastHorizon

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

{
  mode: 'Auto'
}

Для пользовательскихиспользуйте:

{
  mode: 'Custom'
  value: int
}

Значения свойств

AmlToken

Имя	Описание	Ценность
identityType	[Обязательный] Указывает тип платформы удостоверений.	AMLToken (обязательно)

AutoForecastHorizon

Имя	Описание	Ценность
режим	[Обязательный] Задайте режим выбора значения горизонта прогнозирования.	"Авто" (обязательно)

AutoMLJob

Имя	Описание	Ценность
environmentId	Идентификатор ресурса ARM спецификации среды для задания. Это необязательное значение для предоставления, если оно не указано, AutoML по умолчанию используется для рабочей версии курируемой среды AutoML при выполнении задания.	струна
environmentVariables	Переменные среды, включенные в задание.	AutoMLJobEnvironmentVariables
jobType	[Обязательный] Указывает тип задания.	AutoML (обязательно)
Выходы	Сопоставление привязок выходных данных, используемых в задании.	AutoMLJobOutputs
ресурсы	Конфигурация вычислительных ресурсов для задания.	resourceConfiguration
taskDetails	[Обязательный] Это сценарий, который может быть одним из таблиц/ NLP/Image	AutoMLVertical (обязательно)

AutoMLJobEnvironmentVariables

Имя	Описание	Ценность

AutoMLJobOutputs

Имя	Описание	Ценность

AutoMLVertical

Имя	Описание	Ценность
logVerbosity	Подробность журнала для задания.	"Критический" "Отладка" "Ошибка" "Info" NotSet Предупреждение
taskType	Установите значение "Классификация" для классификации типов. Установите значение "Прогнозирование" для типа прогнозирования. Установите значение ImageClassification для типа ImageClassification. Установите значение ImageClassificationMultilabel для типа ImageClassificationMultilabel. Установите значение ImageInstanceSegmentation для типа ImageInstanceSegmentation. Установите значение ImageObjectDetection для типа ImageObjectDetection. Установите значение "Регрессия" для регрессии типа. Установите значение TextClassification для типа TextClassification. Установите значение TextClassificationMultilabel для типа TextClassificationMultilabel. Установите значение TextNER для типа TextNer.	"Классификация" "Прогнозирование" ImageClassification ImageClassificationMultilabel "ImageInstanceSegmentation" ImageObjectDetection Регрессия TextClassification TextClassificationMultilabel TextNER (обязательно)

AutoNCrossValidations

Имя	Описание	Ценность
режим	[Обязательный] Режим определения проверок N-Cross.	"Авто" (обязательно)

Автосесональность

Имя	Описание	Ценность
режим	[Обязательный] Режим сезонности.	"Авто" (обязательно)

AutoTargetLags

Имя	Описание	Ценность
режим	[Обязательный] Настройка режима задержки целевых объектов — автоматическое или настраиваемое	"Авто" (обязательно)

AutoTargetRollingWindowSize

Имя	Описание	Ценность
режим	[Обязательный] Режим обнаружения TargetRollingWindowSiz.	"Авто" (обязательно)

BanditPolicy

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	"Банда" (обязательно)
slackAmount	Абсолютное расстояние, допустимое от оптимального выполнения.	int
slackFactor	Соотношение допустимого расстояния от оптимального выполнения.	int

BayesianSamplingAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	Байесян (обязательный)

Классификация

Имя	Описание	Ценность
allowedModels	Разрешенные модели для задачи классификации.	Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" 'GradientBoosting' KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier"
заблокированныеmodels	Заблокированные модели для задачи классификации.	Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" 'GradientBoosting' KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier"
dataSettings	Входные данные для AutoMLJob.	TableVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
primaryMetric	Первичная метрика для задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
taskType	[Обязательный] Тип задачи для AutoMLJob.	"Классификация" (обязательно)
trainingSettings	Входные данные для этапа обучения для задания AutoML.	TrainingSettings

ColumnTransformer

Имя	Описание	Ценность
Поля	Поля для применения логики преобразователя.	string[]
Параметры	Различные свойства, передаваемые преобразователю. Ожидается, что входные данные — это словарь пар "ключ", "значение" в формате JSON.	любой

CommandJob

Имя	Описание	Ценность
codeId	Идентификатор ресурса ARM ресурса ресурса кода.	струна
команда	[Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py"	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
распределение	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	distributionConfiguration
environmentId	[Обязательный] Идентификатор ресурса ARM спецификации среды для задания.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
environmentVariables	Переменные среды, включенные в задание.	CommandJobEnvironmentVariables
Входы	Сопоставление входных привязок данных, используемых в задании.	CommandJobInputs
jobType	[Обязательный] Указывает тип задания.	"Command" (обязательный)
Ограничения	Ограничение задания команд.	CommandJobLimits
Выходы	Сопоставление привязок выходных данных, используемых в задании.	CommandJobOutputs
ресурсы	Конфигурация вычислительных ресурсов для задания.	resourceConfiguration

CommandJobEnvironmentVariables

Имя	Описание	Ценность

CommandJobInputs

Имя	Описание	Ценность

CommandJobLimits

Имя	Описание	Ценность
jobLimitsType	[Обязательный] Тип JobLimit.	"Command" "Очистка" (обязательно)
Времени ожидания	Максимальная длительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживается только длительность с точностью до секунд.	струна

CommandJobOutputs

Имя	Описание	Ценность

CronSchedule

Имя	Описание	Ценность
выражение	[Обязательный] Указывает выражение крона расписания. Выражение должно соответствовать формату NCronTab.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
scheduleType	[Обязательный] Указывает тип расписания	"Cron" (обязательно)

CustomForecastHorizon

Имя	Описание	Ценность
режим	[Обязательный] Задайте режим выбора значения горизонта прогнозирования.	"Custom" (обязательный)
ценность	[Обязательный] Прогноз значения горизонта.	int (обязательно)

CustomModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	CustomModel (обязательно)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

CustomModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	CustomModel (обязательно)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

CustomNCrossValidations

Имя	Описание	Ценность
режим	[Обязательный] Режим определения проверок N-Cross.	"Custom" (обязательный)
ценность	[Обязательный] Значение N-Cross validations.	int (обязательно)

CustomSeasonality

Имя	Описание	Ценность
режим	[Обязательный] Режим сезонности.	"Custom" (обязательный)
ценность	[Обязательный] Значение сезонности.	int (обязательно)

CustomTargetLags

Имя	Описание	Ценность
режим	[Обязательный] Настройка режима задержки целевых объектов — автоматическое или настраиваемое	"Custom" (обязательный)
Значения	[Обязательный] Задайте значения задержки целевых значений.	int[] (обязательно)

CustomTargetRollingWindowSize

Имя	Описание	Ценность
режим	[Обязательный] Режим обнаружения TargetRollingWindowSiz.	"Custom" (обязательный)
ценность	[Обязательный] Значение TargetRollingWindowSize.	int (обязательно)

DistributionConfiguration

Имя	Описание	Ценность
distributionType	Установите значение Mpi для типа Mpi. Установите значение PyTorch для типа PyTorch. Установите значение TensorFlow для типа TensorFlow.	"Mpi" "PyTorch" TensorFlow (обязательный)

EarlyTerminationPolicy

Имя	Описание	Ценность
delayEvaluation	Количество интервалов, с помощью которых необходимо отложить первую оценку.	int
evaluationInterval	Интервал (количество запусков) между оценками политики.	int
policyType	Установите значение "Bandit" для типа BanditPolicy. Установите значение MedianStopping для типа MedianStoppingPolicy. Задайте значение TruncationSelection для типа TruncationSelectionPolicy.	"Бандит" MedianStopping УсечениеSelection (обязательно)

ПрогнозHorizon

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoForecastHorizon. Установите значение Custom для типа CustomForecastHorizon.	"Авто" "Custom" (обязательный)

Прогнозирование

Имя	Описание	Ценность
allowedModels	Разрешенные модели для задачи прогнозирования.	Массив строк, содержащий любой из: 'Arimax' AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "СезоннаяAverage" "СезоннаяNaive" "ДИНАМ" 'TCNForecaster' "XGBoostRegressor"
заблокированныеmodels	Заблокированные модели для задачи прогнозирования.	Массив строк, содержащий любой из: 'Arimax' AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "СезоннаяAverage" "СезоннаяNaive" "ДИНАМ" 'TCNForecaster' "XGBoostRegressor"
dataSettings	Входные данные для AutoMLJob.	TableVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
forecastingSettings	Прогнозирование определенных входных данных задачи.	ForecastingSettings
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
primaryMetric	Основная метрика для задачи прогнозирования.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation'
taskType	[Обязательный] Тип задачи для AutoMLJob.	"Прогнозирование" (обязательно)
trainingSettings	Входные данные для этапа обучения для задания AutoML.	TrainingSettings

ПрогнозированиеSettings

Имя	Описание	Ценность
countryOrRegionForHolidays	Страна или регион для праздников для задач прогнозирования. Это должны быть коды стран и регионов ISO 3166, например "US" или "GB".	струна
cvStepSize	Число периодов между временем начала одного свертывания CV и следующего свертывания. Для Например, если CVStepSize = 3 для ежедневных данных, время источника для каждого свертывания будет три дня в стороне.	int
featureLags	Флаг для создания задержек для числовых функций с параметром auto или NULL.	"Авто" "Нет"
прогнозHorizon	Требуемый максимальный горизонт прогнозирования в единицах частоты временных рядов.	ForecastHorizon
частота	При прогнозировании этот параметр представляет период, с которым нужно, например ежедневно, еженедельно, ежегодно и т. д. Частота прогноза — это частота набора данных по умолчанию.	струна
Сезонность	Задайте сезонность временных рядов в качестве целого числа, кратного частоты ряда. Если для сезонности задано значение auto, он будет выводиться.	сезонности
shortSeriesHandlingConfig	Параметр, определяющий, как autoML должен обрабатывать короткие временные ряды.	"Авто" "Drop" "Нет" "Pad"
targetAggregateFunction	Функция, используемая для агрегирования целевого столбца временных рядов для соответствия заданной пользователем частоте. Если параметр TargetAggregateFunction задан, т. е. не "Нет", но параметр freq не задан, возникает ошибка. Возможные функции агрегирования целевых значений: sum, max, min и среднее.	"Max" "Среднее" "Min" "Нет" "Sum"
targetLags	Число прошлых периодов задержки от целевого столбца.	TargetLags
targetRollingWindowSize	Количество прошлых периодов, используемых для создания скользящего среднего окна целевого столбца.	TargetRollingWindowSize
timeColumnName	Имя столбца времени. Этот параметр требуется при прогнозировании для указания столбца datetime в входных данных, используемых для создания временных рядов и вывода его частоты.	струна
timeSeriesIdColumnNames	Имена столбцов, используемых для группировки таймерий. Его можно использовать для создания нескольких рядов. Если набор данных не определен, предполагается, что набор данных является одним временным рядом. Этот параметр используется с прогнозированием типа задачи.	string[]
useStl	Настройте декомпозицию STL целевого столбца временных рядов.	"Нет" "Сезон" 'SeasonTrend'

GridSamplingAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	Grid (обязательно)

IdentityConfiguration

Имя	Описание	Ценность
identityType	Установите значение AMLToken для типа AmlToken. Установите значение Managed для типа ManagedIdentity. Установите значение UserIdentity для типа UserIdentity.	AMLToken "Managed" (Управляемый) UserIdentity (обязательно)

ImageClassification

Имя	Описание	Ценность
dataSettings	[Обязательный] Коллекция зарегистрированных идентификаторов табличного набора данных и других параметров данных, необходимых для обучения и проверки моделей.	ImageVerticalDataSettings (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
primaryMetric	Основная метрика для оптимизации для этой задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageClassification (обязательный)

ImageClassificationMultilabel

Имя	Описание	Ценность
dataSettings	[Обязательный] Коллекция зарегистрированных идентификаторов табличного набора данных и других параметров данных, необходимых для обучения и проверки моделей.	ImageVerticalDataSettings (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
primaryMetric	Основная метрика для оптимизации для этой задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageClassificationMultilabel (обязательный)

ImageInstanceSegmentation

Имя	Описание	Ценность
dataSettings	[Обязательный] Коллекция зарегистрированных идентификаторов табличного набора данных и других параметров данных, необходимых для обучения и проверки моделей.	ImageVerticalDataSettings (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsObjectDetection
primaryMetric	Основная метрика для оптимизации для этой задачи.	"MeanAveragePrecision"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageInstanceSegmentation (обязательно)

ImageLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	int
maxTrials	Максимальное число итераций AutoML.	int
Времени ожидания	Время ожидания задания AutoML.	струна

ImageModelDistributionSettingsClassification

Имя	Описание	Ценность
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
earlyStopping	Включите логику раннего остановки во время обучения.	струна
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationStep	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	струна
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	струна
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	струна
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	струна
оптимизатор	Тип оптимизатора. Должно быть либо "хем", "адам", либо "адам".	струна
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	струна
splitRatio	Если данные проверки не определены, это указывает коэффициент разделения для разделения обучение данных в случайных подмножествах обучения и проверки. Должен быть плавающей запятой в диапазоне [0, 1].	струна
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	струна
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	струна
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	струна
trainingCropSize	Размер обрезки изображения, входной в нейронную сеть для обучающего набора данных. Должно быть положительным целым числом.	струна
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	струна
validationCropSize	Размер обрезки изображения, входной в нейронную сеть для набора данных проверки. Должно быть положительным целым числом.	струна
validationResizeSize	Размер изображения, в который необходимо изменить размер перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	струна
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	струна
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	струна
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	струна
весеedLoss	Весовая потеря. Допустимые значения — 0 без потери веса. 1 для взвешаемой потери с sqrt. (class_weights). 2 для взвешаемой потери с class_weights. Должно быть 0 или 1 или 2.	струна

ImageModelDistributionSettingsObjectDetection

Имя	Описание	Ценность
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
boxDetectionsPerImage	Максимальное количество обнаружений на изображение для всех классов. Должно быть положительным целым числом. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
boxScoreThreshold	Во время вывода возвращаются только предложения с оценкой классификации больше, чем BoxScoreThreshold. Должен быть плавающей запятой в диапазоне[0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
earlyStopping	Включите логику раннего остановки во время обучения.	струна
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationStep	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
imageSize	Размер изображения для обучения и проверки. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
maxSize	Максимальный размер изображения для перемасштабирования перед его добавлением в магистраль. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
minSize	Минимальный размер изображения, который необходимо перемасштабировать, прежде чем передавать его в магистраль. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
modelSize	Размер модели. Должен быть "маленький", "средний", "большой" или "xlarge". Примечание. Учебный запуск может попасть в OOM CUDA, если размер модели слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	струна
MultiScale	Включите многомасштабное изображение, изменив размер изображения по +/-50%. Примечание. Учебный запуск может попасть в OOM CUDA, если недостаточно памяти GPU. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	струна
nmsIouThreshold	Пороговое значение ввода-вывода, используемое во время вывода в процессе последующей обработки NMS. Должен быть плавать в диапазоне [0, 1].	струна
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	струна
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	струна
оптимизатор	Тип оптимизатора. Должно быть либо "хем", "адам", либо "адам".	струна
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	струна
splitRatio	Если данные проверки не определены, это указывает коэффициент разделения для разделения обучение данных в случайных подмножествах обучения и проверки. Должен быть плавающей запятой в диапазоне [0, 1].	струна
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	струна
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	струна
tileGridSize	Размер сетки, используемый для размещения каждого изображения. Примечание. TileGridSize не должно быть Нет, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tileOverlapRatio	Коэффициент перекрытия между смежными плитками в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tilePredictionsNmsThreshold	Пороговое значение IOU для выполнения NMS при слиянии прогнозов из плиток и изображений. Используется в проверке или выводе. Должен быть плавать в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. NMS: не максимальное подавление	струна
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	струна
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	струна
validationIouThreshold	Пороговое значение IOU для использования при вычислении метрики проверки. Должен быть плавать в диапазоне [0, 1].	струна
validationMetricType	Метод вычисления метрик, используемый для метрик проверки. Должно быть "none", "coco", "voc" или "coco_voc".	струна
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	струна
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	струна
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	струна

ImageModelSettingsClassification

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	bool
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
контрольная точкаDatasetId	Идентификатор FileDataset для предварительно обученных контрольных точек для добавочного обучения. Обязательно передайте имя контрольного файла вместе с CheckpointDatasetId.	струна
checkpointFilename	Предварительно обученное имя файла контрольной точки в FileDataset для добавочного обучения. Обязательно передайте Контрольную точкуDatasetId вместе с checkpointFilename.	струна
контрольная точкаFrequency	Частота хранения контрольных точек модели. Должно быть положительным целым числом.	int
контрольная точкаRunId	Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения.	струна
распределённый	Следует ли использовать распределенное обучение.	bool
earlyStopping	Включите логику раннего остановки во время обучения.	bool
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	int
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	int
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	bool
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	int
gradientAccumulationStep	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	int
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	int
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	int
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	int
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	bool
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	int
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	int
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	int
splitRatio	Если данные проверки не определены, это указывает коэффициент разделения для разделения обучение данных в случайных подмножествах обучения и проверки. Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	int
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	int
trainingCropSize	Размер обрезки изображения, входной в нейронную сеть для обучающего набора данных. Должно быть положительным целым числом.	int
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	int
validationCropSize	Размер обрезки изображения, входной в нейронную сеть для набора данных проверки. Должно быть положительным целым числом.	int
validationResizeSize	Размер изображения, в который необходимо изменить размер перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	int
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	int
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	int
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	int
весеedLoss	Весовая потеря. Допустимые значения — 0 без потери веса. 1 для взвешаемой потери с sqrt. (class_weights). 2 для взвешаемой потери с class_weights. Должно быть 0 или 1 или 2.	int

ImageModelSettingsObjectDetection

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	bool
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
boxDetectionsPerImage	Максимальное количество обнаружений на изображение для всех классов. Должно быть положительным целым числом. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
boxScoreThreshold	Во время вывода возвращаются только предложения с оценкой классификации больше, чем BoxScoreThreshold. Должен быть плавающей запятой в диапазоне[0, 1].	int
контрольная точкаDatasetId	Идентификатор FileDataset для предварительно обученных контрольных точек для добавочного обучения. Обязательно передайте имя контрольного файла вместе с CheckpointDatasetId.	струна
checkpointFilename	Предварительно обученное имя файла контрольной точки в FileDataset для добавочного обучения. Обязательно передайте Контрольную точкуDatasetId вместе с checkpointFilename.	струна
контрольная точкаFrequency	Частота хранения контрольных точек модели. Должно быть положительным целым числом.	int
контрольная точкаRunId	Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения.	струна
распределённый	Следует ли использовать распределенное обучение.	bool
earlyStopping	Включите логику раннего остановки во время обучения.	bool
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	int
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	int
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	bool
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	int
gradientAccumulationStep	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	int
imageSize	Размер изображения для обучения и проверки. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	int
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	int
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	int
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
maxSize	Максимальный размер изображения для перемасштабирования перед его добавлением в магистраль. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
minSize	Минимальный размер изображения, который необходимо перемасштабировать, прежде чем передавать его в магистраль. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
modelSize	Размер модели. Должен быть "маленький", "средний", "большой" или "xlarge". Примечание. Учебный запуск может попасть в OOM CUDA, если размер модели слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	'ExtraLarge' "Большой" "Средний" "Нет" "Маленький"
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	int
MultiScale	Включите многомасштабное изображение, изменив размер изображения по +/-50%. Примечание. Учебный запуск может попасть в OOM CUDA, если недостаточно памяти GPU. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	bool
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	bool
nmsIouThreshold	Пороговое значение ввода-вывода, используемое во время вывода в процессе последующей обработки NMS. Должен быть плавающей запятой в диапазоне [0, 1].	int
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	int
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	int
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	int
splitRatio	Если данные проверки не определены, это указывает коэффициент разделения для разделения обучение данных в случайных подмножествах обучения и проверки. Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	int
tileGridSize	Размер сетки, используемый для размещения каждого изображения. Примечание. TileGridSize не должно быть Нет, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tileOverlapRatio	Коэффициент перекрытия между смежными плитками в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
tilePredictionsNmsThreshold	Пороговое значение IOU для выполнения NMS при слиянии прогнозов из плиток и изображений. Используется в проверке или выводе. Должен быть плавать в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	int
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	int
validationIouThreshold	Пороговое значение IOU для использования при вычислении метрики проверки. Должен быть плавать в диапазоне [0, 1].	int
validationMetricType	Метод вычисления метрик, используемый для метрик проверки.	"Коко" 'CocoVoc' "Нет" "Voc"
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	int
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	int
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	int

ImageObjectDetection

Имя	Описание	Ценность
dataSettings	[Обязательный] Коллекция зарегистрированных идентификаторов табличного набора данных и других параметров данных, необходимых для обучения и проверки моделей.	ImageVerticalDataSettings (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsObjectDetection
primaryMetric	Основная метрика для оптимизации для этой задачи.	"MeanAveragePrecision"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageObjectDetection (обязательно)

ImageSweepLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число одновременных итераций для базового задания Очистки.	int
maxTrials	Максимальное количество итераций для базового задания Очистки.	int

ImageSweepSettings

Имя	Описание	Ценность
ранняятерминация	Тип политики раннего завершения.	EarlyTerminationPolicy
Ограничения	[Обязательный] Ограничение параметров для очистки модели и гиперпараметра.	ImageSweepLimitSettings (обязательно)
выборкаAlgorithm	[Обязательный] Тип алгоритмов выборки гиперпараметров.	"Байезиан" "Сетка" "Случайный" (обязательный)

ImageVerticalDataSettings

Имя	Описание	Ценность
targetColumnName	[Обязательный] Имя целевого столбца: это столбец прогнозируемых значений. Также называется именем столбца метки в контексте задач классификации.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
testData	Проверка входных данных.	TestDataSettings
trainingData	[Обязательный] Входные данные обучения.	TrainingDataSettings (обязательно)
validationData	Параметры для набора данных проверки.	ImageVerticalValidationDataSettings

ImageVerticalValidationDataSettings

Имя	Описание	Ценность
данные	Проверка данных MLTable.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	int

JobBaseDetails

Имя	Описание	Ценность
computeId	Идентификатор ресурса ARM вычислительного ресурса.	струна
описание	Текст описания ресурса.	струна
displayName	Отображаемое имя задания.	струна
experimentName	Имя эксперимента, к которому принадлежит задание. Если задание не задано, задание помещается в эксперимент по умолчанию.	струна
тождество	Конфигурация удостоверения. Если задано, это должен быть один из AmlToken, ManagedIdentity, UserIdentity или NULL. По умолчанию AmlToken имеет значение NULL.	IdentityConfiguration
isArchived	Архивируется ли ресурс?	bool
jobType	Установите значение AutoML для типа AutoMLJob. Задайте для типа command CommandJob. Установите значение Pipeline для типа PipelineJob. Установите значение "Sweep" для типа SweepJob.	AutoML "Command" Конвейер "Очистка" (обязательно)
свойства	Словарь свойств ресурса.	ResourceBaseProperties
расписание	Планирование определения задания. Если расписание не указано, задание выполняется один раз и сразу после отправки.	ScheduleBase
Услуги	Список заданий. Для локальных заданий конечная точка задания будет иметь значение конечной точки FileStreamObject.	JobBaseServices
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	ResourceBaseTags

JobBaseServices

Имя	Описание	Ценность

JobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	Установите значение CustomModel для типа CustomModelJobInput. Задайте значение "Литерал" для типа ЛитералJobInput. Установите значение MLFlowModel для типа MLFlowModelJobInput. Установите значение MLTable для типа MLTableJobInput. Установите значение TritonModel для типа TritonModelJobInput. Установите значение UriFile для типа UriFileJobInput. Установите значение UriFolder для типа UriFolderJobInput.	CustomModel "Литерал" MLFlowModel MLTable "TritonModel" UriFile UriFolder (обязательно)

JobOutput

Имя	Описание	Ценность
описание	Описание выходных данных.	струна
jobOutputType	Установите значение CustomModel для типа CustomModelJobOutput. Установите значение MLFlowModel для типа MLFlowModelJobOutput. Установите значение MLTable для типа MLTableJobOutput. Установите значение TritonModel для типа TritonModelJobOutput. Установите значение UriFile для типа UriFileJobOutput. Установите значение UriFolder для типа UriFolderJobOutput.	CustomModel MLFlowModel MLTable "TritonModel" UriFile UriFolder (обязательно)

JobService

Имя	Описание	Ценность
конечная точка	URL-адрес конечной точки.	струна
jobServiceType	Тип конечной точки.	струна
порт	Порт для конечной точки.	int
свойства	Дополнительные свойства, заданные в конечной точке.	JobServiceProperties

JobServiceProperties

Имя	Описание	Ценность

ЛитералJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"Литерал" (обязательно)
ценность	[Обязательный] Литеральное значение для входных данных.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

ManagedIdentity

Имя	Описание	Ценность
clientId	Указывает назначаемое пользователем удостоверение по идентификатору клиента. Для назначаемого системой не устанавливайте это поле.	струна Ограничения целостности: Минимальная длина = 36 Максимальная длина = 36 Pattern = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identityType	[Обязательный] Указывает тип платформы удостоверений.	Managed (обязательный)
objectId	Указывает назначаемое пользователем удостоверение по идентификатору объекта. Для назначаемого системой не устанавливайте это поле.	струна Ограничения целостности: Минимальная длина = 36 Максимальная длина = 36 Pattern = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId	Указывает удостоверение, назначаемое пользователем, по идентификатору ресурса ARM. Для назначаемого системой не устанавливайте это поле.	струна

MedianStoppingPolicy

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	MedianStopping (обязательно)

Microsoft.MachineLearningServices/workspaces/jobs

Имя	Описание	Ценность
имя	Имя ресурса	струна Ограничения целостности: Pattern = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (обязательно)
родитель	В Bicep можно указать родительский ресурс для дочернего ресурса. Это свойство необходимо добавить, только если дочерний ресурс объявлен за пределами родительского ресурса. Дополнительные сведения см. в разделе Дочерний ресурс за пределами родительского ресурса.	Символьное имя ресурса типа: рабочих областей
свойства	[Обязательный] Дополнительные атрибуты сущности.	JobBaseDetails (обязательно)

MLFlowModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	MLFlowModel (обязательный)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLFlowModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	MLFlowModel (обязательный)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

MLTableJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	MLTable (обязательно)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLTableJobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	[Обязательный] Указывает тип задания.	CustomModel "Литерал" MLFlowModel MLTable "TritonModel" UriFile UriFolder (обязательно)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLTableJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	MLTable (обязательно)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

Mpi

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	Mpi (обязательно)
processCountPerInstance	Количество процессов на узел MPI.	int

NCrossValidations

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoNCrossValidations. Установите значение Custom для типа CustomNCrossValidations.	"Авто" "Custom" (обязательный)

NlpVerticalDataSettings

Имя	Описание	Ценность
targetColumnName	[Обязательный] Имя целевого столбца: это столбец прогнозируемых значений. Также называется именем столбца метки в контексте задач классификации.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
testData	Проверка входных данных.	TestDataSettings
trainingData	[Обязательный] Входные данные обучения.	TrainingDataSettings (обязательно)
validationData	Входные данные проверки.	NlpVerticalValidationDataSettings

NlpVerticalFeaturizationSettings

Имя	Описание	Ценность
datasetLanguage	Язык набора данных, полезный для текстовых данных.	струна

NlpVerticalLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	int
maxTrials	Число итераций AutoML.	int
Времени ожидания	Время ожидания задания AutoML.	струна

NlpVerticalValidationDataSettings

Имя	Описание	Ценность
данные	Проверка данных MLTable.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	int

Объективный

Имя	Описание	Ценность
цель	[Обязательный] Определяет поддерживаемые цели метрик для настройки гиперпараметров	"Развернуть" "Свернуть" (обязательно)
primaryMetric	[Обязательный] Имя метрики для оптимизации.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

PipelineJob

Имя	Описание	Ценность
Входы	Входные данные для задания конвейера.	PipelineJobInputs
Рабочих мест	Задания создают задание конвейера.	PipelineJobJobs
jobType	[Обязательный] Указывает тип задания.	Pipeline (обязательный)
Выходы	Выходные данные для задания конвейера	PipelineJobOutputs
Параметры	Параметры конвейера, например ContinueRunOnStepFailure и т. д.	любой

PipelineJobInputs

Имя	Описание	Ценность

PipelineJobJobs

Имя	Описание	Ценность

PipelineJobOutputs

Имя	Описание	Ценность

PyTorch

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	PyTorch (обязательный)
processCountPerInstance	Количество процессов на узел.	int

RandomSamplingAlgorithm

Имя	Описание	Ценность
правило	Конкретный тип случайного алгоритма	"Случайный" 'Sobol'
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	"Случайный" (обязательный)
семя	Необязательное целое число, используемое в качестве начального значения для случайного создания чисел	int

ПовторениеPattern

Имя	Описание	Ценность
Часов	[Обязательный] Список часов для шаблона расписания повторения	int[] (обязательно)
протокол	[Обязательный] Список минут для шаблона расписания повторения	int[] (обязательно)
будни	Список дней недели для шаблона расписания повторения	Массив строк, содержащий любой из: "Пятница" "Понедельник" "Суббота" "Воскресенье" "Четверг" "Вторник" "Среда"

ПовторениеSchedule

Имя	Описание	Ценность
частота	[Обязательный] Указывает частоту, с которой следует активировать расписание	"День" "Час" "Минута" "Месяц" "Неделя" (обязательно)
интервал	[Обязательный] Указывает интервал расписания в сочетании с частотой	int (обязательно)
рисунок	Указывает шаблон расписания повторения	Повторение
scheduleType	[Обязательный] Указывает тип расписания	"Повторение" (обязательно)

Регрессия

Имя	Описание	Ценность
allowedModels	Разрешенные модели для задачи регрессии.	Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor"
заблокированныеmodels	Заблокированные модели для задачи регрессии.	Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor"
dataSettings	Входные данные для AutoMLJob.	TableVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
primaryMetric	Основная метрика для задачи регрессии.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation'
taskType	[Обязательный] Тип задачи для AutoMLJob.	Регрессия (обязательно)
trainingSettings	Входные данные для этапа обучения для задания AutoML.	TrainingSettings

ResourceBaseProperties

Имя	Описание	Ценность

ResourceBaseTags

Имя	Описание	Ценность

ResourceConfiguration

Имя	Описание	Ценность
instanceCount	Необязательное количество экземпляров или узлов, используемых целевым объектом вычислений.	int
instanceType	Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений.	струна
свойства	Дополнительные контейнеры свойств.	ResourceConfigurationProperties

ResourceConfigurationProperties

Имя	Описание	Ценность

ВыборкаAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	Установите значение Bayesian для типа BayesianSamplingAlgorithm. Установите значение Grid для типа GridSamplingAlgorithm. Установите значение Random для типа RandomSamplingAlgorithm.	"Байезиан" "Сетка" "Случайный" (обязательный)

ScheduleBase

Имя	Описание	Ценность
endTime	Указывает время окончания расписания в формате ISO 8601. Если это не так, расписание будет выполняться на неопределенный срок	струна
scheduleStatus	Указывает состояние расписания	"Отключено" "Включено"
scheduleType	Установите значение Cron для типа CronSchedule. Установите значение "Повторение" для типа RecurrenceSchedule.	"Cron" "Повторение" (обязательно)
startTime	Указывает время начала расписания в формате ISO 8601.	струна
часовой пояс	Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows.	струна

Сезонность

Имя	Описание	Ценность
режим	Установите значение Auto для типа autoSeasonality. Установите значение Custom для типа CustomSeasonality.	"Авто" "Custom" (обязательный)

StackEnsembleSettings

Имя	Описание	Ценность
stackMetaLearnerKWargs	Необязательные параметры для передачи инициализатору метаучителя.	любой
stackMetaLearnerTrainPercentage	Указывает пропорцию обучающего набора (при выборе типа обучения и проверки обучения), зарезервированного для обучения метаучителя. Значение по умолчанию — 0.2.	int
stackMetaLearnerType	Метаобучатель — это модель, обученная на выходных данных отдельных разнородных моделей.	ElasticNet "ElasticNetCV" LightGBMClassifier LightGBMRegressor "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "Нет"

SweepJob

Имя	Описание	Ценность
ранняятерминация	Политики раннего завершения позволяют отменять низкопроизводительные запуски до их завершения	EarlyTerminationPolicy
Входы	Сопоставление входных привязок данных, используемых в задании.	SweepJobInputs
jobType	[Обязательный] Указывает тип задания.	"Очистка" (обязательно)
Ограничения	Ограничение задания очистки.	SweepJobLimits
объективный	[Обязательный] Цель оптимизации.	Objective (обязательно)
Выходы	Сопоставление привязок выходных данных, используемых в задании.	SweepJobOutputs
выборкаAlgorithm	[Обязательный] Алгоритм выборки гиперпараметров	ВыборкаAlgorithm (обязательно)
searchSpace	[Обязательный] Словарь, содержащий каждый параметр и его распределение. Ключ словаря — это имя параметра	любой (обязательный)
испытание	[Обязательный] Определение компонента пробной версии.	TrialComponent (обязательно)

SweepJobInputs

Имя	Описание	Ценность

SweepJobLimits

Имя	Описание	Ценность
jobLimitsType	[Обязательный] Тип JobLimit.	"Command" "Очистка" (обязательно)
maxConcurrentTrials	Максимальное число параллельных пробных версий задания очистки.	int
maxTotalTrials	Максимальное количество пробных версий заданий для очистки.	int
Времени ожидания	Максимальная длительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживается только длительность с точностью до секунд.	струна
trialTimeout	Значение времени ожидания пробной версии задания подметки.	струна

SweepJobOutputs

Имя	Описание	Ценность

TableVerticalDataSettings

Имя	Описание	Ценность
targetColumnName	[Обязательный] Имя целевого столбца: это столбец прогнозируемых значений. Также называется именем столбца метки в контексте задач классификации.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
testData	Проверка входных данных.	TestDataSettings
trainingData	[Обязательный] Входные данные обучения.	TrainingDataSettings (обязательно)
validationData	Входные данные проверки.	TableVerticalValidationDataSettings
weightColumnName	Имя столбца веса образца. Автоматизированное машинное обучение поддерживает взвешанный столбец в качестве входных данных, что приводит к тому, что строки в данных будут взвешированы вверх или вниз.	струна

TableVerticalFeaturizationSettings

Имя	Описание	Ценность
заблокированныеTransformers	Эти преобразователи не должны использоваться в признаках.	string[]
columnNameAndTypes	Словарь имени столбца и его типа (int, float, string, datetime и т. д.).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Язык набора данных, полезный для текстовых данных.	струна
dropColumns	Столбцы для удаления из данных во время признаков.	string[]
enableDnnFeaturization	Определяет, следует ли использовать признаки на основе Dnn для признаков данных.	bool
режим	Режим признаков . Пользователь может сохранить режим авто по умолчанию, и AutoML будет заботиться о необходимом преобразовании данных на этапе признаков. Если выбрано значение "Выкл.", то нет признаков. Если выбран параметр Custom, пользователь может указать дополнительные входные данные, чтобы настроить способ выполнения признаков.	"Авто" "Custom" "Выкл.
преобразовательParams	Пользователь может указать дополнительные преобразователи, которые будут использоваться вместе со столбцами, к которым он будет применяться, и параметрами для конструктора преобразователя.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Имя	Описание	Ценность

TableVerticalFeaturizationSettingsTransformerParams

Имя	Описание	Ценность

TableVerticalLimitSettings

Имя	Описание	Ценность
enableEarlyTermination	Включите досрочное завершение, определяет, будет ли autoMLJob завершаться рано, если в последних 20 итерациях не будет улучшена оценка.	bool
exitScore	Оценка выхода для задания AutoML.	int
maxConcurrentTrials	Максимальное число одновременных итераций.	int
maxCoresPerTrial	Максимальное число ядер на итерацию.	int
maxTrials	Количество итераций.	int
Времени ожидания	Время ожидания задания AutoML.	струна
trialTimeout	Время ожидания итерации.	струна

TableVerticalValidationDataSettings

Имя	Описание	Ценность
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	string[]
данные	Проверка данных MLTable.	MLTableJobInput
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossValidations
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	int

TargetLags

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoTargetLags. Установите значение Custom для типа CustomTargetLags.	"Авто" "Custom" (обязательный)

TargetRollingWindowSize

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoTargetRollingWindowSize. Установите значение Custom для типа CustomTargetRollingWindowSize.	"Авто" "Custom" (обязательный)

TensorFlow

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	TensorFlow (обязательный)
parameterServerCount	Количество задач сервера параметров.	int
workerCount	Число рабочих ролей. Если этот параметр не указан, по умолчанию используется число экземпляров.	int

TestDataSettings

Имя	Описание	Ценность
данные	Тестирование данных MLTable.	MLTableJobInput
testDataSize	Доля тестового набора данных, который необходимо отложить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	int

TextClassification

Имя	Описание	Ценность
dataSettings	Входные данные для AutoMLJob.	NlpVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
primaryMetric	Основная метрика для задачи Text-Classification.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextClassification (обязательный)

TextClassificationMultilabel

Имя	Описание	Ценность
dataSettings	Входные данные для AutoMLJob.	NlpVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextClassificationMultilabel (обязательный)

TextNer

Имя	Описание	Ценность
dataSettings	Входные данные для AutoMLJob.	NlpVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextNER (обязательно)

TrainingDataSettings

Имя	Описание	Ценность
данные	[Обязательный] Обучающие данные MLTable.	MLTableJobInput (обязательно)

TrainingSettings

Имя	Описание	Ценность
enableDnnTraining	Включите рекомендацию моделей DNN.	bool
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	bool
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	bool
enableStackEnsemble	Включите запуск ансамбля стека.	bool
enableVoteEnsemble	Включите запуск ансамбля голосования.	bool
ensembleModelDownloadTimeout	Во время создания модели VotingEnsemble и StackEnsemble скачиваются несколько встроенных моделей из предыдущих дочерних запусков. Настройте этот параметр с более высоким значением, чем 300 с, если требуется больше времени.	струна
stackEnsembleSettings	Параметры ансамбля стека для выполнения ансамбля стека.	StackEnsembleSettings

TrialComponent

Имя	Описание	Ценность
codeId	Идентификатор ресурса ARM ресурса ресурса кода.	струна
команда	[Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py"	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
распределение	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	distributionConfiguration
environmentId	[Обязательный] Идентификатор ресурса ARM спецификации среды для задания.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
environmentVariables	Переменные среды, включенные в задание.	TrialComponentEnvironmentVariables
ресурсы	Конфигурация вычислительных ресурсов для задания.	resourceConfiguration

TrialComponentEnvironmentVariables

Имя	Описание	Ценность

TritonModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	TritonModel (обязательный)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

TritonModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	TritonModel (обязательный)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

УсечениеSelectionPolicy

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	УсечениеSelection (обязательно)
усечениеPercentage	Процент выполнения для отмены по каждому интервалу оценки.	int

UriFileJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	UriFile (обязательный)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

UriFileJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	UriFile (обязательный)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

UriFolderJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	UriFolder (обязательно)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

UriFolderJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	UriFolder (обязательно)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

UserIdentity

Имя	Описание	Ценность
identityType	[Обязательный] Указывает тип платформы удостоверений.	UserIdentity (обязательно)

Примеры краткого руководства

Следующие примеры краткого руководства по развертыванию этого типа ресурса.

Bicep-файл	Описание
создание задания классификации AutoML машинного обучения Azure	Этот шаблон создает задание классификации AutoML машинного обучения Azure, чтобы узнать лучшую модель прогнозирования того, будет ли клиент подписаться на фиксированный срок депозита с финансовым учреждением.
создание задания команды машинного обучения Azure	Этот шаблон создает задание команды машинного обучения Azure с помощью базового скрипта hello_world
создание задания "Очистка машинного обучения Azure"	Этот шаблон создает задание "Очистка машинного обучения Azure" для настройки гиперпараметра.

Определение ресурса шаблона ARM

Тип ресурса рабочих областей и заданий можно развернуть с помощью операций, предназначенных для следующих задач:

• группы ресурсов . См. команды развертывания группы ресурсов

Список измененных свойств в каждой версии API см. в журнала изменений.

Формат ресурса

Чтобы создать ресурс Microsoft.MachineLearningServices/workspaces/jobs, добавьте следующий код JSON в шаблон.

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

Объекты сезонности

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

{
  "mode": "Auto"
}

Для пользовательскихиспользуйте:

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

Объекты JobOutput

Задайте свойство jobOutputType, чтобы указать тип объекта.

Для CustomModelиспользуйте:

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

Для MLFlowModelиспользуйте:

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

Для MLTableиспользуйте:

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

Для TritonModelиспользуйте:

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

Для UriFileиспользуйте:

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

Для UriFolderиспользуйте:

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

Объекты IdentityConfiguration

Задайте свойство identityType, чтобы указать тип объекта.

Для AMLTokenиспользуйте:

{
  "identityType": "AMLToken"
}

Для управляемыхиспользуйте:

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

Для UserIdentityиспользуйте:

{
  "identityType": "UserIdentity"
}

Объекты AutoMLVertical

Задайте свойство taskType, чтобы указать тип объекта.

Для классификациииспользуйте:

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

Для прогнозированияиспользуйте:

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

Для ImageClassificationиспользуйте:

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

Для ImageClassificationMultilabelиспользуйте:

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

Для ImageInstanceSegmentationиспользуйте:

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

Для ImageObjectDetectionиспользуйте:

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

Для регрессиииспользуйте:

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

Для TextClassificationиспользуйте:

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

Для TextClassificationMultilabelиспользуйте:

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

Для TextNERиспользуйте:

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

Объекты JobInput

Задайте свойство jobInputType, чтобы указать тип объекта.

Для CustomModelиспользуйте:

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

Для литералаиспользуйте:

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

Для MLFlowModelиспользуйте:

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

Для MLTableиспользуйте:

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

Для TritonModelиспользуйте:

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

Для UriFileиспользуйте:

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

Для UriFolderиспользуйте:

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

Объекты TargetRollingWindowSize

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

{
  "mode": "Auto"
}

Для пользовательскихиспользуйте:

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

Объекты NCrossValidations

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

{
  "mode": "Auto"
}

Для пользовательскихиспользуйте:

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

Объекты ScheduleBase

Задайте свойство scheduleType, чтобы указать тип объекта.

Для Cronиспользуйте:

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

Для повторенияиспользуйте:

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

Объекты JobBaseDetails

Задайте свойство jobType, чтобы указать тип объекта.

Для AutoMLиспользуйте:

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

Для команды используйте следующую команду:

{
  "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
    }
  },
  "resources": {
    "instanceCount": "int",
    "instanceType": "string",
    "properties": {
      "{customized property}": {}
    }
  }
}

Для конвейераиспользуйте:

{
  "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": {}
}

Для используйте:

{
  "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
    }
  },
  "samplingAlgorithm": {
    "samplingAlgorithmType": "string"
    // For remaining properties, see SamplingAlgorithm objects
  },
  "searchSpace": {},
  "trial": {
    "codeId": "string",
    "command": "string",
    "distribution": {
      "distributionType": "string"
      // For remaining properties, see DistributionConfiguration objects
    },
    "environmentId": "string",
    "environmentVariables": {
      "{customized property}": "string"
    },
    "resources": {
      "instanceCount": "int",
      "instanceType": "string",
      "properties": {
        "{customized property}": {}
      }
    }
  }
}

Объекты DistributionConfiguration

Задайте свойство distributionType, чтобы указать тип объекта.

Для Mpiиспользуйте:

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

Для PyTorchиспользуйте:

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

Для TensorFlowиспользуйте:

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

Объекты ВыборкиAlgorithm

Задайте свойство выборкиAlgorithmType, чтобы указать тип объекта.

Для Байезианаиспользуйте:

{
  "samplingAlgorithmType": "Bayesian"
}

Для сеткииспользуйте:

{
  "samplingAlgorithmType": "Grid"
}

Для случайныхиспользуйте:

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

Объекты EarlyTerminationPolicy

Задайте свойство policyType, чтобы указать тип объекта.

Для Banditиспользуйте:

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

Для MedianStoppingиспользуйте:

{
  "policyType": "MedianStopping"
}

Для TruncationSelectionиспользуйте:

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

Объекты TargetLags

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

{
  "mode": "Auto"
}

Для пользовательскихиспользуйте:

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

Объекты ForecastHorizon

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

{
  "mode": "Auto"
}

Для пользовательскихиспользуйте:

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

Значения свойств

AmlToken

Имя	Описание	Ценность
identityType	[Обязательный] Указывает тип платформы удостоверений.	AMLToken (обязательно)

AutoForecastHorizon

Имя	Описание	Ценность
режим	[Обязательный] Задайте режим выбора значения горизонта прогнозирования.	"Авто" (обязательно)

AutoMLJob

Имя	Описание	Ценность
environmentId	Идентификатор ресурса ARM спецификации среды для задания. Это необязательное значение для предоставления, если оно не указано, AutoML по умолчанию используется для рабочей версии курируемой среды AutoML при выполнении задания.	струна
environmentVariables	Переменные среды, включенные в задание.	AutoMLJobEnvironmentVariables
jobType	[Обязательный] Указывает тип задания.	AutoML (обязательно)
Выходы	Сопоставление привязок выходных данных, используемых в задании.	AutoMLJobOutputs
ресурсы	Конфигурация вычислительных ресурсов для задания.	resourceConfiguration
taskDetails	[Обязательный] Это сценарий, который может быть одним из таблиц/ NLP/Image	AutoMLVertical (обязательно)

AutoMLJobEnvironmentVariables

Имя	Описание	Ценность

AutoMLJobOutputs

Имя	Описание	Ценность

AutoMLVertical

Имя	Описание	Ценность
logVerbosity	Подробность журнала для задания.	"Критический" "Отладка" "Ошибка" "Info" NotSet Предупреждение
taskType	Установите значение "Классификация" для классификации типов. Установите значение "Прогнозирование" для типа прогнозирования. Установите значение ImageClassification для типа ImageClassification. Установите значение ImageClassificationMultilabel для типа ImageClassificationMultilabel. Установите значение ImageInstanceSegmentation для типа ImageInstanceSegmentation. Установите значение ImageObjectDetection для типа ImageObjectDetection. Установите значение "Регрессия" для регрессии типа. Установите значение TextClassification для типа TextClassification. Установите значение TextClassificationMultilabel для типа TextClassificationMultilabel. Установите значение TextNER для типа TextNer.	"Классификация" "Прогнозирование" ImageClassification ImageClassificationMultilabel "ImageInstanceSegmentation" ImageObjectDetection Регрессия TextClassification TextClassificationMultilabel TextNER (обязательно)

AutoNCrossValidations

Имя	Описание	Ценность
режим	[Обязательный] Режим определения проверок N-Cross.	"Авто" (обязательно)

Автосесональность

Имя	Описание	Ценность
режим	[Обязательный] Режим сезонности.	"Авто" (обязательно)

AutoTargetLags

Имя	Описание	Ценность
режим	[Обязательный] Настройка режима задержки целевых объектов — автоматическое или настраиваемое	"Авто" (обязательно)

AutoTargetRollingWindowSize

Имя	Описание	Ценность
режим	[Обязательный] Режим обнаружения TargetRollingWindowSiz.	"Авто" (обязательно)

BanditPolicy

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	"Банда" (обязательно)
slackAmount	Абсолютное расстояние, допустимое от оптимального выполнения.	int
slackFactor	Соотношение допустимого расстояния от оптимального выполнения.	int

BayesianSamplingAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	Байесян (обязательный)

Классификация

Имя	Описание	Ценность
allowedModels	Разрешенные модели для задачи классификации.	Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" 'GradientBoosting' KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier"
заблокированныеmodels	Заблокированные модели для задачи классификации.	Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" 'GradientBoosting' KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier"
dataSettings	Входные данные для AutoMLJob.	TableVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
primaryMetric	Первичная метрика для задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
taskType	[Обязательный] Тип задачи для AutoMLJob.	"Классификация" (обязательно)
trainingSettings	Входные данные для этапа обучения для задания AutoML.	TrainingSettings

ColumnTransformer

Имя	Описание	Ценность
Поля	Поля для применения логики преобразователя.	string[]
Параметры	Различные свойства, передаваемые преобразователю. Ожидается, что входные данные — это словарь пар "ключ", "значение" в формате JSON.	любой

CommandJob

Имя	Описание	Ценность
codeId	Идентификатор ресурса ARM ресурса ресурса кода.	струна
команда	[Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py"	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
распределение	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	distributionConfiguration
environmentId	[Обязательный] Идентификатор ресурса ARM спецификации среды для задания.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
environmentVariables	Переменные среды, включенные в задание.	CommandJobEnvironmentVariables
Входы	Сопоставление входных привязок данных, используемых в задании.	CommandJobInputs
jobType	[Обязательный] Указывает тип задания.	"Command" (обязательный)
Ограничения	Ограничение задания команд.	CommandJobLimits
Выходы	Сопоставление привязок выходных данных, используемых в задании.	CommandJobOutputs
ресурсы	Конфигурация вычислительных ресурсов для задания.	resourceConfiguration

CommandJobEnvironmentVariables

Имя	Описание	Ценность

CommandJobInputs

Имя	Описание	Ценность

CommandJobLimits

Имя	Описание	Ценность
jobLimitsType	[Обязательный] Тип JobLimit.	"Command" "Очистка" (обязательно)
Времени ожидания	Максимальная длительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживается только длительность с точностью до секунд.	струна

CommandJobOutputs

Имя	Описание	Ценность

CronSchedule

Имя	Описание	Ценность
выражение	[Обязательный] Указывает выражение крона расписания. Выражение должно соответствовать формату NCronTab.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
scheduleType	[Обязательный] Указывает тип расписания	"Cron" (обязательно)

CustomForecastHorizon

Имя	Описание	Ценность
режим	[Обязательный] Задайте режим выбора значения горизонта прогнозирования.	"Custom" (обязательный)
ценность	[Обязательный] Прогноз значения горизонта.	int (обязательно)

CustomModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	CustomModel (обязательно)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

CustomModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	CustomModel (обязательно)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

CustomNCrossValidations

Имя	Описание	Ценность
режим	[Обязательный] Режим определения проверок N-Cross.	"Custom" (обязательный)
ценность	[Обязательный] Значение N-Cross validations.	int (обязательно)

CustomSeasonality

Имя	Описание	Ценность
режим	[Обязательный] Режим сезонности.	"Custom" (обязательный)
ценность	[Обязательный] Значение сезонности.	int (обязательно)

CustomTargetLags

Имя	Описание	Ценность
режим	[Обязательный] Настройка режима задержки целевых объектов — автоматическое или настраиваемое	"Custom" (обязательный)
Значения	[Обязательный] Задайте значения задержки целевых значений.	int[] (обязательно)

CustomTargetRollingWindowSize

Имя	Описание	Ценность
режим	[Обязательный] Режим обнаружения TargetRollingWindowSiz.	"Custom" (обязательный)
ценность	[Обязательный] Значение TargetRollingWindowSize.	int (обязательно)

DistributionConfiguration

Имя	Описание	Ценность
distributionType	Установите значение Mpi для типа Mpi. Установите значение PyTorch для типа PyTorch. Установите значение TensorFlow для типа TensorFlow.	"Mpi" "PyTorch" TensorFlow (обязательный)

EarlyTerminationPolicy

Имя	Описание	Ценность
delayEvaluation	Количество интервалов, с помощью которых необходимо отложить первую оценку.	int
evaluationInterval	Интервал (количество запусков) между оценками политики.	int
policyType	Установите значение "Bandit" для типа BanditPolicy. Установите значение MedianStopping для типа MedianStoppingPolicy. Задайте значение TruncationSelection для типа TruncationSelectionPolicy.	"Бандит" MedianStopping УсечениеSelection (обязательно)

ПрогнозHorizon

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoForecastHorizon. Установите значение Custom для типа CustomForecastHorizon.	"Авто" "Custom" (обязательный)

Прогнозирование

Имя	Описание	Ценность
allowedModels	Разрешенные модели для задачи прогнозирования.	Массив строк, содержащий любой из: 'Arimax' AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "СезоннаяAverage" "СезоннаяNaive" "ДИНАМ" 'TCNForecaster' "XGBoostRegressor"
заблокированныеmodels	Заблокированные модели для задачи прогнозирования.	Массив строк, содержащий любой из: 'Arimax' AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "СезоннаяAverage" "СезоннаяNaive" "ДИНАМ" 'TCNForecaster' "XGBoostRegressor"
dataSettings	Входные данные для AutoMLJob.	TableVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
forecastingSettings	Прогнозирование определенных входных данных задачи.	ForecastingSettings
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
primaryMetric	Основная метрика для задачи прогнозирования.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation'
taskType	[Обязательный] Тип задачи для AutoMLJob.	"Прогнозирование" (обязательно)
trainingSettings	Входные данные для этапа обучения для задания AutoML.	TrainingSettings

ПрогнозированиеSettings

Имя	Описание	Ценность
countryOrRegionForHolidays	Страна или регион для праздников для задач прогнозирования. Это должны быть коды стран и регионов ISO 3166, например "US" или "GB".	струна
cvStepSize	Число периодов между временем начала одного свертывания CV и следующего свертывания. Для Например, если CVStepSize = 3 для ежедневных данных, время источника для каждого свертывания будет три дня в стороне.	int
featureLags	Флаг для создания задержек для числовых функций с параметром auto или NULL.	"Авто" "Нет"
прогнозHorizon	Требуемый максимальный горизонт прогнозирования в единицах частоты временных рядов.	ForecastHorizon
частота	При прогнозировании этот параметр представляет период, с которым нужно, например ежедневно, еженедельно, ежегодно и т. д. Частота прогноза — это частота набора данных по умолчанию.	струна
Сезонность	Задайте сезонность временных рядов в качестве целого числа, кратного частоты ряда. Если для сезонности задано значение auto, он будет выводиться.	сезонности
shortSeriesHandlingConfig	Параметр, определяющий, как autoML должен обрабатывать короткие временные ряды.	"Авто" "Drop" "Нет" "Pad"
targetAggregateFunction	Функция, используемая для агрегирования целевого столбца временных рядов для соответствия заданной пользователем частоте. Если параметр TargetAggregateFunction задан, т. е. не "Нет", но параметр freq не задан, возникает ошибка. Возможные функции агрегирования целевых значений: sum, max, min и среднее.	"Max" "Среднее" "Min" "Нет" "Sum"
targetLags	Число прошлых периодов задержки от целевого столбца.	TargetLags
targetRollingWindowSize	Количество прошлых периодов, используемых для создания скользящего среднего окна целевого столбца.	TargetRollingWindowSize
timeColumnName	Имя столбца времени. Этот параметр требуется при прогнозировании для указания столбца datetime в входных данных, используемых для создания временных рядов и вывода его частоты.	струна
timeSeriesIdColumnNames	Имена столбцов, используемых для группировки таймерий. Его можно использовать для создания нескольких рядов. Если набор данных не определен, предполагается, что набор данных является одним временным рядом. Этот параметр используется с прогнозированием типа задачи.	string[]
useStl	Настройте декомпозицию STL целевого столбца временных рядов.	"Нет" "Сезон" 'SeasonTrend'

GridSamplingAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	Grid (обязательно)

IdentityConfiguration

Имя	Описание	Ценность
identityType	Установите значение AMLToken для типа AmlToken. Установите значение Managed для типа ManagedIdentity. Установите значение UserIdentity для типа UserIdentity.	AMLToken "Managed" (Управляемый) UserIdentity (обязательно)

ImageClassification

Имя	Описание	Ценность
dataSettings	[Обязательный] Коллекция зарегистрированных идентификаторов табличного набора данных и других параметров данных, необходимых для обучения и проверки моделей.	ImageVerticalDataSettings (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
primaryMetric	Основная метрика для оптимизации для этой задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageClassification (обязательный)

ImageClassificationMultilabel

Имя	Описание	Ценность
dataSettings	[Обязательный] Коллекция зарегистрированных идентификаторов табличного набора данных и других параметров данных, необходимых для обучения и проверки моделей.	ImageVerticalDataSettings (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
primaryMetric	Основная метрика для оптимизации для этой задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageClassificationMultilabel (обязательный)

ImageInstanceSegmentation

Имя	Описание	Ценность
dataSettings	[Обязательный] Коллекция зарегистрированных идентификаторов табличного набора данных и других параметров данных, необходимых для обучения и проверки моделей.	ImageVerticalDataSettings (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsObjectDetection
primaryMetric	Основная метрика для оптимизации для этой задачи.	"MeanAveragePrecision"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageInstanceSegmentation (обязательно)

ImageLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	int
maxTrials	Максимальное число итераций AutoML.	int
Времени ожидания	Время ожидания задания AutoML.	струна

ImageModelDistributionSettingsClassification

Имя	Описание	Ценность
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
earlyStopping	Включите логику раннего остановки во время обучения.	струна
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationStep	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	струна
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	струна
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	струна
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	струна
оптимизатор	Тип оптимизатора. Должно быть либо "хем", "адам", либо "адам".	струна
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	струна
splitRatio	Если данные проверки не определены, это указывает коэффициент разделения для разделения обучение данных в случайных подмножествах обучения и проверки. Должен быть плавающей запятой в диапазоне [0, 1].	струна
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	струна
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	струна
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	струна
trainingCropSize	Размер обрезки изображения, входной в нейронную сеть для обучающего набора данных. Должно быть положительным целым числом.	струна
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	струна
validationCropSize	Размер обрезки изображения, входной в нейронную сеть для набора данных проверки. Должно быть положительным целым числом.	струна
validationResizeSize	Размер изображения, в который необходимо изменить размер перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	струна
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	струна
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	струна
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	струна
весеedLoss	Весовая потеря. Допустимые значения — 0 без потери веса. 1 для взвешаемой потери с sqrt. (class_weights). 2 для взвешаемой потери с class_weights. Должно быть 0 или 1 или 2.	струна

ImageModelDistributionSettingsObjectDetection

Имя	Описание	Ценность
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
boxDetectionsPerImage	Максимальное количество обнаружений на изображение для всех классов. Должно быть положительным целым числом. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
boxScoreThreshold	Во время вывода возвращаются только предложения с оценкой классификации больше, чем BoxScoreThreshold. Должен быть плавающей запятой в диапазоне[0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
earlyStopping	Включите логику раннего остановки во время обучения.	струна
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationStep	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
imageSize	Размер изображения для обучения и проверки. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
maxSize	Максимальный размер изображения для перемасштабирования перед его добавлением в магистраль. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
minSize	Минимальный размер изображения, который необходимо перемасштабировать, прежде чем передавать его в магистраль. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
modelSize	Размер модели. Должен быть "маленький", "средний", "большой" или "xlarge". Примечание. Учебный запуск может попасть в OOM CUDA, если размер модели слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	струна
MultiScale	Включите многомасштабное изображение, изменив размер изображения по +/-50%. Примечание. Учебный запуск может попасть в OOM CUDA, если недостаточно памяти GPU. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	струна
nmsIouThreshold	Пороговое значение ввода-вывода, используемое во время вывода в процессе последующей обработки NMS. Должен быть плавать в диапазоне [0, 1].	струна
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	струна
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	струна
оптимизатор	Тип оптимизатора. Должно быть либо "хем", "адам", либо "адам".	струна
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	струна
splitRatio	Если данные проверки не определены, это указывает коэффициент разделения для разделения обучение данных в случайных подмножествах обучения и проверки. Должен быть плавающей запятой в диапазоне [0, 1].	струна
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	струна
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	струна
tileGridSize	Размер сетки, используемый для размещения каждого изображения. Примечание. TileGridSize не должно быть Нет, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tileOverlapRatio	Коэффициент перекрытия между смежными плитками в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tilePredictionsNmsThreshold	Пороговое значение IOU для выполнения NMS при слиянии прогнозов из плиток и изображений. Используется в проверке или выводе. Должен быть плавать в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. NMS: не максимальное подавление	струна
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	струна
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	струна
validationIouThreshold	Пороговое значение IOU для использования при вычислении метрики проверки. Должен быть плавать в диапазоне [0, 1].	струна
validationMetricType	Метод вычисления метрик, используемый для метрик проверки. Должно быть "none", "coco", "voc" или "coco_voc".	струна
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	струна
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	струна
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	струна

ImageModelSettingsClassification

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	bool
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
контрольная точкаDatasetId	Идентификатор FileDataset для предварительно обученных контрольных точек для добавочного обучения. Обязательно передайте имя контрольного файла вместе с CheckpointDatasetId.	струна
checkpointFilename	Предварительно обученное имя файла контрольной точки в FileDataset для добавочного обучения. Обязательно передайте Контрольную точкуDatasetId вместе с checkpointFilename.	струна
контрольная точкаFrequency	Частота хранения контрольных точек модели. Должно быть положительным целым числом.	int
контрольная точкаRunId	Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения.	струна
распределённый	Следует ли использовать распределенное обучение.	bool
earlyStopping	Включите логику раннего остановки во время обучения.	bool
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	int
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	int
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	bool
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	int
gradientAccumulationStep	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	int
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	int
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	int
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	int
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	bool
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	int
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	int
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	int
splitRatio	Если данные проверки не определены, это указывает коэффициент разделения для разделения обучение данных в случайных подмножествах обучения и проверки. Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	int
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	int
trainingCropSize	Размер обрезки изображения, входной в нейронную сеть для обучающего набора данных. Должно быть положительным целым числом.	int
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	int
validationCropSize	Размер обрезки изображения, входной в нейронную сеть для набора данных проверки. Должно быть положительным целым числом.	int
validationResizeSize	Размер изображения, в который необходимо изменить размер перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	int
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	int
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	int
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	int
весеedLoss	Весовая потеря. Допустимые значения — 0 без потери веса. 1 для взвешаемой потери с sqrt. (class_weights). 2 для взвешаемой потери с class_weights. Должно быть 0 или 1 или 2.	int

ImageModelSettingsObjectDetection

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	bool
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
boxDetectionsPerImage	Максимальное количество обнаружений на изображение для всех классов. Должно быть положительным целым числом. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
boxScoreThreshold	Во время вывода возвращаются только предложения с оценкой классификации больше, чем BoxScoreThreshold. Должен быть плавающей запятой в диапазоне[0, 1].	int
контрольная точкаDatasetId	Идентификатор FileDataset для предварительно обученных контрольных точек для добавочного обучения. Обязательно передайте имя контрольного файла вместе с CheckpointDatasetId.	струна
checkpointFilename	Предварительно обученное имя файла контрольной точки в FileDataset для добавочного обучения. Обязательно передайте Контрольную точкуDatasetId вместе с checkpointFilename.	струна
контрольная точкаFrequency	Частота хранения контрольных точек модели. Должно быть положительным целым числом.	int
контрольная точкаRunId	Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения.	струна
распределённый	Следует ли использовать распределенное обучение.	bool
earlyStopping	Включите логику раннего остановки во время обучения.	bool
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	int
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	int
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	bool
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	int
gradientAccumulationStep	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	int
imageSize	Размер изображения для обучения и проверки. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	int
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	int
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	int
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
maxSize	Максимальный размер изображения для перемасштабирования перед его добавлением в магистраль. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
minSize	Минимальный размер изображения, который необходимо перемасштабировать, прежде чем передавать его в магистраль. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
modelSize	Размер модели. Должен быть "маленький", "средний", "большой" или "xlarge". Примечание. Учебный запуск может попасть в OOM CUDA, если размер модели слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	'ExtraLarge' "Большой" "Средний" "Нет" "Маленький"
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	int
MultiScale	Включите многомасштабное изображение, изменив размер изображения по +/-50%. Примечание. Учебный запуск может попасть в OOM CUDA, если недостаточно памяти GPU. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	bool
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	bool
nmsIouThreshold	Пороговое значение ввода-вывода, используемое во время вывода в процессе последующей обработки NMS. Должен быть плавающей запятой в диапазоне [0, 1].	int
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	int
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	int
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	int
splitRatio	Если данные проверки не определены, это указывает коэффициент разделения для разделения обучение данных в случайных подмножествах обучения и проверки. Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	int
tileGridSize	Размер сетки, используемый для размещения каждого изображения. Примечание. TileGridSize не должно быть Нет, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tileOverlapRatio	Коэффициент перекрытия между смежными плитками в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
tilePredictionsNmsThreshold	Пороговое значение IOU для выполнения NMS при слиянии прогнозов из плиток и изображений. Используется в проверке или выводе. Должен быть плавать в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	int
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	int
validationIouThreshold	Пороговое значение IOU для использования при вычислении метрики проверки. Должен быть плавать в диапазоне [0, 1].	int
validationMetricType	Метод вычисления метрик, используемый для метрик проверки.	"Коко" 'CocoVoc' "Нет" "Voc"
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	int
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	int
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	int

ImageObjectDetection

Имя	Описание	Ценность
dataSettings	[Обязательный] Коллекция зарегистрированных идентификаторов табличного набора данных и других параметров данных, необходимых для обучения и проверки моделей.	ImageVerticalDataSettings (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsObjectDetection
primaryMetric	Основная метрика для оптимизации для этой задачи.	"MeanAveragePrecision"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageObjectDetection (обязательно)

ImageSweepLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число одновременных итераций для базового задания Очистки.	int
maxTrials	Максимальное количество итераций для базового задания Очистки.	int

ImageSweepSettings

Имя	Описание	Ценность
ранняятерминация	Тип политики раннего завершения.	EarlyTerminationPolicy
Ограничения	[Обязательный] Ограничение параметров для очистки модели и гиперпараметра.	ImageSweepLimitSettings (обязательно)
выборкаAlgorithm	[Обязательный] Тип алгоритмов выборки гиперпараметров.	"Байезиан" "Сетка" "Случайный" (обязательный)

ImageVerticalDataSettings

Имя	Описание	Ценность
targetColumnName	[Обязательный] Имя целевого столбца: это столбец прогнозируемых значений. Также называется именем столбца метки в контексте задач классификации.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
testData	Проверка входных данных.	TestDataSettings
trainingData	[Обязательный] Входные данные обучения.	TrainingDataSettings (обязательно)
validationData	Параметры для набора данных проверки.	ImageVerticalValidationDataSettings

ImageVerticalValidationDataSettings

Имя	Описание	Ценность
данные	Проверка данных MLTable.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	int

JobBaseDetails

Имя	Описание	Ценность
computeId	Идентификатор ресурса ARM вычислительного ресурса.	струна
описание	Текст описания ресурса.	струна
displayName	Отображаемое имя задания.	струна
experimentName	Имя эксперимента, к которому принадлежит задание. Если задание не задано, задание помещается в эксперимент по умолчанию.	струна
тождество	Конфигурация удостоверения. Если задано, это должен быть один из AmlToken, ManagedIdentity, UserIdentity или NULL. По умолчанию AmlToken имеет значение NULL.	IdentityConfiguration
isArchived	Архивируется ли ресурс?	bool
jobType	Установите значение AutoML для типа AutoMLJob. Задайте для типа command CommandJob. Установите значение Pipeline для типа PipelineJob. Установите значение "Sweep" для типа SweepJob.	AutoML "Command" Конвейер "Очистка" (обязательно)
свойства	Словарь свойств ресурса.	ResourceBaseProperties
расписание	Планирование определения задания. Если расписание не указано, задание выполняется один раз и сразу после отправки.	ScheduleBase
Услуги	Список заданий. Для локальных заданий конечная точка задания будет иметь значение конечной точки FileStreamObject.	JobBaseServices
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	ResourceBaseTags

JobBaseServices

Имя	Описание	Ценность

JobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	Установите значение CustomModel для типа CustomModelJobInput. Задайте значение "Литерал" для типа ЛитералJobInput. Установите значение MLFlowModel для типа MLFlowModelJobInput. Установите значение MLTable для типа MLTableJobInput. Установите значение TritonModel для типа TritonModelJobInput. Установите значение UriFile для типа UriFileJobInput. Установите значение UriFolder для типа UriFolderJobInput.	CustomModel "Литерал" MLFlowModel MLTable "TritonModel" UriFile UriFolder (обязательно)

JobOutput

Имя	Описание	Ценность
описание	Описание выходных данных.	струна
jobOutputType	Установите значение CustomModel для типа CustomModelJobOutput. Установите значение MLFlowModel для типа MLFlowModelJobOutput. Установите значение MLTable для типа MLTableJobOutput. Установите значение TritonModel для типа TritonModelJobOutput. Установите значение UriFile для типа UriFileJobOutput. Установите значение UriFolder для типа UriFolderJobOutput.	CustomModel MLFlowModel MLTable "TritonModel" UriFile UriFolder (обязательно)

JobService

Имя	Описание	Ценность
конечная точка	URL-адрес конечной точки.	струна
jobServiceType	Тип конечной точки.	струна
порт	Порт для конечной точки.	int
свойства	Дополнительные свойства, заданные в конечной точке.	JobServiceProperties

JobServiceProperties

Имя	Описание	Ценность

ЛитералJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"Литерал" (обязательно)
ценность	[Обязательный] Литеральное значение для входных данных.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

ManagedIdentity

Имя	Описание	Ценность
clientId	Указывает назначаемое пользователем удостоверение по идентификатору клиента. Для назначаемого системой не устанавливайте это поле.	струна Ограничения целостности: Минимальная длина = 36 Максимальная длина = 36 Pattern = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identityType	[Обязательный] Указывает тип платформы удостоверений.	Managed (обязательный)
objectId	Указывает назначаемое пользователем удостоверение по идентификатору объекта. Для назначаемого системой не устанавливайте это поле.	струна Ограничения целостности: Минимальная длина = 36 Максимальная длина = 36 Pattern = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId	Указывает удостоверение, назначаемое пользователем, по идентификатору ресурса ARM. Для назначаемого системой не устанавливайте это поле.	струна

MedianStoppingPolicy

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	MedianStopping (обязательно)

Microsoft.MachineLearningServices/workspaces/jobs

Имя	Описание	Ценность
apiVersion	Версия API	'2022-02-01-preview'
имя	Имя ресурса	струна Ограничения целостности: Pattern = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (обязательно)
свойства	[Обязательный] Дополнительные атрибуты сущности.	JobBaseDetails (обязательно)
тип	Тип ресурса	"Microsoft.MachineLearningServices/workspaces/jobs"

MLFlowModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	MLFlowModel (обязательный)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLFlowModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	MLFlowModel (обязательный)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

MLTableJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	MLTable (обязательно)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLTableJobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	[Обязательный] Указывает тип задания.	CustomModel "Литерал" MLFlowModel MLTable "TritonModel" UriFile UriFolder (обязательно)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLTableJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	MLTable (обязательно)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

Mpi

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	Mpi (обязательно)
processCountPerInstance	Количество процессов на узел MPI.	int

NCrossValidations

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoNCrossValidations. Установите значение Custom для типа CustomNCrossValidations.	"Авто" "Custom" (обязательный)

NlpVerticalDataSettings

Имя	Описание	Ценность
targetColumnName	[Обязательный] Имя целевого столбца: это столбец прогнозируемых значений. Также называется именем столбца метки в контексте задач классификации.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
testData	Проверка входных данных.	TestDataSettings
trainingData	[Обязательный] Входные данные обучения.	TrainingDataSettings (обязательно)
validationData	Входные данные проверки.	NlpVerticalValidationDataSettings

NlpVerticalFeaturizationSettings

Имя	Описание	Ценность
datasetLanguage	Язык набора данных, полезный для текстовых данных.	струна

NlpVerticalLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	int
maxTrials	Число итераций AutoML.	int
Времени ожидания	Время ожидания задания AutoML.	струна

NlpVerticalValidationDataSettings

Имя	Описание	Ценность
данные	Проверка данных MLTable.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	int

Объективный

Имя	Описание	Ценность
цель	[Обязательный] Определяет поддерживаемые цели метрик для настройки гиперпараметров	"Развернуть" "Свернуть" (обязательно)
primaryMetric	[Обязательный] Имя метрики для оптимизации.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

PipelineJob

Имя	Описание	Ценность
Входы	Входные данные для задания конвейера.	PipelineJobInputs
Рабочих мест	Задания создают задание конвейера.	PipelineJobJobs
jobType	[Обязательный] Указывает тип задания.	Pipeline (обязательный)
Выходы	Выходные данные для задания конвейера	PipelineJobOutputs
Параметры	Параметры конвейера, например ContinueRunOnStepFailure и т. д.	любой

PipelineJobInputs

Имя	Описание	Ценность

PipelineJobJobs

Имя	Описание	Ценность

PipelineJobOutputs

Имя	Описание	Ценность

PyTorch

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	PyTorch (обязательный)
processCountPerInstance	Количество процессов на узел.	int

RandomSamplingAlgorithm

Имя	Описание	Ценность
правило	Конкретный тип случайного алгоритма	"Случайный" 'Sobol'
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	"Случайный" (обязательный)
семя	Необязательное целое число, используемое в качестве начального значения для случайного создания чисел	int

ПовторениеPattern

Имя	Описание	Ценность
Часов	[Обязательный] Список часов для шаблона расписания повторения	int[] (обязательно)
протокол	[Обязательный] Список минут для шаблона расписания повторения	int[] (обязательно)
будни	Список дней недели для шаблона расписания повторения	Массив строк, содержащий любой из: "Пятница" "Понедельник" "Суббота" "Воскресенье" "Четверг" "Вторник" "Среда"

ПовторениеSchedule

Имя	Описание	Ценность
частота	[Обязательный] Указывает частоту, с которой следует активировать расписание	"День" "Час" "Минута" "Месяц" "Неделя" (обязательно)
интервал	[Обязательный] Указывает интервал расписания в сочетании с частотой	int (обязательно)
рисунок	Указывает шаблон расписания повторения	Повторение
scheduleType	[Обязательный] Указывает тип расписания	"Повторение" (обязательно)

Регрессия

Имя	Описание	Ценность
allowedModels	Разрешенные модели для задачи регрессии.	Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor"
заблокированныеmodels	Заблокированные модели для задачи регрессии.	Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor"
dataSettings	Входные данные для AutoMLJob.	TableVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
primaryMetric	Основная метрика для задачи регрессии.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation'
taskType	[Обязательный] Тип задачи для AutoMLJob.	Регрессия (обязательно)
trainingSettings	Входные данные для этапа обучения для задания AutoML.	TrainingSettings

ResourceBaseProperties

Имя	Описание	Ценность

ResourceBaseTags

Имя	Описание	Ценность

ResourceConfiguration

Имя	Описание	Ценность
instanceCount	Необязательное количество экземпляров или узлов, используемых целевым объектом вычислений.	int
instanceType	Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений.	струна
свойства	Дополнительные контейнеры свойств.	ResourceConfigurationProperties

ResourceConfigurationProperties

Имя	Описание	Ценность

ВыборкаAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	Установите значение Bayesian для типа BayesianSamplingAlgorithm. Установите значение Grid для типа GridSamplingAlgorithm. Установите значение Random для типа RandomSamplingAlgorithm.	"Байезиан" "Сетка" "Случайный" (обязательный)

ScheduleBase

Имя	Описание	Ценность
endTime	Указывает время окончания расписания в формате ISO 8601. Если это не так, расписание будет выполняться на неопределенный срок	струна
scheduleStatus	Указывает состояние расписания	"Отключено" "Включено"
scheduleType	Установите значение Cron для типа CronSchedule. Установите значение "Повторение" для типа RecurrenceSchedule.	"Cron" "Повторение" (обязательно)
startTime	Указывает время начала расписания в формате ISO 8601.	струна
часовой пояс	Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows.	струна

Сезонность

Имя	Описание	Ценность
режим	Установите значение Auto для типа autoSeasonality. Установите значение Custom для типа CustomSeasonality.	"Авто" "Custom" (обязательный)

StackEnsembleSettings

Имя	Описание	Ценность
stackMetaLearnerKWargs	Необязательные параметры для передачи инициализатору метаучителя.	любой
stackMetaLearnerTrainPercentage	Указывает пропорцию обучающего набора (при выборе типа обучения и проверки обучения), зарезервированного для обучения метаучителя. Значение по умолчанию — 0.2.	int
stackMetaLearnerType	Метаобучатель — это модель, обученная на выходных данных отдельных разнородных моделей.	ElasticNet "ElasticNetCV" LightGBMClassifier LightGBMRegressor "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "Нет"

SweepJob

Имя	Описание	Ценность
ранняятерминация	Политики раннего завершения позволяют отменять низкопроизводительные запуски до их завершения	EarlyTerminationPolicy
Входы	Сопоставление входных привязок данных, используемых в задании.	SweepJobInputs
jobType	[Обязательный] Указывает тип задания.	"Очистка" (обязательно)
Ограничения	Ограничение задания очистки.	SweepJobLimits
объективный	[Обязательный] Цель оптимизации.	Objective (обязательно)
Выходы	Сопоставление привязок выходных данных, используемых в задании.	SweepJobOutputs
выборкаAlgorithm	[Обязательный] Алгоритм выборки гиперпараметров	ВыборкаAlgorithm (обязательно)
searchSpace	[Обязательный] Словарь, содержащий каждый параметр и его распределение. Ключ словаря — это имя параметра	любой (обязательный)
испытание	[Обязательный] Определение компонента пробной версии.	TrialComponent (обязательно)

SweepJobInputs

Имя	Описание	Ценность

SweepJobLimits

Имя	Описание	Ценность
jobLimitsType	[Обязательный] Тип JobLimit.	"Command" "Очистка" (обязательно)
maxConcurrentTrials	Максимальное число параллельных пробных версий задания очистки.	int
maxTotalTrials	Максимальное количество пробных версий заданий для очистки.	int
Времени ожидания	Максимальная длительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживается только длительность с точностью до секунд.	струна
trialTimeout	Значение времени ожидания пробной версии задания подметки.	струна

SweepJobOutputs

Имя	Описание	Ценность

TableVerticalDataSettings

Имя	Описание	Ценность
targetColumnName	[Обязательный] Имя целевого столбца: это столбец прогнозируемых значений. Также называется именем столбца метки в контексте задач классификации.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
testData	Проверка входных данных.	TestDataSettings
trainingData	[Обязательный] Входные данные обучения.	TrainingDataSettings (обязательно)
validationData	Входные данные проверки.	TableVerticalValidationDataSettings
weightColumnName	Имя столбца веса образца. Автоматизированное машинное обучение поддерживает взвешанный столбец в качестве входных данных, что приводит к тому, что строки в данных будут взвешированы вверх или вниз.	струна

TableVerticalFeaturizationSettings

Имя	Описание	Ценность
заблокированныеTransformers	Эти преобразователи не должны использоваться в признаках.	string[]
columnNameAndTypes	Словарь имени столбца и его типа (int, float, string, datetime и т. д.).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Язык набора данных, полезный для текстовых данных.	струна
dropColumns	Столбцы для удаления из данных во время признаков.	string[]
enableDnnFeaturization	Определяет, следует ли использовать признаки на основе Dnn для признаков данных.	bool
режим	Режим признаков . Пользователь может сохранить режим авто по умолчанию, и AutoML будет заботиться о необходимом преобразовании данных на этапе признаков. Если выбрано значение "Выкл.", то нет признаков. Если выбран параметр Custom, пользователь может указать дополнительные входные данные, чтобы настроить способ выполнения признаков.	"Авто" "Custom" "Выкл.
преобразовательParams	Пользователь может указать дополнительные преобразователи, которые будут использоваться вместе со столбцами, к которым он будет применяться, и параметрами для конструктора преобразователя.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Имя	Описание	Ценность

TableVerticalFeaturizationSettingsTransformerParams

Имя	Описание	Ценность

TableVerticalLimitSettings

Имя	Описание	Ценность
enableEarlyTermination	Включите досрочное завершение, определяет, будет ли autoMLJob завершаться рано, если в последних 20 итерациях не будет улучшена оценка.	bool
exitScore	Оценка выхода для задания AutoML.	int
maxConcurrentTrials	Максимальное число одновременных итераций.	int
maxCoresPerTrial	Максимальное число ядер на итерацию.	int
maxTrials	Количество итераций.	int
Времени ожидания	Время ожидания задания AutoML.	струна
trialTimeout	Время ожидания итерации.	струна

TableVerticalValidationDataSettings

Имя	Описание	Ценность
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	string[]
данные	Проверка данных MLTable.	MLTableJobInput
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossValidations
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	int

TargetLags

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoTargetLags. Установите значение Custom для типа CustomTargetLags.	"Авто" "Custom" (обязательный)

TargetRollingWindowSize

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoTargetRollingWindowSize. Установите значение Custom для типа CustomTargetRollingWindowSize.	"Авто" "Custom" (обязательный)

TensorFlow

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	TensorFlow (обязательный)
parameterServerCount	Количество задач сервера параметров.	int
workerCount	Число рабочих ролей. Если этот параметр не указан, по умолчанию используется число экземпляров.	int

TestDataSettings

Имя	Описание	Ценность
данные	Тестирование данных MLTable.	MLTableJobInput
testDataSize	Доля тестового набора данных, который необходимо отложить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	int

TextClassification

Имя	Описание	Ценность
dataSettings	Входные данные для AutoMLJob.	NlpVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
primaryMetric	Основная метрика для задачи Text-Classification.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextClassification (обязательный)

TextClassificationMultilabel

Имя	Описание	Ценность
dataSettings	Входные данные для AutoMLJob.	NlpVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextClassificationMultilabel (обязательный)

TextNer

Имя	Описание	Ценность
dataSettings	Входные данные для AutoMLJob.	NlpVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextNER (обязательно)

TrainingDataSettings

Имя	Описание	Ценность
данные	[Обязательный] Обучающие данные MLTable.	MLTableJobInput (обязательно)

TrainingSettings

Имя	Описание	Ценность
enableDnnTraining	Включите рекомендацию моделей DNN.	bool
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	bool
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	bool
enableStackEnsemble	Включите запуск ансамбля стека.	bool
enableVoteEnsemble	Включите запуск ансамбля голосования.	bool
ensembleModelDownloadTimeout	Во время создания модели VotingEnsemble и StackEnsemble скачиваются несколько встроенных моделей из предыдущих дочерних запусков. Настройте этот параметр с более высоким значением, чем 300 с, если требуется больше времени.	струна
stackEnsembleSettings	Параметры ансамбля стека для выполнения ансамбля стека.	StackEnsembleSettings

TrialComponent

Имя	Описание	Ценность
codeId	Идентификатор ресурса ARM ресурса ресурса кода.	струна
команда	[Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py"	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
распределение	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	distributionConfiguration
environmentId	[Обязательный] Идентификатор ресурса ARM спецификации среды для задания.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
environmentVariables	Переменные среды, включенные в задание.	TrialComponentEnvironmentVariables
ресурсы	Конфигурация вычислительных ресурсов для задания.	resourceConfiguration

TrialComponentEnvironmentVariables

Имя	Описание	Ценность

TritonModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	TritonModel (обязательный)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

TritonModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	TritonModel (обязательный)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

УсечениеSelectionPolicy

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	УсечениеSelection (обязательно)
усечениеPercentage	Процент выполнения для отмены по каждому интервалу оценки.	int

UriFileJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	UriFile (обязательный)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

UriFileJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	UriFile (обязательный)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

UriFolderJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	UriFolder (обязательно)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

UriFolderJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	UriFolder (обязательно)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

UserIdentity

Имя	Описание	Ценность
identityType	[Обязательный] Указывает тип платформы удостоверений.	UserIdentity (обязательно)

Шаблоны быстрого запуска

Следующие шаблоны быстрого запуска развертывают этот тип ресурса.

Шаблон	Описание
создание задания классификации AutoML машинного обучения Azure развертывание	Этот шаблон создает задание классификации AutoML машинного обучения Azure, чтобы узнать лучшую модель прогнозирования того, будет ли клиент подписаться на фиксированный срок депозита с финансовым учреждением.
создание задания команды машинного обучения Azure развертывание	Этот шаблон создает задание команды машинного обучения Azure с помощью базового скрипта hello_world
создание задания "Очистка машинного обучения Azure" развертывание	Этот шаблон создает задание "Очистка машинного обучения Azure" для настройки гиперпараметра.

Определение ресурса Terraform (поставщик AzAPI)

Тип ресурса рабочих областей и заданий можно развернуть с помощью операций, предназначенных для следующих задач:

• групп ресурсов

Список измененных свойств в каждой версии API см. в журнала изменений.

Формат ресурса

Чтобы создать ресурс Microsoft.MachineLearningServices/workspaces/jobs, добавьте следующий объект Terraform в шаблон.

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

Объекты сезонности

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

{
  mode = "Auto"
}

Для пользовательскихиспользуйте:

{
  mode = "Custom"
  value = int
}

Объекты JobOutput

Задайте свойство jobOutputType, чтобы указать тип объекта.

Для CustomModelиспользуйте:

{
  jobOutputType = "CustomModel"
  mode = "string"
  uri = "string"
}

Для MLFlowModelиспользуйте:

{
  jobOutputType = "MLFlowModel"
  mode = "string"
  uri = "string"
}

Для MLTableиспользуйте:

{
  jobOutputType = "MLTable"
  mode = "string"
  uri = "string"
}

Для TritonModelиспользуйте:

{
  jobOutputType = "TritonModel"
  mode = "string"
  uri = "string"
}

Для UriFileиспользуйте:

{
  jobOutputType = "UriFile"
  mode = "string"
  uri = "string"
}

Для UriFolderиспользуйте:

{
  jobOutputType = "UriFolder"
  mode = "string"
  uri = "string"
}

Объекты IdentityConfiguration

Задайте свойство identityType, чтобы указать тип объекта.

Для AMLTokenиспользуйте:

{
  identityType = "AMLToken"
}

Для управляемыхиспользуйте:

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

Для UserIdentityиспользуйте:

{
  identityType = "UserIdentity"
}

Объекты AutoMLVertical

Задайте свойство taskType, чтобы указать тип объекта.

Для классификациииспользуйте:

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

Для прогнозированияиспользуйте:

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

Для ImageClassificationиспользуйте:

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

Для ImageClassificationMultilabelиспользуйте:

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

Для ImageInstanceSegmentationиспользуйте:

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

Для ImageObjectDetectionиспользуйте:

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

Для регрессиииспользуйте:

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

Для TextClassificationиспользуйте:

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

Для TextClassificationMultilabelиспользуйте:

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

Для TextNERиспользуйте:

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

Объекты JobInput

Задайте свойство jobInputType, чтобы указать тип объекта.

Для CustomModelиспользуйте:

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

Для литералаиспользуйте:

{
  jobInputType = "Literal"
  value = "string"
}

Для MLFlowModelиспользуйте:

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

Для MLTableиспользуйте:

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

Для TritonModelиспользуйте:

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

Для UriFileиспользуйте:

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

Для UriFolderиспользуйте:

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

Объекты TargetRollingWindowSize

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

{
  mode = "Auto"
}

Для пользовательскихиспользуйте:

{
  mode = "Custom"
  value = int
}

Объекты NCrossValidations

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

{
  mode = "Auto"
}

Для пользовательскихиспользуйте:

{
  mode = "Custom"
  value = int
}

Объекты ScheduleBase

Задайте свойство scheduleType, чтобы указать тип объекта.

Для Cronиспользуйте:

{
  expression = "string"
  scheduleType = "Cron"
}

Для повторенияиспользуйте:

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

Объекты JobBaseDetails

Задайте свойство jobType, чтобы указать тип объекта.

Для AutoMLиспользуйте:

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

Для команды используйте следующую команду:

{
  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
    }
  }
  resources = {
    instanceCount = int
    instanceType = "string"
    properties = {
      {customized property} = ?
    }
  }
}

Для конвейераиспользуйте:

{
  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 = ?
}

Для используйте:

{
  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
    }
  }
  samplingAlgorithm = {
    samplingAlgorithmType = "string"
    // For remaining properties, see SamplingAlgorithm objects
  }
  searchSpace = ?
  trial = {
    codeId = "string"
    command = "string"
    distribution = {
      distributionType = "string"
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId = "string"
    environmentVariables = {
      {customized property} = "string"
    }
    resources = {
      instanceCount = int
      instanceType = "string"
      properties = {
        {customized property} = ?
      }
    }
  }
}

Объекты DistributionConfiguration

Задайте свойство distributionType, чтобы указать тип объекта.

Для Mpiиспользуйте:

{
  distributionType = "Mpi"
  processCountPerInstance = int
}

Для PyTorchиспользуйте:

{
  distributionType = "PyTorch"
  processCountPerInstance = int
}

Для TensorFlowиспользуйте:

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

Объекты ВыборкиAlgorithm

Задайте свойство выборкиAlgorithmType, чтобы указать тип объекта.

Для Байезианаиспользуйте:

{
  samplingAlgorithmType = "Bayesian"
}

Для сеткииспользуйте:

{
  samplingAlgorithmType = "Grid"
}

Для случайныхиспользуйте:

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

Объекты EarlyTerminationPolicy

Задайте свойство policyType, чтобы указать тип объекта.

Для Banditиспользуйте:

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

Для MedianStoppingиспользуйте:

{
  policyType = "MedianStopping"
}

Для TruncationSelectionиспользуйте:

{
  policyType = "TruncationSelection"
  truncationPercentage = int
}

Объекты TargetLags

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

{
  mode = "Auto"
}

Для пользовательскихиспользуйте:

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

Объекты ForecastHorizon

Задайте свойство режима, чтобы указать тип объекта.

Для автоматическогоиспользуйте:

{
  mode = "Auto"
}

Для пользовательскихиспользуйте:

{
  mode = "Custom"
  value = int
}

Значения свойств

AmlToken

Имя	Описание	Ценность
identityType	[Обязательный] Указывает тип платформы удостоверений.	AMLToken (обязательно)

AutoForecastHorizon

Имя	Описание	Ценность
режим	[Обязательный] Задайте режим выбора значения горизонта прогнозирования.	"Авто" (обязательно)

AutoMLJob

Имя	Описание	Ценность
environmentId	Идентификатор ресурса ARM спецификации среды для задания. Это необязательное значение для предоставления, если оно не указано, AutoML по умолчанию используется для рабочей версии курируемой среды AutoML при выполнении задания.	струна
environmentVariables	Переменные среды, включенные в задание.	AutoMLJobEnvironmentVariables
jobType	[Обязательный] Указывает тип задания.	AutoML (обязательно)
Выходы	Сопоставление привязок выходных данных, используемых в задании.	AutoMLJobOutputs
ресурсы	Конфигурация вычислительных ресурсов для задания.	resourceConfiguration
taskDetails	[Обязательный] Это сценарий, который может быть одним из таблиц/ NLP/Image	AutoMLVertical (обязательно)

AutoMLJobEnvironmentVariables

Имя	Описание	Ценность

AutoMLJobOutputs

Имя	Описание	Ценность

AutoMLVertical

Имя	Описание	Ценность
logVerbosity	Подробность журнала для задания.	"Критический" "Отладка" "Ошибка" "Info" NotSet Предупреждение
taskType	Установите значение "Классификация" для классификации типов. Установите значение "Прогнозирование" для типа прогнозирования. Установите значение ImageClassification для типа ImageClassification. Установите значение ImageClassificationMultilabel для типа ImageClassificationMultilabel. Установите значение ImageInstanceSegmentation для типа ImageInstanceSegmentation. Установите значение ImageObjectDetection для типа ImageObjectDetection. Установите значение "Регрессия" для регрессии типа. Установите значение TextClassification для типа TextClassification. Установите значение TextClassificationMultilabel для типа TextClassificationMultilabel. Установите значение TextNER для типа TextNer.	"Классификация" "Прогнозирование" ImageClassification ImageClassificationMultilabel "ImageInstanceSegmentation" ImageObjectDetection Регрессия TextClassification TextClassificationMultilabel TextNER (обязательно)

AutoNCrossValidations

Имя	Описание	Ценность
режим	[Обязательный] Режим определения проверок N-Cross.	"Авто" (обязательно)

Автосесональность

Имя	Описание	Ценность
режим	[Обязательный] Режим сезонности.	"Авто" (обязательно)

AutoTargetLags

Имя	Описание	Ценность
режим	[Обязательный] Настройка режима задержки целевых объектов — автоматическое или настраиваемое	"Авто" (обязательно)

AutoTargetRollingWindowSize

Имя	Описание	Ценность
режим	[Обязательный] Режим обнаружения TargetRollingWindowSiz.	"Авто" (обязательно)

BanditPolicy

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	"Банда" (обязательно)
slackAmount	Абсолютное расстояние, допустимое от оптимального выполнения.	int
slackFactor	Соотношение допустимого расстояния от оптимального выполнения.	int

BayesianSamplingAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	Байесян (обязательный)

Классификация

Имя	Описание	Ценность
allowedModels	Разрешенные модели для задачи классификации.	Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" 'GradientBoosting' KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier"
заблокированныеmodels	Заблокированные модели для задачи классификации.	Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" 'GradientBoosting' KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier"
dataSettings	Входные данные для AutoMLJob.	TableVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
primaryMetric	Первичная метрика для задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
taskType	[Обязательный] Тип задачи для AutoMLJob.	"Классификация" (обязательно)
trainingSettings	Входные данные для этапа обучения для задания AutoML.	TrainingSettings

ColumnTransformer

Имя	Описание	Ценность
Поля	Поля для применения логики преобразователя.	string[]
Параметры	Различные свойства, передаваемые преобразователю. Ожидается, что входные данные — это словарь пар "ключ", "значение" в формате JSON.	любой

CommandJob

Имя	Описание	Ценность
codeId	Идентификатор ресурса ARM ресурса ресурса кода.	струна
команда	[Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py"	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
распределение	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	distributionConfiguration
environmentId	[Обязательный] Идентификатор ресурса ARM спецификации среды для задания.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
environmentVariables	Переменные среды, включенные в задание.	CommandJobEnvironmentVariables
Входы	Сопоставление входных привязок данных, используемых в задании.	CommandJobInputs
jobType	[Обязательный] Указывает тип задания.	"Command" (обязательный)
Ограничения	Ограничение задания команд.	CommandJobLimits
Выходы	Сопоставление привязок выходных данных, используемых в задании.	CommandJobOutputs
ресурсы	Конфигурация вычислительных ресурсов для задания.	resourceConfiguration

CommandJobEnvironmentVariables

Имя	Описание	Ценность

CommandJobInputs

Имя	Описание	Ценность

CommandJobLimits

Имя	Описание	Ценность
jobLimitsType	[Обязательный] Тип JobLimit.	"Command" "Очистка" (обязательно)
Времени ожидания	Максимальная длительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживается только длительность с точностью до секунд.	струна

CommandJobOutputs

Имя	Описание	Ценность

CronSchedule

Имя	Описание	Ценность
выражение	[Обязательный] Указывает выражение крона расписания. Выражение должно соответствовать формату NCronTab.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
scheduleType	[Обязательный] Указывает тип расписания	"Cron" (обязательно)

CustomForecastHorizon

Имя	Описание	Ценность
режим	[Обязательный] Задайте режим выбора значения горизонта прогнозирования.	"Custom" (обязательный)
ценность	[Обязательный] Прогноз значения горизонта.	int (обязательно)

CustomModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	CustomModel (обязательно)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

CustomModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	CustomModel (обязательно)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

CustomNCrossValidations

Имя	Описание	Ценность
режим	[Обязательный] Режим определения проверок N-Cross.	"Custom" (обязательный)
ценность	[Обязательный] Значение N-Cross validations.	int (обязательно)

CustomSeasonality

Имя	Описание	Ценность
режим	[Обязательный] Режим сезонности.	"Custom" (обязательный)
ценность	[Обязательный] Значение сезонности.	int (обязательно)

CustomTargetLags

Имя	Описание	Ценность
режим	[Обязательный] Настройка режима задержки целевых объектов — автоматическое или настраиваемое	"Custom" (обязательный)
Значения	[Обязательный] Задайте значения задержки целевых значений.	int[] (обязательно)

CustomTargetRollingWindowSize

Имя	Описание	Ценность
режим	[Обязательный] Режим обнаружения TargetRollingWindowSiz.	"Custom" (обязательный)
ценность	[Обязательный] Значение TargetRollingWindowSize.	int (обязательно)

DistributionConfiguration

Имя	Описание	Ценность
distributionType	Установите значение Mpi для типа Mpi. Установите значение PyTorch для типа PyTorch. Установите значение TensorFlow для типа TensorFlow.	"Mpi" "PyTorch" TensorFlow (обязательный)

EarlyTerminationPolicy

Имя	Описание	Ценность
delayEvaluation	Количество интервалов, с помощью которых необходимо отложить первую оценку.	int
evaluationInterval	Интервал (количество запусков) между оценками политики.	int
policyType	Установите значение "Bandit" для типа BanditPolicy. Установите значение MedianStopping для типа MedianStoppingPolicy. Задайте значение TruncationSelection для типа TruncationSelectionPolicy.	"Бандит" MedianStopping УсечениеSelection (обязательно)

ПрогнозHorizon

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoForecastHorizon. Установите значение Custom для типа CustomForecastHorizon.	"Авто" "Custom" (обязательный)

Прогнозирование

Имя	Описание	Ценность
allowedModels	Разрешенные модели для задачи прогнозирования.	Массив строк, содержащий любой из: 'Arimax' AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "СезоннаяAverage" "СезоннаяNaive" "ДИНАМ" 'TCNForecaster' "XGBoostRegressor"
заблокированныеmodels	Заблокированные модели для задачи прогнозирования.	Массив строк, содержащий любой из: 'Arimax' AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "СезоннаяAverage" "СезоннаяNaive" "ДИНАМ" 'TCNForecaster' "XGBoostRegressor"
dataSettings	Входные данные для AutoMLJob.	TableVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
forecastingSettings	Прогнозирование определенных входных данных задачи.	ForecastingSettings
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
primaryMetric	Основная метрика для задачи прогнозирования.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation'
taskType	[Обязательный] Тип задачи для AutoMLJob.	"Прогнозирование" (обязательно)
trainingSettings	Входные данные для этапа обучения для задания AutoML.	TrainingSettings

ПрогнозированиеSettings

Имя	Описание	Ценность
countryOrRegionForHolidays	Страна или регион для праздников для задач прогнозирования. Это должны быть коды стран и регионов ISO 3166, например "US" или "GB".	струна
cvStepSize	Число периодов между временем начала одного свертывания CV и следующего свертывания. Для Например, если CVStepSize = 3 для ежедневных данных, время источника для каждого свертывания будет три дня в стороне.	int
featureLags	Флаг для создания задержек для числовых функций с параметром auto или NULL.	"Авто" "Нет"
прогнозHorizon	Требуемый максимальный горизонт прогнозирования в единицах частоты временных рядов.	ForecastHorizon
частота	При прогнозировании этот параметр представляет период, с которым нужно, например ежедневно, еженедельно, ежегодно и т. д. Частота прогноза — это частота набора данных по умолчанию.	струна
Сезонность	Задайте сезонность временных рядов в качестве целого числа, кратного частоты ряда. Если для сезонности задано значение auto, он будет выводиться.	сезонности
shortSeriesHandlingConfig	Параметр, определяющий, как autoML должен обрабатывать короткие временные ряды.	"Авто" "Drop" "Нет" "Pad"
targetAggregateFunction	Функция, используемая для агрегирования целевого столбца временных рядов для соответствия заданной пользователем частоте. Если параметр TargetAggregateFunction задан, т. е. не "Нет", но параметр freq не задан, возникает ошибка. Возможные функции агрегирования целевых значений: sum, max, min и среднее.	"Max" "Среднее" "Min" "Нет" "Sum"
targetLags	Число прошлых периодов задержки от целевого столбца.	TargetLags
targetRollingWindowSize	Количество прошлых периодов, используемых для создания скользящего среднего окна целевого столбца.	TargetRollingWindowSize
timeColumnName	Имя столбца времени. Этот параметр требуется при прогнозировании для указания столбца datetime в входных данных, используемых для создания временных рядов и вывода его частоты.	струна
timeSeriesIdColumnNames	Имена столбцов, используемых для группировки таймерий. Его можно использовать для создания нескольких рядов. Если набор данных не определен, предполагается, что набор данных является одним временным рядом. Этот параметр используется с прогнозированием типа задачи.	string[]
useStl	Настройте декомпозицию STL целевого столбца временных рядов.	"Нет" "Сезон" 'SeasonTrend'

GridSamplingAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	Grid (обязательно)

IdentityConfiguration

Имя	Описание	Ценность
identityType	Установите значение AMLToken для типа AmlToken. Установите значение Managed для типа ManagedIdentity. Установите значение UserIdentity для типа UserIdentity.	AMLToken "Managed" (Управляемый) UserIdentity (обязательно)

ImageClassification

Имя	Описание	Ценность
dataSettings	[Обязательный] Коллекция зарегистрированных идентификаторов табличного набора данных и других параметров данных, необходимых для обучения и проверки моделей.	ImageVerticalDataSettings (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
primaryMetric	Основная метрика для оптимизации для этой задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageClassification (обязательный)

ImageClassificationMultilabel

Имя	Описание	Ценность
dataSettings	[Обязательный] Коллекция зарегистрированных идентификаторов табличного набора данных и других параметров данных, необходимых для обучения и проверки моделей.	ImageVerticalDataSettings (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsClassification
primaryMetric	Основная метрика для оптимизации для этой задачи.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsClassification[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageClassificationMultilabel (обязательный)

ImageInstanceSegmentation

Имя	Описание	Ценность
dataSettings	[Обязательный] Коллекция зарегистрированных идентификаторов табличного набора данных и других параметров данных, необходимых для обучения и проверки моделей.	ImageVerticalDataSettings (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsObjectDetection
primaryMetric	Основная метрика для оптимизации для этой задачи.	"MeanAveragePrecision"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageInstanceSegmentation (обязательно)

ImageLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	int
maxTrials	Максимальное число итераций AutoML.	int
Времени ожидания	Время ожидания задания AutoML.	струна

ImageModelDistributionSettingsClassification

Имя	Описание	Ценность
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
earlyStopping	Включите логику раннего остановки во время обучения.	струна
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationStep	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	струна
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	струна
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	струна
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	струна
оптимизатор	Тип оптимизатора. Должно быть либо "хем", "адам", либо "адам".	струна
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	струна
splitRatio	Если данные проверки не определены, это указывает коэффициент разделения для разделения обучение данных в случайных подмножествах обучения и проверки. Должен быть плавающей запятой в диапазоне [0, 1].	струна
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	струна
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	струна
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	струна
trainingCropSize	Размер обрезки изображения, входной в нейронную сеть для обучающего набора данных. Должно быть положительным целым числом.	струна
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	струна
validationCropSize	Размер обрезки изображения, входной в нейронную сеть для набора данных проверки. Должно быть положительным целым числом.	струна
validationResizeSize	Размер изображения, в который необходимо изменить размер перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	струна
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	струна
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	струна
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	струна
весеedLoss	Весовая потеря. Допустимые значения — 0 без потери веса. 1 для взвешаемой потери с sqrt. (class_weights). 2 для взвешаемой потери с class_weights. Должно быть 0 или 1 или 2.	струна

ImageModelDistributionSettingsObjectDetection

Имя	Описание	Ценность
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	струна
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	струна
boxDetectionsPerImage	Максимальное количество обнаружений на изображение для всех классов. Должно быть положительным целым числом. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
boxScoreThreshold	Во время вывода возвращаются только предложения с оценкой классификации больше, чем BoxScoreThreshold. Должен быть плавающей запятой в диапазоне[0, 1].	струна
распределённый	Следует ли использовать обучение распространителя.	струна
earlyStopping	Включите логику раннего остановки во время обучения.	струна
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	струна
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	струна
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	струна
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	струна
gradientAccumulationStep	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	струна
imageSize	Размер изображения для обучения и проверки. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	струна
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	струна
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	струна
maxSize	Максимальный размер изображения для перемасштабирования перед его добавлением в магистраль. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
minSize	Минимальный размер изображения, который необходимо перемасштабировать, прежде чем передавать его в магистраль. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
modelSize	Размер модели. Должен быть "маленький", "средний", "большой" или "xlarge". Примечание. Учебный запуск может попасть в OOM CUDA, если размер модели слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	струна
MultiScale	Включите многомасштабное изображение, изменив размер изображения по +/-50%. Примечание. Учебный запуск может попасть в OOM CUDA, если недостаточно памяти GPU. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	струна
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	струна
nmsIouThreshold	Пороговое значение ввода-вывода, используемое во время вывода в процессе последующей обработки NMS. Должен быть плавать в диапазоне [0, 1].	струна
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	струна
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	струна
оптимизатор	Тип оптимизатора. Должно быть либо "хем", "адам", либо "адам".	струна
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	струна
splitRatio	Если данные проверки не определены, это указывает коэффициент разделения для разделения обучение данных в случайных подмножествах обучения и проверки. Должен быть плавающей запятой в диапазоне [0, 1].	струна
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	струна
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	струна
tileGridSize	Размер сетки, используемый для размещения каждого изображения. Примечание. TileGridSize не должно быть Нет, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tileOverlapRatio	Коэффициент перекрытия между смежными плитками в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tilePredictionsNmsThreshold	Пороговое значение IOU для выполнения NMS при слиянии прогнозов из плиток и изображений. Используется в проверке или выводе. Должен быть плавать в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. NMS: не максимальное подавление	струна
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	струна
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	струна
validationIouThreshold	Пороговое значение IOU для использования при вычислении метрики проверки. Должен быть плавать в диапазоне [0, 1].	струна
validationMetricType	Метод вычисления метрик, используемый для метрик проверки. Должно быть "none", "coco", "voc" или "coco_voc".	струна
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	струна
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	струна
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	струна

ImageModelSettingsClassification

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	bool
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
контрольная точкаDatasetId	Идентификатор FileDataset для предварительно обученных контрольных точек для добавочного обучения. Обязательно передайте имя контрольного файла вместе с CheckpointDatasetId.	струна
checkpointFilename	Предварительно обученное имя файла контрольной точки в FileDataset для добавочного обучения. Обязательно передайте Контрольную точкуDatasetId вместе с checkpointFilename.	струна
контрольная точкаFrequency	Частота хранения контрольных точек модели. Должно быть положительным целым числом.	int
контрольная точкаRunId	Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения.	струна
распределённый	Следует ли использовать распределенное обучение.	bool
earlyStopping	Включите логику раннего остановки во время обучения.	bool
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	int
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	int
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	bool
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	int
gradientAccumulationStep	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	int
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	int
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	int
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	int
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	bool
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	int
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	int
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	int
splitRatio	Если данные проверки не определены, это указывает коэффициент разделения для разделения обучение данных в случайных подмножествах обучения и проверки. Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	int
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	int
trainingCropSize	Размер обрезки изображения, входной в нейронную сеть для обучающего набора данных. Должно быть положительным целым числом.	int
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	int
validationCropSize	Размер обрезки изображения, входной в нейронную сеть для набора данных проверки. Должно быть положительным целым числом.	int
validationResizeSize	Размер изображения, в который необходимо изменить размер перед обрезкой для набора данных проверки. Должно быть положительным целым числом.	int
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	int
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	int
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	int
весеedLoss	Весовая потеря. Допустимые значения — 0 без потери веса. 1 для взвешаемой потери с sqrt. (class_weights). 2 для взвешаемой потери с class_weights. Должно быть 0 или 1 или 2.	int

ImageModelSettingsObjectDetection

Имя	Описание	Ценность
advancedSettings	Параметры для расширенных сценариев.	струна
amsGradient	Включите AMSGrad, если оптимизатор является "адам" или "адамв".	bool
расширение	Параметры для использования расширения.	струна
beta1	Значение "beta1", если оптимизатор имеет значение "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
beta2	Значение "beta2", когда оптимизатор является "адам" или "адамв". Должен быть плавающей запятой в диапазоне [0, 1].	int
boxDetectionsPerImage	Максимальное количество обнаружений на изображение для всех классов. Должно быть положительным целым числом. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
boxScoreThreshold	Во время вывода возвращаются только предложения с оценкой классификации больше, чем BoxScoreThreshold. Должен быть плавающей запятой в диапазоне[0, 1].	int
контрольная точкаDatasetId	Идентификатор FileDataset для предварительно обученных контрольных точек для добавочного обучения. Обязательно передайте имя контрольного файла вместе с CheckpointDatasetId.	струна
checkpointFilename	Предварительно обученное имя файла контрольной точки в FileDataset для добавочного обучения. Обязательно передайте Контрольную точкуDatasetId вместе с checkpointFilename.	струна
контрольная точкаFrequency	Частота хранения контрольных точек модели. Должно быть положительным целым числом.	int
контрольная точкаRunId	Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения.	струна
распределённый	Следует ли использовать распределенное обучение.	bool
earlyStopping	Включите логику раннего остановки во время обучения.	bool
earlyStoppingDelay	Минимальное количество эпох или оценки проверки, которые следует ожидать до улучшения первичной метрики отслеживается для раннего остановки. Должно быть положительным целым числом.	int
earlyStoppingPatience	Минимальное количество эпох или оценки проверки без первичного улучшения метрик до Выполнение остановлено. Должно быть положительным целым числом.	int
enableOnnxNormalization	Включите нормализацию при экспорте модели ONNX.	bool
evaluationFrequency	Частота для оценки набора данных проверки для получения показателей метрик. Должно быть положительным целым числом.	int
gradientAccumulationStep	Градиентное накопление означает выполнение настроенных шагов "GradAccumulationStep" без обновление весов модели при накоплении градиентов этих шагов, а затем использование накопленные градиенты для вычисления обновлений веса. Должно быть положительным целым числом.	int
imageSize	Размер изображения для обучения и проверки. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	int
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Должно быть положительным целым числом. Например, передача 2 в качестве значения для средства seresnext замораживание слоя0 и слоя1. Полный список моделей, поддерживаемых и подробных сведений о замораживании слоя, пожалуйста, см. статью /azure/machine-learning/how-to-auto-train-image-models.	int
LearningRate	Начальная скорость обучения. Должен быть плавающей запятой в диапазоне [0, 1].	int
learningRateScheduler	Тип планировщика скорости обучения. Должен быть "warmup_cosine" или "шаг".	"Нет" Шаг "WarmupCosine"
maxSize	Максимальный размер изображения для перемасштабирования перед его добавлением в магистраль. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
minSize	Минимальный размер изображения, который необходимо перемасштабировать, прежде чем передавать его в магистраль. Должно быть положительным целым числом. Примечание. Учебный запуск может попасть в OOM CUDA, если размер слишком велик. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
ModelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: /azure/machine-learning/how-to-auto-train-image-models.	струна
modelSize	Размер модели. Должен быть "маленький", "средний", "большой" или "xlarge". Примечание. Учебный запуск может попасть в OOM CUDA, если размер модели слишком велик. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	'ExtraLarge' "Большой" "Средний" "Нет" "Маленький"
импульс	Значение импульса, когда оптимизатор имеет значение "оптимизатор". Должен быть плавающей запятой в диапазоне [0, 1].	int
MultiScale	Включите многомасштабное изображение, изменив размер изображения по +/-50%. Примечание. Учебный запуск может попасть в OOM CUDA, если недостаточно памяти GPU. Примечание. Эти параметры поддерживаются только для алгоритма yolov5.	bool
нестеров	Включите nesterov, если оптимизатор имеет значение "хем".	bool
nmsIouThreshold	Пороговое значение ввода-вывода, используемое во время вывода в процессе последующей обработки NMS. Должен быть плавающей запятой в диапазоне [0, 1].	int
numberOfEpochs	Число эпох обучения. Должно быть положительным целым числом.	int
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.	int
оптимизатор	Тип оптимизатора.	"Адам" "Адамв" "Нет" "Хем"
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.	int
splitRatio	Если данные проверки не определены, это указывает коэффициент разделения для разделения обучение данных в случайных подмножествах обучения и проверки. Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRGamma	Значение гамма, если планировщик скорости обучения — "шаг". Должен быть плавающей запятой в диапазоне [0, 1].	int
stepLRStepSize	Значение размера шага при планировании скорости обучения — "шаг". Должно быть положительным целым числом.	int
tileGridSize	Размер сетки, используемый для размещения каждого изображения. Примечание. TileGridSize не должно быть Нет, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	струна
tileOverlapRatio	Коэффициент перекрытия между смежными плитками в каждом измерении. Должен быть плавать в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
tilePredictionsNmsThreshold	Пороговое значение IOU для выполнения NMS при слиянии прогнозов из плиток и изображений. Используется в проверке или выводе. Должен быть плавать в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5.	int
trainingBatchSize	Размер пакета обучения. Должно быть положительным целым числом.	int
validationBatchSize	Размер пакета проверки. Должно быть положительным целым числом.	int
validationIouThreshold	Пороговое значение IOU для использования при вычислении метрики проверки. Должен быть плавать в диапазоне [0, 1].	int
validationMetricType	Метод вычисления метрик, используемый для метрик проверки.	"Коко" 'CocoVoc' "Нет" "Voc"
warmupCosineLRCycles	Значение косинусного цикла при планировании скорости обучения — "warmup_cosine". Должен быть плавающей запятой в диапазоне [0, 1].	int
warmupCosineLRWarmupEpochs	Значение эпохи нагревания при планировании скорости обучения — "warmup_cosine". Должно быть положительным целым числом.	int
weightDecay	Значение распада веса, если оптимизатор имеет значение "оптимизатор", "адам" или "адамв". Должен быть плавающей запятой в диапазоне[0, 1].	int

ImageObjectDetection

Имя	Описание	Ценность
dataSettings	[Обязательный] Коллекция зарегистрированных идентификаторов табличного набора данных и других параметров данных, необходимых для обучения и проверки моделей.	ImageVerticalDataSettings (обязательно)
limitSettings	[Обязательный] Ограничение параметров для задания AutoML.	ImageLimitSettings (обязательно)
modelSettings	Параметры, используемые для обучения модели.	ImageModelSettingsObjectDetection
primaryMetric	Основная метрика для оптимизации для этой задачи.	"MeanAveragePrecision"
searchSpace	Поиск места для выборки различных сочетаний моделей и их гиперпараметров.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Очистка модели и гиперпараметры, связанные с параметрами.	ImageSweepSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	ImageObjectDetection (обязательно)

ImageSweepLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число одновременных итераций для базового задания Очистки.	int
maxTrials	Максимальное количество итераций для базового задания Очистки.	int

ImageSweepSettings

Имя	Описание	Ценность
ранняятерминация	Тип политики раннего завершения.	EarlyTerminationPolicy
Ограничения	[Обязательный] Ограничение параметров для очистки модели и гиперпараметра.	ImageSweepLimitSettings (обязательно)
выборкаAlgorithm	[Обязательный] Тип алгоритмов выборки гиперпараметров.	"Байезиан" "Сетка" "Случайный" (обязательный)

ImageVerticalDataSettings

Имя	Описание	Ценность
targetColumnName	[Обязательный] Имя целевого столбца: это столбец прогнозируемых значений. Также называется именем столбца метки в контексте задач классификации.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
testData	Проверка входных данных.	TestDataSettings
trainingData	[Обязательный] Входные данные обучения.	TrainingDataSettings (обязательно)
validationData	Параметры для набора данных проверки.	ImageVerticalValidationDataSettings

ImageVerticalValidationDataSettings

Имя	Описание	Ценность
данные	Проверка данных MLTable.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	int

JobBaseDetails

Имя	Описание	Ценность
computeId	Идентификатор ресурса ARM вычислительного ресурса.	струна
описание	Текст описания ресурса.	струна
displayName	Отображаемое имя задания.	струна
experimentName	Имя эксперимента, к которому принадлежит задание. Если задание не задано, задание помещается в эксперимент по умолчанию.	струна
тождество	Конфигурация удостоверения. Если задано, это должен быть один из AmlToken, ManagedIdentity, UserIdentity или NULL. По умолчанию AmlToken имеет значение NULL.	IdentityConfiguration
isArchived	Архивируется ли ресурс?	bool
jobType	Установите значение AutoML для типа AutoMLJob. Задайте для типа command CommandJob. Установите значение Pipeline для типа PipelineJob. Установите значение "Sweep" для типа SweepJob.	AutoML "Command" Конвейер "Очистка" (обязательно)
свойства	Словарь свойств ресурса.	ResourceBaseProperties
расписание	Планирование определения задания. Если расписание не указано, задание выполняется один раз и сразу после отправки.	ScheduleBase
Услуги	Список заданий. Для локальных заданий конечная точка задания будет иметь значение конечной точки FileStreamObject.	JobBaseServices
Теги	Словарь тегов. Теги можно добавлять, удалять и обновлять.	ResourceBaseTags

JobBaseServices

Имя	Описание	Ценность

JobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	Установите значение CustomModel для типа CustomModelJobInput. Задайте значение "Литерал" для типа ЛитералJobInput. Установите значение MLFlowModel для типа MLFlowModelJobInput. Установите значение MLTable для типа MLTableJobInput. Установите значение TritonModel для типа TritonModelJobInput. Установите значение UriFile для типа UriFileJobInput. Установите значение UriFolder для типа UriFolderJobInput.	CustomModel "Литерал" MLFlowModel MLTable "TritonModel" UriFile UriFolder (обязательно)

JobOutput

Имя	Описание	Ценность
описание	Описание выходных данных.	струна
jobOutputType	Установите значение CustomModel для типа CustomModelJobOutput. Установите значение MLFlowModel для типа MLFlowModelJobOutput. Установите значение MLTable для типа MLTableJobOutput. Установите значение TritonModel для типа TritonModelJobOutput. Установите значение UriFile для типа UriFileJobOutput. Установите значение UriFolder для типа UriFolderJobOutput.	CustomModel MLFlowModel MLTable "TritonModel" UriFile UriFolder (обязательно)

JobService

Имя	Описание	Ценность
конечная точка	URL-адрес конечной точки.	струна
jobServiceType	Тип конечной точки.	струна
порт	Порт для конечной точки.	int
свойства	Дополнительные свойства, заданные в конечной точке.	JobServiceProperties

JobServiceProperties

Имя	Описание	Ценность

ЛитералJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	"Литерал" (обязательно)
ценность	[Обязательный] Литеральное значение для входных данных.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

ManagedIdentity

Имя	Описание	Ценность
clientId	Указывает назначаемое пользователем удостоверение по идентификатору клиента. Для назначаемого системой не устанавливайте это поле.	струна Ограничения целостности: Минимальная длина = 36 Максимальная длина = 36 Pattern = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identityType	[Обязательный] Указывает тип платформы удостоверений.	Managed (обязательный)
objectId	Указывает назначаемое пользователем удостоверение по идентификатору объекта. Для назначаемого системой не устанавливайте это поле.	струна Ограничения целостности: Минимальная длина = 36 Максимальная длина = 36 Pattern = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId	Указывает удостоверение, назначаемое пользователем, по идентификатору ресурса ARM. Для назначаемого системой не устанавливайте это поле.	струна

MedianStoppingPolicy

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	MedianStopping (обязательно)

Microsoft.MachineLearningServices/workspaces/jobs

Имя	Описание	Ценность
имя	Имя ресурса	струна Ограничения целостности: Pattern = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (обязательно)
parent_id	Идентификатор ресурса, который является родительским для этого ресурса.	Идентификатор ресурса типа: рабочих областей
свойства	[Обязательный] Дополнительные атрибуты сущности.	JobBaseDetails (обязательно)
тип	Тип ресурса	"Microsoft.MachineLearningServices/workspaces/jobs@2022-02-01-preview"

MLFlowModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	MLFlowModel (обязательный)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLFlowModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	MLFlowModel (обязательный)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

MLTableJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	MLTable (обязательно)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLTableJobInput

Имя	Описание	Ценность
описание	Описание входных данных.	струна
jobInputType	[Обязательный] Указывает тип задания.	CustomModel "Литерал" MLFlowModel MLTable "TritonModel" UriFile UriFolder (обязательно)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

MLTableJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	MLTable (обязательно)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

Mpi

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	Mpi (обязательно)
processCountPerInstance	Количество процессов на узел MPI.	int

NCrossValidations

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoNCrossValidations. Установите значение Custom для типа CustomNCrossValidations.	"Авто" "Custom" (обязательный)

NlpVerticalDataSettings

Имя	Описание	Ценность
targetColumnName	[Обязательный] Имя целевого столбца: это столбец прогнозируемых значений. Также называется именем столбца метки в контексте задач классификации.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
testData	Проверка входных данных.	TestDataSettings
trainingData	[Обязательный] Входные данные обучения.	TrainingDataSettings (обязательно)
validationData	Входные данные проверки.	NlpVerticalValidationDataSettings

NlpVerticalFeaturizationSettings

Имя	Описание	Ценность
datasetLanguage	Язык набора данных, полезный для текстовых данных.	струна

NlpVerticalLimitSettings

Имя	Описание	Ценность
maxConcurrentTrials	Максимальное число параллельных итераций AutoML.	int
maxTrials	Число итераций AutoML.	int
Времени ожидания	Время ожидания задания AutoML.	струна

NlpVerticalValidationDataSettings

Имя	Описание	Ценность
данные	Проверка данных MLTable.	MLTableJobInput
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	int

Объективный

Имя	Описание	Ценность
цель	[Обязательный] Определяет поддерживаемые цели метрик для настройки гиперпараметров	"Развернуть" "Свернуть" (обязательно)
primaryMetric	[Обязательный] Имя метрики для оптимизации.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

PipelineJob

Имя	Описание	Ценность
Входы	Входные данные для задания конвейера.	PipelineJobInputs
Рабочих мест	Задания создают задание конвейера.	PipelineJobJobs
jobType	[Обязательный] Указывает тип задания.	Pipeline (обязательный)
Выходы	Выходные данные для задания конвейера	PipelineJobOutputs
Параметры	Параметры конвейера, например ContinueRunOnStepFailure и т. д.	любой

PipelineJobInputs

Имя	Описание	Ценность

PipelineJobJobs

Имя	Описание	Ценность

PipelineJobOutputs

Имя	Описание	Ценность

PyTorch

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	PyTorch (обязательный)
processCountPerInstance	Количество процессов на узел.	int

RandomSamplingAlgorithm

Имя	Описание	Ценность
правило	Конкретный тип случайного алгоритма	"Случайный" 'Sobol'
выборкаAlgorithmType	[Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации	"Случайный" (обязательный)
семя	Необязательное целое число, используемое в качестве начального значения для случайного создания чисел	int

ПовторениеPattern

Имя	Описание	Ценность
Часов	[Обязательный] Список часов для шаблона расписания повторения	int[] (обязательно)
протокол	[Обязательный] Список минут для шаблона расписания повторения	int[] (обязательно)
будни	Список дней недели для шаблона расписания повторения	Массив строк, содержащий любой из: "Пятница" "Понедельник" "Суббота" "Воскресенье" "Четверг" "Вторник" "Среда"

ПовторениеSchedule

Имя	Описание	Ценность
частота	[Обязательный] Указывает частоту, с которой следует активировать расписание	"День" "Час" "Минута" "Месяц" "Неделя" (обязательно)
интервал	[Обязательный] Указывает интервал расписания в сочетании с частотой	int (обязательно)
рисунок	Указывает шаблон расписания повторения	Повторение
scheduleType	[Обязательный] Указывает тип расписания	"Повторение" (обязательно)

Регрессия

Имя	Описание	Ценность
allowedModels	Разрешенные модели для задачи регрессии.	Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor"
заблокированныеmodels	Заблокированные модели для задачи регрессии.	Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor"
dataSettings	Входные данные для AutoMLJob.	TableVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	TableVerticalFeaturizationSettings
limitSettings	Ограничения выполнения для AutoMLJob.	TableVerticalLimitSettings
primaryMetric	Основная метрика для задачи регрессии.	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation'
taskType	[Обязательный] Тип задачи для AutoMLJob.	Регрессия (обязательно)
trainingSettings	Входные данные для этапа обучения для задания AutoML.	TrainingSettings

ResourceBaseProperties

Имя	Описание	Ценность

ResourceBaseTags

Имя	Описание	Ценность

ResourceConfiguration

Имя	Описание	Ценность
instanceCount	Необязательное количество экземпляров или узлов, используемых целевым объектом вычислений.	int
instanceType	Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений.	струна
свойства	Дополнительные контейнеры свойств.	ResourceConfigurationProperties

ResourceConfigurationProperties

Имя	Описание	Ценность

ВыборкаAlgorithm

Имя	Описание	Ценность
выборкаAlgorithmType	Установите значение Bayesian для типа BayesianSamplingAlgorithm. Установите значение Grid для типа GridSamplingAlgorithm. Установите значение Random для типа RandomSamplingAlgorithm.	"Байезиан" "Сетка" "Случайный" (обязательный)

ScheduleBase

Имя	Описание	Ценность
endTime	Указывает время окончания расписания в формате ISO 8601. Если это не так, расписание будет выполняться на неопределенный срок	струна
scheduleStatus	Указывает состояние расписания	"Отключено" "Включено"
scheduleType	Установите значение Cron для типа CronSchedule. Установите значение "Повторение" для типа RecurrenceSchedule.	"Cron" "Повторение" (обязательно)
startTime	Указывает время начала расписания в формате ISO 8601.	струна
часовой пояс	Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows.	струна

Сезонность

Имя	Описание	Ценность
режим	Установите значение Auto для типа autoSeasonality. Установите значение Custom для типа CustomSeasonality.	"Авто" "Custom" (обязательный)

StackEnsembleSettings

Имя	Описание	Ценность
stackMetaLearnerKWargs	Необязательные параметры для передачи инициализатору метаучителя.	любой
stackMetaLearnerTrainPercentage	Указывает пропорцию обучающего набора (при выборе типа обучения и проверки обучения), зарезервированного для обучения метаучителя. Значение по умолчанию — 0.2.	int
stackMetaLearnerType	Метаобучатель — это модель, обученная на выходных данных отдельных разнородных моделей.	ElasticNet "ElasticNetCV" LightGBMClassifier LightGBMRegressor "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "Нет"

SweepJob

Имя	Описание	Ценность
ранняятерминация	Политики раннего завершения позволяют отменять низкопроизводительные запуски до их завершения	EarlyTerminationPolicy
Входы	Сопоставление входных привязок данных, используемых в задании.	SweepJobInputs
jobType	[Обязательный] Указывает тип задания.	"Очистка" (обязательно)
Ограничения	Ограничение задания очистки.	SweepJobLimits
объективный	[Обязательный] Цель оптимизации.	Objective (обязательно)
Выходы	Сопоставление привязок выходных данных, используемых в задании.	SweepJobOutputs
выборкаAlgorithm	[Обязательный] Алгоритм выборки гиперпараметров	ВыборкаAlgorithm (обязательно)
searchSpace	[Обязательный] Словарь, содержащий каждый параметр и его распределение. Ключ словаря — это имя параметра	любой (обязательный)
испытание	[Обязательный] Определение компонента пробной версии.	TrialComponent (обязательно)

SweepJobInputs

Имя	Описание	Ценность

SweepJobLimits

Имя	Описание	Ценность
jobLimitsType	[Обязательный] Тип JobLimit.	"Command" "Очистка" (обязательно)
maxConcurrentTrials	Максимальное число параллельных пробных версий задания очистки.	int
maxTotalTrials	Максимальное количество пробных версий заданий для очистки.	int
Времени ожидания	Максимальная длительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживается только длительность с точностью до секунд.	струна
trialTimeout	Значение времени ожидания пробной версии задания подметки.	струна

SweepJobOutputs

Имя	Описание	Ценность

TableVerticalDataSettings

Имя	Описание	Ценность
targetColumnName	[Обязательный] Имя целевого столбца: это столбец прогнозируемых значений. Также называется именем столбца метки в контексте задач классификации.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
testData	Проверка входных данных.	TestDataSettings
trainingData	[Обязательный] Входные данные обучения.	TrainingDataSettings (обязательно)
validationData	Входные данные проверки.	TableVerticalValidationDataSettings
weightColumnName	Имя столбца веса образца. Автоматизированное машинное обучение поддерживает взвешанный столбец в качестве входных данных, что приводит к тому, что строки в данных будут взвешированы вверх или вниз.	струна

TableVerticalFeaturizationSettings

Имя	Описание	Ценность
заблокированныеTransformers	Эти преобразователи не должны использоваться в признаках.	string[]
columnNameAndTypes	Словарь имени столбца и его типа (int, float, string, datetime и т. д.).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Язык набора данных, полезный для текстовых данных.	струна
dropColumns	Столбцы для удаления из данных во время признаков.	string[]
enableDnnFeaturization	Определяет, следует ли использовать признаки на основе Dnn для признаков данных.	bool
режим	Режим признаков . Пользователь может сохранить режим авто по умолчанию, и AutoML будет заботиться о необходимом преобразовании данных на этапе признаков. Если выбрано значение "Выкл.", то нет признаков. Если выбран параметр Custom, пользователь может указать дополнительные входные данные, чтобы настроить способ выполнения признаков.	"Авто" "Custom" "Выкл.
преобразовательParams	Пользователь может указать дополнительные преобразователи, которые будут использоваться вместе со столбцами, к которым он будет применяться, и параметрами для конструктора преобразователя.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Имя	Описание	Ценность

TableVerticalFeaturizationSettingsTransformerParams

Имя	Описание	Ценность

TableVerticalLimitSettings

Имя	Описание	Ценность
enableEarlyTermination	Включите досрочное завершение, определяет, будет ли autoMLJob завершаться рано, если в последних 20 итерациях не будет улучшена оценка.	bool
exitScore	Оценка выхода для задания AutoML.	int
maxConcurrentTrials	Максимальное число одновременных итераций.	int
maxCoresPerTrial	Максимальное число ядер на итерацию.	int
maxTrials	Количество итераций.	int
Времени ожидания	Время ожидания задания AutoML.	струна
trialTimeout	Время ожидания итерации.	струна

TableVerticalValidationDataSettings

Имя	Описание	Ценность
cvSplitColumnNames	Столбцы, используемые для данных CVSplit.	string[]
данные	Проверка данных MLTable.	MLTableJobInput
nCrossValidations	Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан.	NCrossValidations
validationDataSize	Доля обучающего набора данных, который необходимо выделить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	int

TargetLags

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoTargetLags. Установите значение Custom для типа CustomTargetLags.	"Авто" "Custom" (обязательный)

TargetRollingWindowSize

Имя	Описание	Ценность
режим	Установите значение Auto для типа AutoTargetRollingWindowSize. Установите значение Custom для типа CustomTargetRollingWindowSize.	"Авто" "Custom" (обязательный)

TensorFlow

Имя	Описание	Ценность
distributionType	[Обязательный] Указывает тип платформы распространения.	TensorFlow (обязательный)
parameterServerCount	Количество задач сервера параметров.	int
workerCount	Число рабочих ролей. Если этот параметр не указан, по умолчанию используется число экземпляров.	int

TestDataSettings

Имя	Описание	Ценность
данные	Тестирование данных MLTable.	MLTableJobInput
testDataSize	Доля тестового набора данных, который необходимо отложить для целей проверки. Значения между (0.0, 1.0) Применяется, если набор данных проверки не указан.	int

TextClassification

Имя	Описание	Ценность
dataSettings	Входные данные для AutoMLJob.	NlpVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
primaryMetric	Основная метрика для задачи Text-Classification.	"Точность" "AUCWeighted" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextClassification (обязательный)

TextClassificationMultilabel

Имя	Описание	Ценность
dataSettings	Входные данные для AutoMLJob.	NlpVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextClassificationMultilabel (обязательный)

TextNer

Имя	Описание	Ценность
dataSettings	Входные данные для AutoMLJob.	NlpVerticalDataSettings
featurizationSettings	Входные данные признаков, необходимые для задания AutoML.	NlpVerticalFeaturizationSettings
limitSettings	Ограничения выполнения для AutoMLJob.	NlpVerticalLimitSettings
taskType	[Обязательный] Тип задачи для AutoMLJob.	TextNER (обязательно)

TrainingDataSettings

Имя	Описание	Ценность
данные	[Обязательный] Обучающие данные MLTable.	MLTableJobInput (обязательно)

TrainingSettings

Имя	Описание	Ценность
enableDnnTraining	Включите рекомендацию моделей DNN.	bool
enableModelExplainability	Пометка для включения объяснимости для оптимальной модели.	bool
enableOnnxCompatibleModels	Флаг включения совместимых моделей onnx.	bool
enableStackEnsemble	Включите запуск ансамбля стека.	bool
enableVoteEnsemble	Включите запуск ансамбля голосования.	bool
ensembleModelDownloadTimeout	Во время создания модели VotingEnsemble и StackEnsemble скачиваются несколько встроенных моделей из предыдущих дочерних запусков. Настройте этот параметр с более высоким значением, чем 300 с, если требуется больше времени.	струна
stackEnsembleSettings	Параметры ансамбля стека для выполнения ансамбля стека.	StackEnsembleSettings

TrialComponent

Имя	Описание	Ценность
codeId	Идентификатор ресурса ARM ресурса ресурса кода.	струна
команда	[Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py"	струна Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] (обязательно)
распределение	Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL.	distributionConfiguration
environmentId	[Обязательный] Идентификатор ресурса ARM спецификации среды для задания.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)
environmentVariables	Переменные среды, включенные в задание.	TrialComponentEnvironmentVariables
ресурсы	Конфигурация вычислительных ресурсов для задания.	resourceConfiguration

TrialComponentEnvironmentVariables

Имя	Описание	Ценность

TritonModelJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	TritonModel (обязательный)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

TritonModelJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	TritonModel (обязательный)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

УсечениеSelectionPolicy

Имя	Описание	Ценность
policyType	[Обязательный] Имя конфигурации политики	УсечениеSelection (обязательно)
усечениеPercentage	Процент выполнения для отмены по каждому интервалу оценки.	int

UriFileJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	UriFile (обязательный)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

UriFileJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	UriFile (обязательный)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

UriFolderJobInput

Имя	Описание	Ценность
jobInputType	[Обязательный] Указывает тип задания.	UriFolder (обязательно)
режим	Режим доставки входных ресурсов.	'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount
ури	[Обязательный] URI входных ресурсов.	струна Ограничения целостности: Pattern = [a-zA-Z0-9_] (обязательно)

UriFolderJobOutput

Имя	Описание	Ценность
jobOutputType	[Обязательный] Указывает тип задания.	UriFolder (обязательно)
режим	Режим доставки выходных ресурсов.	ReadWriteMount "Отправить"
ури	URI выходного ресурса.	струна

UserIdentity

Имя	Описание	Ценность
identityType	[Обязательный] Указывает тип платформы удостоверений.	UserIdentity (обязательно)