Рабочие области Microsoft.MachineLearningServices/schedules 2023-08-01-preview
Определение ресурсов Bicep
Тип ресурса рабочих областей и расписаний можно развернуть с помощью операций, предназначенных для следующих операций:
- 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/schedules, добавьте следующий Bicep в шаблон.
resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2023-08-01-preview' = {
name: 'string'
parent: resourceSymbolicName
properties: {
action: {
actionType: 'string'
// For remaining properties, see ScheduleActionBase objects
}
description: 'string'
displayName: 'string'
isEnabled: bool
properties: {
{customized property}: 'string'
}
tags: {}
trigger: {
endTime: 'string'
startTime: 'string'
timeZone: 'string'
triggerType: 'string'
// For remaining properties, see TriggerBase objects
}
}
}
Объекты ScheduleActionBase
Задайте свойство actionType, чтобы указать тип объекта.
Для CreateJobиспользуйте:
actionType: 'CreateJob'
jobDefinition: {
componentId: 'string'
computeId: 'string'
description: 'string'
displayName: 'string'
experimentName: 'string'
identity: {
identityType: 'string'
// For remaining properties, see IdentityConfiguration objects
}
isArchived: bool
notificationSetting: {
emailOn: [
'string'
]
emails: [
'string'
]
webhooks: {
{customized property}: {
eventType: 'string'
webhookType: 'string'
// For remaining properties, see Webhook objects
}
}
}
properties: {
{customized property}: 'string'
}
secretsConfiguration: {
{customized property}: {
uri: 'string'
workspaceSecretName: 'string'
}
}
services: {
{customized property}: {
endpoint: 'string'
jobServiceType: 'string'
nodes: {
nodesValueType: 'string'
// For remaining properties, see Nodes objects
}
port: int
properties: {
{customized property}: 'string'
}
}
}
tags: {}
jobType: 'string'
// For remaining properties, see JobBaseProperties objects
}
Для CreateMonitorиспользуйте:
actionType: 'CreateMonitor'
monitorDefinition: {
alertNotificationSettings: {
emailNotificationSettings: {
emails: [
'string'
]
}
}
computeConfiguration: {
computeType: 'string'
// For remaining properties, see MonitorComputeConfigurationBase objects
}
monitoringTarget: {
deploymentId: 'string'
modelId: 'string'
taskType: 'string'
}
signals: {
{customized property}: {
notificationTypes: [
'string'
]
properties: {
{customized property}: 'string'
}
signalType: 'string'
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Для ImportDataиспользуйте:
actionType: 'ImportData'
dataImportDefinition: {
assetName: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
dataType: 'string'
dataUri: 'string'
description: 'string'
intellectualProperty: {
protectionLevel: 'string'
publisher: 'string'
}
isAnonymous: bool
isArchived: bool
properties: {
{customized property}: 'string'
}
source: {
connection: 'string'
sourceType: 'string'
// For remaining properties, see DataImportSource objects
}
stage: 'string'
tags: {}
}
Для InvokeBatchEndpointиспользуйте:
actionType: 'InvokeBatchEndpoint'
endpointInvocationDefinition: any()
Объекты JobBaseProperties
Задайте свойство jobType, чтобы указать тип объекта.
Для AutoMLиспользуйте:
jobType: 'AutoML'
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
queueSettings: {
jobTier: 'string'
priority: int
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
locations: [
'string'
]
maxInstanceCount: int
properties: {
{customized property}: any()
}
shmSize: 'string'
}
taskDetails: {
logVerbosity: 'string'
targetColumnName: 'string'
trainingData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
taskType: 'string'
// For remaining properties, see AutoMLVertical objects
}
Для команды используйте следующую команду:
jobType: 'Command'
autologgerSettings: {
mlflowAutologger: 'string'
}
codeId: 'string'
command: 'string'
distribution: {
distributionType: 'string'
// For remaining properties, see DistributionConfiguration objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
limits: {
jobLimitsType: 'string'
timeout: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
queueSettings: {
jobTier: 'string'
priority: int
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
locations: [
'string'
]
maxInstanceCount: int
properties: {
{customized property}: any()
}
shmSize: 'string'
}
Дляметок
jobType: 'Labeling'
dataConfiguration: {
dataId: 'string'
incrementalDataRefresh: 'string'
}
jobInstructions: {
uri: 'string'
}
labelCategories: {
{customized property}: {
classes: {
{customized property}: {
displayName: 'string'
subclasses: {
{customized property}: {}
}
}
displayName: 'string'
multiSelect: 'string'
}
}
labelingJobMediaProperties: {
mediaType: 'string'
// For remaining properties, see LabelingJobMediaProperties objects
}
mlAssistConfiguration: {
mlAssist: 'string'
// For remaining properties, see MLAssistConfiguration objects
}
Для конвейераиспользуйте:
jobType: 'Pipeline'
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
jobs: {
{customized property}: any()
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
settings: any()
sourceJobId: 'string'
Для Sparkиспользуйте:
jobType: 'Spark'
archives: [
'string'
]
args: 'string'
codeId: 'string'
conf: {
{customized property}: 'string'
}
entry: {
sparkJobEntryType: 'string'
// For remaining properties, see SparkJobEntry objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
files: [
'string'
]
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
jars: [
'string'
]
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
pyFiles: [
'string'
]
queueSettings: {
jobTier: 'string'
priority: int
}
resources: {
instanceType: 'string'
runtimeVersion: 'string'
}
Для
jobType: 'Sweep'
componentConfiguration: {
pipelineSettings: any()
}
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
limits: {
jobLimitsType: 'string'
maxConcurrentTrials: int
maxTotalTrials: int
timeout: 'string'
trialTimeout: 'string'
}
objective: {
goal: 'string'
primaryMetric: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
queueSettings: {
jobTier: 'string'
priority: int
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
locations: [
'string'
]
maxInstanceCount: int
properties: {
{customized property}: any()
}
shmSize: 'string'
}
samplingAlgorithm: {
samplingAlgorithmType: 'string'
// For remaining properties, see SamplingAlgorithm objects
}
searchSpace: any()
trial: {
codeId: 'string'
command: 'string'
distribution: {
distributionType: 'string'
// For remaining properties, see DistributionConfiguration objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
locations: [
'string'
]
maxInstanceCount: int
properties: {
{customized property}: any()
}
shmSize: 'string'
}
}
Объекты IdentityConfiguration
Задайте свойство identityType, чтобы указать тип объекта.
Для AMLTokenиспользуйте:
identityType: 'AMLToken'
Для управляемых
identityType: 'Managed'
clientId: 'string'
objectId: 'string'
resourceId: 'string'
Для UserIdentityиспользуйте:
identityType: 'UserIdentity'
Объекты веб-перехватчика
Задайте свойство webhookType
Для AzureDevOpsиспользуйте:
webhookType: 'AzureDevOps'
Объекты nodes
Задайте свойство nodesValueType, чтобы указать тип объекта.
Для всехиспользуйте:
nodesValueType: 'All'
Объекты JobOutput
Задайте свойство jobOutputType, чтобы указать тип объекта.
Для custom_modelиспользуйте:
jobOutputType: 'custom_model'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
Для mlflow_modelиспользуйте:
jobOutputType: 'mlflow_model'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
Для mltableиспользуйте:
jobOutputType: 'mltable'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
Для triton_modelиспользуйте:
jobOutputType: 'triton_model'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
Для uri_fileиспользуйте:
jobOutputType: 'uri_file'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
Для uri_folderиспользуйте:
jobOutputType: 'uri_folder'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
Объекты AutoMLVertical
Задайте свойство taskType, чтобы указать тип объекта.
Для классификациииспользуйте:
taskType: 'Classification'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
fixedParameters: {
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: int
maxBin: int
maxDepth: int
maxLeaves: int
minDataInLeaf: int
minSplitGain: int
modelName: 'string'
nEstimators: int
numLeaves: int
preprocessorName: 'string'
regAlpha: int
regLambda: int
subsample: int
subsampleFreq: int
treeMethod: 'string'
withMean: bool
withStd: bool
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxNodes: int
maxTrials: int
sweepConcurrentTrials: int
sweepTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
positiveLabel: 'string'
primaryMetric: 'string'
searchSpace: [
{
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: 'string'
maxBin: 'string'
maxDepth: 'string'
maxLeaves: 'string'
minDataInLeaf: 'string'
minSplitGain: 'string'
modelName: 'string'
nEstimators: 'string'
numLeaves: 'string'
preprocessorName: 'string'
regAlpha: 'string'
regLambda: 'string'
subsample: 'string'
subsampleFreq: 'string'
treeMethod: 'string'
withMean: 'string'
withStd: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
testData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
trainingSettings: {
allowedTrainingAlgorithms: [
'string'
]
blockedTrainingAlgorithms: [
'string'
]
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
trainingMode: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
Для прогнозированияиспользуйте:
taskType: 'Forecasting'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
fixedParameters: {
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: int
maxBin: int
maxDepth: int
maxLeaves: int
minDataInLeaf: int
minSplitGain: int
modelName: 'string'
nEstimators: int
numLeaves: int
preprocessorName: 'string'
regAlpha: int
regLambda: int
subsample: int
subsampleFreq: int
treeMethod: 'string'
withMean: bool
withStd: bool
}
forecastingSettings: {
countryOrRegionForHolidays: 'string'
cvStepSize: int
featureLags: 'string'
featuresUnknownAtForecastTime: [
'string'
]
forecastHorizon: {
mode: 'string'
// For remaining properties, see ForecastHorizon objects
}
frequency: 'string'
seasonality: {
mode: 'string'
// For remaining properties, see Seasonality objects
}
shortSeriesHandlingConfig: 'string'
targetAggregateFunction: 'string'
targetLags: {
mode: 'string'
// For remaining properties, see TargetLags objects
}
targetRollingWindowSize: {
mode: 'string'
// For remaining properties, see TargetRollingWindowSize objects
}
timeColumnName: 'string'
timeSeriesIdColumnNames: [
'string'
]
useStl: 'string'
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxNodes: int
maxTrials: int
sweepConcurrentTrials: int
sweepTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
primaryMetric: 'string'
searchSpace: [
{
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: 'string'
maxBin: 'string'
maxDepth: 'string'
maxLeaves: 'string'
minDataInLeaf: 'string'
minSplitGain: 'string'
modelName: 'string'
nEstimators: 'string'
numLeaves: 'string'
preprocessorName: 'string'
regAlpha: 'string'
regLambda: 'string'
subsample: 'string'
subsampleFreq: 'string'
treeMethod: 'string'
withMean: 'string'
withStd: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
testData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
trainingSettings: {
allowedTrainingAlgorithms: [
'string'
]
blockedTrainingAlgorithms: [
'string'
]
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
trainingMode: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
Для ImageClassificationиспользуйте:
taskType: 'ImageClassification'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
momentum: int
nesterov: bool
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
trainingBatchSize: int
trainingCropSize: int
validationBatchSize: int
validationCropSize: int
validationResizeSize: int
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
weightedLoss: int
}
primaryMetric: 'string'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
momentum: 'string'
nesterov: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
trainingBatchSize: 'string'
trainingCropSize: 'string'
validationBatchSize: 'string'
validationCropSize: 'string'
validationResizeSize: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
weightedLoss: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Для ImageClassificationMultilabelиспользуйте:
taskType: 'ImageClassificationMultilabel'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
momentum: int
nesterov: bool
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
trainingBatchSize: int
trainingCropSize: int
validationBatchSize: int
validationCropSize: int
validationResizeSize: int
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
weightedLoss: int
}
primaryMetric: 'string'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
momentum: 'string'
nesterov: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
trainingBatchSize: 'string'
trainingCropSize: 'string'
validationBatchSize: 'string'
validationCropSize: 'string'
validationResizeSize: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
weightedLoss: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Для ImageInstanceSegmentationиспользуйте:
taskType: 'ImageInstanceSegmentation'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
boxDetectionsPerImage: int
boxScoreThreshold: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
imageSize: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
logTrainingMetrics: 'string'
logValidationLoss: 'string'
maxSize: int
minSize: int
modelName: 'string'
modelSize: 'string'
momentum: int
multiScale: bool
nesterov: bool
nmsIouThreshold: int
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
tileGridSize: 'string'
tileOverlapRatio: int
tilePredictionsNmsThreshold: int
trainingBatchSize: int
validationBatchSize: int
validationIouThreshold: int
validationMetricType: 'string'
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
}
primaryMetric: 'MeanAveragePrecision'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
boxDetectionsPerImage: 'string'
boxScoreThreshold: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
imageSize: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
maxSize: 'string'
minSize: 'string'
modelName: 'string'
modelSize: 'string'
momentum: 'string'
multiScale: 'string'
nesterov: 'string'
nmsIouThreshold: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
tileGridSize: 'string'
tileOverlapRatio: 'string'
tilePredictionsNmsThreshold: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
validationIouThreshold: 'string'
validationMetricType: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Для ImageObjectDetectionиспользуйте:
taskType: 'ImageObjectDetection'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
boxDetectionsPerImage: int
boxScoreThreshold: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
imageSize: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
logTrainingMetrics: 'string'
logValidationLoss: 'string'
maxSize: int
minSize: int
modelName: 'string'
modelSize: 'string'
momentum: int
multiScale: bool
nesterov: bool
nmsIouThreshold: int
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
tileGridSize: 'string'
tileOverlapRatio: int
tilePredictionsNmsThreshold: int
trainingBatchSize: int
validationBatchSize: int
validationIouThreshold: int
validationMetricType: 'string'
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
}
primaryMetric: 'MeanAveragePrecision'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
boxDetectionsPerImage: 'string'
boxScoreThreshold: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
imageSize: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
maxSize: 'string'
minSize: 'string'
modelName: 'string'
modelSize: 'string'
momentum: 'string'
multiScale: 'string'
nesterov: 'string'
nmsIouThreshold: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
tileGridSize: 'string'
tileOverlapRatio: 'string'
tilePredictionsNmsThreshold: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
validationIouThreshold: 'string'
validationMetricType: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Для регрессиииспользуйте:
taskType: 'Regression'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
fixedParameters: {
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: int
maxBin: int
maxDepth: int
maxLeaves: int
minDataInLeaf: int
minSplitGain: int
modelName: 'string'
nEstimators: int
numLeaves: int
preprocessorName: 'string'
regAlpha: int
regLambda: int
subsample: int
subsampleFreq: int
treeMethod: 'string'
withMean: bool
withStd: bool
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxNodes: int
maxTrials: int
sweepConcurrentTrials: int
sweepTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
primaryMetric: 'string'
searchSpace: [
{
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: 'string'
maxBin: 'string'
maxDepth: 'string'
maxLeaves: 'string'
minDataInLeaf: 'string'
minSplitGain: 'string'
modelName: 'string'
nEstimators: 'string'
numLeaves: 'string'
preprocessorName: 'string'
regAlpha: 'string'
regLambda: 'string'
subsample: 'string'
subsampleFreq: 'string'
treeMethod: 'string'
withMean: 'string'
withStd: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
testData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
trainingSettings: {
allowedTrainingAlgorithms: [
'string'
]
blockedTrainingAlgorithms: [
'string'
]
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
trainingMode: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
Для TextClassificationиспользуйте:
taskType: 'TextClassification'
featurizationSettings: {
datasetLanguage: 'string'
}
fixedParameters: {
gradientAccumulationSteps: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: int
trainingBatchSize: int
validationBatchSize: int
warmupRatio: int
weightDecay: int
}
limitSettings: {
maxConcurrentTrials: int
maxNodes: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
primaryMetric: 'string'
searchSpace: [
{
gradientAccumulationSteps: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
warmupRatio: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
Для TextClassificationMultilabelиспользуйте:
taskType: 'TextClassificationMultilabel'
featurizationSettings: {
datasetLanguage: 'string'
}
fixedParameters: {
gradientAccumulationSteps: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: int
trainingBatchSize: int
validationBatchSize: int
warmupRatio: int
weightDecay: int
}
limitSettings: {
maxConcurrentTrials: int
maxNodes: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
searchSpace: [
{
gradientAccumulationSteps: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
warmupRatio: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
Для TextNERиспользуйте:
taskType: 'TextNER'
featurizationSettings: {
datasetLanguage: 'string'
}
fixedParameters: {
gradientAccumulationSteps: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: int
trainingBatchSize: int
validationBatchSize: int
warmupRatio: int
weightDecay: int
}
limitSettings: {
maxConcurrentTrials: int
maxNodes: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
searchSpace: [
{
gradientAccumulationSteps: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
warmupRatio: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
Объекты NCrossValidations
Задайте свойство режима, чтобы указать тип объекта.
Для автоматического
mode: 'Auto'
Для пользовательских
mode: 'Custom'
value: 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 ForecastHorizon
Задайте свойство режима, чтобы указать тип объекта.
Для автоматического
mode: 'Auto'
Для пользовательских
mode: 'Custom'
value: int
Объекты сезонности
Задайте свойство режима, чтобы указать тип объекта.
Для автоматического
mode: 'Auto'
Для пользовательских
mode: 'Custom'
value: int
Объекты TargetLags
Задайте свойство режима, чтобы указать тип объекта.
Для автоматического
mode: 'Auto'
Для пользовательских
mode: 'Custom'
values: [
int
]
Объекты TargetRollingWindowSize
Задайте свойство режима, чтобы указать тип объекта.
Для автоматического
mode: 'Auto'
Для пользовательских
mode: 'Custom'
value: int
Объекты DistributionConfiguration
Задайте свойство
Для Mpiиспользуйте:
distributionType: 'Mpi'
processCountPerInstance: int
Для PyTorchиспользуйте:
distributionType: 'PyTorch'
processCountPerInstance: int
Для Rayиспользуйте:
distributionType: 'Ray'
address: 'string'
dashboardPort: int
headNodeAdditionalArgs: 'string'
includeDashboard: bool
port: int
workerNodeAdditionalArgs: 'string'
Для TensorFlowиспользуйте:
distributionType: 'TensorFlow'
parameterServerCount: int
workerCount: int
Объекты JobInput
Задайте свойство jobInputType, чтобы указать тип объекта.
Для custom_modelиспользуйте:
jobInputType: 'custom_model'
mode: 'string'
uri: 'string'
Для литералаиспользуйте:
jobInputType: 'literal'
value: 'string'
Для mlflow_modelиспользуйте:
jobInputType: 'mlflow_model'
mode: 'string'
uri: 'string'
Для mltableиспользуйте:
jobInputType: 'mltable'
mode: 'string'
uri: 'string'
Для triton_modelиспользуйте:
jobInputType: 'triton_model'
mode: 'string'
uri: 'string'
Для uri_fileиспользуйте:
jobInputType: 'uri_file'
mode: 'string'
uri: 'string'
Для uri_folderиспользуйте:
jobInputType: 'uri_folder'
mode: 'string'
uri: 'string'
Объекты LabelingJobMediaProperties
Задайте свойство mediaType mediaType, чтобы указать тип объекта.
Для изображенияиспользуйте:
mediaType: 'Image'
annotationType: 'string'
Для текстовыхиспользуйте:
mediaType: 'Text'
annotationType: 'string'
Объекты MLAssistConfiguration
Задайте свойство mlAssist, чтобы указать тип объекта.
Для отключенныхиспользуйте:
mlAssist: 'Disabled'
Для включеноиспользуйте:
mlAssist: 'Enabled'
inferencingComputeBinding: 'string'
trainingComputeBinding: 'string'
Объекты SparkJobEntry
Задайте свойство sparkJobEntryType, чтобы указать тип объекта.
Для SparkJobPythonEntryиспользуйте:
sparkJobEntryType: 'SparkJobPythonEntry'
file: 'string'
Для SparkJobScalaEntryиспользуйте:
sparkJobEntryType: 'SparkJobScalaEntry'
className: 'string'
Объекты ВыборкиAlgorithm
Задайте свойство выборкиAlgorithmType, чтобы указать тип объекта.
Для Байезианаиспользуйте:
samplingAlgorithmType: 'Bayesian'
Для сеткииспользуйте:
samplingAlgorithmType: 'Grid'
Для случайныхиспользуйте:
samplingAlgorithmType: 'Random'
logbase: 'string'
rule: 'string'
seed: int
Объекты MonitorComputeConfigurationBase
Задайте свойство computeType, чтобы указать тип объекта.
Для ServerlessSparkиспользуйте:
computeType: 'ServerlessSpark'
computeIdentity: {
computeIdentityType: 'string'
// For remaining properties, see MonitorComputeIdentityBase objects
}
instanceType: 'string'
runtimeVersion: 'string'
Объекты MonitorComputeIdentityBase
Задайте свойство computeIdentityType, чтобы указать тип объекта.
Для AmlTokenиспользуйте:
computeIdentityType: 'AmlToken'
Для ManagedIdentityиспользуйте:
computeIdentityType: 'ManagedIdentity'
identity: {
type: 'string'
userAssignedIdentities: {
{customized property}: {}
}
}
Объекты MonitoringSignalBase
Задайте свойство signalType, чтобы указать тип объекта.
Для пользовательских
signalType: 'Custom'
componentId: 'string'
inputAssets: {
{customized property}: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
metricThresholds: [
{
metric: 'string'
threshold: {
value: int
}
}
]
workspaceConnection: {
environmentVariables: {
{customized property}: 'string'
}
secrets: {
{customized property}: 'string'
}
}
Для DataDriftиспользуйте:
signalType: 'DataDrift'
dataSegment: {
feature: 'string'
values: [
'string'
]
}
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: 'string'
}
features: {
filterType: 'string'
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see DataDriftMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Для DataQualityиспользуйте:
signalType: 'DataQuality'
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: 'string'
}
features: {
filterType: 'string'
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see DataQualityMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Для FeatureAttributionDriftиспользуйте:
signalType: 'FeatureAttributionDrift'
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: 'string'
}
metricThreshold: {
metric: 'NormalizedDiscountedCumulativeGain'
threshold: {
value: int
}
}
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Для GenerationSafetyQualityиспользуйте следующее:
signalType: 'GenerationSafetyQuality'
metricThresholds: [
{
metric: 'string'
threshold: {
value: int
}
}
]
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
samplingRate: int
workspaceConnectionId: 'string'
Для GenerationTokenStatisticsиспользуйте следующее:
signalType: 'GenerationTokenStatistics'
metricThresholds: [
{
metric: 'string'
threshold: {
value: int
}
}
]
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
samplingRate: int
Для ModelPerformanceиспользуйте:
signalType: 'ModelPerformance'
dataSegment: {
feature: 'string'
values: [
'string'
]
}
metricThreshold: {
threshold: {
value: int
}
modelType: 'string'
// For remaining properties, see ModelPerformanceMetricThresholdBase objects
}
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Для PredictionDriftиспользуйте:
signalType: 'PredictionDrift'
featureDataTypeOverride: {
{customized property}: 'string'
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Объекты MonitoringInputDataBase
Задайте свойство inputDataType, чтобы указать тип объекта.
Для фиксированныхиспользуйте:
inputDataType: 'Fixed'
Для Rollingиспользуйте:
inputDataType: 'Rolling'
preprocessingComponentId: 'string'
windowOffset: 'string'
windowSize: 'string'
Для статических
inputDataType: 'Static'
preprocessingComponentId: 'string'
windowEnd: 'string'
windowStart: 'string'
Объекты MonitoringFeatureFilterBase
Задайте свойство filterType, чтобы указать тип объекта.
Для AllFeaturesиспользуйте:
filterType: 'AllFeatures'
Для FeatureSubsetиспользуйте:
filterType: 'FeatureSubset'
features: [
'string'
]
Для TopNByAttributionиспользуйте:
filterType: 'TopNByAttribution'
top: int
Объекты DataDriftMetricThresholdBase
Задайте свойство dataType, чтобы указать тип объекта.
Для категориальных
dataType: 'Categorical'
metric: 'string'
Для числовых
dataType: 'Numerical'
metric: 'string'
Объекты DataQualityMetricThresholdBase
Задайте свойство dataType, чтобы указать тип объекта.
Для категориальных
dataType: 'Categorical'
metric: 'string'
Для числовых
dataType: 'Numerical'
metric: 'string'
Объекты ModelPerformanceMetricThresholdBase
Задайте свойство modelType, чтобы указать тип объекта.
Для классификациииспользуйте:
modelType: 'Classification'
metric: 'string'
Для регрессиииспользуйте:
modelType: 'Regression'
metric: 'string'
Объекты PredictionDriftMetricThresholdBase
Задайте свойство dataType, чтобы указать тип объекта.
Для категориальных
dataType: 'Categorical'
metric: 'string'
Для числовых
dataType: 'Numerical'
metric: 'string'
Объекты DataImportSource
Задайте свойство sourceType, чтобы указать тип объекта.
Для базы данныхиспользуйте:
sourceType: 'database'
query: 'string'
storedProcedure: 'string'
storedProcedureParams: [
{
{customized property}: 'string'
}
]
tableName: 'string'
Для file_systemиспользуйте:
sourceType: 'file_system'
path: 'string'
Объекты TriggerBase
Задайте свойство triggerType, чтобы указать тип объекта.
Для Cronиспользуйте:
triggerType: 'Cron'
expression: 'string'
Для повторенияиспользуйте:
triggerType: 'Recurrence'
frequency: 'string'
interval: int
schedule: {
hours: [
int
]
minutes: [
int
]
monthDays: [
int
]
weekDays: [
'string'
]
}
Значения свойств
рабочие области и расписания
| Имя | Описание | Ценность |
|---|---|---|
| имя | Имя ресурса Узнайте, как задать имена и типы дочерних ресурсов в Bicep. |
строка (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. | ScheduleProperties (обязательно) |
ScheduleProperties
| Имя | Описание | Ценность |
|---|---|---|
| действие | [Обязательный] Указывает действие расписания | ScheduleActionBase (обязательно) |
| описание | Текст описания ресурса. | струна |
| displayName | Отображаемое имя расписания. | струна |
| isEnabled | Включен ли расписание? | bool |
| свойства | Словарь свойств ресурса. | ResourceBaseProperties |
| Теги | Словарь тегов. Теги можно добавлять, удалять и обновлять. | объект |
| триггер | [Обязательный] Указывает сведения о триггере | TriggerBase (обязательно) |
ScheduleActionBase
| Имя | Описание | Ценность |
|---|---|---|
| actionType | Установка типа объекта |
CreateJob CreateMonitor ImportData InvokeBatchEndpoint (обязательно) |
JobScheduleAction
| Имя | Описание | Ценность |
|---|---|---|
| actionType | [Обязательный] Указывает тип действия расписания | CreateJob (обязательный) |
| jobDefinition | [Обязательный] Определяет сведения о определении действия расписания. | JobBaseProperties (обязательно) |
JobBaseProperties
| Имя | Описание | Ценность |
|---|---|---|
| componentId | Идентификатор ресурса ARM ресурса компонента. | струна |
| 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 |
| notificationSetting | Параметр уведомления для задания | NotificationSetting |
| свойства | Словарь свойств ресурса. | ResourceBaseProperties |
| secretConfiguration | Настройка секретов для доступности во время выполнения. | JobBaseSecretsConfiguration |
| 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. | объект |
| jobType | Установка типа объекта |
AutoML Команда метки конвейера Spark (обязательно) |
IdentityConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| identityType | Установка типа объекта |
AMLToken Управляемые UserIdentity (обязательно) |
AmlToken
| Имя | Описание | Ценность |
|---|---|---|
| identityType | [Обязательный] Указывает тип платформы удостоверений. | AMLToken (обязательно) |
ManagedIdentity
| Имя | Описание | Ценность |
|---|---|---|
| identityType | [Обязательный] Указывает тип платформы удостоверений. | Managed (обязательный) |
| 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}$ |
| 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 |
UserIdentity
| Имя | Описание | Ценность |
|---|---|---|
| identityType | [Обязательный] Указывает тип платформы удостоверений. | UserIdentity (обязательно) |
NotificationSetting
| Имя | Описание | Ценность |
|---|---|---|
| emailOn | Отправка уведомления электронной почты пользователю по указанному типу уведомлений | Массив строк, содержащий любой из: JobCancelled JobCompleted JobFailed |
| сообщения электронной почты | Это список получателей электронной почты с ограничением 499 символов в общей сложности с разделителем запятых | string[] |
| веб-перехватчики | Отправка обратного вызова веб-перехватчика в службу. Ключ — это имя, предоставленное пользователем для веб-перехватчика. | NotificationSettingWebhooks |
NotificationSettingWebhooks
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | веб-перехватчик |
Веб-перехватчик
| Имя | Описание | Ценность |
|---|---|---|
| eventType | Отправка обратного вызова на указанное событие уведомления | струна |
| webhookType | Установка типа объекта | AzureDevOps (обязательно) |
AzureDevOpsWebhook
| Имя | Описание | Ценность |
|---|---|---|
| webhookType | [Обязательный] Указывает тип службы для отправки обратного вызова. | AzureDevOps (обязательно) |
ResourceBaseProperties
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
JobBaseSecretsConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | SecretConfiguration |
SecretConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| ури | Универсальный код ресурса (URI секрета). Пример URI: https://myvault.vault.azure.net/secrets/mysecretname/secretversion |
струна |
| workspaceSecretName | Имя секрета в хранилище ключей рабочей области. | струна |
JobBaseServices
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobService |
JobService
| Имя | Описание | Ценность |
|---|---|---|
| конечная точка | URL-адрес конечной точки. | струна |
| jobServiceType | Тип конечной точки. | струна |
| Узлов | Узлы, на которые пользователь хочет запустить службу. Если узлы не заданы или заданы значение NULL, служба будет запущена только на узле лидера. |
узлов |
| порт | Порт для конечной точки, заданной пользователем. | int |
| свойства | Дополнительные свойства, заданные в конечной точке. | JobServiceProperties |
Узлов
| Имя | Описание | Ценность |
|---|---|---|
| nodesValueType | Установка типа объекта | Все (обязательно) |
AllNodes
| Имя | Описание | Ценность |
|---|---|---|
| nodesValueType | [Обязательный] Тип значения Nodes | "Все" (обязательно) |
JobServiceProperties
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
AutoMLJob
| Имя | Описание | Ценность |
|---|---|---|
| jobType | [Обязательный] Указывает тип задания. | AutoML (обязательно) |
| 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 |
| Выходы | Сопоставление привязок выходных данных, используемых в задании. | AutoMLJobOutputs |
| queueSettings | Параметры очереди для задания | QueueSettings |
| ресурсы | Конфигурация вычислительных ресурсов для задания. | JobResourceConfiguration |
| taskDetails | [Обязательный] Это сценарий, который может быть одним из таблиц/ NLP/Image | AutoMLVertical (обязательно) |
AutoMLJobEnvironmentVariables
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
AutoMLJobOutputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobOutput |
JobOutput
| Имя | Описание | Ценность |
|---|---|---|
| описание | Описание выходных данных. | струна |
| jobOutputType | Установка типа объекта |
custom_model mlflow_model mltable triton_model uri_file uri_folder (обязательно) |
CustomModelJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "custom_model" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | 'Direct' ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
AutoDeleteSetting
| Имя | Описание | Ценность |
|---|---|---|
| состояние | Когда необходимо проверить, истек ли срок действия ресурса | "CreatedGreaterThan" LastAccessedGreaterThan |
| ценность | Значение условия окончания срока действия. | струна |
MLFlowModelJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "mlflow_model" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | 'Direct' ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
MLTableJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "mltable" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | 'Direct' ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
TritonModelJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "triton_model" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | 'Direct' ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
UriFileJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "uri_file" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | 'Direct' ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
UriFolderJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "uri_folder" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | 'Direct' ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
QueueSettings
| Имя | Описание | Ценность |
|---|---|---|
| jobTier | Управляет уровнем заданий вычислений | "Базовый" "Null" "Премиум" "Spot" "Стандартный" |
| приоритет | Управляет приоритетом задания в вычислении. | int |
JobResourceConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| dockerArgs | Дополнительные аргументы для передачи команде запуска Docker. Это переопределит все параметры, которые уже были заданы системой или в этом разделе. Этот параметр поддерживается только для типов вычислений Машинного обучения Azure. | струна |
| instanceCount | Необязательное количество экземпляров или узлов, используемых целевым объектом вычислений. | int |
| instanceType | Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений. | струна |
| Местонахождения | Расположения, в которых задание может выполняться. | string[] |
| maxInstanceCount | Необязательное максимальное число экземпляров или узлов, используемых целевым объектом вычислений. Для использования с эластичным обучением в настоящее время поддерживается только типом распространения PyTorch. |
int |
| свойства | Дополнительные контейнеры свойств. | ResourceConfigurationProperties |
| shmSize | Размер общего блока памяти контейнера Docker. Это должно быть в формате (число)(единица), где число должно быть больше 0, а единица может быть одной из b(байтов), k(килобайтов), m(мегабайт) или g(g(gigabytes). | струна Ограничения целостности: Pattern = \d+[bBkKmMgG] |
ResourceConfigurationProperties
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | Для Bicep можно использовать функцию any(). |
AutoMLVertical
| Имя | Описание | Ценность |
|---|---|---|
| logVerbosity | Подробность журнала для задания. | "Критический" "Отладка" "Ошибка" "Info" NotSet Предупреждение |
| targetColumnName | Имя целевого столбца: это столбец прогнозируемых значений. Также называется именем столбца метки в контексте задач классификации. |
струна |
| trainingData | [Обязательный] Входные данные обучения. | MLTableJobInput (обязательно) |
| taskType | Установка типа объекта |
классификации прогнозирование ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection регрессии TextClassification TextClassificationMultilabel TextNER (обязательно) |
MLTableJobInput
| Имя | Описание | Ценность |
|---|---|---|
| описание | Описание входных данных. | струна |
| jobInputType | [Обязательный] Указывает тип задания. | "custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно) |
| режим | Режим доставки входных ресурсов. | 'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
Классификация
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | "Классификация" (обязательно) |
| cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | TableFixedParameters |
| limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан. |
NCrossValidations |
| positiveLabel | Положительная метка для вычисления двоичных метрик. | струна |
| primaryMetric | Первичная метрика для задачи. | "AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | TableParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | TableSweepSettings |
| testData | Проверка входных данных. | 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 |
| trainingSettings | Входные данные для этапа обучения для задания AutoML. | КлассификацияTrainingSettings |
| validationData | Входные данные проверки. | 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 |
| 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. | Массив строк, содержащий любой из: "CatTargetEncoder" CountVectorizer HashOneHotEncoder 'LabelEncoder' 'NaiveBayes' OneHotEncoder TextTargetEncoder 'TfIdf' 'WoETargetEncoder' "WordEmbedding" |
| columnNameAndTypes | Словарь имени столбца и его типа (int, float, string, datetime и т. д.). | TableVerticalFeaturizationSettingsColumnNameAndTypes |
| datasetLanguage | Язык набора данных, полезный для текстовых данных. | струна |
| 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 |
|---|---|---|
| {настраиваемое свойство} | струна |
TableVerticalFeaturizationSettingsTransformerParams
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | ColumnTransformer[] |
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. |
Для Bicep можно использовать функцию any(). |
TableFixedParameters
| Имя | Описание | Ценность |
|---|---|---|
| усилитель | Укажите тип повышения, например gbdt для XGBoost. | струна |
| boostingType | Укажите тип повышения, например gbdt для LightGBM. | струна |
| growPolicy | Укажите политику роста, которая управляет тем, как новые узлы добавляются в дерево. | струна |
| LearningRate | Скорость обучения для процедуры обучения. | int |
| maxBin | Укажите максимальное количество дискретных ячеек для сегментирования непрерывных функций. | int |
| maxDepth | Укажите максимальную глубину, чтобы ограничить глубину дерева явным образом. | int |
| maxLeaves | Укажите максимальное количество листьев, чтобы ограничить листья дерева явным образом. | int |
| minDataInLeaf | Минимальное количество данных на лист. | int |
| minSplitGain | Минимальное сокращение потери, необходимое для дальнейшего секционирования на конечном узле дерева. | int |
| ModelName | Имя модели для обучения. | струна |
| nEstimator | Укажите количество деревьев (или округлений) в модели. | int |
| numLeaves | Укажите количество листьев. | int |
| preprocessorName | Имя используемого препроцессора. | струна |
| regAlpha | Термин нормализации L1 для весов. | int |
| regLambda | Термин нормализации L2 для весов. | int |
| subsample | Подсамплексный коэффициент экземпляра обучения. | int |
| subsampleFreq | Частота подсампли. | int |
| treeMethod | Укажите метод дерева. | струна |
| withMean | Если задано значение true, перед масштабированием данных с помощью StandardScalar. | bool |
| withStd | Если задано значение true, масштабирование данных с помощью единицы вариативности с помощью StandardScalar. | bool |
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 |
| maxNodes | Максимальное количество узлов, используемых для эксперимента. | int |
| maxTrials | Количество итераций. | int |
| sweepConcurrentTrials | Количество одновременных запусков, которые пользователь хочет активировать. | int |
| sweepTrials | Количество разверток запусков, которые пользователь хочет активировать. | int |
| Времени ожидания | Время ожидания задания AutoML. | струна |
| trialTimeout | Время ожидания итерации. | струна |
NCrossValidations
| Имя | Описание | Ценность |
|---|---|---|
| режим | Установка типа объекта | автоза настраиваемые (обязательно) |
AutoNCrossValidations
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим определения проверок N-Cross. | "Авто" (обязательно) |
CustomNCrossValidations
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим определения проверок N-Cross. | "Custom" (обязательный) |
| ценность | [Обязательный] Значение N-Cross validations. | int (обязательно) |
TableParameterSubspace
| Имя | Описание | Ценность |
|---|---|---|
| усилитель | Укажите тип повышения, например gbdt для XGBoost. | струна |
| boostingType | Укажите тип повышения, например gbdt для LightGBM. | струна |
| growPolicy | Укажите политику роста, которая управляет тем, как новые узлы добавляются в дерево. | струна |
| LearningRate | Скорость обучения для процедуры обучения. | струна |
| maxBin | Укажите максимальное количество дискретных ячеек для сегментирования непрерывных функций. | струна |
| maxDepth | Укажите максимальную глубину, чтобы ограничить глубину дерева явным образом. | струна |
| maxLeaves | Укажите максимальное количество листьев, чтобы ограничить листья дерева явным образом. | струна |
| minDataInLeaf | Минимальное количество данных на лист. | струна |
| minSplitGain | Минимальное сокращение потери, необходимое для дальнейшего секционирования на конечном узле дерева. | струна |
| ModelName | Имя модели для обучения. | струна |
| nEstimator | Укажите количество деревьев (или округлений) в модели. | струна |
| numLeaves | Укажите количество листьев. | струна |
| preprocessorName | Имя используемого препроцессора. | струна |
| regAlpha | Термин нормализации L1 для весов. | струна |
| regLambda | Термин нормализации L2 для весов. | струна |
| subsample | Подсамплексный коэффициент экземпляра обучения. | струна |
| subsampleFreq | Частота подсампли | струна |
| treeMethod | Укажите метод дерева. | струна |
| withMean | Если задано значение true, перед масштабированием данных с помощью StandardScalar. | струна |
| withStd | Если задано значение true, масштабирование данных с помощью единицы вариативности с помощью StandardScalar. | струна |
TableSweepSettings
| Имя | Описание | Ценность |
|---|---|---|
| ранняятерминация | Тип политики раннего завершения для масштабного задания. | EarlyTerminationPolicy |
| выборкаAlgorithm | [Обязательный] Тип алгоритма выборки. | "Байезиан" "Сетка" "Случайный" (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 | Установка типа объекта |
Банда MedianStopping TruncationSelection (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 |
MedianStoppingPolicy
| Имя | Описание | Ценность |
|---|---|---|
| policyType | [Обязательный] Имя конфигурации политики | MedianStopping (обязательно) |
УсечениеSelectionPolicy
| Имя | Описание | Ценность |
|---|---|---|
| policyType | [Обязательный] Имя конфигурации политики | УсечениеSelection (обязательно) |
| усечениеPercentage | Процент выполнения для отмены по каждому интервалу оценки. | int |
КлассификацияTrainingSettings
| Имя | Описание | Ценность |
|---|---|---|
| allowedTrainingAlgorithms | Разрешенные модели для задачи классификации. | Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" 'GradientBoosting' KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier" |
| blockedTrainingAlgorithms | Заблокированные модели для задачи классификации. | Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" 'GradientBoosting' KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier" |
| 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 |
| trainingMode | Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы. |
"Авто" "Распределено" "NonDistributed" |
StackEnsembleSettings
| Имя | Описание | Ценность |
|---|---|---|
| stackMetaLearnerKWargs | Необязательные параметры для передачи инициализатору метаучителя. | Для Bicep можно использовать функцию any(). |
| 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" |
Прогнозирование
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | "Прогнозирование" (обязательно) |
| cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | TableFixedParameters |
| forecastingSettings | Прогнозирование определенных входных данных задачи. | ForecastingSettings |
| limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан. |
NCrossValidations |
| primaryMetric | Основная метрика для задачи прогнозирования. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation' |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | TableParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | TableSweepSettings |
| testData | Проверка входных данных. | 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 |
| trainingSettings | Входные данные для этапа обучения для задания AutoML. | ПрогнозированиеTrainingSettings |
| validationData | Входные данные проверки. | 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 |
| 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 |
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 будеттри дня в стороне. |
int |
| featureLags | Флаг для создания задержек для числовых функций с параметром auto или NULL. | "Авто" "Нет" |
| featuresUnknownAtForecastTime | Столбцы признаков, доступные для обучения, но неизвестные во время прогнозирования или вывода. Если features_unknown_at_forecast_time не задано, предполагается, что все столбцы признаков в наборе данных известны во время вывода. |
string[] |
| 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' |
ПрогнозHorizon
| Имя | Описание | Ценность |
|---|---|---|
| режим | Установка типа объекта | автоза настраиваемые (обязательно) |
AutoForecastHorizon
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Задайте режим выбора значения горизонта прогнозирования. | "Авто" (обязательно) |
CustomForecastHorizon
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Задайте режим выбора значения горизонта прогнозирования. | "Custom" (обязательный) |
| ценность | [Обязательный] Прогноз значения горизонта. | int (обязательно) |
Сезонность
| Имя | Описание | Ценность |
|---|---|---|
| режим | Установка типа объекта | автоза настраиваемые (обязательно) |
Автосесональность
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим сезонности. | "Авто" (обязательно) |
CustomSeasonality
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим сезонности. | "Custom" (обязательный) |
| ценность | [Обязательный] Значение сезонности. | int (обязательно) |
TargetLags
| Имя | Описание | Ценность |
|---|---|---|
| режим | Установка типа объекта | автоза настраиваемые (обязательно) |
AutoTargetLags
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Настройка режима задержки целевых объектов — автоматическое или настраиваемое | "Авто" (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) |
TargetRollingWindowSize
| Имя | Описание | Ценность |
|---|---|---|
| режим | Установка типа объекта | автоза настраиваемые (обязательно) |
AutoTargetRollingWindowSize
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим обнаружения TargetRollingWindowSiz. | "Авто" (обязательно) |
CustomTargetRollingWindowSize
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим обнаружения TargetRollingWindowSiz. | "Custom" (обязательный) |
| ценность | [Обязательный] Значение TargetRollingWindowSize. | int (обязательно) |
ПрогнозированиеTrainingSettings
| Имя | Описание | Ценность |
|---|---|---|
| allowedTrainingAlgorithms | Разрешенные модели для задачи прогнозирования. | Массив строк, содержащий любой из: 'Arimax' AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "ДИНАМ" "СезоннаяAverage" "СезоннаяNaive" 'TCNForecaster' "XGBoostRegressor" |
| blockedTrainingAlgorithms | Заблокированные модели для задачи прогнозирования. | Массив строк, содержащий любой из: 'Arimax' AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "ДИНАМ" "СезоннаяAverage" "СезоннаяNaive" 'TCNForecaster' "XGBoostRegressor" |
| 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 |
| trainingMode | Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы. |
"Авто" "Распределено" "NonDistributed" |
ImageClassification
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | ImageClassification (обязательный) |
| limitSettings | [Обязательный] Ограничение параметров для задания AutoML. | ImageLimitSettings (обязательно) |
| modelSettings | Параметры, используемые для обучения модели. | ImageModelSettingsClassification |
| primaryMetric | Основная метрика для оптимизации для этой задачи. | "AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | ImageModelDistributionSettingsClassification[] |
| sweepSettings | Очистка модели и гиперпараметры, связанные с параметрами. | ImageSweepSettings |
| validationData | Входные данные проверки. | 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 |
ImageLimitSettings
| Имя | Описание | Ценность |
|---|---|---|
| maxConcurrentTrials | Максимальное число параллельных итераций AutoML. | int |
| maxTrials | Максимальное число итераций AutoML. | int |
| Времени ожидания | Время ожидания задания AutoML. | 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 точкаFrequency | Частота хранения контрольных точек модели. Должно быть положительным целым числом. | int |
| контрольная точкаModel | Предварительно обученная модель контрольной точки для добавочного обучения. | MLFlowModelJobInput |
| 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 |
| 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 |
MLFlowModelJobInput
| Имя | Описание | Ценность |
|---|---|---|
| описание | Описание входных данных. | струна |
| jobInputType | [Обязательный] Указывает тип задания. | "custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно) |
| режим | Режим доставки входных ресурсов. | 'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
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 |
| 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 |
ImageSweepSettings
| Имя | Описание | Ценность |
|---|---|---|
| ранняятерминация | Тип политики раннего завершения. | EarlyTerminationPolicy |
| выборкаAlgorithm | [Обязательный] Тип алгоритмов выборки гиперпараметров. | "Байезиан" "Сетка" "Случайный" (обязательный) |
ImageClassificationMultilabel
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | ImageClassificationMultilabel (обязательный) |
| limitSettings | [Обязательный] Ограничение параметров для задания AutoML. | ImageLimitSettings (обязательно) |
| modelSettings | Параметры, используемые для обучения модели. | ImageModelSettingsClassification |
| primaryMetric | Основная метрика для оптимизации для этой задачи. | "AUCWeighted" "Точность" "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 |
| validationData | Входные данные проверки. | 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 |
ImageInstanceSegmentation
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | ImageInstanceSegmentation (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 |
| validationData | Входные данные проверки. | 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 |
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 точкаFrequency | Частота хранения контрольных точек модели. Должно быть положительным целым числом. | int |
| контрольная точкаModel | Предварительно обученная модель контрольной точки для добавочного обучения. | MLFlowModelJobInput |
| 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" |
| LogTrainingMetrics | Включите метрики обучения вычислений и ведения журнала. | "Отключить" "Включить" |
| logValidationLoss | Включение потери вычислений и ведения журнала. | "Отключить" "Включить" |
| 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 |
| 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 |
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 |
| 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 |
ImageObjectDetection
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | ImageObjectDetection (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 |
| validationData | Входные данные проверки. | 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 |
Регрессия
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | Регрессия (обязательно) |
| cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | TableFixedParameters |
| limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан. |
NCrossValidations |
| primaryMetric | Основная метрика для задачи регрессии. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation' |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | TableParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | TableSweepSettings |
| testData | Проверка входных данных. | 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 |
| trainingSettings | Входные данные для этапа обучения для задания AutoML. | РегрессионTrainingSettings |
| validationData | Входные данные проверки. | 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 |
| 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 |
РегрессияTrainingSettings
| Имя | Описание | Ценность |
|---|---|---|
| allowedTrainingAlgorithms | Разрешенные модели для задачи регрессии. | Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor" |
| blockedTrainingAlgorithms | Заблокированные модели для задачи регрессии. | Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor" |
| 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 |
| trainingMode | Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы. |
"Авто" "Распределено" "NonDistributed" |
TextClassification
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | TextClassification (обязательный) |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | NlpFixedParameters |
| limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
| primaryMetric | Основная метрика для задачи Text-Classification. | "AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | NlpParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | NlpSweepSettings |
| validationData | Входные данные проверки. | MLTableJobInput |
NlpVerticalFeaturizationSettings
| Имя | Описание | Ценность |
|---|---|---|
| datasetLanguage | Язык набора данных, полезный для текстовых данных. | струна |
NlpFixedParameters
| Имя | Описание | Ценность |
|---|---|---|
| градиентAccumulationSteps | Количество шагов для накапливания градиентов перед выполнением обратного прохода. | int |
| LearningRate | Скорость обучения для процедуры обучения. | int |
| learningRateScheduler | Тип расписания обучения, используемого во время процедуры обучения. | "Констант" "ConstantWithWarmup" "Косин" "CosineWithRestarts" "Линейная" "Нет" "Polynomial" |
| ModelName | Имя модели для обучения. | струна |
| numberOfEpochs | Число эпох обучения. | int |
| trainingBatchSize | Размер пакета для процедуры обучения. | int |
| validationBatchSize | Размер пакета, используемый во время оценки. | int |
| теплый Ратио | Коэффициент нагрева, используемый вместе с LrSchedulerType. | int |
| weightDecay | Разложение веса для процедуры обучения. | int |
NlpVerticalLimitSettings
| Имя | Описание | Ценность |
|---|---|---|
| maxConcurrentTrials | Максимальное число параллельных итераций AutoML. | int |
| maxNodes | Максимальное количество узлов, используемых для эксперимента. | int |
| maxTrials | Число итераций AutoML. | int |
| Времени ожидания | Время ожидания задания AutoML. | струна |
| trialTimeout | Время ожидания для отдельных пробных версий HD. | струна |
NlpParameterSubspace
| Имя | Описание | Ценность |
|---|---|---|
| градиентAccumulationSteps | Количество шагов для накапливания градиентов перед выполнением обратного прохода. | струна |
| LearningRate | Скорость обучения для процедуры обучения. | струна |
| learningRateScheduler | Тип расписания обучения, используемого во время процедуры обучения. | струна |
| ModelName | Имя модели для обучения. | струна |
| numberOfEpochs | Число эпох обучения. | струна |
| trainingBatchSize | Размер пакета для процедуры обучения. | струна |
| validationBatchSize | Размер пакета, используемый во время оценки. | струна |
| теплый Ратио | Коэффициент нагрева, используемый вместе с LrSchedulerType. | струна |
| weightDecay | Разложение веса для процедуры обучения. | струна |
NlpSweepSettings
| Имя | Описание | Ценность |
|---|---|---|
| ранняятерминация | Тип политики раннего завершения для масштабного задания. | EarlyTerminationPolicy |
| выборкаAlgorithm | [Обязательный] Тип алгоритма выборки. | "Байезиан" "Сетка" "Случайный" (обязательный) |
TextClassificationMultilabel
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | TextClassificationMultilabel (обязательный) |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | NlpFixedParameters |
| limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | NlpParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | NlpSweepSettings |
| validationData | Входные данные проверки. | MLTableJobInput |
TextNer
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | TextNER (обязательно) |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | NlpFixedParameters |
| limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | NlpParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | NlpSweepSettings |
| validationData | Входные данные проверки. | MLTableJobInput |
CommandJob
| Имя | Описание | Ценность |
|---|---|---|
| jobType | [Обязательный] Указывает тип задания. | "Command" (обязательный) |
| autologgerSettings | Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL. | AutologgerSettings |
| codeId | Идентификатор ресурса ARM ресурса ресурса кода. | струна |
| команда | [Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py" | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| распределение | Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch, Ray или NULL. | distributionConfiguration |
| environmentId | [Обязательный] Идентификатор ресурса ARM спецификации среды для задания. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| environmentVariables | Переменные среды, включенные в задание. | CommandJobEnvironmentVariables |
| Входы | Сопоставление входных привязок данных, используемых в задании. | CommandJobInputs |
| Ограничения | Ограничение задания команд. | CommandJobLimits |
| Выходы | Сопоставление привязок выходных данных, используемых в задании. | CommandJobOutputs |
| queueSettings | Параметры очереди для задания | QueueSettings |
| ресурсы | Конфигурация вычислительных ресурсов для задания. | JobResourceConfiguration |
AutologgerSettings
| Имя | Описание | Ценность |
|---|---|---|
| mlflowAutologger | [Обязательный] Указывает, включена ли функция автолога машинного потока. | "Отключено" "Включено" (обязательно) |
DistributionConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| distributionType | Установка типа объекта |
Mpi PyTorch Рэй TensorFlow (обязательно) |
Mpi
| Имя | Описание | Ценность |
|---|---|---|
| distributionType | [Обязательный] Указывает тип платформы распространения. | Mpi (обязательно) |
| processCountPerInstance | Количество процессов на узел MPI. | int |
PyTorch
| Имя | Описание | Ценность |
|---|---|---|
| distributionType | [Обязательный] Указывает тип платформы распространения. | PyTorch (обязательный) |
| processCountPerInstance | Количество процессов на узел. | int |
Луч
| Имя | Описание | Ценность |
|---|---|---|
| distributionType | [Обязательный] Указывает тип платформы распространения. | "Ray" (обязательно) |
| адрес | Адрес головного узла Ray. | струна |
| панель мониторинга | Порт для привязки сервера панели мониторинга к. | int |
| headNodeAdditionalArgs | Дополнительные аргументы, передаваемые на запуск луча в головном узле. | струна |
| includeDashboard | Укажите этот аргумент для запуска графического интерфейса панели мониторинга Ray. | bool |
| порт | Порт процесса луча головы. | int |
| workerNodeAdditionalArgs | Дополнительные аргументы, передаваемые в запуск ray в рабочем узле. | струна |
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 |
CommandJobEnvironmentVariables
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
CommandJobInputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobInput |
JobInput
| Имя | Описание | Ценность |
|---|---|---|
| описание | Описание входных данных. | струна |
| jobInputType | Установка типа объекта |
custom_model литерал mlflow_model mltable triton_model uri_file uri_folder (обязательно) |
CustomModelJobInput
| Имя | Описание | Ценность |
|---|---|---|
| jobInputType | [Обязательный] Указывает тип задания. | "custom_model" (обязательно) |
| режим | Режим доставки входных ресурсов. | 'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
ЛитералJobInput
| Имя | Описание | Ценность |
|---|---|---|
| jobInputType | [Обязательный] Указывает тип задания. | "литерал" (обязательный) |
| ценность | [Обязательный] Литеральное значение для входных данных. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
TritonModelJobInput
| Имя | Описание | Ценность |
|---|---|---|
| jobInputType | [Обязательный] Указывает тип задания. | "triton_model" (обязательно) |
| режим | Режим доставки входных ресурсов. | 'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
UriFileJobInput
| Имя | Описание | Ценность |
|---|---|---|
| jobInputType | [Обязательный] Указывает тип задания. | "uri_file" (обязательно) |
| режим | Режим доставки входных ресурсов. | 'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
UriFolderJobInput
| Имя | Описание | Ценность |
|---|---|---|
| jobInputType | [Обязательный] Указывает тип задания. | "uri_folder" (обязательно) |
| режим | Режим доставки входных ресурсов. | 'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
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 |
|---|---|---|
| {настраиваемое свойство} | JobOutput |
LabelingJobProperties
| Имя | Описание | Ценность |
|---|---|---|
| componentId | Идентификатор ресурса ARM ресурса компонента. | струна |
| computeId | Идентификатор ресурса ARM вычислительного ресурса. | струна |
| dataConfiguration | Настройка данных, используемых в задании. | LabelingDataConfiguration |
| 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 |
| jobInstructions | Инструкции по маркировке задания. | labelingJobInstructions |
| jobType | [Обязательный] Указывает тип задания. | AutoML "Command" Метка Конвейер Spark "Очистка" (обязательно) |
| Категории меток | Категории меток задания. | категории LabelingJobLabelCategories |
| labelingJobMediaProperties | Свойства типа носителя в задании. | LabelingJobMediaProperties |
| mlAssistConfiguration | Настройка функции MLAssist в задании. | MLAssistConfiguration |
| notificationSetting | Параметр уведомления для задания | NotificationSetting |
| свойства | Словарь свойств ресурса. | ResourceBaseProperties |
| secretConfiguration | Настройка секретов для доступности во время выполнения. | JobBaseSecretsConfiguration |
| 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. | объект |
LabelingDataConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| dataId | Идентификатор ресурса ресурса ресурса для выполнения меток. | струна |
| incrementalDataRefresh | Указывает, следует ли включить добавочное обновление данных. | "Отключено" "Включено" |
LabelingJobInstructions
| Имя | Описание | Ценность |
|---|---|---|
| ури | Ссылка на страницу с подробными инструкциями по маркировке для меток. | струна |
Категории LabelingJobLabel
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | LabelCategory |
LabelCategory
| Имя | Описание | Ценность |
|---|---|---|
| Классы | Словарь классов меток в этой категории. | LabelCategoryClasses |
| displayName | Отображаемое имя категории меток. | струна |
| MultiSelect | Указывает, разрешено ли выбрать несколько классов в этой категории. | "Отключено" "Включено" |
LabelCategoryClasses
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | LabelClass |
LabelClass
| Имя | Описание | Ценность |
|---|---|---|
| displayName | Отображаемое имя класса метки. | струна |
| Подклассы | Словарь подклассов класса меток. | LabelClassSubclasses |
LabelClassSubclasses
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | LabelClass |
LabelingJobMediaProperties
| Имя | Описание | Ценность |
|---|---|---|
| mediaType | Установка типа объекта |
изображения текстовый (обязательный) |
LabelingJobImageProperties
| Имя | Описание | Ценность |
|---|---|---|
| mediaType | [Обязательный] Тип носителя задания. | Image (обязательно) |
| annotationType | Тип заметки задания маркировки изображений. | "BoundingBox" "Классификация" "InstanceSegmentation" |
LabelingJobTextProperties
| Имя | Описание | Ценность |
|---|---|---|
| mediaType | [Обязательный] Тип носителя задания. | "Текст" (обязательный) |
| annotationType | Тип заметки задания маркировки текста. | "Классификация" "NamedEntityRecognition" |
MLAssistConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| mlAssist | Установка типа объекта |
отключены включено (обязательно) |
MLAssistConfigurationDisabled
| Имя | Описание | Ценность |
|---|---|---|
| mlAssist | [Обязательный] Указывает, включена ли функция MLAssist. | "Отключено" (обязательно) |
MLAssistConfigurationEnabled
| Имя | Описание | Ценность |
|---|---|---|
| mlAssist | [Обязательный] Указывает, включена ли функция MLAssist. | "Включено" (обязательно) |
| inferencingComputeBinding | [Обязательный] Привязка вычислений AML, используемая в выводе. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| trainingComputeBinding | [Обязательный] Привязка вычислений AML, используемая в обучении. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
PipelineJob
| Имя | Описание | Ценность |
|---|---|---|
| jobType | [Обязательный] Указывает тип задания. | Pipeline (обязательный) |
| Входы | Входные данные для задания конвейера. | PipelineJobInputs |
| Рабочих мест | Задания создают задание конвейера. | PipelineJobJobs |
| Выходы | Выходные данные для задания конвейера | PipelineJobOutputs |
| Параметры | Параметры конвейера, например ContinueRunOnStepFailure и т. д. | Для Bicep можно использовать функцию any(). |
| sourceJobId | Идентификатор ресурса ARM исходного задания. | струна |
PipelineJobInputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobInput |
PipelineJobJobs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | Для Bicep можно использовать функцию any(). |
PipelineJobOutputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobOutput |
SparkJob
| Имя | Описание | Ценность |
|---|---|---|
| jobType | [Обязательный] Указывает тип задания. | Spark (обязательно) |
| архив | Архивные файлы, используемые в задании. | string[] |
| args | Аргументы для задания. | струна |
| codeId | [Обязательный] Идентификатор ресурса ARM ресурса ресурса кода. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| conf | Настроенные свойства Spark. | SparkJobConf |
| вход | [Обязательный] Запись, выполняемая при запуске задания. | SparkJobEntry (обязательно) |
| environmentId | Идентификатор ресурса ARM спецификации среды для задания. | струна |
| environmentVariables | Переменные среды, включенные в задание. | SparkJobEnvironmentVariables |
| Файлы | Файлы, используемые в задании. | string[] |
| Входы | Сопоставление входных привязок данных, используемых в задании. | SparkJobInputs |
| Банки | Jar-файлы, используемые в задании. | string[] |
| Выходы | Сопоставление привязок выходных данных, используемых в задании. | SparkJobOutputs |
| pyFiles | Файлы Python, используемые в задании. | string[] |
| queueSettings | Параметры очереди для задания | QueueSettings |
| ресурсы | Конфигурация вычислительных ресурсов для задания. | SparkResourceConfiguration |
SparkJobConf
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
SparkJobEntry
| Имя | Описание | Ценность |
|---|---|---|
| sparkJobEntryType | Установка типа объекта |
SparkJobPythonEntry SparkJobScalaEntry (обязательно) |
SparkJobPythonEntry
| Имя | Описание | Ценность |
|---|---|---|
| sparkJobEntryType | [Обязательный] Тип точки входа задания. | SparkJobPythonEntry (обязательный) |
| файл | [Обязательный] Относительный путь к файлу Python для точки входа задания. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
SparkJobScalaEntry
| Имя | Описание | Ценность |
|---|---|---|
| sparkJobEntryType | [Обязательный] Тип точки входа задания. | SparkJobScalaEntry (обязательно) |
| className | [Обязательный] Имя класса Scala, используемое в качестве точки входа. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
SparkJobEnvironmentVariables
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
SparkJobInputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobInput |
SparkJobOutputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobOutput |
SparkResourceConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| instanceType | Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений. | струна |
| runtimeVersion | Версия среды выполнения Spark, используемая для задания. | струна |
SweepJob
| Имя | Описание | Ценность |
|---|---|---|
| jobType | [Обязательный] Указывает тип задания. | "Очистка" (обязательно) |
| componentConfiguration | Конфигурация компонентов для перебора компонентов | компонента |
| ранняятерминация | Политики раннего завершения позволяют отменять низкопроизводительные запуски до их завершения | EarlyTerminationPolicy |
| Входы | Сопоставление входных привязок данных, используемых в задании. | SweepJobInputs |
| Ограничения | Ограничение задания очистки. | SweepJobLimits |
| объективный | [Обязательный] Цель оптимизации. | Objective (обязательно) |
| Выходы | Сопоставление привязок выходных данных, используемых в задании. | |
| queueSettings | Параметры очереди для задания | QueueSettings |
| ресурсы | Конфигурация вычислительных ресурсов для задания. | JobResourceConfiguration |
| выборкаAlgorithm | [Обязательный] Алгоритм выборки гиперпараметров | ВыборкаAlgorithm (обязательно) |
| searchSpace | [Обязательный] Словарь, содержащий каждый параметр и его распределение. Ключ словаря — это имя параметра | Для Bicep можно использовать функцию any(). (обязательно) |
| испытание | [Обязательный] Определение компонента пробной версии. | TrialComponent (обязательно) |
ComponentConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| pipelineSettings | Параметры конвейера, например ContinueRunOnStepFailure и т. д. | Для Bicep можно использовать функцию any(). |
SweepJobInputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobInput |
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 |
Объективный
| Имя | Описание | Ценность |
|---|---|---|
| цель | [Обязательный] Определяет поддерживаемые цели метрик для настройки гиперпараметров | "Развернуть" "Свернуть" (обязательно) |
| primaryMetric | [Обязательный] Имя метрики для оптимизации. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
SweepJobOutputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobOutput |
ВыборкаAlgorithm
| Имя | Описание | Ценность |
|---|---|---|
| выборкаAlgorithmType | Установка типа объекта |
Байезиан сетки случайных (обязательно) |
BayesianSamplingAlgorithm
| Имя | Описание | Ценность |
|---|---|---|
| выборкаAlgorithmType | [Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | Байесян (обязательный) |
GridSamplingAlgorithm
| Имя | Описание | Ценность |
|---|---|---|
| выборкаAlgorithmType | [Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | Grid (обязательно) |
RandomSamplingAlgorithm
| Имя | Описание | Ценность |
|---|---|---|
| выборкаAlgorithmType | [Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | "Случайный" (обязательный) |
| logbase | Необязательное положительное число или e в строковом формате, используемое в качестве базы для случайной выборки на основе журнала | струна |
| правило | Конкретный тип случайного алгоритма | "Случайный" 'Sobol' |
| семя | Необязательное целое число, используемое в качестве начального значения для случайного создания чисел | int |
TrialComponent
| Имя | Описание | Ценность |
|---|---|---|
| codeId | Идентификатор ресурса ARM ресурса ресурса кода. | струна |
| команда | [Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py" | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| 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. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| environmentVariables | Переменные среды, включенные в задание. | TrialComponentEnvironmentVariables |
| ресурсы | Конфигурация вычислительных ресурсов для задания. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
CreateMonitorAction
| Имя | Описание | Ценность |
|---|---|---|
| actionType | [Обязательный] Указывает тип действия расписания | CreateMonitor (обязательно) |
| monitorDefinition | [Обязательный] Определяет монитор. | MonitorDefinition (обязательно) |
MonitorDefinition
| Имя | Описание | Ценность |
|---|---|---|
| alertNotificationSettings | Параметры уведомлений монитора. | MonitorNotificationSettings |
| computeConfiguration | [Обязательный] Идентификатор ресурса ARM вычислительного ресурса для запуска задания мониторинга. | MonitorComputeConfigurationBase (обязательно) |
| monitoringTarget | Идентификатор ресурса ARM модели или развертывания, предназначенный для этого монитора. | MonitoringTarget |
| Сигналы | [Обязательный] Сигналы для отслеживания. | MonitorDefinitionSignals (обязательно) |
MonitorNotificationSettings
| Имя | Описание | Ценность |
|---|---|---|
| emailNotificationSettings | Параметры электронной почты уведомления AML. | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
| Имя | Описание | Ценность |
|---|---|---|
| сообщения электронной почты | Это список получателей электронной почты с ограничением 499 символов в общей сложности. | string[] |
MonitorComputeConfigurationBase
| Имя | Описание | Ценность |
|---|---|---|
| computeType | Установка типа объекта | ServerlessSpark (обязательно) |
MonitorServerlessSparkCompute
| Имя | Описание | Ценность |
|---|---|---|
| computeType | [Обязательный] Указывает тип сигнала для отслеживания. | 'ServerlessSpark' (обязательный) |
| computeIdentity | [Обязательный] Схема удостоверений, используемая заданиями Spark, выполняемыми в бессерверном Spark. | MonitorComputeIdentityBase (обязательно) |
| instanceType | [Обязательный] Тип экземпляра, на котором выполняется задание Spark. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| runtimeVersion | [Обязательный] Версия среды выполнения Spark. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
MonitorComputeIdentityBase
| Имя | Описание | Ценность |
|---|---|---|
| computeIdentityType | Установка типа объекта |
AmlToken ManagedIdentity (обязательно) |
AmlTokenComputeIdentity
| Имя | Описание | Ценность |
|---|---|---|
| computeIdentityType | [Обязательный] Мониторинг перечисления типа вычислительных удостоверений. | AmlToken (обязательно) |
ManagedComputeIdentity
| Имя | Описание | Ценность |
|---|---|---|
| computeIdentityType | [Обязательный] Мониторинг перечисления типа вычислительных удостоверений. | ManagedIdentity (обязательный) |
| тождество | Управляемое удостоверение службы (назначенные системой удостоверения и (или) назначенные пользователем удостоверения | ManagedServiceIdentity |
ManagedServiceIdentity
| Имя | Описание | Ценность |
|---|---|---|
| тип | Тип управляемого удостоверения службы (где разрешены типы SystemAssigned и UserAssigned). | "Нет" SystemAssigned SystemAssigned, UserAssigned UserAssigned (обязательно) |
| userAssignedIdentities | Набор назначенных пользователем удостоверений, связанных с ресурсом. Ключи словаря userAssignedIdentities будут идентификаторами ресурсов ARM в форме: "/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Значения словаря могут быть пустыми объектами ({}) в запросах. | UserAssignedIdentities |
UserAssignedIdentities
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | UserAssignedIdentity |
UserAssignedIdentity
Этот объект не содержит свойств, заданных во время развертывания. Все свойства — ReadOnly.
MonitoringTarget
| Имя | Описание | Ценность |
|---|---|---|
| deploymentId | Идентификатор ресурса ARM любого развертывания, предназначенного для этого монитора. | струна |
| modelId | Идентификатор ресурса ARM любой из моделей, предназначенных для этого монитора. | струна |
| taskType | [Обязательный] Тип задачи машинного обучения модели. | "Классификация" "ВопросAnswering" Регрессия (обязательно) |
MonitorDefinitionSignals
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | MonitoringSignalBase |
MonitoringSignalBase
| Имя | Описание | Ценность |
|---|---|---|
| notificationTypes | Текущий режим уведомлений для этого сигнала. | Массив строк, содержащий любой из: "AmlNotification" AzureMonitor |
| свойства | Словарь свойств. Свойства можно добавлять, но не удалять или изменять. | MonitoringSignalBaseProperties |
| signalType | Установка типа объекта |
настраиваемых DataDrift DataQuality FeatureAttributionDrift GenerationSafetyQuality GenerationTokenStatistics ModelPerformance прогнозирование (обязательно) |
MonitoringSignalBaseProperties
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
CustomMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | "Custom" (обязательный) |
| componentId | [Обязательный] Идентификатор ресурса ARM ресурса компонента, используемый для вычисления пользовательских метрик. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| inputAssets | Мониторинг ресурсов, которые необходимо принимать в качестве входных данных. Ключом является имя порта ввода компонента, значением является ресурс данных. | CustomMonitoringSignalInputAssets |
| Входы | Дополнительные параметры компонента, которые будут приниматься в качестве входных данных. Ключом является имя порта ввода компонента, значением является значение параметра. | CustomMonitoringSignalInputs |
| metricThresholds | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | CustomMetricThreshold[] (обязательно) |
| workspaceConnection | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | MonitoringWorkspaceConnection (обязательно) |
CustomMonitoringSignalInputAssets
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | MonitoringInputDataBase |
MonitoringInputDataBase
| Имя | Описание | Ценность |
|---|---|---|
| Столбцы | Сопоставление имен столбцов с особыми использованием. | MonitoringInputDataBaseColumns |
| dataContext | Метаданные контекста источника данных. | струна |
| jobInputType | [Обязательный] Указывает тип задания. | "custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно) |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| inputDataType | Установка типа объекта | Исправлено Rolling статических (обязательно) |
MonitoringInputDataBaseColumns
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
FixedInputData
| Имя | Описание | Ценность |
|---|---|---|
| inputDataType | [Обязательный] Указывает тип сигнала для отслеживания. | "Исправлено" (обязательно) |
RollingInputData
| Имя | Описание | Ценность |
|---|---|---|
| inputDataType | [Обязательный] Указывает тип сигнала для отслеживания. | "Rolling" (обязательно) |
| preprocessingComponentId | Идентификатор ресурса ARM ресурса компонента, используемый для предварительной обработки данных. | струна |
| windowOffset | [Обязательный] Смещение времени между окончанием окна данных и текущим временем выполнения монитора. | строка (обязательно) |
| windowSize | [Обязательный] Размер конечного окна данных. | строка (обязательно) |
StaticInputData
| Имя | Описание | Ценность |
|---|---|---|
| inputDataType | [Обязательный] Указывает тип сигнала для отслеживания. | "Static" (обязательный) |
| preprocessingComponentId | Идентификатор ресурса ARM ресурса компонента, используемый для предварительной обработки данных. | струна |
| windowEnd | [Обязательный] Дата окончания окна данных. | строка (обязательно) |
| windowStart | [Обязательный] Дата начала окна данных. | строка (обязательно) |
CustomMonitoringSignalInputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobInput |
CustomMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| метрический | [Обязательный] Определяемая пользователем метрика для вычисления. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
MonitoringThreshold
| Имя | Описание | Ценность |
|---|---|---|
| ценность | Пороговое значение. Если значение NULL, значение по умолчанию зависит от типа метрики. | int |
MonitoringWorkspaceConnection
| Имя | Описание | Ценность |
|---|---|---|
| environmentVariables | Свойства подключения службы рабочей области для хранения в виде переменных среды в отправленных заданиях. Ключ — путь к свойству подключения к рабочей области, имя — ключ переменной среды. |
MonitoringWorkspaceConnectionEnvironmentVariables |
| Секреты | Свойства подключения к службе рабочей области для хранения в виде секретов в отправленных заданиях. Ключ — путь к свойству подключения к рабочей области, имя — секретный ключ. |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
MonitoringWorkspaceConnectionSecrets
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
DataDriftMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | DataDrift (обязательно) |
| dataSegment | Сегмент данных, используемый для определения подмножества данных. | MonitoringDataSegment |
| featureDataTypeOverride | Словарь, который сопоставляет имена функций с соответствующими типами данных. | DataDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | Параметры для важности функции вычислений. | FeatureImportanceSettings |
| Функции | Фильтр компонентов, определяющий, какая функция вычисляет смещение. | MonitoringFeatureFilterBase |
| metricThresholds | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | DataDriftMetricThresholdBase[] (обязательно) |
| productionData | [Обязательный] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
| referenceData | [Обязательный] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
MonitoringDataSegment
| Имя | Описание | Ценность |
|---|---|---|
| особенность | Функция сегментирования данных. | струна |
| Значения | Фильтры только для указанных значений данного сегментированного компонента. | string[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | "Категориальный" "Числовой" |
FeatureImportanceSettings
| Имя | Описание | Ценность |
|---|---|---|
| режим | Режим работы для важности функции вычислений. | "Отключено" "Включено" |
| targetColumn | Имя целевого столбца в входных ресурсах данных. | струна |
MonitoringFeatureFilterBase
| Имя | Описание | Ценность |
|---|---|---|
| filterType | Установка типа объекта |
AllFeatures FeatureSubset TopNByAttribution (обязательно) |
AllFeatures
| Имя | Описание | Ценность |
|---|---|---|
| filterType | [Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик. | AllFeatures (обязательный) |
FeatureSubset
| Имя | Описание | Ценность |
|---|---|---|
| filterType | [Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик. | FeatureSubset (обязательный) |
| Функции | [Обязательный] Список функций, которые необходимо включить. | string[] (обязательно) |
TopNFeaturesByAttribution
| Имя | Описание | Ценность |
|---|---|---|
| filterType | [Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик. | TopNByAttribution (обязательно) |
| Вверх | Количество основных функций, которые необходимо включить. | int |
DataDriftMetricThresholdBase
| Имя | Описание | Ценность |
|---|---|---|
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
| dataType | Установка типа объекта |
категориальные числовой (обязательно) |
CategoricalDataDriftMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Категориальный" (обязательный) |
| метрический | [Обязательный] Вычисляемая метрика смещения категориальных данных. | "JensenShannonDistance" 'PearsonsChiSquaredTest' "PopulationStabilityIndex" (обязательный) |
Числовые данныеDataDriftMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Числовой" (обязательный) |
| метрический | [Обязательный] Вычисляемая метрика смещения числовых данных. | "JensenShannonDistance" "NormalizedWasersteinDistance" 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (обязательно) |
DataQualityMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | DataQuality (обязательно) |
| featureDataTypeOverride | Словарь, который сопоставляет имена функций с соответствующими типами данных. | DataQualityMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | Параметры для важности функции вычислений. | FeatureImportanceSettings |
| Функции | Функции для вычисления смещения. | MonitoringFeatureFilterBase |
| metricThresholds | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | DataQualityMetricThresholdBase[] (обязательно) |
| productionData | [Обязательный] Данные, созданные рабочей службой, для которой будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
| referenceData | [Обязательный] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | "Категориальный" "Числовой" |
DataQualityMetricThresholdBase
| Имя | Описание | Ценность |
|---|---|---|
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
| dataType | Установка типа объекта |
категориальные числовой (обязательно) |
CategoricalDataQualityMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Категориальный" (обязательный) |
| метрический | [Обязательный] Метрика качества категориальных данных для вычисления. | DataTypeErrorRate NullValueRate OutOfBoundsRate (обязательный) |
Числовой параметрDataQualityMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Числовой" (обязательный) |
| метрический | [Обязательный] Вычисляемая метрика качества числовых данных. | DataTypeErrorRate NullValueRate OutOfBoundsRate (обязательный) |
FeatureAttributionDriftMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | FeatureAttributionDrift (обязательный) |
| featureDataTypeOverride | Словарь, который сопоставляет имена функций с соответствующими типами данных. | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
| featureImportanceSettings | Параметры для важности функции вычислений. | FeatureImportanceSettings |
| metricThreshold | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | FeatureAttributionMetricThreshold (обязательно) |
| productionData | [Обязательный] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase[] (обязательно) |
| referenceData | [Обязательный] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | "Категориальный" "Числовой" |
FeatureAttributionMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| метрический | [Обязательный] Вычислимая метрика атрибута. | "NormalizedDiscountedCumulativeGain" (обязательный) |
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
GenerationSafetyQualityMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | GenerationSafetyQuality (обязательно) |
| metricThresholds | [Обязательный] Возвращает или задает метрики для вычисления и соответствующих пороговых значений. | GenerationSafetyQualityMetricThreshold[] (обязательно) |
| productionData | Возвращает или задает рабочие данные для вычислений метрик. | MonitoringInputDataBase[] |
| выборка | [Обязательный] Частота выборки рабочих данных должна превышать 0 и не более 1. | int (обязательно) |
| workspaceConnectionId | Возвращает или задает идентификатор подключения рабочей области, используемый для подключения к конечной точке создания контента. | струна |
GenerationSafetyQualityMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| метрический | [Обязательный] Возвращает или задает метрику атрибуции функции для вычисления. | "AcceptableCoherenceScorePerInstance" "AcceptableFluencyScorePerInstance" "AcceptableGroundednessScorePerInstance" "AcceptableRelevanceScorePerInstance" "AcceptableSimilarityScorePerInstance" 'AggregatedCoherencePassRate' "AggregatedFluencyPassRate" "AggregatedGroundednessPassRate" "AggregatedRelevancePassRate" "AggregatedSimilarityPassRate" (обязательный) |
| порог | Возвращает или задает пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. |
MonitoringThreshold |
GenerationTokenUsageSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | GenerationTokenStatistics (обязательно) |
| metricThresholds | [Обязательный] Возвращает или задает метрики для вычисления и соответствующих пороговых значений. | GenerationTokenUsageMetricThreshold[] (обязательно) |
| productionData | Возвращает или задает рабочие данные для вычислений метрик. | MonitoringInputDataBase[] |
| выборка | [Обязательный] Частота выборки рабочих данных должна превышать 0 и не более 1. | int (обязательно) |
GenerationTokenUsageMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| метрический | [Обязательный] Возвращает или задает метрику атрибуции функции для вычисления. | TotalTokenCount TotalTokenCountPerGroup (обязательно) |
| порог | Возвращает или задает пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. |
MonitoringThreshold |
ModelPerformanceSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | ModelPerformance (обязательный) |
| dataSegment | Сегмент данных. | MonitoringDataSegment |
| metricThreshold | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | ModelPerformanceMetricThresholdBase (обязательно) |
| productionData | [Обязательный] Данные, созданные рабочей службой, для которой будет вычисляться производительность. | MonitoringInputDataBase[] (обязательно) |
| referenceData | [Обязательный] Эталонные данные, используемые в качестве основы для вычисления производительности модели. | MonitoringInputDataBase (обязательно) |
ModelPerformanceMetricThresholdBase
| Имя | Описание | Ценность |
|---|---|---|
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
| modelType | Установка типа объекта |
классификации регрессии (обязательно) |
ClassificationModelPerformanceMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| modelType | [Обязательный] Указывает тип данных порогового значения метрик. | "Классификация" (обязательно) |
| метрический | [Обязательный] Производительность модели классификации для вычисления. | "Точность" "Точность" "Отзыв" (обязательно) |
RegressionModelPerformanceMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| modelType | [Обязательный] Указывает тип данных порогового значения метрик. | Регрессия (обязательно) |
| метрический | [Обязательный] Вычисляемая метрика производительности модели регрессии. | "MeanAbsoluteError" "MeanSquaredError" RootMeanSquaredError (обязательный) |
PredictionDriftMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | "PredictionDrift" (обязательный) |
| featureDataTypeOverride | Словарь, который сопоставляет имена функций с соответствующими типами данных. | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
| metricThresholds | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | PredictionDriftMetricThresholdBase[] (обязательно) |
| productionData | [Обязательный] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
| referenceData | [Обязательный] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | "Категориальный" "Числовой" |
PredictionDriftMetricThresholdBase
| Имя | Описание | Ценность |
|---|---|---|
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
| dataType | Установка типа объекта |
категориальные числовой (обязательно) |
CategoricalPredictionDriftMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Категориальный" (обязательный) |
| метрический | [Обязательный] Метрика смещения категориального прогнозирования для вычисления. | "JensenShannonDistance" 'PearsonsChiSquaredTest' "PopulationStabilityIndex" (обязательный) |
ЧисловаяpredictionDriftMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Числовой" (обязательный) |
| метрический | [Обязательный] Вычисляемая метрика смещения числовых прогнозов. | "JensenShannonDistance" "NormalizedWasersteinDistance" 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (обязательно) |
ImportDataAction
| Имя | Описание | Ценность |
|---|---|---|
| actionType | [Обязательный] Указывает тип действия расписания | ImportData (обязательно) |
| dataImportDefinition | [Обязательный] Определяет сведения о определении действия расписания. | DataImport (обязательно) |
DataImport
| Имя | Описание | Ценность |
|---|---|---|
| assetName | Имя ресурса для задания импорта данных для создания | струна |
| autoDeleteSetting | Задает параметр жизненного цикла управляемого ресурса данных. | AutoDeleteSetting |
| dataType | [Обязательный] Указывает тип данных. | "mltable" "uri_file" "uri_folder" (обязательно) |
| dataUri | [Обязательный] Универсальный код ресурса (URI) данных. Пример: https://go.microsoft.com/fwlink/?linkid=2202330 |
строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| описание | Текст описания ресурса. | струна |
| интеллектуальная пропертия | Сведения об интеллектуальной собственности. Используется, если данные являются интеллектуальной собственностью. | ИнтеллектуальноеProperty |
| isAnonymous | Если версия имени создается системой (анонимная регистрация). Для типов, в которых определен этап, при указании этапа он будет использоваться для заполнения IsAnonymous | bool |
| isArchived | Архивируется ли ресурс? Для типов, в которых определен этап, при указании этапа он будет использоваться для заполнения IsArchived | bool |
| свойства | Словарь свойств ресурса. | ResourceBaseProperties |
| источник | Исходные данные ресурса для импорта из | DataImportSource |
| сцена | Этап жизненного цикла данных, назначенный этому ресурсу данных | струна |
| Теги | Словарь тегов. Теги можно добавлять, удалять и обновлять. | объект |
Интеллектуальная Проперти
| Имя | Описание | Ценность |
|---|---|---|
| protectionLevel | Уровень защиты интеллектуальной собственности. | "Все" "Нет" |
| издатель | [Обязательный] Издатель интеллектуальной собственности. Должно совпадать с именем издателя реестра. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
DataImportSource
| Имя | Описание | Ценность |
|---|---|---|
| связь | Подключение к рабочей области для хранилища источников импорта данных | струна |
| sourceType | Установка типа объекта | file_system (обязательно) |
DatabaseSource
| Имя | Описание | Ценность |
|---|---|---|
| sourceType | [Обязательный] Указывает тип данных. | "база данных" (обязательно) |
| запрос | Инструкция SQL Query для источника базы данных импорта данных | струна |
| StoredProcedure | SQL StoredProcedure в источнике базы данных импорта данных | струна |
| storedProcedureParams | Параметры StoredProcedure SQL | DatabaseSourceStoredProcedureParamsItem[] |
| tableName | Имя таблицы в источнике базы данных импорта данных | струна |
DatabaseSourceStoredProcedureParamsItem
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
FileSystemSource
| Имя | Описание | Ценность |
|---|---|---|
| sourceType | [Обязательный] Указывает тип данных. | "file_system" (обязательно) |
| путь | Путь к источнику fileSystem импорта данных | струна |
EndpointScheduleAction
| Имя | Описание | Ценность |
|---|---|---|
| actionType | [Обязательный] Указывает тип действия расписания | InvokeBatchEndpoint (обязательно) |
| endpointInvocationDefinition | [Обязательный] Определяет сведения о определении действия расписания. {see href="TBD" /} |
Для Bicep можно использовать функцию any(). (обязательно) |
TriggerBase
| Имя | Описание | Ценность |
|---|---|---|
| endTime | Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601.Формат перекомментированного формата будет "2022-06-01T00:00:01" Если это не так, расписание будет выполняться на неопределенный срок |
струна |
| startTime | Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC. | струна |
| часовой пояс | Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows. См. ссылку: /windows-hardware/manufacture/desktop/default-time-zones/> |
струна |
| triggerType | Установка типа объекта |
Cron повторения (обязательно) |
CronTrigger
| Имя | Описание | Ценность |
|---|---|---|
| triggerType | [Обязательный] | "Cron" (обязательно) |
| выражение | [Обязательный] Указывает выражение крона расписания. Выражение должно соответствовать формату NCronTab. |
строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
ПовторениеTrigger
| Имя | Описание | Ценность |
|---|---|---|
| endTime | Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601.Формат перекомментированного формата будет "2022-06-01T00:00:01" Если это не так, расписание будет выполняться на неопределенный срок |
струна |
| частота | [Обязательный] Частота запуска расписания. | "День" "Час" "Минута" "Месяц" "Неделя" (обязательно) |
| интервал | [Обязательный] Указывает интервал расписания в сочетании с частотой | int (обязательно) |
| расписание | Расписание повторения. | ПовторениеSchedule |
| startTime | Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC. | струна |
| часовой пояс | Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows. Ссылка: /windows-hardware/manufacture/desktop/default-time-пояса |
струна |
| triggerType | [Обязательный] | "Cron" "Повторение" (обязательно) |
ПовторениеSchedule
| Имя | Описание | Ценность |
|---|---|---|
| Часов | [Обязательный] Список часов для расписания. | int[] (обязательно) |
| протокол | [Обязательный] Список минут для расписания. | int[] (обязательно) |
| monthDays | Список дней месяца для расписания | int[] |
| будни | Список дней для расписания. | Массив строк, содержащий любой из: "Пятница" "Понедельник" "Суббота" "Воскресенье" "Четверг" "Вторник" "Среда" |
Определение ресурса шаблона ARM
Тип ресурса рабочих областей и расписаний можно развернуть с помощью операций, предназначенных для следующих операций:
- 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/schedules, добавьте следующий код JSON в шаблон.
{
"type": "Microsoft.MachineLearningServices/workspaces/schedules",
"apiVersion": "2023-08-01-preview",
"name": "string",
"properties": {
"action": {
"actionType": "string"
// For remaining properties, see ScheduleActionBase objects
},
"description": "string",
"displayName": "string",
"isEnabled": "bool",
"properties": {
"{customized property}": "string"
},
"tags": {},
"trigger": {
"endTime": "string",
"startTime": "string",
"timeZone": "string",
"triggerType": "string"
// For remaining properties, see TriggerBase objects
}
}
}
Объекты ScheduleActionBase
Задайте свойство actionType, чтобы указать тип объекта.
Для CreateJobиспользуйте:
"actionType": "CreateJob",
"jobDefinition": {
"componentId": "string",
"computeId": "string",
"description": "string",
"displayName": "string",
"experimentName": "string",
"identity": {
"identityType": "string"
// For remaining properties, see IdentityConfiguration objects
},
"isArchived": "bool",
"notificationSetting": {
"emailOn": [ "string" ],
"emails": [ "string" ],
"webhooks": {
"{customized property}": {
"eventType": "string",
"webhookType": "string"
// For remaining properties, see Webhook objects
}
}
},
"properties": {
"{customized property}": "string"
},
"secretsConfiguration": {
"{customized property}": {
"uri": "string",
"workspaceSecretName": "string"
}
},
"services": {
"{customized property}": {
"endpoint": "string",
"jobServiceType": "string",
"nodes": {
"nodesValueType": "string"
// For remaining properties, see Nodes objects
},
"port": "int",
"properties": {
"{customized property}": "string"
}
}
},
"tags": {},
"jobType": "string"
// For remaining properties, see JobBaseProperties objects
}
Для CreateMonitorиспользуйте:
"actionType": "CreateMonitor",
"monitorDefinition": {
"alertNotificationSettings": {
"emailNotificationSettings": {
"emails": [ "string" ]
}
},
"computeConfiguration": {
"computeType": "string"
// For remaining properties, see MonitorComputeConfigurationBase objects
},
"monitoringTarget": {
"deploymentId": "string",
"modelId": "string",
"taskType": "string"
},
"signals": {
"{customized property}": {
"notificationTypes": [ "string" ],
"properties": {
"{customized property}": "string"
},
"signalType": "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Для ImportDataиспользуйте:
"actionType": "ImportData",
"dataImportDefinition": {
"assetName": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"dataType": "string",
"dataUri": "string",
"description": "string",
"intellectualProperty": {
"protectionLevel": "string",
"publisher": "string"
},
"isAnonymous": "bool",
"isArchived": "bool",
"properties": {
"{customized property}": "string"
},
"source": {
"connection": "string",
"sourceType": "string"
// For remaining properties, see DataImportSource objects
},
"stage": "string",
"tags": {}
}
Для InvokeBatchEndpointиспользуйте:
"actionType": "InvokeBatchEndpoint",
"endpointInvocationDefinition": {}
Объекты JobBaseProperties
Задайте свойство jobType, чтобы указать тип объекта.
Для AutoMLиспользуйте:
"jobType": "AutoML",
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"queueSettings": {
"jobTier": "string",
"priority": "int"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"locations": [ "string" ],
"maxInstanceCount": "int",
"properties": {
"{customized property}": {}
},
"shmSize": "string"
},
"taskDetails": {
"logVerbosity": "string",
"targetColumnName": "string",
"trainingData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"taskType": "string"
// For remaining properties, see AutoMLVertical objects
}
Для команды используйте следующую команду:
"jobType": "Command",
"autologgerSettings": {
"mlflowAutologger": "string"
},
"codeId": "string",
"command": "string",
"distribution": {
"distributionType": "string"
// For remaining properties, see DistributionConfiguration objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"limits": {
"jobLimitsType": "string",
"timeout": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"queueSettings": {
"jobTier": "string",
"priority": "int"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"locations": [ "string" ],
"maxInstanceCount": "int",
"properties": {
"{customized property}": {}
},
"shmSize": "string"
}
Дляметок
"jobType": "Labeling",
"dataConfiguration": {
"dataId": "string",
"incrementalDataRefresh": "string"
},
"jobInstructions": {
"uri": "string"
},
"labelCategories": {
"{customized property}": {
"classes": {
"{customized property}": {
"displayName": "string",
"subclasses": {
"{customized property}": {}
}
},
"displayName": "string",
"multiSelect": "string"
}
},
"labelingJobMediaProperties": {
"mediaType": "string"
// For remaining properties, see LabelingJobMediaProperties objects
},
"mlAssistConfiguration": {
"mlAssist": "string"
// For remaining properties, see MLAssistConfiguration objects
}
Для конвейераиспользуйте:
"jobType": "Pipeline",
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"jobs": {
"{customized property}": {}
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"settings": {},
"sourceJobId": "string"
Для Sparkиспользуйте:
"jobType": "Spark",
"archives": [ "string" ],
"args": "string",
"codeId": "string",
"conf": {
"{customized property}": "string"
},
"entry": {
"sparkJobEntryType": "string"
// For remaining properties, see SparkJobEntry objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"files": [ "string" ],
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"jars": [ "string" ],
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"pyFiles": [ "string" ],
"queueSettings": {
"jobTier": "string",
"priority": "int"
},
"resources": {
"instanceType": "string",
"runtimeVersion": "string"
}
Для
"jobType": "Sweep",
"componentConfiguration": {
"pipelineSettings": {}
},
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"limits": {
"jobLimitsType": "string",
"maxConcurrentTrials": "int",
"maxTotalTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"objective": {
"goal": "string",
"primaryMetric": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"queueSettings": {
"jobTier": "string",
"priority": "int"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"locations": [ "string" ],
"maxInstanceCount": "int",
"properties": {
"{customized property}": {}
},
"shmSize": "string"
},
"samplingAlgorithm": {
"samplingAlgorithmType": "string"
// For remaining properties, see SamplingAlgorithm objects
},
"searchSpace": {},
"trial": {
"codeId": "string",
"command": "string",
"distribution": {
"distributionType": "string"
// For remaining properties, see DistributionConfiguration objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"locations": [ "string" ],
"maxInstanceCount": "int",
"properties": {
"{customized property}": {}
},
"shmSize": "string"
}
}
Объекты IdentityConfiguration
Задайте свойство identityType, чтобы указать тип объекта.
Для AMLTokenиспользуйте:
"identityType": "AMLToken"
Для управляемых
"identityType": "Managed",
"clientId": "string",
"objectId": "string",
"resourceId": "string"
Для UserIdentityиспользуйте:
"identityType": "UserIdentity"
Объекты веб-перехватчика
Задайте свойство webhookType
Для AzureDevOpsиспользуйте:
"webhookType": "AzureDevOps"
Объекты nodes
Задайте свойство nodesValueType, чтобы указать тип объекта.
Для всехиспользуйте:
"nodesValueType": "All"
Объекты JobOutput
Задайте свойство jobOutputType, чтобы указать тип объекта.
Для custom_modelиспользуйте:
"jobOutputType": "custom_model",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
Для mlflow_modelиспользуйте:
"jobOutputType": "mlflow_model",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
Для mltableиспользуйте:
"jobOutputType": "mltable",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
Для triton_modelиспользуйте:
"jobOutputType": "triton_model",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
Для uri_fileиспользуйте:
"jobOutputType": "uri_file",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
Для uri_folderиспользуйте:
"jobOutputType": "uri_folder",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
Объекты AutoMLVertical
Задайте свойство taskType, чтобы указать тип объекта.
Для классификациииспользуйте:
"taskType": "Classification",
"cvSplitColumnNames": [ "string" ],
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"fixedParameters": {
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "int",
"maxBin": "int",
"maxDepth": "int",
"maxLeaves": "int",
"minDataInLeaf": "int",
"minSplitGain": "int",
"modelName": "string",
"nEstimators": "int",
"numLeaves": "int",
"preprocessorName": "string",
"regAlpha": "int",
"regLambda": "int",
"subsample": "int",
"subsampleFreq": "int",
"treeMethod": "string",
"withMean": "bool",
"withStd": "bool"
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxNodes": "int",
"maxTrials": "int",
"sweepConcurrentTrials": "int",
"sweepTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"positiveLabel": "string",
"primaryMetric": "string",
"searchSpace": [
{
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "string",
"maxBin": "string",
"maxDepth": "string",
"maxLeaves": "string",
"minDataInLeaf": "string",
"minSplitGain": "string",
"modelName": "string",
"nEstimators": "string",
"numLeaves": "string",
"preprocessorName": "string",
"regAlpha": "string",
"regLambda": "string",
"subsample": "string",
"subsampleFreq": "string",
"treeMethod": "string",
"withMean": "string",
"withStd": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"testData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int",
"trainingSettings": {
"allowedTrainingAlgorithms": [ "string" ],
"blockedTrainingAlgorithms": [ "string" ],
"enableDnnTraining": "bool",
"enableModelExplainability": "bool",
"enableOnnxCompatibleModels": "bool",
"enableStackEnsemble": "bool",
"enableVoteEnsemble": "bool",
"ensembleModelDownloadTimeout": "string",
"stackEnsembleSettings": {
"stackMetaLearnerKWargs": {},
"stackMetaLearnerTrainPercentage": "int",
"stackMetaLearnerType": "string"
},
"trainingMode": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
Для прогнозированияиспользуйте:
"taskType": "Forecasting",
"cvSplitColumnNames": [ "string" ],
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"fixedParameters": {
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "int",
"maxBin": "int",
"maxDepth": "int",
"maxLeaves": "int",
"minDataInLeaf": "int",
"minSplitGain": "int",
"modelName": "string",
"nEstimators": "int",
"numLeaves": "int",
"preprocessorName": "string",
"regAlpha": "int",
"regLambda": "int",
"subsample": "int",
"subsampleFreq": "int",
"treeMethod": "string",
"withMean": "bool",
"withStd": "bool"
},
"forecastingSettings": {
"countryOrRegionForHolidays": "string",
"cvStepSize": "int",
"featureLags": "string",
"featuresUnknownAtForecastTime": [ "string" ],
"forecastHorizon": {
"mode": "string"
// For remaining properties, see ForecastHorizon objects
},
"frequency": "string",
"seasonality": {
"mode": "string"
// For remaining properties, see Seasonality objects
},
"shortSeriesHandlingConfig": "string",
"targetAggregateFunction": "string",
"targetLags": {
"mode": "string"
// For remaining properties, see TargetLags objects
},
"targetRollingWindowSize": {
"mode": "string"
// For remaining properties, see TargetRollingWindowSize objects
},
"timeColumnName": "string",
"timeSeriesIdColumnNames": [ "string" ],
"useStl": "string"
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxNodes": "int",
"maxTrials": "int",
"sweepConcurrentTrials": "int",
"sweepTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"primaryMetric": "string",
"searchSpace": [
{
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "string",
"maxBin": "string",
"maxDepth": "string",
"maxLeaves": "string",
"minDataInLeaf": "string",
"minSplitGain": "string",
"modelName": "string",
"nEstimators": "string",
"numLeaves": "string",
"preprocessorName": "string",
"regAlpha": "string",
"regLambda": "string",
"subsample": "string",
"subsampleFreq": "string",
"treeMethod": "string",
"withMean": "string",
"withStd": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"testData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int",
"trainingSettings": {
"allowedTrainingAlgorithms": [ "string" ],
"blockedTrainingAlgorithms": [ "string" ],
"enableDnnTraining": "bool",
"enableModelExplainability": "bool",
"enableOnnxCompatibleModels": "bool",
"enableStackEnsemble": "bool",
"enableVoteEnsemble": "bool",
"ensembleModelDownloadTimeout": "string",
"stackEnsembleSettings": {
"stackMetaLearnerKWargs": {},
"stackMetaLearnerTrainPercentage": "int",
"stackMetaLearnerType": "string"
},
"trainingMode": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
Для ImageClassificationиспользуйте:
"taskType": "ImageClassification",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "int",
"nesterov": "bool",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"trainingBatchSize": "int",
"trainingCropSize": "int",
"validationBatchSize": "int",
"validationCropSize": "int",
"validationResizeSize": "int",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int",
"weightedLoss": "int"
},
"primaryMetric": "string",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "string",
"nesterov": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"trainingBatchSize": "string",
"trainingCropSize": "string",
"validationBatchSize": "string",
"validationCropSize": "string",
"validationResizeSize": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string",
"weightedLoss": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Для ImageClassificationMultilabelиспользуйте:
"taskType": "ImageClassificationMultilabel",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "int",
"nesterov": "bool",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"trainingBatchSize": "int",
"trainingCropSize": "int",
"validationBatchSize": "int",
"validationCropSize": "int",
"validationResizeSize": "int",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int",
"weightedLoss": "int"
},
"primaryMetric": "string",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "string",
"nesterov": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"trainingBatchSize": "string",
"trainingCropSize": "string",
"validationBatchSize": "string",
"validationCropSize": "string",
"validationResizeSize": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string",
"weightedLoss": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Для ImageInstanceSegmentationиспользуйте:
"taskType": "ImageInstanceSegmentation",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"boxDetectionsPerImage": "int",
"boxScoreThreshold": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"imageSize": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"logTrainingMetrics": "string",
"logValidationLoss": "string",
"maxSize": "int",
"minSize": "int",
"modelName": "string",
"modelSize": "string",
"momentum": "int",
"multiScale": "bool",
"nesterov": "bool",
"nmsIouThreshold": "int",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"tileGridSize": "string",
"tileOverlapRatio": "int",
"tilePredictionsNmsThreshold": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"validationIouThreshold": "int",
"validationMetricType": "string",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int"
},
"primaryMetric": "MeanAveragePrecision",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"boxDetectionsPerImage": "string",
"boxScoreThreshold": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"imageSize": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"maxSize": "string",
"minSize": "string",
"modelName": "string",
"modelSize": "string",
"momentum": "string",
"multiScale": "string",
"nesterov": "string",
"nmsIouThreshold": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"tileGridSize": "string",
"tileOverlapRatio": "string",
"tilePredictionsNmsThreshold": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"validationIouThreshold": "string",
"validationMetricType": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Для ImageObjectDetectionиспользуйте:
"taskType": "ImageObjectDetection",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"boxDetectionsPerImage": "int",
"boxScoreThreshold": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"imageSize": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"logTrainingMetrics": "string",
"logValidationLoss": "string",
"maxSize": "int",
"minSize": "int",
"modelName": "string",
"modelSize": "string",
"momentum": "int",
"multiScale": "bool",
"nesterov": "bool",
"nmsIouThreshold": "int",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"tileGridSize": "string",
"tileOverlapRatio": "int",
"tilePredictionsNmsThreshold": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"validationIouThreshold": "int",
"validationMetricType": "string",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int"
},
"primaryMetric": "MeanAveragePrecision",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"boxDetectionsPerImage": "string",
"boxScoreThreshold": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"imageSize": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"maxSize": "string",
"minSize": "string",
"modelName": "string",
"modelSize": "string",
"momentum": "string",
"multiScale": "string",
"nesterov": "string",
"nmsIouThreshold": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"tileGridSize": "string",
"tileOverlapRatio": "string",
"tilePredictionsNmsThreshold": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"validationIouThreshold": "string",
"validationMetricType": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Для регрессиииспользуйте:
"taskType": "Regression",
"cvSplitColumnNames": [ "string" ],
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"fixedParameters": {
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "int",
"maxBin": "int",
"maxDepth": "int",
"maxLeaves": "int",
"minDataInLeaf": "int",
"minSplitGain": "int",
"modelName": "string",
"nEstimators": "int",
"numLeaves": "int",
"preprocessorName": "string",
"regAlpha": "int",
"regLambda": "int",
"subsample": "int",
"subsampleFreq": "int",
"treeMethod": "string",
"withMean": "bool",
"withStd": "bool"
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxNodes": "int",
"maxTrials": "int",
"sweepConcurrentTrials": "int",
"sweepTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"primaryMetric": "string",
"searchSpace": [
{
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "string",
"maxBin": "string",
"maxDepth": "string",
"maxLeaves": "string",
"minDataInLeaf": "string",
"minSplitGain": "string",
"modelName": "string",
"nEstimators": "string",
"numLeaves": "string",
"preprocessorName": "string",
"regAlpha": "string",
"regLambda": "string",
"subsample": "string",
"subsampleFreq": "string",
"treeMethod": "string",
"withMean": "string",
"withStd": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"testData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"testDataSize": "int",
"trainingSettings": {
"allowedTrainingAlgorithms": [ "string" ],
"blockedTrainingAlgorithms": [ "string" ],
"enableDnnTraining": "bool",
"enableModelExplainability": "bool",
"enableOnnxCompatibleModels": "bool",
"enableStackEnsemble": "bool",
"enableVoteEnsemble": "bool",
"ensembleModelDownloadTimeout": "string",
"stackEnsembleSettings": {
"stackMetaLearnerKWargs": {},
"stackMetaLearnerTrainPercentage": "int",
"stackMetaLearnerType": "string"
},
"trainingMode": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
Для TextClassificationиспользуйте:
"taskType": "TextClassification",
"featurizationSettings": {
"datasetLanguage": "string"
},
"fixedParameters": {
"gradientAccumulationSteps": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"warmupRatio": "int",
"weightDecay": "int"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxNodes": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"primaryMetric": "string",
"searchSpace": [
{
"gradientAccumulationSteps": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"warmupRatio": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
Для TextClassificationMultilabelиспользуйте:
"taskType": "TextClassificationMultilabel",
"featurizationSettings": {
"datasetLanguage": "string"
},
"fixedParameters": {
"gradientAccumulationSteps": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"warmupRatio": "int",
"weightDecay": "int"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxNodes": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"searchSpace": [
{
"gradientAccumulationSteps": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"warmupRatio": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
Для TextNERиспользуйте:
"taskType": "TextNER",
"featurizationSettings": {
"datasetLanguage": "string"
},
"fixedParameters": {
"gradientAccumulationSteps": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"warmupRatio": "int",
"weightDecay": "int"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxNodes": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"searchSpace": [
{
"gradientAccumulationSteps": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"warmupRatio": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
Объекты NCrossValidations
Задайте свойство режима, чтобы указать тип объекта.
Для автоматического
"mode": "Auto"
Для пользовательских
"mode": "Custom",
"value": "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 ForecastHorizon
Задайте свойство режима, чтобы указать тип объекта.
Для автоматического
"mode": "Auto"
Для пользовательских
"mode": "Custom",
"value": "int"
Объекты сезонности
Задайте свойство режима, чтобы указать тип объекта.
Для автоматического
"mode": "Auto"
Для пользовательских
"mode": "Custom",
"value": "int"
Объекты TargetLags
Задайте свойство режима, чтобы указать тип объекта.
Для автоматического
"mode": "Auto"
Для пользовательских
"mode": "Custom",
"values": [ "int" ]
Объекты TargetRollingWindowSize
Задайте свойство режима, чтобы указать тип объекта.
Для автоматического
"mode": "Auto"
Для пользовательских
"mode": "Custom",
"value": "int"
Объекты DistributionConfiguration
Задайте свойство
Для Mpiиспользуйте:
"distributionType": "Mpi",
"processCountPerInstance": "int"
Для PyTorchиспользуйте:
"distributionType": "PyTorch",
"processCountPerInstance": "int"
Для Rayиспользуйте:
"distributionType": "Ray",
"address": "string",
"dashboardPort": "int",
"headNodeAdditionalArgs": "string",
"includeDashboard": "bool",
"port": "int",
"workerNodeAdditionalArgs": "string"
Для TensorFlowиспользуйте:
"distributionType": "TensorFlow",
"parameterServerCount": "int",
"workerCount": "int"
Объекты JobInput
Задайте свойство jobInputType, чтобы указать тип объекта.
Для custom_modelиспользуйте:
"jobInputType": "custom_model",
"mode": "string",
"uri": "string"
Для литералаиспользуйте:
"jobInputType": "literal",
"value": "string"
Для mlflow_modelиспользуйте:
"jobInputType": "mlflow_model",
"mode": "string",
"uri": "string"
Для mltableиспользуйте:
"jobInputType": "mltable",
"mode": "string",
"uri": "string"
Для triton_modelиспользуйте:
"jobInputType": "triton_model",
"mode": "string",
"uri": "string"
Для uri_fileиспользуйте:
"jobInputType": "uri_file",
"mode": "string",
"uri": "string"
Для uri_folderиспользуйте:
"jobInputType": "uri_folder",
"mode": "string",
"uri": "string"
Объекты LabelingJobMediaProperties
Задайте свойство mediaType mediaType, чтобы указать тип объекта.
Для изображенияиспользуйте:
"mediaType": "Image",
"annotationType": "string"
Для текстовыхиспользуйте:
"mediaType": "Text",
"annotationType": "string"
Объекты MLAssistConfiguration
Задайте свойство mlAssist, чтобы указать тип объекта.
Для отключенныхиспользуйте:
"mlAssist": "Disabled"
Для включеноиспользуйте:
"mlAssist": "Enabled",
"inferencingComputeBinding": "string",
"trainingComputeBinding": "string"
Объекты SparkJobEntry
Задайте свойство sparkJobEntryType, чтобы указать тип объекта.
Для SparkJobPythonEntryиспользуйте:
"sparkJobEntryType": "SparkJobPythonEntry",
"file": "string"
Для SparkJobScalaEntryиспользуйте:
"sparkJobEntryType": "SparkJobScalaEntry",
"className": "string"
Объекты ВыборкиAlgorithm
Задайте свойство выборкиAlgorithmType, чтобы указать тип объекта.
Для Байезианаиспользуйте:
"samplingAlgorithmType": "Bayesian"
Для сеткииспользуйте:
"samplingAlgorithmType": "Grid"
Для случайныхиспользуйте:
"samplingAlgorithmType": "Random",
"logbase": "string",
"rule": "string",
"seed": "int"
Объекты MonitorComputeConfigurationBase
Задайте свойство computeType, чтобы указать тип объекта.
Для ServerlessSparkиспользуйте:
"computeType": "ServerlessSpark",
"computeIdentity": {
"computeIdentityType": "string"
// For remaining properties, see MonitorComputeIdentityBase objects
},
"instanceType": "string",
"runtimeVersion": "string"
Объекты MonitorComputeIdentityBase
Задайте свойство computeIdentityType, чтобы указать тип объекта.
Для AmlTokenиспользуйте:
"computeIdentityType": "AmlToken"
Для ManagedIdentityиспользуйте:
"computeIdentityType": "ManagedIdentity",
"identity": {
"type": "string",
"userAssignedIdentities": {
"{customized property}": {}
}
}
Объекты MonitoringSignalBase
Задайте свойство signalType, чтобы указать тип объекта.
Для пользовательских
"signalType": "Custom",
"componentId": "string",
"inputAssets": {
"{customized property}": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"metricThresholds": [
{
"metric": "string",
"threshold": {
"value": "int"
}
}
],
"workspaceConnection": {
"environmentVariables": {
"{customized property}": "string"
},
"secrets": {
"{customized property}": "string"
}
}
Для DataDriftиспользуйте:
"signalType": "DataDrift",
"dataSegment": {
"feature": "string",
"values": [ "string" ]
},
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "string"
},
"features": {
"filterType": "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
},
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see DataDriftMetricThresholdBase objects
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Для DataQualityиспользуйте:
"signalType": "DataQuality",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "string"
},
"features": {
"filterType": "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
},
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see DataQualityMetricThresholdBase objects
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Для FeatureAttributionDriftиспользуйте:
"signalType": "FeatureAttributionDrift",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "string"
},
"metricThreshold": {
"metric": "NormalizedDiscountedCumulativeGain",
"threshold": {
"value": "int"
}
},
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Для GenerationSafetyQualityиспользуйте следующее:
"signalType": "GenerationSafetyQuality",
"metricThresholds": [
{
"metric": "string",
"threshold": {
"value": "int"
}
}
],
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"samplingRate": "int",
"workspaceConnectionId": "string"
Для GenerationTokenStatisticsиспользуйте следующее:
"signalType": "GenerationTokenStatistics",
"metricThresholds": [
{
"metric": "string",
"threshold": {
"value": "int"
}
}
],
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"samplingRate": "int"
Для ModelPerformanceиспользуйте:
"signalType": "ModelPerformance",
"dataSegment": {
"feature": "string",
"values": [ "string" ]
},
"metricThreshold": {
"threshold": {
"value": "int"
},
"modelType": "string"
// For remaining properties, see ModelPerformanceMetricThresholdBase objects
},
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Для PredictionDriftиспользуйте:
"signalType": "PredictionDrift",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Объекты MonitoringInputDataBase
Задайте свойство inputDataType, чтобы указать тип объекта.
Для фиксированныхиспользуйте:
"inputDataType": "Fixed"
Для Rollingиспользуйте:
"inputDataType": "Rolling",
"preprocessingComponentId": "string",
"windowOffset": "string",
"windowSize": "string"
Для статических
"inputDataType": "Static",
"preprocessingComponentId": "string",
"windowEnd": "string",
"windowStart": "string"
Объекты MonitoringFeatureFilterBase
Задайте свойство filterType, чтобы указать тип объекта.
Для AllFeaturesиспользуйте:
"filterType": "AllFeatures"
Для FeatureSubsetиспользуйте:
"filterType": "FeatureSubset",
"features": [ "string" ]
Для TopNByAttributionиспользуйте:
"filterType": "TopNByAttribution",
"top": "int"
Объекты DataDriftMetricThresholdBase
Задайте свойство dataType, чтобы указать тип объекта.
Для категориальных
"dataType": "Categorical",
"metric": "string"
Для числовых
"dataType": "Numerical",
"metric": "string"
Объекты DataQualityMetricThresholdBase
Задайте свойство dataType, чтобы указать тип объекта.
Для категориальных
"dataType": "Categorical",
"metric": "string"
Для числовых
"dataType": "Numerical",
"metric": "string"
Объекты ModelPerformanceMetricThresholdBase
Задайте свойство modelType, чтобы указать тип объекта.
Для классификациииспользуйте:
"modelType": "Classification",
"metric": "string"
Для регрессиииспользуйте:
"modelType": "Regression",
"metric": "string"
Объекты PredictionDriftMetricThresholdBase
Задайте свойство dataType, чтобы указать тип объекта.
Для категориальных
"dataType": "Categorical",
"metric": "string"
Для числовых
"dataType": "Numerical",
"metric": "string"
Объекты DataImportSource
Задайте свойство sourceType, чтобы указать тип объекта.
Для базы данныхиспользуйте:
"sourceType": "database",
"query": "string",
"storedProcedure": "string",
"storedProcedureParams": [
{
"{customized property}": "string"
}
],
"tableName": "string"
Для file_systemиспользуйте:
"sourceType": "file_system",
"path": "string"
Объекты TriggerBase
Задайте свойство triggerType, чтобы указать тип объекта.
Для Cronиспользуйте:
"triggerType": "Cron",
"expression": "string"
Для повторенияиспользуйте:
"triggerType": "Recurrence",
"frequency": "string",
"interval": "int",
"schedule": {
"hours": [ "int" ],
"minutes": [ "int" ],
"monthDays": [ "int" ],
"weekDays": [ "string" ]
}
Значения свойств
рабочие области и расписания
| Имя | Описание | Ценность |
|---|---|---|
| тип | Тип ресурса | "Microsoft.MachineLearningServices/workspaces/schedules" |
| apiVersion | Версия API ресурсов | '2023-08-01-preview' |
| имя | Имя ресурса Узнайте, как задать имена и типы дочерних ресурсов в шаблонах ARM JSON. |
строка (обязательно) |
| свойства | [Обязательный] Дополнительные атрибуты сущности. | ScheduleProperties (обязательно) |
ScheduleProperties
| Имя | Описание | Ценность |
|---|---|---|
| действие | [Обязательный] Указывает действие расписания | ScheduleActionBase (обязательно) |
| описание | Текст описания ресурса. | струна |
| displayName | Отображаемое имя расписания. | струна |
| isEnabled | Включен ли расписание? | bool |
| свойства | Словарь свойств ресурса. | ResourceBaseProperties |
| Теги | Словарь тегов. Теги можно добавлять, удалять и обновлять. | объект |
| триггер | [Обязательный] Указывает сведения о триггере | TriggerBase (обязательно) |
ScheduleActionBase
| Имя | Описание | Ценность |
|---|---|---|
| actionType | Установка типа объекта |
CreateJob CreateMonitor ImportData InvokeBatchEndpoint (обязательно) |
JobScheduleAction
| Имя | Описание | Ценность |
|---|---|---|
| actionType | [Обязательный] Указывает тип действия расписания | CreateJob (обязательный) |
| jobDefinition | [Обязательный] Определяет сведения о определении действия расписания. | JobBaseProperties (обязательно) |
JobBaseProperties
| Имя | Описание | Ценность |
|---|---|---|
| componentId | Идентификатор ресурса ARM ресурса компонента. | струна |
| 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 |
| notificationSetting | Параметр уведомления для задания | NotificationSetting |
| свойства | Словарь свойств ресурса. | ResourceBaseProperties |
| secretConfiguration | Настройка секретов для доступности во время выполнения. | JobBaseSecretsConfiguration |
| 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. | объект |
| jobType | Установка типа объекта |
AutoML Команда метки конвейера Spark (обязательно) |
IdentityConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| identityType | Установка типа объекта |
AMLToken Управляемые UserIdentity (обязательно) |
AmlToken
| Имя | Описание | Ценность |
|---|---|---|
| identityType | [Обязательный] Указывает тип платформы удостоверений. | AMLToken (обязательно) |
ManagedIdentity
| Имя | Описание | Ценность |
|---|---|---|
| identityType | [Обязательный] Указывает тип платформы удостоверений. | Managed (обязательный) |
| 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}$ |
| 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 |
UserIdentity
| Имя | Описание | Ценность |
|---|---|---|
| identityType | [Обязательный] Указывает тип платформы удостоверений. | UserIdentity (обязательно) |
NotificationSetting
| Имя | Описание | Ценность |
|---|---|---|
| emailOn | Отправка уведомления электронной почты пользователю по указанному типу уведомлений | Массив строк, содержащий любой из: JobCancelled JobCompleted JobFailed |
| сообщения электронной почты | Это список получателей электронной почты с ограничением 499 символов в общей сложности с разделителем запятых | string[] |
| веб-перехватчики | Отправка обратного вызова веб-перехватчика в службу. Ключ — это имя, предоставленное пользователем для веб-перехватчика. | NotificationSettingWebhooks |
NotificationSettingWebhooks
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | веб-перехватчик |
Веб-перехватчик
| Имя | Описание | Ценность |
|---|---|---|
| eventType | Отправка обратного вызова на указанное событие уведомления | струна |
| webhookType | Установка типа объекта | AzureDevOps (обязательно) |
AzureDevOpsWebhook
| Имя | Описание | Ценность |
|---|---|---|
| webhookType | [Обязательный] Указывает тип службы для отправки обратного вызова. | AzureDevOps (обязательно) |
ResourceBaseProperties
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
JobBaseSecretsConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | SecretConfiguration |
SecretConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| ури | Универсальный код ресурса (URI секрета). Пример URI: https://myvault.vault.azure.net/secrets/mysecretname/secretversion |
струна |
| workspaceSecretName | Имя секрета в хранилище ключей рабочей области. | струна |
JobBaseServices
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobService |
JobService
| Имя | Описание | Ценность |
|---|---|---|
| конечная точка | URL-адрес конечной точки. | струна |
| jobServiceType | Тип конечной точки. | струна |
| Узлов | Узлы, на которые пользователь хочет запустить службу. Если узлы не заданы или заданы значение NULL, служба будет запущена только на узле лидера. |
узлов |
| порт | Порт для конечной точки, заданной пользователем. | int |
| свойства | Дополнительные свойства, заданные в конечной точке. | JobServiceProperties |
Узлов
| Имя | Описание | Ценность |
|---|---|---|
| nodesValueType | Установка типа объекта | Все (обязательно) |
AllNodes
| Имя | Описание | Ценность |
|---|---|---|
| nodesValueType | [Обязательный] Тип значения Nodes | "Все" (обязательно) |
JobServiceProperties
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
AutoMLJob
| Имя | Описание | Ценность |
|---|---|---|
| jobType | [Обязательный] Указывает тип задания. | AutoML (обязательно) |
| 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 |
| Выходы | Сопоставление привязок выходных данных, используемых в задании. | AutoMLJobOutputs |
| queueSettings | Параметры очереди для задания | QueueSettings |
| ресурсы | Конфигурация вычислительных ресурсов для задания. | JobResourceConfiguration |
| taskDetails | [Обязательный] Это сценарий, который может быть одним из таблиц/ NLP/Image | AutoMLVertical (обязательно) |
AutoMLJobEnvironmentVariables
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
AutoMLJobOutputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobOutput |
JobOutput
| Имя | Описание | Ценность |
|---|---|---|
| описание | Описание выходных данных. | струна |
| jobOutputType | Установка типа объекта |
custom_model mlflow_model mltable triton_model uri_file uri_folder (обязательно) |
CustomModelJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "custom_model" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | 'Direct' ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
AutoDeleteSetting
| Имя | Описание | Ценность |
|---|---|---|
| состояние | Когда необходимо проверить, истек ли срок действия ресурса | "CreatedGreaterThan" LastAccessedGreaterThan |
| ценность | Значение условия окончания срока действия. | струна |
MLFlowModelJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "mlflow_model" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | 'Direct' ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
MLTableJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "mltable" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | 'Direct' ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
TritonModelJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "triton_model" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | 'Direct' ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
UriFileJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "uri_file" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | 'Direct' ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
UriFolderJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "uri_folder" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | 'Direct' ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
QueueSettings
| Имя | Описание | Ценность |
|---|---|---|
| jobTier | Управляет уровнем заданий вычислений | "Базовый" "Null" "Премиум" "Spot" "Стандартный" |
| приоритет | Управляет приоритетом задания в вычислении. | int |
JobResourceConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| dockerArgs | Дополнительные аргументы для передачи команде запуска Docker. Это переопределит все параметры, которые уже были заданы системой или в этом разделе. Этот параметр поддерживается только для типов вычислений Машинного обучения Azure. | струна |
| instanceCount | Необязательное количество экземпляров или узлов, используемых целевым объектом вычислений. | int |
| instanceType | Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений. | струна |
| Местонахождения | Расположения, в которых задание может выполняться. | string[] |
| maxInstanceCount | Необязательное максимальное число экземпляров или узлов, используемых целевым объектом вычислений. Для использования с эластичным обучением в настоящее время поддерживается только типом распространения PyTorch. |
int |
| свойства | Дополнительные контейнеры свойств. | ResourceConfigurationProperties |
| shmSize | Размер общего блока памяти контейнера Docker. Это должно быть в формате (число)(единица), где число должно быть больше 0, а единица может быть одной из b(байтов), k(килобайтов), m(мегабайт) или g(g(gigabytes). | струна Ограничения целостности: Pattern = \d+[bBkKmMgG] |
ResourceConfigurationProperties
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} |
AutoMLVertical
| Имя | Описание | Ценность |
|---|---|---|
| logVerbosity | Подробность журнала для задания. | "Критический" "Отладка" "Ошибка" "Info" NotSet Предупреждение |
| targetColumnName | Имя целевого столбца: это столбец прогнозируемых значений. Также называется именем столбца метки в контексте задач классификации. |
струна |
| trainingData | [Обязательный] Входные данные обучения. | MLTableJobInput (обязательно) |
| taskType | Установка типа объекта |
классификации прогнозирование ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection регрессии TextClassification TextClassificationMultilabel TextNER (обязательно) |
MLTableJobInput
| Имя | Описание | Ценность |
|---|---|---|
| описание | Описание входных данных. | струна |
| jobInputType | [Обязательный] Указывает тип задания. | "custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно) |
| режим | Режим доставки входных ресурсов. | 'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
Классификация
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | "Классификация" (обязательно) |
| cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | TableFixedParameters |
| limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан. |
NCrossValidations |
| positiveLabel | Положительная метка для вычисления двоичных метрик. | струна |
| primaryMetric | Первичная метрика для задачи. | "AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | TableParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | TableSweepSettings |
| testData | Проверка входных данных. | 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 |
| trainingSettings | Входные данные для этапа обучения для задания AutoML. | КлассификацияTrainingSettings |
| validationData | Входные данные проверки. | 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 |
| 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. | Массив строк, содержащий любой из: "CatTargetEncoder" CountVectorizer HashOneHotEncoder 'LabelEncoder' 'NaiveBayes' OneHotEncoder TextTargetEncoder 'TfIdf' 'WoETargetEncoder' "WordEmbedding" |
| columnNameAndTypes | Словарь имени столбца и его типа (int, float, string, datetime и т. д.). | TableVerticalFeaturizationSettingsColumnNameAndTypes |
| datasetLanguage | Язык набора данных, полезный для текстовых данных. | струна |
| 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 |
|---|---|---|
| {настраиваемое свойство} | струна |
TableVerticalFeaturizationSettingsTransformerParams
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | ColumnTransformer[] |
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. |
TableFixedParameters
| Имя | Описание | Ценность |
|---|---|---|
| усилитель | Укажите тип повышения, например gbdt для XGBoost. | струна |
| boostingType | Укажите тип повышения, например gbdt для LightGBM. | струна |
| growPolicy | Укажите политику роста, которая управляет тем, как новые узлы добавляются в дерево. | струна |
| LearningRate | Скорость обучения для процедуры обучения. | int |
| maxBin | Укажите максимальное количество дискретных ячеек для сегментирования непрерывных функций. | int |
| maxDepth | Укажите максимальную глубину, чтобы ограничить глубину дерева явным образом. | int |
| maxLeaves | Укажите максимальное количество листьев, чтобы ограничить листья дерева явным образом. | int |
| minDataInLeaf | Минимальное количество данных на лист. | int |
| minSplitGain | Минимальное сокращение потери, необходимое для дальнейшего секционирования на конечном узле дерева. | int |
| ModelName | Имя модели для обучения. | струна |
| nEstimator | Укажите количество деревьев (или округлений) в модели. | int |
| numLeaves | Укажите количество листьев. | int |
| preprocessorName | Имя используемого препроцессора. | струна |
| regAlpha | Термин нормализации L1 для весов. | int |
| regLambda | Термин нормализации L2 для весов. | int |
| subsample | Подсамплексный коэффициент экземпляра обучения. | int |
| subsampleFreq | Частота подсампли. | int |
| treeMethod | Укажите метод дерева. | струна |
| withMean | Если задано значение true, перед масштабированием данных с помощью StandardScalar. | bool |
| withStd | Если задано значение true, масштабирование данных с помощью единицы вариативности с помощью StandardScalar. | bool |
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 |
| maxNodes | Максимальное количество узлов, используемых для эксперимента. | int |
| maxTrials | Количество итераций. | int |
| sweepConcurrentTrials | Количество одновременных запусков, которые пользователь хочет активировать. | int |
| sweepTrials | Количество разверток запусков, которые пользователь хочет активировать. | int |
| Времени ожидания | Время ожидания задания AutoML. | струна |
| trialTimeout | Время ожидания итерации. | струна |
NCrossValidations
| Имя | Описание | Ценность |
|---|---|---|
| режим | Установка типа объекта | автоза настраиваемые (обязательно) |
AutoNCrossValidations
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим определения проверок N-Cross. | "Авто" (обязательно) |
CustomNCrossValidations
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим определения проверок N-Cross. | "Custom" (обязательный) |
| ценность | [Обязательный] Значение N-Cross validations. | int (обязательно) |
TableParameterSubspace
| Имя | Описание | Ценность |
|---|---|---|
| усилитель | Укажите тип повышения, например gbdt для XGBoost. | струна |
| boostingType | Укажите тип повышения, например gbdt для LightGBM. | струна |
| growPolicy | Укажите политику роста, которая управляет тем, как новые узлы добавляются в дерево. | струна |
| LearningRate | Скорость обучения для процедуры обучения. | струна |
| maxBin | Укажите максимальное количество дискретных ячеек для сегментирования непрерывных функций. | струна |
| maxDepth | Укажите максимальную глубину, чтобы ограничить глубину дерева явным образом. | струна |
| maxLeaves | Укажите максимальное количество листьев, чтобы ограничить листья дерева явным образом. | струна |
| minDataInLeaf | Минимальное количество данных на лист. | струна |
| minSplitGain | Минимальное сокращение потери, необходимое для дальнейшего секционирования на конечном узле дерева. | струна |
| ModelName | Имя модели для обучения. | струна |
| nEstimator | Укажите количество деревьев (или округлений) в модели. | струна |
| numLeaves | Укажите количество листьев. | струна |
| preprocessorName | Имя используемого препроцессора. | струна |
| regAlpha | Термин нормализации L1 для весов. | струна |
| regLambda | Термин нормализации L2 для весов. | струна |
| subsample | Подсамплексный коэффициент экземпляра обучения. | струна |
| subsampleFreq | Частота подсампли | струна |
| treeMethod | Укажите метод дерева. | струна |
| withMean | Если задано значение true, перед масштабированием данных с помощью StandardScalar. | струна |
| withStd | Если задано значение true, масштабирование данных с помощью единицы вариативности с помощью StandardScalar. | струна |
TableSweepSettings
| Имя | Описание | Ценность |
|---|---|---|
| ранняятерминация | Тип политики раннего завершения для масштабного задания. | EarlyTerminationPolicy |
| выборкаAlgorithm | [Обязательный] Тип алгоритма выборки. | "Байезиан" "Сетка" "Случайный" (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 | Установка типа объекта |
Банда MedianStopping TruncationSelection (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 |
MedianStoppingPolicy
| Имя | Описание | Ценность |
|---|---|---|
| policyType | [Обязательный] Имя конфигурации политики | MedianStopping (обязательно) |
УсечениеSelectionPolicy
| Имя | Описание | Ценность |
|---|---|---|
| policyType | [Обязательный] Имя конфигурации политики | УсечениеSelection (обязательно) |
| усечениеPercentage | Процент выполнения для отмены по каждому интервалу оценки. | int |
КлассификацияTrainingSettings
| Имя | Описание | Ценность |
|---|---|---|
| allowedTrainingAlgorithms | Разрешенные модели для задачи классификации. | Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" 'GradientBoosting' KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier" |
| blockedTrainingAlgorithms | Заблокированные модели для задачи классификации. | Массив строк, содержащий любой из: 'БернуллиNaiveBayes' "DecisionTree" "ExtremeRandomTrees" 'GradientBoosting' KNN LightGBM "LinearSVM" "LogisticRegression" MultinomialNaiveBayes "RandomForest" "ДИНАМ" SVM "XGBoostClassifier" |
| 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 |
| trainingMode | Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы. |
"Авто" "Распределено" "NonDistributed" |
StackEnsembleSettings
| Имя | Описание | Ценность |
|---|---|---|
| stackMetaLearnerKWargs | Необязательные параметры для передачи инициализатору метаучителя. | |
| 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" |
Прогнозирование
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | "Прогнозирование" (обязательно) |
| cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | TableFixedParameters |
| forecastingSettings | Прогнозирование определенных входных данных задачи. | ForecastingSettings |
| limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан. |
NCrossValidations |
| primaryMetric | Основная метрика для задачи прогнозирования. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation' |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | TableParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | TableSweepSettings |
| testData | Проверка входных данных. | 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 |
| trainingSettings | Входные данные для этапа обучения для задания AutoML. | ПрогнозированиеTrainingSettings |
| validationData | Входные данные проверки. | 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 |
| 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 |
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 будеттри дня в стороне. |
int |
| featureLags | Флаг для создания задержек для числовых функций с параметром auto или NULL. | "Авто" "Нет" |
| featuresUnknownAtForecastTime | Столбцы признаков, доступные для обучения, но неизвестные во время прогнозирования или вывода. Если features_unknown_at_forecast_time не задано, предполагается, что все столбцы признаков в наборе данных известны во время вывода. |
string[] |
| 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' |
ПрогнозHorizon
| Имя | Описание | Ценность |
|---|---|---|
| режим | Установка типа объекта | автоза настраиваемые (обязательно) |
AutoForecastHorizon
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Задайте режим выбора значения горизонта прогнозирования. | "Авто" (обязательно) |
CustomForecastHorizon
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Задайте режим выбора значения горизонта прогнозирования. | "Custom" (обязательный) |
| ценность | [Обязательный] Прогноз значения горизонта. | int (обязательно) |
Сезонность
| Имя | Описание | Ценность |
|---|---|---|
| режим | Установка типа объекта | автоза настраиваемые (обязательно) |
Автосесональность
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим сезонности. | "Авто" (обязательно) |
CustomSeasonality
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим сезонности. | "Custom" (обязательный) |
| ценность | [Обязательный] Значение сезонности. | int (обязательно) |
TargetLags
| Имя | Описание | Ценность |
|---|---|---|
| режим | Установка типа объекта | автоза настраиваемые (обязательно) |
AutoTargetLags
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Настройка режима задержки целевых объектов — автоматическое или настраиваемое | "Авто" (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) |
TargetRollingWindowSize
| Имя | Описание | Ценность |
|---|---|---|
| режим | Установка типа объекта | автоза настраиваемые (обязательно) |
AutoTargetRollingWindowSize
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим обнаружения TargetRollingWindowSiz. | "Авто" (обязательно) |
CustomTargetRollingWindowSize
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим обнаружения TargetRollingWindowSiz. | "Custom" (обязательный) |
| ценность | [Обязательный] Значение TargetRollingWindowSize. | int (обязательно) |
ПрогнозированиеTrainingSettings
| Имя | Описание | Ценность |
|---|---|---|
| allowedTrainingAlgorithms | Разрешенные модели для задачи прогнозирования. | Массив строк, содержащий любой из: 'Arimax' AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "ДИНАМ" "СезоннаяAverage" "СезоннаяNaive" 'TCNForecaster' "XGBoostRegressor" |
| blockedTrainingAlgorithms | Заблокированные модели для задачи прогнозирования. | Массив строк, содержащий любой из: 'Arimax' AutoArima "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "Наивный" "Пророк" "RandomForest" "ДИНАМ" "СезоннаяAverage" "СезоннаяNaive" 'TCNForecaster' "XGBoostRegressor" |
| 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 |
| trainingMode | Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы. |
"Авто" "Распределено" "NonDistributed" |
ImageClassification
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | ImageClassification (обязательный) |
| limitSettings | [Обязательный] Ограничение параметров для задания AutoML. | ImageLimitSettings (обязательно) |
| modelSettings | Параметры, используемые для обучения модели. | ImageModelSettingsClassification |
| primaryMetric | Основная метрика для оптимизации для этой задачи. | "AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | ImageModelDistributionSettingsClassification[] |
| sweepSettings | Очистка модели и гиперпараметры, связанные с параметрами. | ImageSweepSettings |
| validationData | Входные данные проверки. | 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 |
ImageLimitSettings
| Имя | Описание | Ценность |
|---|---|---|
| maxConcurrentTrials | Максимальное число параллельных итераций AutoML. | int |
| maxTrials | Максимальное число итераций AutoML. | int |
| Времени ожидания | Время ожидания задания AutoML. | 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 точкаFrequency | Частота хранения контрольных точек модели. Должно быть положительным целым числом. | int |
| контрольная точкаModel | Предварительно обученная модель контрольной точки для добавочного обучения. | MLFlowModelJobInput |
| 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 |
| 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 |
MLFlowModelJobInput
| Имя | Описание | Ценность |
|---|---|---|
| описание | Описание входных данных. | струна |
| jobInputType | [Обязательный] Указывает тип задания. | "custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно) |
| режим | Режим доставки входных ресурсов. | 'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
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 |
| 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 |
ImageSweepSettings
| Имя | Описание | Ценность |
|---|---|---|
| ранняятерминация | Тип политики раннего завершения. | EarlyTerminationPolicy |
| выборкаAlgorithm | [Обязательный] Тип алгоритмов выборки гиперпараметров. | "Байезиан" "Сетка" "Случайный" (обязательный) |
ImageClassificationMultilabel
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | ImageClassificationMultilabel (обязательный) |
| limitSettings | [Обязательный] Ограничение параметров для задания AutoML. | ImageLimitSettings (обязательно) |
| modelSettings | Параметры, используемые для обучения модели. | ImageModelSettingsClassification |
| primaryMetric | Основная метрика для оптимизации для этой задачи. | "AUCWeighted" "Точность" "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 |
| validationData | Входные данные проверки. | 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 |
ImageInstanceSegmentation
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | ImageInstanceSegmentation (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 |
| validationData | Входные данные проверки. | 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 |
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 точкаFrequency | Частота хранения контрольных точек модели. Должно быть положительным целым числом. | int |
| контрольная точкаModel | Предварительно обученная модель контрольной точки для добавочного обучения. | MLFlowModelJobInput |
| 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" |
| LogTrainingMetrics | Включите метрики обучения вычислений и ведения журнала. | "Отключить" "Включить" |
| logValidationLoss | Включение потери вычислений и ведения журнала. | "Отключить" "Включить" |
| 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 |
| 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 |
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 |
| 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 |
ImageObjectDetection
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | ImageObjectDetection (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 |
| validationData | Входные данные проверки. | 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 |
Регрессия
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | Регрессия (обязательно) |
| cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | TableFixedParameters |
| limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан. |
NCrossValidations |
| primaryMetric | Основная метрика для задачи регрессии. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" 'SpearmanCorrelation' |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | TableParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | TableSweepSettings |
| testData | Проверка входных данных. | 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 |
| trainingSettings | Входные данные для этапа обучения для задания AutoML. | РегрессионTrainingSettings |
| validationData | Входные данные проверки. | 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 |
| 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 |
РегрессияTrainingSettings
| Имя | Описание | Ценность |
|---|---|---|
| allowedTrainingAlgorithms | Разрешенные модели для задачи регрессии. | Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor" |
| blockedTrainingAlgorithms | Заблокированные модели для задачи регрессии. | Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" 'GradientBoosting' KNN "ЛассоЛарс" LightGBM "RandomForest" "ДИНАМ" "XGBoostRegressor" |
| 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 |
| trainingMode | Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы. |
"Авто" "Распределено" "NonDistributed" |
TextClassification
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | TextClassification (обязательный) |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | NlpFixedParameters |
| limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
| primaryMetric | Основная метрика для задачи Text-Classification. | "AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | NlpParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | NlpSweepSettings |
| validationData | Входные данные проверки. | MLTableJobInput |
NlpVerticalFeaturizationSettings
| Имя | Описание | Ценность |
|---|---|---|
| datasetLanguage | Язык набора данных, полезный для текстовых данных. | струна |
NlpFixedParameters
| Имя | Описание | Ценность |
|---|---|---|
| градиентAccumulationSteps | Количество шагов для накапливания градиентов перед выполнением обратного прохода. | int |
| LearningRate | Скорость обучения для процедуры обучения. | int |
| learningRateScheduler | Тип расписания обучения, используемого во время процедуры обучения. | "Констант" "ConstantWithWarmup" "Косин" "CosineWithRestarts" "Линейная" "Нет" "Polynomial" |
| ModelName | Имя модели для обучения. | струна |
| numberOfEpochs | Число эпох обучения. | int |
| trainingBatchSize | Размер пакета для процедуры обучения. | int |
| validationBatchSize | Размер пакета, используемый во время оценки. | int |
| теплый Ратио | Коэффициент нагрева, используемый вместе с LrSchedulerType. | int |
| weightDecay | Разложение веса для процедуры обучения. | int |
NlpVerticalLimitSettings
| Имя | Описание | Ценность |
|---|---|---|
| maxConcurrentTrials | Максимальное число параллельных итераций AutoML. | int |
| maxNodes | Максимальное количество узлов, используемых для эксперимента. | int |
| maxTrials | Число итераций AutoML. | int |
| Времени ожидания | Время ожидания задания AutoML. | струна |
| trialTimeout | Время ожидания для отдельных пробных версий HD. | струна |
NlpParameterSubspace
| Имя | Описание | Ценность |
|---|---|---|
| градиентAccumulationSteps | Количество шагов для накапливания градиентов перед выполнением обратного прохода. | струна |
| LearningRate | Скорость обучения для процедуры обучения. | струна |
| learningRateScheduler | Тип расписания обучения, используемого во время процедуры обучения. | струна |
| ModelName | Имя модели для обучения. | струна |
| numberOfEpochs | Число эпох обучения. | струна |
| trainingBatchSize | Размер пакета для процедуры обучения. | струна |
| validationBatchSize | Размер пакета, используемый во время оценки. | струна |
| теплый Ратио | Коэффициент нагрева, используемый вместе с LrSchedulerType. | струна |
| weightDecay | Разложение веса для процедуры обучения. | струна |
NlpSweepSettings
| Имя | Описание | Ценность |
|---|---|---|
| ранняятерминация | Тип политики раннего завершения для масштабного задания. | EarlyTerminationPolicy |
| выборкаAlgorithm | [Обязательный] Тип алгоритма выборки. | "Байезиан" "Сетка" "Случайный" (обязательный) |
TextClassificationMultilabel
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | TextClassificationMultilabel (обязательный) |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | NlpFixedParameters |
| limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | NlpParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | NlpSweepSettings |
| validationData | Входные данные проверки. | MLTableJobInput |
TextNer
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | TextNER (обязательно) |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | NlpFixedParameters |
| limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | NlpParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | NlpSweepSettings |
| validationData | Входные данные проверки. | MLTableJobInput |
CommandJob
| Имя | Описание | Ценность |
|---|---|---|
| jobType | [Обязательный] Указывает тип задания. | "Command" (обязательный) |
| autologgerSettings | Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL. | AutologgerSettings |
| codeId | Идентификатор ресурса ARM ресурса ресурса кода. | струна |
| команда | [Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py" | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| распределение | Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch, Ray или NULL. | distributionConfiguration |
| environmentId | [Обязательный] Идентификатор ресурса ARM спецификации среды для задания. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| environmentVariables | Переменные среды, включенные в задание. | CommandJobEnvironmentVariables |
| Входы | Сопоставление входных привязок данных, используемых в задании. | CommandJobInputs |
| Ограничения | Ограничение задания команд. | CommandJobLimits |
| Выходы | Сопоставление привязок выходных данных, используемых в задании. | CommandJobOutputs |
| queueSettings | Параметры очереди для задания | QueueSettings |
| ресурсы | Конфигурация вычислительных ресурсов для задания. | JobResourceConfiguration |
AutologgerSettings
| Имя | Описание | Ценность |
|---|---|---|
| mlflowAutologger | [Обязательный] Указывает, включена ли функция автолога машинного потока. | "Отключено" "Включено" (обязательно) |
DistributionConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| distributionType | Установка типа объекта |
Mpi PyTorch Рэй TensorFlow (обязательно) |
Mpi
| Имя | Описание | Ценность |
|---|---|---|
| distributionType | [Обязательный] Указывает тип платформы распространения. | Mpi (обязательно) |
| processCountPerInstance | Количество процессов на узел MPI. | int |
PyTorch
| Имя | Описание | Ценность |
|---|---|---|
| distributionType | [Обязательный] Указывает тип платформы распространения. | PyTorch (обязательный) |
| processCountPerInstance | Количество процессов на узел. | int |
Луч
| Имя | Описание | Ценность |
|---|---|---|
| distributionType | [Обязательный] Указывает тип платформы распространения. | "Ray" (обязательно) |
| адрес | Адрес головного узла Ray. | струна |
| панель мониторинга | Порт для привязки сервера панели мониторинга к. | int |
| headNodeAdditionalArgs | Дополнительные аргументы, передаваемые на запуск луча в головном узле. | струна |
| includeDashboard | Укажите этот аргумент для запуска графического интерфейса панели мониторинга Ray. | bool |
| порт | Порт процесса луча головы. | int |
| workerNodeAdditionalArgs | Дополнительные аргументы, передаваемые в запуск ray в рабочем узле. | струна |
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 |
CommandJobEnvironmentVariables
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
CommandJobInputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobInput |
JobInput
| Имя | Описание | Ценность |
|---|---|---|
| описание | Описание входных данных. | струна |
| jobInputType | Установка типа объекта |
custom_model литерал mlflow_model mltable triton_model uri_file uri_folder (обязательно) |
CustomModelJobInput
| Имя | Описание | Ценность |
|---|---|---|
| jobInputType | [Обязательный] Указывает тип задания. | "custom_model" (обязательно) |
| режим | Режим доставки входных ресурсов. | 'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
ЛитералJobInput
| Имя | Описание | Ценность |
|---|---|---|
| jobInputType | [Обязательный] Указывает тип задания. | "литерал" (обязательный) |
| ценность | [Обязательный] Литеральное значение для входных данных. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
TritonModelJobInput
| Имя | Описание | Ценность |
|---|---|---|
| jobInputType | [Обязательный] Указывает тип задания. | "triton_model" (обязательно) |
| режим | Режим доставки входных ресурсов. | 'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
UriFileJobInput
| Имя | Описание | Ценность |
|---|---|---|
| jobInputType | [Обязательный] Указывает тип задания. | "uri_file" (обязательно) |
| режим | Режим доставки входных ресурсов. | 'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
UriFolderJobInput
| Имя | Описание | Ценность |
|---|---|---|
| jobInputType | [Обязательный] Указывает тип задания. | "uri_folder" (обязательно) |
| режим | Режим доставки входных ресурсов. | 'Direct' "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
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 |
|---|---|---|
| {настраиваемое свойство} | JobOutput |
LabelingJobProperties
| Имя | Описание | Ценность |
|---|---|---|
| componentId | Идентификатор ресурса ARM ресурса компонента. | струна |
| computeId | Идентификатор ресурса ARM вычислительного ресурса. | струна |
| dataConfiguration | Настройка данных, используемых в задании. | LabelingDataConfiguration |
| 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 |
| jobInstructions | Инструкции по маркировке задания. | labelingJobInstructions |
| jobType | [Обязательный] Указывает тип задания. | AutoML "Command" Метка Конвейер Spark "Очистка" (обязательно) |
| Категории меток | Категории меток задания. | категории LabelingJobLabelCategories |
| labelingJobMediaProperties | Свойства типа носителя в задании. | LabelingJobMediaProperties |
| mlAssistConfiguration | Настройка функции MLAssist в задании. | MLAssistConfiguration |
| notificationSetting | Параметр уведомления для задания | NotificationSetting |
| свойства | Словарь свойств ресурса. | ResourceBaseProperties |
| secretConfiguration | Настройка секретов для доступности во время выполнения. | JobBaseSecretsConfiguration |
| 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. | объект |
LabelingDataConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| dataId | Идентификатор ресурса ресурса ресурса для выполнения меток. | струна |
| incrementalDataRefresh | Указывает, следует ли включить добавочное обновление данных. | "Отключено" "Включено" |
LabelingJobInstructions
| Имя | Описание | Ценность |
|---|---|---|
| ури | Ссылка на страницу с подробными инструкциями по маркировке для меток. | струна |
Категории LabelingJobLabel
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | LabelCategory |
LabelCategory
| Имя | Описание | Ценность |
|---|---|---|
| Классы | Словарь классов меток в этой категории. | LabelCategoryClasses |
| displayName | Отображаемое имя категории меток. | струна |
| MultiSelect | Указывает, разрешено ли выбрать несколько классов в этой категории. | "Отключено" "Включено" |
LabelCategoryClasses
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | LabelClass |
LabelClass
| Имя | Описание | Ценность |
|---|---|---|
| displayName | Отображаемое имя класса метки. | струна |
| Подклассы | Словарь подклассов класса меток. | LabelClassSubclasses |
LabelClassSubclasses
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | LabelClass |
LabelingJobMediaProperties
| Имя | Описание | Ценность |
|---|---|---|
| mediaType | Установка типа объекта |
изображения текстовый (обязательный) |
LabelingJobImageProperties
| Имя | Описание | Ценность |
|---|---|---|
| mediaType | [Обязательный] Тип носителя задания. | Image (обязательно) |
| annotationType | Тип заметки задания маркировки изображений. | "BoundingBox" "Классификация" "InstanceSegmentation" |
LabelingJobTextProperties
| Имя | Описание | Ценность |
|---|---|---|
| mediaType | [Обязательный] Тип носителя задания. | "Текст" (обязательный) |
| annotationType | Тип заметки задания маркировки текста. | "Классификация" "NamedEntityRecognition" |
MLAssistConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| mlAssist | Установка типа объекта |
отключены включено (обязательно) |
MLAssistConfigurationDisabled
| Имя | Описание | Ценность |
|---|---|---|
| mlAssist | [Обязательный] Указывает, включена ли функция MLAssist. | "Отключено" (обязательно) |
MLAssistConfigurationEnabled
| Имя | Описание | Ценность |
|---|---|---|
| mlAssist | [Обязательный] Указывает, включена ли функция MLAssist. | "Включено" (обязательно) |
| inferencingComputeBinding | [Обязательный] Привязка вычислений AML, используемая в выводе. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| trainingComputeBinding | [Обязательный] Привязка вычислений AML, используемая в обучении. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
PipelineJob
| Имя | Описание | Ценность |
|---|---|---|
| jobType | [Обязательный] Указывает тип задания. | Pipeline (обязательный) |
| Входы | Входные данные для задания конвейера. | PipelineJobInputs |
| Рабочих мест | Задания создают задание конвейера. | PipelineJobJobs |
| Выходы | Выходные данные для задания конвейера | PipelineJobOutputs |
| Параметры | Параметры конвейера, например ContinueRunOnStepFailure и т. д. | |
| sourceJobId | Идентификатор ресурса ARM исходного задания. | струна |
PipelineJobInputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobInput |
PipelineJobJobs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} |
PipelineJobOutputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobOutput |
SparkJob
| Имя | Описание | Ценность |
|---|---|---|
| jobType | [Обязательный] Указывает тип задания. | Spark (обязательно) |
| архив | Архивные файлы, используемые в задании. | string[] |
| args | Аргументы для задания. | струна |
| codeId | [Обязательный] Идентификатор ресурса ARM ресурса ресурса кода. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| conf | Настроенные свойства Spark. | SparkJobConf |
| вход | [Обязательный] Запись, выполняемая при запуске задания. | SparkJobEntry (обязательно) |
| environmentId | Идентификатор ресурса ARM спецификации среды для задания. | струна |
| environmentVariables | Переменные среды, включенные в задание. | SparkJobEnvironmentVariables |
| Файлы | Файлы, используемые в задании. | string[] |
| Входы | Сопоставление входных привязок данных, используемых в задании. | SparkJobInputs |
| Банки | Jar-файлы, используемые в задании. | string[] |
| Выходы | Сопоставление привязок выходных данных, используемых в задании. | SparkJobOutputs |
| pyFiles | Файлы Python, используемые в задании. | string[] |
| queueSettings | Параметры очереди для задания | QueueSettings |
| ресурсы | Конфигурация вычислительных ресурсов для задания. | SparkResourceConfiguration |
SparkJobConf
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
SparkJobEntry
| Имя | Описание | Ценность |
|---|---|---|
| sparkJobEntryType | Установка типа объекта |
SparkJobPythonEntry SparkJobScalaEntry (обязательно) |
SparkJobPythonEntry
| Имя | Описание | Ценность |
|---|---|---|
| sparkJobEntryType | [Обязательный] Тип точки входа задания. | SparkJobPythonEntry (обязательный) |
| файл | [Обязательный] Относительный путь к файлу Python для точки входа задания. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
SparkJobScalaEntry
| Имя | Описание | Ценность |
|---|---|---|
| sparkJobEntryType | [Обязательный] Тип точки входа задания. | SparkJobScalaEntry (обязательно) |
| className | [Обязательный] Имя класса Scala, используемое в качестве точки входа. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
SparkJobEnvironmentVariables
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
SparkJobInputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobInput |
SparkJobOutputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobOutput |
SparkResourceConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| instanceType | Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений. | струна |
| runtimeVersion | Версия среды выполнения Spark, используемая для задания. | струна |
SweepJob
| Имя | Описание | Ценность |
|---|---|---|
| jobType | [Обязательный] Указывает тип задания. | "Очистка" (обязательно) |
| componentConfiguration | Конфигурация компонентов для перебора компонентов | компонента |
| ранняятерминация | Политики раннего завершения позволяют отменять низкопроизводительные запуски до их завершения | EarlyTerminationPolicy |
| Входы | Сопоставление входных привязок данных, используемых в задании. | SweepJobInputs |
| Ограничения | Ограничение задания очистки. | SweepJobLimits |
| объективный | [Обязательный] Цель оптимизации. | Objective (обязательно) |
| Выходы | Сопоставление привязок выходных данных, используемых в задании. | |
| queueSettings | Параметры очереди для задания | QueueSettings |
| ресурсы | Конфигурация вычислительных ресурсов для задания. | JobResourceConfiguration |
| выборкаAlgorithm | [Обязательный] Алгоритм выборки гиперпараметров | ВыборкаAlgorithm (обязательно) |
| searchSpace | [Обязательный] Словарь, содержащий каждый параметр и его распределение. Ключ словаря — это имя параметра | |
| испытание | [Обязательный] Определение компонента пробной версии. | TrialComponent (обязательно) |
ComponentConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| pipelineSettings | Параметры конвейера, например ContinueRunOnStepFailure и т. д. |
SweepJobInputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobInput |
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 |
Объективный
| Имя | Описание | Ценность |
|---|---|---|
| цель | [Обязательный] Определяет поддерживаемые цели метрик для настройки гиперпараметров | "Развернуть" "Свернуть" (обязательно) |
| primaryMetric | [Обязательный] Имя метрики для оптимизации. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
SweepJobOutputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobOutput |
ВыборкаAlgorithm
| Имя | Описание | Ценность |
|---|---|---|
| выборкаAlgorithmType | Установка типа объекта |
Байезиан сетки случайных (обязательно) |
BayesianSamplingAlgorithm
| Имя | Описание | Ценность |
|---|---|---|
| выборкаAlgorithmType | [Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | Байесян (обязательный) |
GridSamplingAlgorithm
| Имя | Описание | Ценность |
|---|---|---|
| выборкаAlgorithmType | [Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | Grid (обязательно) |
RandomSamplingAlgorithm
| Имя | Описание | Ценность |
|---|---|---|
| выборкаAlgorithmType | [Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | "Случайный" (обязательный) |
| logbase | Необязательное положительное число или e в строковом формате, используемое в качестве базы для случайной выборки на основе журнала | струна |
| правило | Конкретный тип случайного алгоритма | "Случайный" 'Sobol' |
| семя | Необязательное целое число, используемое в качестве начального значения для случайного создания чисел | int |
TrialComponent
| Имя | Описание | Ценность |
|---|---|---|
| codeId | Идентификатор ресурса ARM ресурса ресурса кода. | струна |
| команда | [Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py" | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| 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. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| environmentVariables | Переменные среды, включенные в задание. | TrialComponentEnvironmentVariables |
| ресурсы | Конфигурация вычислительных ресурсов для задания. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
CreateMonitorAction
| Имя | Описание | Ценность |
|---|---|---|
| actionType | [Обязательный] Указывает тип действия расписания | CreateMonitor (обязательно) |
| monitorDefinition | [Обязательный] Определяет монитор. | MonitorDefinition (обязательно) |
MonitorDefinition
| Имя | Описание | Ценность |
|---|---|---|
| alertNotificationSettings | Параметры уведомлений монитора. | MonitorNotificationSettings |
| computeConfiguration | [Обязательный] Идентификатор ресурса ARM вычислительного ресурса для запуска задания мониторинга. | MonitorComputeConfigurationBase (обязательно) |
| monitoringTarget | Идентификатор ресурса ARM модели или развертывания, предназначенный для этого монитора. | MonitoringTarget |
| Сигналы | [Обязательный] Сигналы для отслеживания. | MonitorDefinitionSignals (обязательно) |
MonitorNotificationSettings
| Имя | Описание | Ценность |
|---|---|---|
| emailNotificationSettings | Параметры электронной почты уведомления AML. | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
| Имя | Описание | Ценность |
|---|---|---|
| сообщения электронной почты | Это список получателей электронной почты с ограничением 499 символов в общей сложности. | string[] |
MonitorComputeConfigurationBase
| Имя | Описание | Ценность |
|---|---|---|
| computeType | Установка типа объекта | ServerlessSpark (обязательно) |
MonitorServerlessSparkCompute
| Имя | Описание | Ценность |
|---|---|---|
| computeType | [Обязательный] Указывает тип сигнала для отслеживания. | 'ServerlessSpark' (обязательный) |
| computeIdentity | [Обязательный] Схема удостоверений, используемая заданиями Spark, выполняемыми в бессерверном Spark. | MonitorComputeIdentityBase (обязательно) |
| instanceType | [Обязательный] Тип экземпляра, на котором выполняется задание Spark. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| runtimeVersion | [Обязательный] Версия среды выполнения Spark. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
MonitorComputeIdentityBase
| Имя | Описание | Ценность |
|---|---|---|
| computeIdentityType | Установка типа объекта |
AmlToken ManagedIdentity (обязательно) |
AmlTokenComputeIdentity
| Имя | Описание | Ценность |
|---|---|---|
| computeIdentityType | [Обязательный] Мониторинг перечисления типа вычислительных удостоверений. | AmlToken (обязательно) |
ManagedComputeIdentity
| Имя | Описание | Ценность |
|---|---|---|
| computeIdentityType | [Обязательный] Мониторинг перечисления типа вычислительных удостоверений. | ManagedIdentity (обязательный) |
| тождество | Управляемое удостоверение службы (назначенные системой удостоверения и (или) назначенные пользователем удостоверения | ManagedServiceIdentity |
ManagedServiceIdentity
| Имя | Описание | Ценность |
|---|---|---|
| тип | Тип управляемого удостоверения службы (где разрешены типы SystemAssigned и UserAssigned). | "Нет" SystemAssigned SystemAssigned, UserAssigned UserAssigned (обязательно) |
| userAssignedIdentities | Набор назначенных пользователем удостоверений, связанных с ресурсом. Ключи словаря userAssignedIdentities будут идентификаторами ресурсов ARM в форме: "/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Значения словаря могут быть пустыми объектами ({}) в запросах. | UserAssignedIdentities |
UserAssignedIdentities
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | UserAssignedIdentity |
UserAssignedIdentity
Этот объект не содержит свойств, заданных во время развертывания. Все свойства — ReadOnly.
MonitoringTarget
| Имя | Описание | Ценность |
|---|---|---|
| deploymentId | Идентификатор ресурса ARM любого развертывания, предназначенного для этого монитора. | струна |
| modelId | Идентификатор ресурса ARM любой из моделей, предназначенных для этого монитора. | струна |
| taskType | [Обязательный] Тип задачи машинного обучения модели. | "Классификация" "ВопросAnswering" Регрессия (обязательно) |
MonitorDefinitionSignals
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | MonitoringSignalBase |
MonitoringSignalBase
| Имя | Описание | Ценность |
|---|---|---|
| notificationTypes | Текущий режим уведомлений для этого сигнала. | Массив строк, содержащий любой из: "AmlNotification" AzureMonitor |
| свойства | Словарь свойств. Свойства можно добавлять, но не удалять или изменять. | MonitoringSignalBaseProperties |
| signalType | Установка типа объекта |
настраиваемых DataDrift DataQuality FeatureAttributionDrift GenerationSafetyQuality GenerationTokenStatistics ModelPerformance прогнозирование (обязательно) |
MonitoringSignalBaseProperties
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
CustomMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | "Custom" (обязательный) |
| componentId | [Обязательный] Идентификатор ресурса ARM ресурса компонента, используемый для вычисления пользовательских метрик. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| inputAssets | Мониторинг ресурсов, которые необходимо принимать в качестве входных данных. Ключом является имя порта ввода компонента, значением является ресурс данных. | CustomMonitoringSignalInputAssets |
| Входы | Дополнительные параметры компонента, которые будут приниматься в качестве входных данных. Ключом является имя порта ввода компонента, значением является значение параметра. | CustomMonitoringSignalInputs |
| metricThresholds | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | CustomMetricThreshold[] (обязательно) |
| workspaceConnection | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | MonitoringWorkspaceConnection (обязательно) |
CustomMonitoringSignalInputAssets
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | MonitoringInputDataBase |
MonitoringInputDataBase
| Имя | Описание | Ценность |
|---|---|---|
| Столбцы | Сопоставление имен столбцов с особыми использованием. | MonitoringInputDataBaseColumns |
| dataContext | Метаданные контекста источника данных. | струна |
| jobInputType | [Обязательный] Указывает тип задания. | "custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно) |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| inputDataType | Установка типа объекта | Исправлено Rolling статических (обязательно) |
MonitoringInputDataBaseColumns
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
FixedInputData
| Имя | Описание | Ценность |
|---|---|---|
| inputDataType | [Обязательный] Указывает тип сигнала для отслеживания. | "Исправлено" (обязательно) |
RollingInputData
| Имя | Описание | Ценность |
|---|---|---|
| inputDataType | [Обязательный] Указывает тип сигнала для отслеживания. | "Rolling" (обязательно) |
| preprocessingComponentId | Идентификатор ресурса ARM ресурса компонента, используемый для предварительной обработки данных. | струна |
| windowOffset | [Обязательный] Смещение времени между окончанием окна данных и текущим временем выполнения монитора. | строка (обязательно) |
| windowSize | [Обязательный] Размер конечного окна данных. | строка (обязательно) |
StaticInputData
| Имя | Описание | Ценность |
|---|---|---|
| inputDataType | [Обязательный] Указывает тип сигнала для отслеживания. | "Static" (обязательный) |
| preprocessingComponentId | Идентификатор ресурса ARM ресурса компонента, используемый для предварительной обработки данных. | струна |
| windowEnd | [Обязательный] Дата окончания окна данных. | строка (обязательно) |
| windowStart | [Обязательный] Дата начала окна данных. | строка (обязательно) |
CustomMonitoringSignalInputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobInput |
CustomMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| метрический | [Обязательный] Определяемая пользователем метрика для вычисления. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
MonitoringThreshold
| Имя | Описание | Ценность |
|---|---|---|
| ценность | Пороговое значение. Если значение NULL, значение по умолчанию зависит от типа метрики. | int |
MonitoringWorkspaceConnection
| Имя | Описание | Ценность |
|---|---|---|
| environmentVariables | Свойства подключения службы рабочей области для хранения в виде переменных среды в отправленных заданиях. Ключ — путь к свойству подключения к рабочей области, имя — ключ переменной среды. |
MonitoringWorkspaceConnectionEnvironmentVariables |
| Секреты | Свойства подключения к службе рабочей области для хранения в виде секретов в отправленных заданиях. Ключ — путь к свойству подключения к рабочей области, имя — секретный ключ. |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
MonitoringWorkspaceConnectionSecrets
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
DataDriftMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | DataDrift (обязательно) |
| dataSegment | Сегмент данных, используемый для определения подмножества данных. | MonitoringDataSegment |
| featureDataTypeOverride | Словарь, который сопоставляет имена функций с соответствующими типами данных. | DataDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | Параметры для важности функции вычислений. | FeatureImportanceSettings |
| Функции | Фильтр компонентов, определяющий, какая функция вычисляет смещение. | MonitoringFeatureFilterBase |
| metricThresholds | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | DataDriftMetricThresholdBase[] (обязательно) |
| productionData | [Обязательный] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
| referenceData | [Обязательный] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
MonitoringDataSegment
| Имя | Описание | Ценность |
|---|---|---|
| особенность | Функция сегментирования данных. | струна |
| Значения | Фильтры только для указанных значений данного сегментированного компонента. | string[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | "Категориальный" "Числовой" |
FeatureImportanceSettings
| Имя | Описание | Ценность |
|---|---|---|
| режим | Режим работы для важности функции вычислений. | "Отключено" "Включено" |
| targetColumn | Имя целевого столбца в входных ресурсах данных. | струна |
MonitoringFeatureFilterBase
| Имя | Описание | Ценность |
|---|---|---|
| filterType | Установка типа объекта |
AllFeatures FeatureSubset TopNByAttribution (обязательно) |
AllFeatures
| Имя | Описание | Ценность |
|---|---|---|
| filterType | [Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик. | AllFeatures (обязательный) |
FeatureSubset
| Имя | Описание | Ценность |
|---|---|---|
| filterType | [Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик. | FeatureSubset (обязательный) |
| Функции | [Обязательный] Список функций, которые необходимо включить. | string[] (обязательно) |
TopNFeaturesByAttribution
| Имя | Описание | Ценность |
|---|---|---|
| filterType | [Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик. | TopNByAttribution (обязательно) |
| Вверх | Количество основных функций, которые необходимо включить. | int |
DataDriftMetricThresholdBase
| Имя | Описание | Ценность |
|---|---|---|
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
| dataType | Установка типа объекта |
категориальные числовой (обязательно) |
CategoricalDataDriftMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Категориальный" (обязательный) |
| метрический | [Обязательный] Вычисляемая метрика смещения категориальных данных. | "JensenShannonDistance" 'PearsonsChiSquaredTest' "PopulationStabilityIndex" (обязательный) |
Числовые данныеDataDriftMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Числовой" (обязательный) |
| метрический | [Обязательный] Вычисляемая метрика смещения числовых данных. | "JensenShannonDistance" "NormalizedWasersteinDistance" 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (обязательно) |
DataQualityMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | DataQuality (обязательно) |
| featureDataTypeOverride | Словарь, который сопоставляет имена функций с соответствующими типами данных. | DataQualityMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | Параметры для важности функции вычислений. | FeatureImportanceSettings |
| Функции | Функции для вычисления смещения. | MonitoringFeatureFilterBase |
| metricThresholds | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | DataQualityMetricThresholdBase[] (обязательно) |
| productionData | [Обязательный] Данные, созданные рабочей службой, для которой будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
| referenceData | [Обязательный] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | "Категориальный" "Числовой" |
DataQualityMetricThresholdBase
| Имя | Описание | Ценность |
|---|---|---|
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
| dataType | Установка типа объекта |
категориальные числовой (обязательно) |
CategoricalDataQualityMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Категориальный" (обязательный) |
| метрический | [Обязательный] Метрика качества категориальных данных для вычисления. | DataTypeErrorRate NullValueRate OutOfBoundsRate (обязательный) |
Числовой параметрDataQualityMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Числовой" (обязательный) |
| метрический | [Обязательный] Вычисляемая метрика качества числовых данных. | DataTypeErrorRate NullValueRate OutOfBoundsRate (обязательный) |
FeatureAttributionDriftMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | FeatureAttributionDrift (обязательный) |
| featureDataTypeOverride | Словарь, который сопоставляет имена функций с соответствующими типами данных. | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
| featureImportanceSettings | Параметры для важности функции вычислений. | FeatureImportanceSettings |
| metricThreshold | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | FeatureAttributionMetricThreshold (обязательно) |
| productionData | [Обязательный] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase[] (обязательно) |
| referenceData | [Обязательный] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | "Категориальный" "Числовой" |
FeatureAttributionMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| метрический | [Обязательный] Вычислимая метрика атрибута. | "NormalizedDiscountedCumulativeGain" (обязательный) |
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
GenerationSafetyQualityMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | GenerationSafetyQuality (обязательно) |
| metricThresholds | [Обязательный] Возвращает или задает метрики для вычисления и соответствующих пороговых значений. | GenerationSafetyQualityMetricThreshold[] (обязательно) |
| productionData | Возвращает или задает рабочие данные для вычислений метрик. | MonitoringInputDataBase[] |
| выборка | [Обязательный] Частота выборки рабочих данных должна превышать 0 и не более 1. | int (обязательно) |
| workspaceConnectionId | Возвращает или задает идентификатор подключения рабочей области, используемый для подключения к конечной точке создания контента. | струна |
GenerationSafetyQualityMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| метрический | [Обязательный] Возвращает или задает метрику атрибуции функции для вычисления. | "AcceptableCoherenceScorePerInstance" "AcceptableFluencyScorePerInstance" "AcceptableGroundednessScorePerInstance" "AcceptableRelevanceScorePerInstance" "AcceptableSimilarityScorePerInstance" 'AggregatedCoherencePassRate' "AggregatedFluencyPassRate" "AggregatedGroundednessPassRate" "AggregatedRelevancePassRate" "AggregatedSimilarityPassRate" (обязательный) |
| порог | Возвращает или задает пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. |
MonitoringThreshold |
GenerationTokenUsageSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | GenerationTokenStatistics (обязательно) |
| metricThresholds | [Обязательный] Возвращает или задает метрики для вычисления и соответствующих пороговых значений. | GenerationTokenUsageMetricThreshold[] (обязательно) |
| productionData | Возвращает или задает рабочие данные для вычислений метрик. | MonitoringInputDataBase[] |
| выборка | [Обязательный] Частота выборки рабочих данных должна превышать 0 и не более 1. | int (обязательно) |
GenerationTokenUsageMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| метрический | [Обязательный] Возвращает или задает метрику атрибуции функции для вычисления. | TotalTokenCount TotalTokenCountPerGroup (обязательно) |
| порог | Возвращает или задает пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. |
MonitoringThreshold |
ModelPerformanceSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | ModelPerformance (обязательный) |
| dataSegment | Сегмент данных. | MonitoringDataSegment |
| metricThreshold | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | ModelPerformanceMetricThresholdBase (обязательно) |
| productionData | [Обязательный] Данные, созданные рабочей службой, для которой будет вычисляться производительность. | MonitoringInputDataBase[] (обязательно) |
| referenceData | [Обязательный] Эталонные данные, используемые в качестве основы для вычисления производительности модели. | MonitoringInputDataBase (обязательно) |
ModelPerformanceMetricThresholdBase
| Имя | Описание | Ценность |
|---|---|---|
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
| modelType | Установка типа объекта |
классификации регрессии (обязательно) |
ClassificationModelPerformanceMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| modelType | [Обязательный] Указывает тип данных порогового значения метрик. | "Классификация" (обязательно) |
| метрический | [Обязательный] Производительность модели классификации для вычисления. | "Точность" "Точность" "Отзыв" (обязательно) |
RegressionModelPerformanceMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| modelType | [Обязательный] Указывает тип данных порогового значения метрик. | Регрессия (обязательно) |
| метрический | [Обязательный] Вычисляемая метрика производительности модели регрессии. | "MeanAbsoluteError" "MeanSquaredError" RootMeanSquaredError (обязательный) |
PredictionDriftMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | "PredictionDrift" (обязательный) |
| featureDataTypeOverride | Словарь, который сопоставляет имена функций с соответствующими типами данных. | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
| metricThresholds | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | PredictionDriftMetricThresholdBase[] (обязательно) |
| productionData | [Обязательный] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
| referenceData | [Обязательный] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | "Категориальный" "Числовой" |
PredictionDriftMetricThresholdBase
| Имя | Описание | Ценность |
|---|---|---|
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
| dataType | Установка типа объекта |
категориальные числовой (обязательно) |
CategoricalPredictionDriftMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Категориальный" (обязательный) |
| метрический | [Обязательный] Метрика смещения категориального прогнозирования для вычисления. | "JensenShannonDistance" 'PearsonsChiSquaredTest' "PopulationStabilityIndex" (обязательный) |
ЧисловаяpredictionDriftMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Числовой" (обязательный) |
| метрический | [Обязательный] Вычисляемая метрика смещения числовых прогнозов. | "JensenShannonDistance" "NormalizedWasersteinDistance" 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (обязательно) |
ImportDataAction
| Имя | Описание | Ценность |
|---|---|---|
| actionType | [Обязательный] Указывает тип действия расписания | ImportData (обязательно) |
| dataImportDefinition | [Обязательный] Определяет сведения о определении действия расписания. | DataImport (обязательно) |
DataImport
| Имя | Описание | Ценность |
|---|---|---|
| assetName | Имя ресурса для задания импорта данных для создания | струна |
| autoDeleteSetting | Задает параметр жизненного цикла управляемого ресурса данных. | AutoDeleteSetting |
| dataType | [Обязательный] Указывает тип данных. | "mltable" "uri_file" "uri_folder" (обязательно) |
| dataUri | [Обязательный] Универсальный код ресурса (URI) данных. Пример: https://go.microsoft.com/fwlink/?linkid=2202330 |
строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| описание | Текст описания ресурса. | струна |
| интеллектуальная пропертия | Сведения об интеллектуальной собственности. Используется, если данные являются интеллектуальной собственностью. | ИнтеллектуальноеProperty |
| isAnonymous | Если версия имени создается системой (анонимная регистрация). Для типов, в которых определен этап, при указании этапа он будет использоваться для заполнения IsAnonymous | bool |
| isArchived | Архивируется ли ресурс? Для типов, в которых определен этап, при указании этапа он будет использоваться для заполнения IsArchived | bool |
| свойства | Словарь свойств ресурса. | ResourceBaseProperties |
| источник | Исходные данные ресурса для импорта из | DataImportSource |
| сцена | Этап жизненного цикла данных, назначенный этому ресурсу данных | струна |
| Теги | Словарь тегов. Теги можно добавлять, удалять и обновлять. | объект |
Интеллектуальная Проперти
| Имя | Описание | Ценность |
|---|---|---|
| protectionLevel | Уровень защиты интеллектуальной собственности. | "Все" "Нет" |
| издатель | [Обязательный] Издатель интеллектуальной собственности. Должно совпадать с именем издателя реестра. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
DataImportSource
| Имя | Описание | Ценность |
|---|---|---|
| связь | Подключение к рабочей области для хранилища источников импорта данных | струна |
| sourceType | Установка типа объекта | file_system (обязательно) |
DatabaseSource
| Имя | Описание | Ценность |
|---|---|---|
| sourceType | [Обязательный] Указывает тип данных. | "база данных" (обязательно) |
| запрос | Инструкция SQL Query для источника базы данных импорта данных | струна |
| StoredProcedure | SQL StoredProcedure в источнике базы данных импорта данных | струна |
| storedProcedureParams | Параметры StoredProcedure SQL | DatabaseSourceStoredProcedureParamsItem[] |
| tableName | Имя таблицы в источнике базы данных импорта данных | струна |
DatabaseSourceStoredProcedureParamsItem
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
FileSystemSource
| Имя | Описание | Ценность |
|---|---|---|
| sourceType | [Обязательный] Указывает тип данных. | "file_system" (обязательно) |
| путь | Путь к источнику fileSystem импорта данных | струна |
EndpointScheduleAction
| Имя | Описание | Ценность |
|---|---|---|
| actionType | [Обязательный] Указывает тип действия расписания | InvokeBatchEndpoint (обязательно) |
| endpointInvocationDefinition | [Обязательный] Определяет сведения о определении действия расписания. {see href="TBD" /} |
TriggerBase
| Имя | Описание | Ценность |
|---|---|---|
| endTime | Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601.Формат перекомментированного формата будет "2022-06-01T00:00:01" Если это не так, расписание будет выполняться на неопределенный срок |
струна |
| startTime | Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC. | струна |
| часовой пояс | Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows. См. ссылку: /windows-hardware/manufacture/desktop/default-time-zones/> |
струна |
| triggerType | Установка типа объекта |
Cron повторения (обязательно) |
CronTrigger
| Имя | Описание | Ценность |
|---|---|---|
| triggerType | [Обязательный] | "Cron" (обязательно) |
| выражение | [Обязательный] Указывает выражение крона расписания. Выражение должно соответствовать формату NCronTab. |
строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
ПовторениеTrigger
| Имя | Описание | Ценность |
|---|---|---|
| endTime | Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601.Формат перекомментированного формата будет "2022-06-01T00:00:01" Если это не так, расписание будет выполняться на неопределенный срок |
струна |
| частота | [Обязательный] Частота запуска расписания. | "День" "Час" "Минута" "Месяц" "Неделя" (обязательно) |
| интервал | [Обязательный] Указывает интервал расписания в сочетании с частотой | int (обязательно) |
| расписание | Расписание повторения. | ПовторениеSchedule |
| startTime | Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC. | струна |
| часовой пояс | Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows. Ссылка: /windows-hardware/manufacture/desktop/default-time-пояса |
струна |
| triggerType | [Обязательный] | "Cron" "Повторение" (обязательно) |
ПовторениеSchedule
| Имя | Описание | Ценность |
|---|---|---|
| Часов | [Обязательный] Список часов для расписания. | int[] (обязательно) |
| протокол | [Обязательный] Список минут для расписания. | int[] (обязательно) |
| monthDays | Список дней месяца для расписания | int[] |
| будни | Список дней для расписания. | Массив строк, содержащий любой из: "Пятница" "Понедельник" "Суббота" "Воскресенье" "Четверг" "Вторник" "Среда" |
Определение ресурса Terraform (поставщик AzAPI)
Тип ресурса рабочих областей и расписаний можно развернуть с помощью операций, предназначенных для следующих операций:
- групп ресурсов
Список измененных свойств в каждой версии API см. в журнала изменений.
Формат ресурса
Чтобы создать ресурс Microsoft.MachineLearningServices/workspaces/schedules, добавьте следующий объект Terraform в шаблон.
resource "azapi_resource" "symbolicname" {
type = "Microsoft.MachineLearningServices/workspaces/schedules@2023-08-01-preview"
name = "string"
parent_id = "string"
body = jsonencode({
properties = {
action = {
actionType = "string"
// For remaining properties, see ScheduleActionBase objects
}
description = "string"
displayName = "string"
isEnabled = bool
properties = {
{customized property} = "string"
}
tags = {}
trigger = {
endTime = "string"
startTime = "string"
timeZone = "string"
triggerType = "string"
// For remaining properties, see TriggerBase objects
}
}
})
}
Объекты ScheduleActionBase
Задайте свойство actionType, чтобы указать тип объекта.
Для CreateJobиспользуйте:
actionType = "CreateJob"
jobDefinition = {
componentId = "string"
computeId = "string"
description = "string"
displayName = "string"
experimentName = "string"
identity {
identityType = "string"
// For remaining properties, see IdentityConfiguration objects
}
isArchived = bool
notificationSetting = {
emailOn = [
"string"
]
emails = [
"string"
]
webhooks = {
{customized property} = {
eventType = "string"
webhookType = "string"
// For remaining properties, see Webhook objects
}
}
}
properties = {
{customized property} = "string"
}
secretsConfiguration = {
{customized property} = {
uri = "string"
workspaceSecretName = "string"
}
}
services = {
{customized property} = {
endpoint = "string"
jobServiceType = "string"
nodes = {
nodesValueType = "string"
// For remaining properties, see Nodes objects
}
port = int
properties = {
{customized property} = "string"
}
}
}
tags = {}
jobType = "string"
// For remaining properties, see JobBaseProperties objects
}
Для CreateMonitorиспользуйте:
actionType = "CreateMonitor"
monitorDefinition = {
alertNotificationSettings = {
emailNotificationSettings = {
emails = [
"string"
]
}
}
computeConfiguration = {
computeType = "string"
// For remaining properties, see MonitorComputeConfigurationBase objects
}
monitoringTarget = {
deploymentId = "string"
modelId = "string"
taskType = "string"
}
signals = {
{customized property} = {
notificationTypes = [
"string"
]
properties = {
{customized property} = "string"
}
signalType = "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Для ImportDataиспользуйте:
actionType = "ImportData"
dataImportDefinition = {
assetName = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
dataType = "string"
dataUri = "string"
description = "string"
intellectualProperty = {
protectionLevel = "string"
publisher = "string"
}
isAnonymous = bool
isArchived = bool
properties = {
{customized property} = "string"
}
source = {
connection = "string"
sourceType = "string"
// For remaining properties, see DataImportSource objects
}
stage = "string"
tags = {}
}
Для InvokeBatchEndpointиспользуйте:
actionType = "InvokeBatchEndpoint"
Объекты JobBaseProperties
Задайте свойство jobType, чтобы указать тип объекта.
Для AutoMLиспользуйте:
jobType = "AutoML"
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
queueSettings = {
jobTier = "string"
priority = int
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
locations = [
"string"
]
maxInstanceCount = int
properties = {}
shmSize = "string"
}
taskDetails = {
logVerbosity = "string"
targetColumnName = "string"
trainingData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
taskType = "string"
// For remaining properties, see AutoMLVertical objects
}
Для команды используйте следующую команду:
jobType = "Command"
autologgerSettings = {
mlflowAutologger = "string"
}
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
limits = {
jobLimitsType = "string"
timeout = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
queueSettings = {
jobTier = "string"
priority = int
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
locations = [
"string"
]
maxInstanceCount = int
properties = {}
shmSize = "string"
}
Дляметок
jobType = "Labeling"
dataConfiguration = {
dataId = "string"
incrementalDataRefresh = "string"
}
jobInstructions = {
uri = "string"
}
labelCategories = {
{customized property} = {
classes = {
{customized property} = {
displayName = "string"
subclasses = {
{customized property} = {}
}
}
displayName = "string"
multiSelect = "string"
}
}
labelingJobMediaProperties = {
mediaType = "string"
// For remaining properties, see LabelingJobMediaProperties objects
}
mlAssistConfiguration = {
mlAssist = "string"
// For remaining properties, see MLAssistConfiguration objects
}
Для конвейераиспользуйте:
jobType = "Pipeline"
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
jobs = {}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
sourceJobId = "string"
Для Sparkиспользуйте:
jobType = "Spark"
archives = [
"string"
]
args = "string"
codeId = "string"
conf = {
{customized property} = "string"
}
entry = {
sparkJobEntryType = "string"
// For remaining properties, see SparkJobEntry objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
files = [
"string"
]
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
jars = [
"string"
]
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
pyFiles = [
"string"
]
queueSettings = {
jobTier = "string"
priority = int
}
resources = {
instanceType = "string"
runtimeVersion = "string"
}
Для
jobType = "Sweep"
componentConfiguration = {}
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
limits = {
jobLimitsType = "string"
maxConcurrentTrials = int
maxTotalTrials = int
timeout = "string"
trialTimeout = "string"
}
objective = {
goal = "string"
primaryMetric = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
queueSettings = {
jobTier = "string"
priority = int
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
locations = [
"string"
]
maxInstanceCount = int
properties = {}
shmSize = "string"
}
samplingAlgorithm = {
samplingAlgorithmType = "string"
// For remaining properties, see SamplingAlgorithm objects
}
trial = {
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
locations = [
"string"
]
maxInstanceCount = int
properties = {}
shmSize = "string"
}
}
Объекты IdentityConfiguration
Задайте свойство identityType, чтобы указать тип объекта.
Для AMLTokenиспользуйте:
identityType = "AMLToken"
Для управляемых
identityType = "Managed"
clientId = "string"
objectId = "string"
resourceId = "string"
Для UserIdentityиспользуйте:
identityType = "UserIdentity"
Объекты веб-перехватчика
Задайте свойство webhookType
Для AzureDevOpsиспользуйте:
webhookType = "AzureDevOps"
Объекты nodes
Задайте свойство nodesValueType, чтобы указать тип объекта.
Для всехиспользуйте:
nodesValueType = "All"
Объекты JobOutput
Задайте свойство jobOutputType, чтобы указать тип объекта.
Для custom_modelиспользуйте:
jobOutputType = "custom_model"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
Для mlflow_modelиспользуйте:
jobOutputType = "mlflow_model"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
Для mltableиспользуйте:
jobOutputType = "mltable"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
Для triton_modelиспользуйте:
jobOutputType = "triton_model"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
Для uri_fileиспользуйте:
jobOutputType = "uri_file"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
Для uri_folderиспользуйте:
jobOutputType = "uri_folder"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
Объекты AutoMLVertical
Задайте свойство taskType, чтобы указать тип объекта.
Для классификациииспользуйте:
taskType = "Classification"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
fixedParameters = {
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = int
maxBin = int
maxDepth = int
maxLeaves = int
minDataInLeaf = int
minSplitGain = int
modelName = "string"
nEstimators = int
numLeaves = int
preprocessorName = "string"
regAlpha = int
regLambda = int
subsample = int
subsampleFreq = int
treeMethod = "string"
withMean = bool
withStd = bool
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxNodes = int
maxTrials = int
sweepConcurrentTrials = int
sweepTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
positiveLabel = "string"
primaryMetric = "string"
searchSpace = [
{
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = "string"
maxBin = "string"
maxDepth = "string"
maxLeaves = "string"
minDataInLeaf = "string"
minSplitGain = "string"
modelName = "string"
nEstimators = "string"
numLeaves = "string"
preprocessorName = "string"
regAlpha = "string"
regLambda = "string"
subsample = "string"
subsampleFreq = "string"
treeMethod = "string"
withMean = "string"
withStd = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
testData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
trainingSettings = {
allowedTrainingAlgorithms = [
"string"
]
blockedTrainingAlgorithms = [
"string"
]
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
trainingMode = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
Для прогнозированияиспользуйте:
taskType = "Forecasting"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
fixedParameters = {
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = int
maxBin = int
maxDepth = int
maxLeaves = int
minDataInLeaf = int
minSplitGain = int
modelName = "string"
nEstimators = int
numLeaves = int
preprocessorName = "string"
regAlpha = int
regLambda = int
subsample = int
subsampleFreq = int
treeMethod = "string"
withMean = bool
withStd = bool
}
forecastingSettings = {
countryOrRegionForHolidays = "string"
cvStepSize = int
featureLags = "string"
featuresUnknownAtForecastTime = [
"string"
]
forecastHorizon = {
mode = "string"
// For remaining properties, see ForecastHorizon objects
}
frequency = "string"
seasonality = {
mode = "string"
// For remaining properties, see Seasonality objects
}
shortSeriesHandlingConfig = "string"
targetAggregateFunction = "string"
targetLags = {
mode = "string"
// For remaining properties, see TargetLags objects
}
targetRollingWindowSize = {
mode = "string"
// For remaining properties, see TargetRollingWindowSize objects
}
timeColumnName = "string"
timeSeriesIdColumnNames = [
"string"
]
useStl = "string"
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxNodes = int
maxTrials = int
sweepConcurrentTrials = int
sweepTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
primaryMetric = "string"
searchSpace = [
{
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = "string"
maxBin = "string"
maxDepth = "string"
maxLeaves = "string"
minDataInLeaf = "string"
minSplitGain = "string"
modelName = "string"
nEstimators = "string"
numLeaves = "string"
preprocessorName = "string"
regAlpha = "string"
regLambda = "string"
subsample = "string"
subsampleFreq = "string"
treeMethod = "string"
withMean = "string"
withStd = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
testData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
trainingSettings = {
allowedTrainingAlgorithms = [
"string"
]
blockedTrainingAlgorithms = [
"string"
]
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
trainingMode = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
Для ImageClassificationиспользуйте:
taskType = "ImageClassification"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
momentum = int
nesterov = bool
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
trainingBatchSize = int
trainingCropSize = int
validationBatchSize = int
validationCropSize = int
validationResizeSize = int
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
weightedLoss = int
}
primaryMetric = "string"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
momentum = "string"
nesterov = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
trainingBatchSize = "string"
trainingCropSize = "string"
validationBatchSize = "string"
validationCropSize = "string"
validationResizeSize = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
weightedLoss = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Для ImageClassificationMultilabelиспользуйте:
taskType = "ImageClassificationMultilabel"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
momentum = int
nesterov = bool
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
trainingBatchSize = int
trainingCropSize = int
validationBatchSize = int
validationCropSize = int
validationResizeSize = int
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
weightedLoss = int
}
primaryMetric = "string"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
momentum = "string"
nesterov = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
trainingBatchSize = "string"
trainingCropSize = "string"
validationBatchSize = "string"
validationCropSize = "string"
validationResizeSize = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
weightedLoss = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Для ImageInstanceSegmentationиспользуйте:
taskType = "ImageInstanceSegmentation"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
boxDetectionsPerImage = int
boxScoreThreshold = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
imageSize = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
logTrainingMetrics = "string"
logValidationLoss = "string"
maxSize = int
minSize = int
modelName = "string"
modelSize = "string"
momentum = int
multiScale = bool
nesterov = bool
nmsIouThreshold = int
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
tileGridSize = "string"
tileOverlapRatio = int
tilePredictionsNmsThreshold = int
trainingBatchSize = int
validationBatchSize = int
validationIouThreshold = int
validationMetricType = "string"
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
}
primaryMetric = "MeanAveragePrecision"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
boxDetectionsPerImage = "string"
boxScoreThreshold = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
imageSize = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
maxSize = "string"
minSize = "string"
modelName = "string"
modelSize = "string"
momentum = "string"
multiScale = "string"
nesterov = "string"
nmsIouThreshold = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
tileGridSize = "string"
tileOverlapRatio = "string"
tilePredictionsNmsThreshold = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
validationIouThreshold = "string"
validationMetricType = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Для ImageObjectDetectionиспользуйте:
taskType = "ImageObjectDetection"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
boxDetectionsPerImage = int
boxScoreThreshold = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
imageSize = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
logTrainingMetrics = "string"
logValidationLoss = "string"
maxSize = int
minSize = int
modelName = "string"
modelSize = "string"
momentum = int
multiScale = bool
nesterov = bool
nmsIouThreshold = int
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
tileGridSize = "string"
tileOverlapRatio = int
tilePredictionsNmsThreshold = int
trainingBatchSize = int
validationBatchSize = int
validationIouThreshold = int
validationMetricType = "string"
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
}
primaryMetric = "MeanAveragePrecision"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
boxDetectionsPerImage = "string"
boxScoreThreshold = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
imageSize = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
maxSize = "string"
minSize = "string"
modelName = "string"
modelSize = "string"
momentum = "string"
multiScale = "string"
nesterov = "string"
nmsIouThreshold = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
tileGridSize = "string"
tileOverlapRatio = "string"
tilePredictionsNmsThreshold = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
validationIouThreshold = "string"
validationMetricType = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Для регрессиииспользуйте:
taskType = "Regression"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
fixedParameters = {
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = int
maxBin = int
maxDepth = int
maxLeaves = int
minDataInLeaf = int
minSplitGain = int
modelName = "string"
nEstimators = int
numLeaves = int
preprocessorName = "string"
regAlpha = int
regLambda = int
subsample = int
subsampleFreq = int
treeMethod = "string"
withMean = bool
withStd = bool
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxNodes = int
maxTrials = int
sweepConcurrentTrials = int
sweepTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
primaryMetric = "string"
searchSpace = [
{
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = "string"
maxBin = "string"
maxDepth = "string"
maxLeaves = "string"
minDataInLeaf = "string"
minSplitGain = "string"
modelName = "string"
nEstimators = "string"
numLeaves = "string"
preprocessorName = "string"
regAlpha = "string"
regLambda = "string"
subsample = "string"
subsampleFreq = "string"
treeMethod = "string"
withMean = "string"
withStd = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
testData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
trainingSettings = {
allowedTrainingAlgorithms = [
"string"
]
blockedTrainingAlgorithms = [
"string"
]
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
trainingMode = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
Для TextClassificationиспользуйте:
taskType = "TextClassification"
featurizationSettings = {
datasetLanguage = "string"
}
fixedParameters = {
gradientAccumulationSteps = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = int
trainingBatchSize = int
validationBatchSize = int
warmupRatio = int
weightDecay = int
}
limitSettings = {
maxConcurrentTrials = int
maxNodes = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
primaryMetric = "string"
searchSpace = [
{
gradientAccumulationSteps = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
warmupRatio = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
Для TextClassificationMultilabelиспользуйте:
taskType = "TextClassificationMultilabel"
featurizationSettings = {
datasetLanguage = "string"
}
fixedParameters = {
gradientAccumulationSteps = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = int
trainingBatchSize = int
validationBatchSize = int
warmupRatio = int
weightDecay = int
}
limitSettings = {
maxConcurrentTrials = int
maxNodes = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
searchSpace = [
{
gradientAccumulationSteps = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
warmupRatio = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
Для TextNERиспользуйте:
taskType = "TextNER"
featurizationSettings = {
datasetLanguage = "string"
}
fixedParameters = {
gradientAccumulationSteps = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = int
trainingBatchSize = int
validationBatchSize = int
warmupRatio = int
weightDecay = int
}
limitSettings = {
maxConcurrentTrials = int
maxNodes = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
searchSpace = [
{
gradientAccumulationSteps = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
warmupRatio = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
Объекты NCrossValidations
Задайте свойство режима, чтобы указать тип объекта.
Для автоматического
mode = "Auto"
Для пользовательских
mode = "Custom"
value = 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 ForecastHorizon
Задайте свойство режима, чтобы указать тип объекта.
Для автоматического
mode = "Auto"
Для пользовательских
mode = "Custom"
value = int
Объекты сезонности
Задайте свойство режима, чтобы указать тип объекта.
Для автоматического
mode = "Auto"
Для пользовательских
mode = "Custom"
value = int
Объекты TargetLags
Задайте свойство режима, чтобы указать тип объекта.
Для автоматического
mode = "Auto"
Для пользовательских
mode = "Custom"
values = [
int
]
Объекты TargetRollingWindowSize
Задайте свойство режима, чтобы указать тип объекта.
Для автоматического
mode = "Auto"
Для пользовательских
mode = "Custom"
value = int
Объекты DistributionConfiguration
Задайте свойство
Для Mpiиспользуйте:
distributionType = "Mpi"
processCountPerInstance = int
Для PyTorchиспользуйте:
distributionType = "PyTorch"
processCountPerInstance = int
Для Rayиспользуйте:
distributionType = "Ray"
address = "string"
dashboardPort = int
headNodeAdditionalArgs = "string"
includeDashboard = bool
port = int
workerNodeAdditionalArgs = "string"
Для TensorFlowиспользуйте:
distributionType = "TensorFlow"
parameterServerCount = int
workerCount = int
Объекты JobInput
Задайте свойство jobInputType, чтобы указать тип объекта.
Для custom_modelиспользуйте:
jobInputType = "custom_model"
mode = "string"
uri = "string"
Для литералаиспользуйте:
jobInputType = "literal"
value = "string"
Для mlflow_modelиспользуйте:
jobInputType = "mlflow_model"
mode = "string"
uri = "string"
Для mltableиспользуйте:
jobInputType = "mltable"
mode = "string"
uri = "string"
Для triton_modelиспользуйте:
jobInputType = "triton_model"
mode = "string"
uri = "string"
Для uri_fileиспользуйте:
jobInputType = "uri_file"
mode = "string"
uri = "string"
Для uri_folderиспользуйте:
jobInputType = "uri_folder"
mode = "string"
uri = "string"
Объекты LabelingJobMediaProperties
Задайте свойство mediaType mediaType, чтобы указать тип объекта.
Для изображенияиспользуйте:
mediaType = "Image"
annotationType = "string"
Для текстовыхиспользуйте:
mediaType = "Text"
annotationType = "string"
Объекты MLAssistConfiguration
Задайте свойство mlAssist, чтобы указать тип объекта.
Для отключенныхиспользуйте:
mlAssist = "Disabled"
Для включеноиспользуйте:
mlAssist = "Enabled"
inferencingComputeBinding = "string"
trainingComputeBinding = "string"
Объекты SparkJobEntry
Задайте свойство sparkJobEntryType, чтобы указать тип объекта.
Для SparkJobPythonEntryиспользуйте:
sparkJobEntryType = "SparkJobPythonEntry"
file = "string"
Для SparkJobScalaEntryиспользуйте:
sparkJobEntryType = "SparkJobScalaEntry"
className = "string"
Объекты ВыборкиAlgorithm
Задайте свойство выборкиAlgorithmType, чтобы указать тип объекта.
Для Байезианаиспользуйте:
samplingAlgorithmType = "Bayesian"
Для сеткииспользуйте:
samplingAlgorithmType = "Grid"
Для случайныхиспользуйте:
samplingAlgorithmType = "Random"
logbase = "string"
rule = "string"
seed = int
Объекты MonitorComputeConfigurationBase
Задайте свойство computeType, чтобы указать тип объекта.
Для ServerlessSparkиспользуйте:
computeType = "ServerlessSpark"
computeIdentity = {
computeIdentityType = "string"
// For remaining properties, see MonitorComputeIdentityBase objects
}
instanceType = "string"
runtimeVersion = "string"
Объекты MonitorComputeIdentityBase
Задайте свойство computeIdentityType, чтобы указать тип объекта.
Для AmlTokenиспользуйте:
computeIdentityType = "AmlToken"
Для ManagedIdentityиспользуйте:
computeIdentityType = "ManagedIdentity"
identity {
type = "string"
identity_ids = []
}
Объекты MonitoringSignalBase
Задайте свойство signalType, чтобы указать тип объекта.
Для пользовательских
signalType = "Custom"
componentId = "string"
inputAssets = {
{customized property} = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
metricThresholds = [
{
metric = "string"
threshold = {
value = int
}
}
]
workspaceConnection = {
environmentVariables = {
{customized property} = "string"
}
secrets = {
{customized property} = "string"
}
}
Для DataDriftиспользуйте:
signalType = "DataDrift"
dataSegment = {
feature = "string"
values = [
"string"
]
}
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "string"
}
features = {
filterType = "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see DataDriftMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Для DataQualityиспользуйте:
signalType = "DataQuality"
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "string"
}
features = {
filterType = "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see DataQualityMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Для FeatureAttributionDriftиспользуйте:
signalType = "FeatureAttributionDrift"
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "string"
}
metricThreshold = {
metric = "NormalizedDiscountedCumulativeGain"
threshold = {
value = int
}
}
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Для GenerationSafetyQualityиспользуйте следующее:
signalType = "GenerationSafetyQuality"
metricThresholds = [
{
metric = "string"
threshold = {
value = int
}
}
]
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
samplingRate = int
workspaceConnectionId = "string"
Для GenerationTokenStatisticsиспользуйте следующее:
signalType = "GenerationTokenStatistics"
metricThresholds = [
{
metric = "string"
threshold = {
value = int
}
}
]
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
samplingRate = int
Для ModelPerformanceиспользуйте:
signalType = "ModelPerformance"
dataSegment = {
feature = "string"
values = [
"string"
]
}
metricThreshold = {
threshold = {
value = int
}
modelType = "string"
// For remaining properties, see ModelPerformanceMetricThresholdBase objects
}
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Для PredictionDriftиспользуйте:
signalType = "PredictionDrift"
featureDataTypeOverride = {
{customized property} = "string"
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Объекты MonitoringInputDataBase
Задайте свойство inputDataType, чтобы указать тип объекта.
Для фиксированныхиспользуйте:
inputDataType = "Fixed"
Для Rollingиспользуйте:
inputDataType = "Rolling"
preprocessingComponentId = "string"
windowOffset = "string"
windowSize = "string"
Для статических
inputDataType = "Static"
preprocessingComponentId = "string"
windowEnd = "string"
windowStart = "string"
Объекты MonitoringFeatureFilterBase
Задайте свойство filterType, чтобы указать тип объекта.
Для AllFeaturesиспользуйте:
filterType = "AllFeatures"
Для FeatureSubsetиспользуйте:
filterType = "FeatureSubset"
features = [
"string"
]
Для TopNByAttributionиспользуйте:
filterType = "TopNByAttribution"
top = int
Объекты DataDriftMetricThresholdBase
Задайте свойство dataType, чтобы указать тип объекта.
Для категориальных
dataType = "Categorical"
metric = "string"
Для числовых
dataType = "Numerical"
metric = "string"
Объекты DataQualityMetricThresholdBase
Задайте свойство dataType, чтобы указать тип объекта.
Для категориальных
dataType = "Categorical"
metric = "string"
Для числовых
dataType = "Numerical"
metric = "string"
Объекты ModelPerformanceMetricThresholdBase
Задайте свойство modelType, чтобы указать тип объекта.
Для классификациииспользуйте:
modelType = "Classification"
metric = "string"
Для регрессиииспользуйте:
modelType = "Regression"
metric = "string"
Объекты PredictionDriftMetricThresholdBase
Задайте свойство dataType, чтобы указать тип объекта.
Для категориальных
dataType = "Categorical"
metric = "string"
Для числовых
dataType = "Numerical"
metric = "string"
Объекты DataImportSource
Задайте свойство sourceType, чтобы указать тип объекта.
Для базы данныхиспользуйте:
sourceType = "database"
query = "string"
storedProcedure = "string"
storedProcedureParams = [
{
{customized property} = "string"
}
]
tableName = "string"
Для file_systemиспользуйте:
sourceType = "file_system"
path = "string"
Объекты TriggerBase
Задайте свойство triggerType, чтобы указать тип объекта.
Для Cronиспользуйте:
triggerType = "Cron"
expression = "string"
Для повторенияиспользуйте:
triggerType = "Recurrence"
frequency = "string"
interval = int
schedule = {
hours = [
int
]
minutes = [
int
]
monthDays = [
int
]
weekDays = [
"string"
]
}
Значения свойств
рабочие области и расписания
| Имя | Описание | Ценность |
|---|---|---|
| тип | Тип ресурса | "Microsoft.MachineLearningServices/workspaces/schedules@2023-08-01-preview" |
| имя | Имя ресурса | строка (обязательно) |
| parent_id | Идентификатор ресурса, который является родительским для этого ресурса. | Идентификатор ресурса типа: рабочих областей |
| свойства | [Обязательный] Дополнительные атрибуты сущности. | ScheduleProperties (обязательно) |
ScheduleProperties
| Имя | Описание | Ценность |
|---|---|---|
| действие | [Обязательный] Указывает действие расписания | ScheduleActionBase (обязательно) |
| описание | Текст описания ресурса. | струна |
| displayName | Отображаемое имя расписания. | струна |
| isEnabled | Включен ли расписание? | bool |
| свойства | Словарь свойств ресурса. | ResourceBaseProperties |
| Теги | Словарь тегов. Теги можно добавлять, удалять и обновлять. | объект |
| триггер | [Обязательный] Указывает сведения о триггере | TriggerBase (обязательно) |
ScheduleActionBase
| Имя | Описание | Ценность |
|---|---|---|
| actionType | Установка типа объекта |
CreateJob CreateMonitor ImportData InvokeBatchEndpoint (обязательно) |
JobScheduleAction
| Имя | Описание | Ценность |
|---|---|---|
| actionType | [Обязательный] Указывает тип действия расписания | CreateJob (обязательно) |
| jobDefinition | [Обязательный] Определяет сведения о определении действия расписания. | JobBaseProperties (обязательно) |
JobBaseProperties
| Имя | Описание | Ценность |
|---|---|---|
| componentId | Идентификатор ресурса ARM ресурса компонента. | струна |
| 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 |
| notificationSetting | Параметр уведомления для задания | NotificationSetting |
| свойства | Словарь свойств ресурса. | ResourceBaseProperties |
| secretConfiguration | Настройка секретов для доступности во время выполнения. | JobBaseSecretsConfiguration |
| 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. | объект |
| jobType | Установка типа объекта |
AutoML Команда метки конвейера Spark (обязательно) |
IdentityConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| identityType | Установка типа объекта |
AMLToken Управляемые UserIdentity (обязательно) |
AmlToken
| Имя | Описание | Ценность |
|---|---|---|
| identityType | [Обязательный] Указывает тип платформы удостоверений. | AMLToken (обязательно) |
ManagedIdentity
| Имя | Описание | Ценность |
|---|---|---|
| identityType | [Обязательный] Указывает тип платформы удостоверений. | "Managed" (обязательно) |
| 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}$ |
| 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 |
UserIdentity
| Имя | Описание | Ценность |
|---|---|---|
| identityType | [Обязательный] Указывает тип платформы удостоверений. | UserIdentity (обязательно) |
NotificationSetting
| Имя | Описание | Ценность |
|---|---|---|
| emailOn | Отправка уведомления электронной почты пользователю по указанному типу уведомлений | Массив строк, содержащий любой из: JobCancelled JobCompleted JobFailed |
| сообщения электронной почты | Это список получателей электронной почты с ограничением 499 символов в общей сложности с разделителем запятых | string[] |
| веб-перехватчики | Отправка обратного вызова веб-перехватчика в службу. Ключ — это имя, предоставленное пользователем для веб-перехватчика. | NotificationSettingWebhooks |
NotificationSettingWebhooks
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | веб-перехватчик |
Веб-перехватчик
| Имя | Описание | Ценность |
|---|---|---|
| eventType | Отправка обратного вызова на указанное событие уведомления | струна |
| webhookType | Установка типа объекта | AzureDevOps (обязательно) |
AzureDevOpsWebhook
| Имя | Описание | Ценность |
|---|---|---|
| webhookType | [Обязательный] Указывает тип службы для отправки обратного вызова. | AzureDevOps (обязательно) |
ResourceBaseProperties
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
JobBaseSecretsConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | SecretConfiguration |
SecretConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| ури | Универсальный код ресурса (URI секрета). Пример URI: https://myvault.vault.azure.net/secrets/mysecretname/secretversion |
струна |
| workspaceSecretName | Имя секрета в хранилище ключей рабочей области. | струна |
JobBaseServices
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobService |
JobService
| Имя | Описание | Ценность |
|---|---|---|
| конечная точка | URL-адрес конечной точки. | струна |
| jobServiceType | Тип конечной точки. | струна |
| Узлов | Узлы, на которые пользователь хочет запустить службу. Если узлы не заданы или заданы значение NULL, служба будет запущена только на узле лидера. |
узлов |
| порт | Порт для конечной точки, заданной пользователем. | int |
| свойства | Дополнительные свойства, заданные в конечной точке. | JobServiceProperties |
Узлов
| Имя | Описание | Ценность |
|---|---|---|
| nodesValueType | Установка типа объекта | Все (обязательно) |
AllNodes
| Имя | Описание | Ценность |
|---|---|---|
| nodesValueType | [Обязательный] Тип значения Nodes | "Все" (обязательно) |
JobServiceProperties
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
AutoMLJob
| Имя | Описание | Ценность |
|---|---|---|
| jobType | [Обязательный] Указывает тип задания. | AutoML (обязательно) |
| 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 |
| Выходы | Сопоставление привязок выходных данных, используемых в задании. | AutoMLJobOutputs |
| queueSettings | Параметры очереди для задания | QueueSettings |
| ресурсы | Конфигурация вычислительных ресурсов для задания. | JobResourceConfiguration |
| taskDetails | [Обязательный] Это сценарий, который может быть одним из таблиц/ NLP/Image | AutoMLVertical (обязательно) |
AutoMLJobEnvironmentVariables
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
AutoMLJobOutputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobOutput |
JobOutput
| Имя | Описание | Ценность |
|---|---|---|
| описание | Описание выходных данных. | струна |
| jobOutputType | Установка типа объекта |
custom_model mlflow_model mltable triton_model uri_file uri_folder (обязательно) |
CustomModelJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "custom_model" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | "Direct" ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
AutoDeleteSetting
| Имя | Описание | Ценность |
|---|---|---|
| состояние | Когда необходимо проверить, истек ли срок действия ресурса | "CreatedGreaterThan" "LastAccessedGreaterThan" |
| ценность | Значение условия окончания срока действия. | струна |
MLFlowModelJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "mlflow_model" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | "Direct" ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
MLTableJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "mltable" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | "Direct" ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
TritonModelJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "triton_model" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | "Direct" ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
UriFileJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "uri_file" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | "Direct" ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
UriFolderJobOutput
| Имя | Описание | Ценность |
|---|---|---|
| jobOutputType | [Обязательный] Указывает тип задания. | "uri_folder" (обязательно) |
| assetName | Имя выходного ресурса. | струна |
| assetVersion | Версия выходного ресурса. | струна |
| autoDeleteSetting | Автоматическое удаление параметра выходного ресурса данных. | AutoDeleteSetting |
| режим | Режим доставки выходных ресурсов. | "Direct" ReadWriteMount "Отправить" |
| ури | URI выходного ресурса. | струна |
QueueSettings
| Имя | Описание | Ценность |
|---|---|---|
| jobTier | Управляет уровнем заданий вычислений | "Базовый" "Null" "Премиум" "Spot" "Стандартный" |
| приоритет | Управляет приоритетом задания в вычислении. | int |
JobResourceConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| dockerArgs | Дополнительные аргументы для передачи команде запуска Docker. Это переопределит все параметры, которые уже были заданы системой или в этом разделе. Этот параметр поддерживается только для типов вычислений Машинного обучения Azure. | струна |
| instanceCount | Необязательное количество экземпляров или узлов, используемых целевым объектом вычислений. | int |
| instanceType | Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений. | струна |
| Местонахождения | Расположения, в которых задание может выполняться. | string[] |
| maxInstanceCount | Необязательное максимальное число экземпляров или узлов, используемых целевым объектом вычислений. Для использования с эластичным обучением в настоящее время поддерживается только типом распространения PyTorch. |
int |
| свойства | Дополнительные контейнеры свойств. | ResourceConfigurationProperties |
| shmSize | Размер общего блока памяти контейнера Docker. Это должно быть в формате (число)(единица), где число должно быть больше 0, а единица может быть одной из b(байтов), k(килобайтов), m(мегабайт) или g(g(gigabytes). | струна Ограничения целостности: Pattern = \d+[bBkKmMgG] |
ResourceConfigurationProperties
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} |
AutoMLVertical
| Имя | Описание | Ценность |
|---|---|---|
| logVerbosity | Подробность журнала для задания. | "Критический" "Отладка" "Ошибка" "Сведения" NotSet "Предупреждение" |
| targetColumnName | Имя целевого столбца: это столбец прогнозируемых значений. Также называется именем столбца метки в контексте задач классификации. |
струна |
| trainingData | [Обязательный] Входные данные обучения. | MLTableJobInput (обязательно) |
| taskType | Установка типа объекта |
классификации прогнозирование ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection регрессии TextClassification TextClassificationMultilabel TextNER (обязательно) |
MLTableJobInput
| Имя | Описание | Ценность |
|---|---|---|
| описание | Описание входных данных. | струна |
| jobInputType | [Обязательный] Указывает тип задания. | "custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно) |
| режим | Режим доставки входных ресурсов. | "Direct" "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
Классификация
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | "Классификация" (обязательно) |
| cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | TableFixedParameters |
| limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан. |
NCrossValidations |
| positiveLabel | Положительная метка для вычисления двоичных метрик. | струна |
| primaryMetric | Первичная метрика для задачи. | "AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | TableParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | TableSweepSettings |
| testData | Проверка входных данных. | 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 |
| trainingSettings | Входные данные для этапа обучения для задания AutoML. | КлассификацияTrainingSettings |
| validationData | Входные данные проверки. | 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 |
| 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. | Массив строк, содержащий любой из: "CatTargetEncoder" CountVectorizer HashOneHotEncoder LabelEncoder "NaiveBayes" OneHotEncoder "TextTargetEncoder" "TfIdf" "WoETargetEncoder" "WordEmbedding" |
| columnNameAndTypes | Словарь имени столбца и его типа (int, float, string, datetime и т. д.). | TableVerticalFeaturizationSettingsColumnNameAndTypes |
| datasetLanguage | Язык набора данных, полезный для текстовых данных. | струна |
| 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" "Off" |
| 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 |
|---|---|---|
| {настраиваемое свойство} | струна |
TableVerticalFeaturizationSettingsTransformerParams
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | ColumnTransformer[] |
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. |
TableFixedParameters
| Имя | Описание | Ценность |
|---|---|---|
| усилитель | Укажите тип повышения, например gbdt для XGBoost. | струна |
| boostingType | Укажите тип повышения, например gbdt для LightGBM. | струна |
| growPolicy | Укажите политику роста, которая управляет тем, как новые узлы добавляются в дерево. | струна |
| LearningRate | Скорость обучения для процедуры обучения. | int |
| maxBin | Укажите максимальное количество дискретных ячеек для сегментирования непрерывных функций. | int |
| maxDepth | Укажите максимальную глубину, чтобы ограничить глубину дерева явным образом. | int |
| maxLeaves | Укажите максимальное количество листьев, чтобы ограничить листья дерева явным образом. | int |
| minDataInLeaf | Минимальное количество данных на лист. | int |
| minSplitGain | Минимальное сокращение потери, необходимое для дальнейшего секционирования на конечном узле дерева. | int |
| ModelName | Имя модели для обучения. | струна |
| nEstimator | Укажите количество деревьев (или округлений) в модели. | int |
| numLeaves | Укажите количество листьев. | int |
| preprocessorName | Имя используемого препроцессора. | струна |
| regAlpha | Термин нормализации L1 для весов. | int |
| regLambda | Термин нормализации L2 для весов. | int |
| subsample | Подсамплексный коэффициент экземпляра обучения. | int |
| subsampleFreq | Частота подсампли. | int |
| treeMethod | Укажите метод дерева. | струна |
| withMean | Если задано значение true, перед масштабированием данных с помощью StandardScalar. | bool |
| withStd | Если задано значение true, масштабирование данных с помощью единицы вариативности с помощью StandardScalar. | bool |
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 |
| maxNodes | Максимальное количество узлов, используемых для эксперимента. | int |
| maxTrials | Количество итераций. | int |
| sweepConcurrentTrials | Количество одновременных запусков, которые пользователь хочет активировать. | int |
| sweepTrials | Количество разверток запусков, которые пользователь хочет активировать. | int |
| Времени ожидания | Время ожидания задания AutoML. | струна |
| trialTimeout | Время ожидания итерации. | струна |
NCrossValidations
| Имя | Описание | Ценность |
|---|---|---|
| режим | Установка типа объекта | автоза настраиваемые (обязательно) |
AutoNCrossValidations
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим определения проверок N-Cross. | "Авто" (обязательно) |
CustomNCrossValidations
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим определения проверок N-Cross. | "Custom" (обязательно) |
| ценность | [Обязательный] Значение N-Cross validations. | int (обязательно) |
TableParameterSubspace
| Имя | Описание | Ценность |
|---|---|---|
| усилитель | Укажите тип повышения, например gbdt для XGBoost. | струна |
| boostingType | Укажите тип повышения, например gbdt для LightGBM. | струна |
| growPolicy | Укажите политику роста, которая управляет тем, как новые узлы добавляются в дерево. | струна |
| LearningRate | Скорость обучения для процедуры обучения. | струна |
| maxBin | Укажите максимальное количество дискретных ячеек для сегментирования непрерывных функций. | струна |
| maxDepth | Укажите максимальную глубину, чтобы ограничить глубину дерева явным образом. | струна |
| maxLeaves | Укажите максимальное количество листьев, чтобы ограничить листья дерева явным образом. | струна |
| minDataInLeaf | Минимальное количество данных на лист. | струна |
| minSplitGain | Минимальное сокращение потери, необходимое для дальнейшего секционирования на конечном узле дерева. | струна |
| ModelName | Имя модели для обучения. | струна |
| nEstimator | Укажите количество деревьев (или округлений) в модели. | струна |
| numLeaves | Укажите количество листьев. | струна |
| preprocessorName | Имя используемого препроцессора. | струна |
| regAlpha | Термин нормализации L1 для весов. | струна |
| regLambda | Термин нормализации L2 для весов. | струна |
| subsample | Подсамплексный коэффициент экземпляра обучения. | струна |
| subsampleFreq | Частота подсампли | струна |
| treeMethod | Укажите метод дерева. | струна |
| withMean | Если задано значение true, перед масштабированием данных с помощью StandardScalar. | струна |
| withStd | Если задано значение true, масштабирование данных с помощью единицы вариативности с помощью StandardScalar. | струна |
TableSweepSettings
| Имя | Описание | Ценность |
|---|---|---|
| ранняятерминация | Тип политики раннего завершения для масштабного задания. | EarlyTerminationPolicy |
| выборкаAlgorithm | [Обязательный] Тип алгоритма выборки. | "Байезиан" "Сетка" "Случайный" (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 | Установка типа объекта |
Банда MedianStopping TruncationSelection (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 |
MedianStoppingPolicy
| Имя | Описание | Ценность |
|---|---|---|
| policyType | [Обязательный] Имя конфигурации политики | MedianStopping (обязательно) |
УсечениеSelectionPolicy
| Имя | Описание | Ценность |
|---|---|---|
| policyType | [Обязательный] Имя конфигурации политики | "УсечениеSelection" (обязательно) |
| усечениеPercentage | Процент выполнения для отмены по каждому интервалу оценки. | int |
КлассификацияTrainingSettings
| Имя | Описание | Ценность |
|---|---|---|
| allowedTrainingAlgorithms | Разрешенные модели для задачи классификации. | Массив строк, содержащий любой из: "БернуллиNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "ХУК" SVM "XGBoostClassifier" |
| blockedTrainingAlgorithms | Заблокированные модели для задачи классификации. | Массив строк, содержащий любой из: "БернуллиNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "ХУК" SVM "XGBoostClassifier" |
| 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 |
| trainingMode | Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы. |
"Авто" "Распределено" "NonDistributed" |
StackEnsembleSettings
| Имя | Описание | Ценность |
|---|---|---|
| stackMetaLearnerKWargs | Необязательные параметры для передачи инициализатору метаучителя. | |
| 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" |
Прогнозирование
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | "Прогнозирование" (обязательно) |
| cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | TableFixedParameters |
| forecastingSettings | Прогнозирование определенных входных данных задачи. | ForecastingSettings |
| limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан. |
NCrossValidations |
| primaryMetric | Основная метрика для задачи прогнозирования. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "SpearmanCorrelation" |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | TableParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | TableSweepSettings |
| testData | Проверка входных данных. | 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 |
| trainingSettings | Входные данные для этапа обучения для задания AutoML. | ПрогнозированиеTrainingSettings |
| validationData | Входные данные проверки. | 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 |
| 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 |
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 будеттри дня в стороне. |
int |
| featureLags | Флаг для создания задержек для числовых функций с параметром auto или NULL. | "Авто" "Нет" |
| featuresUnknownAtForecastTime | Столбцы признаков, доступные для обучения, но неизвестные во время прогнозирования или вывода. Если features_unknown_at_forecast_time не задано, предполагается, что все столбцы признаков в наборе данных известны во время вывода. |
string[] |
| 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" |
ПрогнозHorizon
| Имя | Описание | Ценность |
|---|---|---|
| режим | Установка типа объекта | автоза настраиваемые (обязательно) |
AutoForecastHorizon
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Задайте режим выбора значения горизонта прогнозирования. | "Авто" (обязательно) |
CustomForecastHorizon
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Задайте режим выбора значения горизонта прогнозирования. | "Custom" (обязательно) |
| ценность | [Обязательный] Прогноз значения горизонта. | int (обязательно) |
Сезонность
| Имя | Описание | Ценность |
|---|---|---|
| режим | Установка типа объекта | автоза настраиваемые (обязательно) |
Автосесональность
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим сезонности. | "Авто" (обязательно) |
CustomSeasonality
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим сезонности. | "Custom" (обязательно) |
| ценность | [Обязательный] Значение сезонности. | int (обязательно) |
TargetLags
| Имя | Описание | Ценность |
|---|---|---|
| режим | Установка типа объекта | автоза настраиваемые (обязательно) |
AutoTargetLags
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Настройка режима задержки целевых объектов — автоматическое или настраиваемое | "Авто" (обязательно) |
CustomTargetLags
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Настройка режима задержки целевых объектов — автоматическое или настраиваемое | "Custom" (обязательно) |
| Значения | [Обязательный] Задайте значения задержки целевых значений. | int[] (обязательно) |
TargetRollingWindowSize
| Имя | Описание | Ценность |
|---|---|---|
| режим | Установка типа объекта | автоза настраиваемые (обязательно) |
AutoTargetRollingWindowSize
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим обнаружения TargetRollingWindowSiz. | "Авто" (обязательно) |
CustomTargetRollingWindowSize
| Имя | Описание | Ценность |
|---|---|---|
| режим | [Обязательный] Режим обнаружения TargetRollingWindowSiz. | "Custom" (обязательно) |
| ценность | [Обязательный] Значение TargetRollingWindowSize. | int (обязательно) |
ПрогнозированиеTrainingSettings
| Имя | Описание | Ценность |
|---|---|---|
| allowedTrainingAlgorithms | Разрешенные модели для задачи прогнозирования. | Массив строк, содержащий любой из: "Arimax" "AutoArima" "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "ЛассоЛарс" "LightGBM" "Наивный" "Пророк" "RandomForest" "ХУК" "SeasonalAverage" "СезоннаяNaive" "TCNForecaster" "XGBoostRegressor" |
| blockedTrainingAlgorithms | Заблокированные модели для задачи прогнозирования. | Массив строк, содержащий любой из: "Arimax" "AutoArima" "Среднее" "DecisionTree" ElasticNet "ЭкспоненциальнаяSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "ЛассоЛарс" "LightGBM" "Наивный" "Пророк" "RandomForest" "ХУК" "SeasonalAverage" "СезоннаяNaive" "TCNForecaster" "XGBoostRegressor" |
| 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 |
| trainingMode | Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы. |
"Авто" "Распределено" "NonDistributed" |
ImageClassification
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | ImageClassification (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. | "AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | ImageModelDistributionSettingsClassification[] |
| sweepSettings | Очистка модели и гиперпараметры, связанные с параметрами. | ImageSweepSettings |
| validationData | Входные данные проверки. | 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 |
ImageLimitSettings
| Имя | Описание | Ценность |
|---|---|---|
| maxConcurrentTrials | Максимальное число параллельных итераций AutoML. | int |
| maxTrials | Максимальное число итераций AutoML. | int |
| Времени ожидания | Время ожидания задания AutoML. | 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 точкаFrequency | Частота хранения контрольных точек модели. Должно быть положительным целым числом. | int |
| контрольная точкаModel | Предварительно обученная модель контрольной точки для добавочного обучения. | MLFlowModelJobInput |
| 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 |
| 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 |
MLFlowModelJobInput
| Имя | Описание | Ценность |
|---|---|---|
| описание | Описание входных данных. | струна |
| jobInputType | [Обязательный] Указывает тип задания. | "custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно) |
| режим | Режим доставки входных ресурсов. | "Direct" "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
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 |
| 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 |
ImageSweepSettings
| Имя | Описание | Ценность |
|---|---|---|
| ранняятерминация | Тип политики раннего завершения. | EarlyTerminationPolicy |
| выборкаAlgorithm | [Обязательный] Тип алгоритмов выборки гиперпараметров. | "Байезиан" "Сетка" "Случайный" (обязательный) |
ImageClassificationMultilabel
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | ImageClassificationMultilabel (обязательный) |
| limitSettings | [Обязательный] Ограничение параметров для задания AutoML. | ImageLimitSettings (обязательно) |
| modelSettings | Параметры, используемые для обучения модели. | ImageModelSettingsClassification |
| primaryMetric | Основная метрика для оптимизации для этой задачи. | "AUCWeighted" "Точность" "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 |
| validationData | Входные данные проверки. | 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 |
ImageInstanceSegmentation
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | ImageInstanceSegmentation (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 |
| validationData | Входные данные проверки. | 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 |
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 точкаFrequency | Частота хранения контрольных точек модели. Должно быть положительным целым числом. | int |
| контрольная точкаModel | Предварительно обученная модель контрольной точки для добавочного обучения. | MLFlowModelJobInput |
| 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" |
| LogTrainingMetrics | Включите метрики обучения вычислений и ведения журнала. | "Отключить" "Включить" |
| logValidationLoss | Включение потери вычислений и ведения журнала. | "Отключить" "Включить" |
| 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 |
| 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 |
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 |
| 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 |
ImageObjectDetection
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | ImageObjectDetection (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 |
| validationData | Входные данные проверки. | 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 |
Регрессия
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | Регрессия (обязательно) |
| cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | TableFixedParameters |
| limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
| nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения Если набор данных проверки не указан. |
NCrossValidations |
| primaryMetric | Основная метрика для задачи регрессии. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "SpearmanCorrelation" |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | TableParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | TableSweepSettings |
| testData | Проверка входных данных. | 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 |
| trainingSettings | Входные данные для этапа обучения для задания AutoML. | РегрессионTrainingSettings |
| validationData | Входные данные проверки. | 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 |
| 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 |
РегрессияTrainingSettings
| Имя | Описание | Ценность |
|---|---|---|
| allowedTrainingAlgorithms | Разрешенные модели для задачи регрессии. | Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" "GradientBoosting" "KNN" "ЛассоЛарс" "LightGBM" "RandomForest" "ХУК" "XGBoostRegressor" |
| blockedTrainingAlgorithms | Заблокированные модели для задачи регрессии. | Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" "GradientBoosting" "KNN" "ЛассоЛарс" "LightGBM" "RandomForest" "ХУК" "XGBoostRegressor" |
| 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 |
| trainingMode | Режим TrainingMode — параметр "auto" совпадает с параметром "не распределенный" на данный момент, однако в будущем может привести к выбору смешанного режима или эвристики на основе режима. Значение по умолчанию — auto. Если значение "Распределено", то используются только распределенные признаки и выбираются распределенные алгоритмы. Если параметр NonDistributed, выбираются только не распределенные алгоритмы. |
"Авто" "Распределено" "NonDistributed" |
TextClassification
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | TextClassification (обязательно) |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | NlpFixedParameters |
| limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
| primaryMetric | Основная метрика для задачи Text-Classification. | "AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | NlpParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | NlpSweepSettings |
| validationData | Входные данные проверки. | MLTableJobInput |
NlpVerticalFeaturizationSettings
| Имя | Описание | Ценность |
|---|---|---|
| datasetLanguage | Язык набора данных, полезный для текстовых данных. | струна |
NlpFixedParameters
| Имя | Описание | Ценность |
|---|---|---|
| градиентAccumulationSteps | Количество шагов для накапливания градиентов перед выполнением обратного прохода. | int |
| LearningRate | Скорость обучения для процедуры обучения. | int |
| learningRateScheduler | Тип расписания обучения, используемого во время процедуры обучения. | "Констант" "ConstantWithWarmup" "Косин" "CosineWithRestarts" "Линейная" "Нет" "Polynomial" |
| ModelName | Имя модели для обучения. | струна |
| numberOfEpochs | Число эпох обучения. | int |
| trainingBatchSize | Размер пакета для процедуры обучения. | int |
| validationBatchSize | Размер пакета, используемый во время оценки. | int |
| теплый Ратио | Коэффициент нагрева, используемый вместе с LrSchedulerType. | int |
| weightDecay | Разложение веса для процедуры обучения. | int |
NlpVerticalLimitSettings
| Имя | Описание | Ценность |
|---|---|---|
| maxConcurrentTrials | Максимальное число параллельных итераций AutoML. | int |
| maxNodes | Максимальное количество узлов, используемых для эксперимента. | int |
| maxTrials | Число итераций AutoML. | int |
| Времени ожидания | Время ожидания задания AutoML. | струна |
| trialTimeout | Время ожидания для отдельных пробных версий HD. | струна |
NlpParameterSubspace
| Имя | Описание | Ценность |
|---|---|---|
| градиентAccumulationSteps | Количество шагов для накапливания градиентов перед выполнением обратного прохода. | струна |
| LearningRate | Скорость обучения для процедуры обучения. | струна |
| learningRateScheduler | Тип расписания обучения, используемого во время процедуры обучения. | струна |
| ModelName | Имя модели для обучения. | струна |
| numberOfEpochs | Число эпох обучения. | струна |
| trainingBatchSize | Размер пакета для процедуры обучения. | струна |
| validationBatchSize | Размер пакета, используемый во время оценки. | струна |
| теплый Ратио | Коэффициент нагрева, используемый вместе с LrSchedulerType. | струна |
| weightDecay | Разложение веса для процедуры обучения. | струна |
NlpSweepSettings
| Имя | Описание | Ценность |
|---|---|---|
| ранняятерминация | Тип политики раннего завершения для масштабного задания. | EarlyTerminationPolicy |
| выборкаAlgorithm | [Обязательный] Тип алгоритма выборки. | "Байезиан" "Сетка" "Случайный" (обязательный) |
TextClassificationMultilabel
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | TextClassificationMultilabel (обязательно) |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | NlpFixedParameters |
| limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | NlpParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | NlpSweepSettings |
| validationData | Входные данные проверки. | MLTableJobInput |
TextNer
| Имя | Описание | Ценность |
|---|---|---|
| taskType | [Обязательный] Тип задачи для AutoMLJob. | TextNER (обязательно) |
| featurizationSettings | Входные данные признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
| fixedParameters | Параметры модели и обучения, которые будут оставаться постоянными во время обучения. | NlpFixedParameters |
| limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
| searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | NlpParameterSubspace[] |
| sweepSettings | Параметры для настройки масштабируемой модели и гиперпараметров. | NlpSweepSettings |
| validationData | Входные данные проверки. | MLTableJobInput |
CommandJob
| Имя | Описание | Ценность |
|---|---|---|
| jobType | [Обязательный] Указывает тип задания. | "Command" (обязательно) |
| autologgerSettings | Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch или NULL. | AutologgerSettings |
| codeId | Идентификатор ресурса ARM ресурса ресурса кода. | струна |
| команда | [Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py" | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| распределение | Конфигурация распределения задания. Если задано, это должен быть один из Mpi, Tensorflow, PyTorch, Ray или NULL. | distributionConfiguration |
| environmentId | [Обязательный] Идентификатор ресурса ARM спецификации среды для задания. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| environmentVariables | Переменные среды, включенные в задание. | CommandJobEnvironmentVariables |
| Входы | Сопоставление входных привязок данных, используемых в задании. | CommandJobInputs |
| Ограничения | Ограничение задания команд. | CommandJobLimits |
| Выходы | Сопоставление привязок выходных данных, используемых в задании. | CommandJobOutputs |
| queueSettings | Параметры очереди для задания | QueueSettings |
| ресурсы | Конфигурация вычислительных ресурсов для задания. | JobResourceConfiguration |
AutologgerSettings
| Имя | Описание | Ценность |
|---|---|---|
| mlflowAutologger | [Обязательный] Указывает, включена ли функция автолога машинного потока. | "Отключено" "Включено" (обязательно) |
DistributionConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| distributionType | Установка типа объекта |
Mpi PyTorch Рэй TensorFlow (обязательно) |
Mpi
| Имя | Описание | Ценность |
|---|---|---|
| distributionType | [Обязательный] Указывает тип платформы распространения. | "Mpi" (обязательно) |
| processCountPerInstance | Количество процессов на узел MPI. | int |
PyTorch
| Имя | Описание | Ценность |
|---|---|---|
| distributionType | [Обязательный] Указывает тип платформы распространения. | PyTorch (обязательно) |
| processCountPerInstance | Количество процессов на узел. | int |
Луч
| Имя | Описание | Ценность |
|---|---|---|
| distributionType | [Обязательный] Указывает тип платформы распространения. | "Ray" (обязательно) |
| адрес | Адрес головного узла Ray. | струна |
| панель мониторинга | Порт для привязки сервера панели мониторинга к. | int |
| headNodeAdditionalArgs | Дополнительные аргументы, передаваемые на запуск луча в головном узле. | струна |
| includeDashboard | Укажите этот аргумент для запуска графического интерфейса панели мониторинга Ray. | bool |
| порт | Порт процесса луча головы. | int |
| workerNodeAdditionalArgs | Дополнительные аргументы, передаваемые в запуск ray в рабочем узле. | струна |
TensorFlow
| Имя | Описание | Ценность |
|---|---|---|
| distributionType | [Обязательный] Указывает тип платформы распространения. | TensorFlow (обязательно) |
| parameterServerCount | Количество задач сервера параметров. | int |
| workerCount | Число рабочих ролей. Если этот параметр не указан, по умолчанию используется число экземпляров. | int |
CommandJobEnvironmentVariables
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
CommandJobInputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobInput |
JobInput
| Имя | Описание | Ценность |
|---|---|---|
| описание | Описание входных данных. | струна |
| jobInputType | Установка типа объекта |
custom_model литерал mlflow_model mltable triton_model uri_file uri_folder (обязательно) |
CustomModelJobInput
| Имя | Описание | Ценность |
|---|---|---|
| jobInputType | [Обязательный] Указывает тип задания. | "custom_model" (обязательно) |
| режим | Режим доставки входных ресурсов. | "Direct" "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
ЛитералJobInput
| Имя | Описание | Ценность |
|---|---|---|
| jobInputType | [Обязательный] Указывает тип задания. | "литерал" (обязательно) |
| ценность | [Обязательный] Литеральное значение для входных данных. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
TritonModelJobInput
| Имя | Описание | Ценность |
|---|---|---|
| jobInputType | [Обязательный] Указывает тип задания. | "triton_model" (обязательно) |
| режим | Режим доставки входных ресурсов. | "Direct" "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
UriFileJobInput
| Имя | Описание | Ценность |
|---|---|---|
| jobInputType | [Обязательный] Указывает тип задания. | "uri_file" (обязательно) |
| режим | Режим доставки входных ресурсов. | "Direct" "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
UriFolderJobInput
| Имя | Описание | Ценность |
|---|---|---|
| jobInputType | [Обязательный] Указывает тип задания. | "uri_folder" (обязательно) |
| режим | Режим доставки входных ресурсов. | "Direct" "Скачать" EvalDownload EvalMount ReadOnlyMount ReadWriteMount |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
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 |
|---|---|---|
| {настраиваемое свойство} | JobOutput |
LabelingJobProperties
| Имя | Описание | Ценность |
|---|---|---|
| componentId | Идентификатор ресурса ARM ресурса компонента. | струна |
| computeId | Идентификатор ресурса ARM вычислительного ресурса. | струна |
| dataConfiguration | Настройка данных, используемых в задании. | LabelingDataConfiguration |
| 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 |
| jobInstructions | Инструкции по маркировке задания. | labelingJobInstructions |
| jobType | [Обязательный] Указывает тип задания. | AutoML "Command" "Метка" Конвейер Spark "Очистка" (обязательно) |
| Категории меток | Категории меток задания. | категории LabelingJobLabelCategories |
| labelingJobMediaProperties | Свойства типа носителя в задании. | LabelingJobMediaProperties |
| mlAssistConfiguration | Настройка функции MLAssist в задании. | MLAssistConfiguration |
| notificationSetting | Параметр уведомления для задания | NotificationSetting |
| свойства | Словарь свойств ресурса. | ResourceBaseProperties |
| secretConfiguration | Настройка секретов для доступности во время выполнения. | JobBaseSecretsConfiguration |
| 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. | объект |
LabelingDataConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| dataId | Идентификатор ресурса ресурса ресурса для выполнения меток. | струна |
| incrementalDataRefresh | Указывает, следует ли включить добавочное обновление данных. | "Отключено" "Включено" |
LabelingJobInstructions
| Имя | Описание | Ценность |
|---|---|---|
| ури | Ссылка на страницу с подробными инструкциями по маркировке для меток. | струна |
Категории LabelingJobLabel
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | LabelCategory |
LabelCategory
| Имя | Описание | Ценность |
|---|---|---|
| Классы | Словарь классов меток в этой категории. | LabelCategoryClasses |
| displayName | Отображаемое имя категории меток. | струна |
| MultiSelect | Указывает, разрешено ли выбрать несколько классов в этой категории. | "Отключено" "Включено" |
LabelCategoryClasses
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | LabelClass |
LabelClass
| Имя | Описание | Ценность |
|---|---|---|
| displayName | Отображаемое имя класса метки. | струна |
| Подклассы | Словарь подклассов класса меток. | LabelClassSubclasses |
LabelClassSubclasses
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | LabelClass |
LabelingJobMediaProperties
| Имя | Описание | Ценность |
|---|---|---|
| mediaType | Установка типа объекта |
изображения текстовый (обязательный) |
LabelingJobImageProperties
| Имя | Описание | Ценность |
|---|---|---|
| mediaType | [Обязательный] Тип носителя задания. | Image (обязательно) |
| annotationType | Тип заметки задания маркировки изображений. | "BoundingBox" "Классификация" "InstanceSegmentation" |
LabelingJobTextProperties
| Имя | Описание | Ценность |
|---|---|---|
| mediaType | [Обязательный] Тип носителя задания. | "Текст" (обязательно) |
| annotationType | Тип заметки задания маркировки текста. | "Классификация" "NamedEntityRecognition" |
MLAssistConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| mlAssist | Установка типа объекта |
отключены включено (обязательно) |
MLAssistConfigurationDisabled
| Имя | Описание | Ценность |
|---|---|---|
| mlAssist | [Обязательный] Указывает, включена ли функция MLAssist. | "Отключено" (обязательно) |
MLAssistConfigurationEnabled
| Имя | Описание | Ценность |
|---|---|---|
| mlAssist | [Обязательный] Указывает, включена ли функция MLAssist. | "Включено" (обязательно) |
| inferencingComputeBinding | [Обязательный] Привязка вычислений AML, используемая в выводе. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| trainingComputeBinding | [Обязательный] Привязка вычислений AML, используемая в обучении. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
PipelineJob
| Имя | Описание | Ценность |
|---|---|---|
| jobType | [Обязательный] Указывает тип задания. | "Pipeline" (обязательно) |
| Входы | Входные данные для задания конвейера. | PipelineJobInputs |
| Рабочих мест | Задания создают задание конвейера. | PipelineJobJobs |
| Выходы | Выходные данные для задания конвейера | PipelineJobOutputs |
| Параметры | Параметры конвейера, например ContinueRunOnStepFailure и т. д. | |
| sourceJobId | Идентификатор ресурса ARM исходного задания. | струна |
PipelineJobInputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobInput |
PipelineJobJobs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} |
PipelineJobOutputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobOutput |
SparkJob
| Имя | Описание | Ценность |
|---|---|---|
| jobType | [Обязательный] Указывает тип задания. | Spark (обязательно) |
| архив | Архивные файлы, используемые в задании. | string[] |
| args | Аргументы для задания. | струна |
| codeId | [Обязательный] Идентификатор ресурса ARM ресурса ресурса кода. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| conf | Настроенные свойства Spark. | SparkJobConf |
| вход | [Обязательный] Запись, выполняемая при запуске задания. | SparkJobEntry (обязательно) |
| environmentId | Идентификатор ресурса ARM спецификации среды для задания. | струна |
| environmentVariables | Переменные среды, включенные в задание. | SparkJobEnvironmentVariables |
| Файлы | Файлы, используемые в задании. | string[] |
| Входы | Сопоставление входных привязок данных, используемых в задании. | SparkJobInputs |
| Банки | Jar-файлы, используемые в задании. | string[] |
| Выходы | Сопоставление привязок выходных данных, используемых в задании. | SparkJobOutputs |
| pyFiles | Файлы Python, используемые в задании. | string[] |
| queueSettings | Параметры очереди для задания | QueueSettings |
| ресурсы | Конфигурация вычислительных ресурсов для задания. | SparkResourceConfiguration |
SparkJobConf
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
SparkJobEntry
| Имя | Описание | Ценность |
|---|---|---|
| sparkJobEntryType | Установка типа объекта |
SparkJobPythonEntry SparkJobScalaEntry (обязательно) |
SparkJobPythonEntry
| Имя | Описание | Ценность |
|---|---|---|
| sparkJobEntryType | [Обязательный] Тип точки входа задания. | SparkJobPythonEntry (обязательно) |
| файл | [Обязательный] Относительный путь к файлу Python для точки входа задания. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
SparkJobScalaEntry
| Имя | Описание | Ценность |
|---|---|---|
| sparkJobEntryType | [Обязательный] Тип точки входа задания. | SparkJobScalaEntry (обязательно) |
| className | [Обязательный] Имя класса Scala, используемое в качестве точки входа. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
SparkJobEnvironmentVariables
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
SparkJobInputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobInput |
SparkJobOutputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobOutput |
SparkResourceConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| instanceType | Необязательный тип виртуальной машины, используемой в качестве поддержки целевого объекта вычислений. | струна |
| runtimeVersion | Версия среды выполнения Spark, используемая для задания. | струна |
SweepJob
| Имя | Описание | Ценность |
|---|---|---|
| jobType | [Обязательный] Указывает тип задания. | "Очистка" (обязательно) |
| componentConfiguration | Конфигурация компонентов для перебора компонентов | компонента |
| ранняятерминация | Политики раннего завершения позволяют отменять низкопроизводительные запуски до их завершения | EarlyTerminationPolicy |
| Входы | Сопоставление входных привязок данных, используемых в задании. | SweepJobInputs |
| Ограничения | Ограничение задания очистки. | SweepJobLimits |
| объективный | [Обязательный] Цель оптимизации. | Objective (обязательно) |
| Выходы | Сопоставление привязок выходных данных, используемых в задании. | |
| queueSettings | Параметры очереди для задания | QueueSettings |
| ресурсы | Конфигурация вычислительных ресурсов для задания. | JobResourceConfiguration |
| выборкаAlgorithm | [Обязательный] Алгоритм выборки гиперпараметров | ВыборкаAlgorithm (обязательно) |
| searchSpace | [Обязательный] Словарь, содержащий каждый параметр и его распределение. Ключ словаря — это имя параметра | |
| испытание | [Обязательный] Определение компонента пробной версии. | TrialComponent (обязательно) |
ComponentConfiguration
| Имя | Описание | Ценность |
|---|---|---|
| pipelineSettings | Параметры конвейера, например ContinueRunOnStepFailure и т. д. |
SweepJobInputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobInput |
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 |
Объективный
| Имя | Описание | Ценность |
|---|---|---|
| цель | [Обязательный] Определяет поддерживаемые цели метрик для настройки гиперпараметров | "Развернуть" "Свернуть" (обязательно) |
| primaryMetric | [Обязательный] Имя метрики для оптимизации. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
SweepJobOutputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobOutput |
ВыборкаAlgorithm
| Имя | Описание | Ценность |
|---|---|---|
| выборкаAlgorithmType | Установка типа объекта |
Байезиан сетки случайных (обязательно) |
BayesianSamplingAlgorithm
| Имя | Описание | Ценность |
|---|---|---|
| выборкаAlgorithmType | [Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | "Байесян" (обязательно) |
GridSamplingAlgorithm
| Имя | Описание | Ценность |
|---|---|---|
| выборкаAlgorithmType | [Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | "Grid" (обязательно) |
RandomSamplingAlgorithm
| Имя | Описание | Ценность |
|---|---|---|
| выборкаAlgorithmType | [Обязательный] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | "Случайный" (обязательный) |
| logbase | Необязательное положительное число или e в строковом формате, используемое в качестве базы для случайной выборки на основе журнала | струна |
| правило | Конкретный тип случайного алгоритма | "Случайный" "Собол" |
| семя | Необязательное целое число, используемое в качестве начального значения для случайного создания чисел | int |
TrialComponent
| Имя | Описание | Ценность |
|---|---|---|
| codeId | Идентификатор ресурса ARM ресурса ресурса кода. | струна |
| команда | [Обязательный] Команда, выполняемая при запуске задания. Например. "Python train.py" | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| 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. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| environmentVariables | Переменные среды, включенные в задание. | TrialComponentEnvironmentVariables |
| ресурсы | Конфигурация вычислительных ресурсов для задания. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
CreateMonitorAction
| Имя | Описание | Ценность |
|---|---|---|
| actionType | [Обязательный] Указывает тип действия расписания | CreateMonitor (обязательно) |
| monitorDefinition | [Обязательный] Определяет монитор. | MonitorDefinition (обязательно) |
MonitorDefinition
| Имя | Описание | Ценность |
|---|---|---|
| alertNotificationSettings | Параметры уведомлений монитора. | MonitorNotificationSettings |
| computeConfiguration | [Обязательный] Идентификатор ресурса ARM вычислительного ресурса для запуска задания мониторинга. | MonitorComputeConfigurationBase (обязательно) |
| monitoringTarget | Идентификатор ресурса ARM модели или развертывания, предназначенный для этого монитора. | MonitoringTarget |
| Сигналы | [Обязательный] Сигналы для отслеживания. | MonitorDefinitionSignals (обязательно) |
MonitorNotificationSettings
| Имя | Описание | Ценность |
|---|---|---|
| emailNotificationSettings | Параметры электронной почты уведомления AML. | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
| Имя | Описание | Ценность |
|---|---|---|
| сообщения электронной почты | Это список получателей электронной почты с ограничением 499 символов в общей сложности. | string[] |
MonitorComputeConfigurationBase
| Имя | Описание | Ценность |
|---|---|---|
| computeType | Установка типа объекта | ServerlessSpark (обязательно) |
MonitorServerlessSparkCompute
| Имя | Описание | Ценность |
|---|---|---|
| computeType | [Обязательный] Указывает тип сигнала для отслеживания. | "ServerlessSpark" (обязательно) |
| computeIdentity | [Обязательный] Схема удостоверений, используемая заданиями Spark, выполняемыми в бессерверном Spark. | MonitorComputeIdentityBase (обязательно) |
| instanceType | [Обязательный] Тип экземпляра, на котором выполняется задание Spark. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| runtimeVersion | [Обязательный] Версия среды выполнения Spark. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
MonitorComputeIdentityBase
| Имя | Описание | Ценность |
|---|---|---|
| computeIdentityType | Установка типа объекта |
AmlToken ManagedIdentity (обязательно) |
AmlTokenComputeIdentity
| Имя | Описание | Ценность |
|---|---|---|
| computeIdentityType | [Обязательный] Мониторинг перечисления типа вычислительных удостоверений. | AmlToken (обязательно) |
ManagedComputeIdentity
| Имя | Описание | Ценность |
|---|---|---|
| computeIdentityType | [Обязательный] Мониторинг перечисления типа вычислительных удостоверений. | ManagedIdentity (обязательно) |
| тождество | Управляемое удостоверение службы (назначенные системой удостоверения и (или) назначенные пользователем удостоверения | ManagedServiceIdentity |
ManagedServiceIdentity
| Имя | Описание | Ценность |
|---|---|---|
| тип | Тип управляемого удостоверения службы (где разрешены типы SystemAssigned и UserAssigned). | SystemAssigned SystemAssigned, UserAssigned UserAssigned (обязательно) |
| identity_ids | Набор назначенных пользователем удостоверений, связанных с ресурсом. Ключи словаря userAssignedIdentities будут идентификаторами ресурсов ARM в форме: "/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Значения словаря могут быть пустыми объектами ({}) в запросах. | Массив идентификаторов удостоверений пользователя. |
UserAssignedIdentities
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | UserAssignedIdentity |
UserAssignedIdentity
Этот объект не содержит свойств, заданных во время развертывания. Все свойства — ReadOnly.
MonitoringTarget
| Имя | Описание | Ценность |
|---|---|---|
| deploymentId | Идентификатор ресурса ARM любого развертывания, предназначенного для этого монитора. | струна |
| modelId | Идентификатор ресурса ARM любой из моделей, предназначенных для этого монитора. | струна |
| taskType | [Обязательный] Тип задачи машинного обучения модели. | "Классификация" "QuestionAnswering" Регрессия (обязательно) |
MonitorDefinitionSignals
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | MonitoringSignalBase |
MonitoringSignalBase
| Имя | Описание | Ценность |
|---|---|---|
| notificationTypes | Текущий режим уведомлений для этого сигнала. | Массив строк, содержащий любой из: "AmlNotification" AzureMonitor |
| свойства | Словарь свойств. Свойства можно добавлять, но не удалять или изменять. | MonitoringSignalBaseProperties |
| signalType | Установка типа объекта |
настраиваемых DataDrift DataQuality FeatureAttributionDrift GenerationSafetyQuality GenerationTokenStatistics ModelPerformance прогнозирование (обязательно) |
MonitoringSignalBaseProperties
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
CustomMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | "Custom" (обязательно) |
| componentId | [Обязательный] Идентификатор ресурса ARM ресурса компонента, используемый для вычисления пользовательских метрик. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| inputAssets | Мониторинг ресурсов, которые необходимо принимать в качестве входных данных. Ключом является имя порта ввода компонента, значением является ресурс данных. | CustomMonitoringSignalInputAssets |
| Входы | Дополнительные параметры компонента, которые будут приниматься в качестве входных данных. Ключом является имя порта ввода компонента, значением является значение параметра. | CustomMonitoringSignalInputs |
| metricThresholds | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | CustomMetricThreshold[] (обязательно) |
| workspaceConnection | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | MonitoringWorkspaceConnection (обязательно) |
CustomMonitoringSignalInputAssets
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | MonitoringInputDataBase |
MonitoringInputDataBase
| Имя | Описание | Ценность |
|---|---|---|
| Столбцы | Сопоставление имен столбцов с особыми использованием. | MonitoringInputDataBaseColumns |
| dataContext | Метаданные контекста источника данных. | струна |
| jobInputType | [Обязательный] Указывает тип задания. | "custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно) |
| ури | [Обязательный] URI входных ресурсов. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| inputDataType | Установка типа объекта | Исправлено Rolling статических (обязательно) |
MonitoringInputDataBaseColumns
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
FixedInputData
| Имя | Описание | Ценность |
|---|---|---|
| inputDataType | [Обязательный] Указывает тип сигнала для отслеживания. | "Исправлено" (обязательно) |
RollingInputData
| Имя | Описание | Ценность |
|---|---|---|
| inputDataType | [Обязательный] Указывает тип сигнала для отслеживания. | "Rolling" (обязательно) |
| preprocessingComponentId | Идентификатор ресурса ARM ресурса компонента, используемый для предварительной обработки данных. | струна |
| windowOffset | [Обязательный] Смещение времени между окончанием окна данных и текущим временем выполнения монитора. | строка (обязательно) |
| windowSize | [Обязательный] Размер конечного окна данных. | строка (обязательно) |
StaticInputData
| Имя | Описание | Ценность |
|---|---|---|
| inputDataType | [Обязательный] Указывает тип сигнала для отслеживания. | "Static" (обязательно) |
| preprocessingComponentId | Идентификатор ресурса ARM ресурса компонента, используемый для предварительной обработки данных. | струна |
| windowEnd | [Обязательный] Дата окончания окна данных. | строка (обязательно) |
| windowStart | [Обязательный] Дата начала окна данных. | строка (обязательно) |
CustomMonitoringSignalInputs
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | JobInput |
CustomMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| метрический | [Обязательный] Определяемая пользователем метрика для вычисления. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
MonitoringThreshold
| Имя | Описание | Ценность |
|---|---|---|
| ценность | Пороговое значение. Если значение NULL, значение по умолчанию зависит от типа метрики. | int |
MonitoringWorkspaceConnection
| Имя | Описание | Ценность |
|---|---|---|
| environmentVariables | Свойства подключения службы рабочей области для хранения в виде переменных среды в отправленных заданиях. Ключ — путь к свойству подключения к рабочей области, имя — ключ переменной среды. |
MonitoringWorkspaceConnectionEnvironmentVariables |
| Секреты | Свойства подключения к службе рабочей области для хранения в виде секретов в отправленных заданиях. Ключ — путь к свойству подключения к рабочей области, имя — секретный ключ. |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
MonitoringWorkspaceConnectionSecrets
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
DataDriftMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | DataDrift (обязательно) |
| dataSegment | Сегмент данных, используемый для определения подмножества данных. | MonitoringDataSegment |
| featureDataTypeOverride | Словарь, который сопоставляет имена функций с соответствующими типами данных. | DataDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | Параметры для важности функции вычислений. | FeatureImportanceSettings |
| Функции | Фильтр компонентов, определяющий, какая функция вычисляет смещение. | MonitoringFeatureFilterBase |
| metricThresholds | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | DataDriftMetricThresholdBase[] (обязательно) |
| productionData | [Обязательный] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
| referenceData | [Обязательный] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
MonitoringDataSegment
| Имя | Описание | Ценность |
|---|---|---|
| особенность | Функция сегментирования данных. | струна |
| Значения | Фильтры только для указанных значений данного сегментированного компонента. | string[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | "Категориальный" "Числовой" |
FeatureImportanceSettings
| Имя | Описание | Ценность |
|---|---|---|
| режим | Режим работы для важности функции вычислений. | "Отключено" "Включено" |
| targetColumn | Имя целевого столбца в входных ресурсах данных. | струна |
MonitoringFeatureFilterBase
| Имя | Описание | Ценность |
|---|---|---|
| filterType | Установка типа объекта |
AllFeatures FeatureSubset TopNByAttribution (обязательно) |
AllFeatures
| Имя | Описание | Ценность |
|---|---|---|
| filterType | [Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик. | AllFeatures (обязательно) |
FeatureSubset
| Имя | Описание | Ценность |
|---|---|---|
| filterType | [Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик. | FeatureSubset (обязательно) |
| Функции | [Обязательный] Список функций, которые необходимо включить. | string[] (обязательно) |
TopNFeaturesByAttribution
| Имя | Описание | Ценность |
|---|---|---|
| filterType | [Обязательный] Указывает фильтр функций, используемый при выборе функций для вычисления метрик. | "TopNByAttribution" (обязательно) |
| Вверх | Количество основных функций, которые необходимо включить. | int |
DataDriftMetricThresholdBase
| Имя | Описание | Ценность |
|---|---|---|
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
| dataType | Установка типа объекта |
категориальные числовой (обязательно) |
CategoricalDataDriftMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Категориальный" (обязательный) |
| метрический | [Обязательный] Вычисляемая метрика смещения категориальных данных. | "JensenShannonDistance" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (обязательно) |
Числовые данныеDataDriftMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Числовой" (обязательный) |
| метрический | [Обязательный] Вычисляемая метрика смещения числовых данных. | "JensenShannonDistance" "НормализацияWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (обязательный) |
DataQualityMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | DataQuality (обязательно) |
| featureDataTypeOverride | Словарь, который сопоставляет имена функций с соответствующими типами данных. | DataQualityMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | Параметры для важности функции вычислений. | FeatureImportanceSettings |
| Функции | Функции для вычисления смещения. | MonitoringFeatureFilterBase |
| metricThresholds | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | DataQualityMetricThresholdBase[] (обязательно) |
| productionData | [Обязательный] Данные, созданные рабочей службой, для которой будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
| referenceData | [Обязательный] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | "Категориальный" "Числовой" |
DataQualityMetricThresholdBase
| Имя | Описание | Ценность |
|---|---|---|
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
| dataType | Установка типа объекта |
категориальные числовой (обязательно) |
CategoricalDataQualityMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Категориальный" (обязательный) |
| метрический | [Обязательный] Метрика качества категориальных данных для вычисления. | DataTypeErrorRate NullValueRate OutOfBoundsRate (обязательно) |
Числовой параметрDataQualityMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Числовой" (обязательный) |
| метрический | [Обязательный] Вычисляемая метрика качества числовых данных. | DataTypeErrorRate NullValueRate OutOfBoundsRate (обязательно) |
FeatureAttributionDriftMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | FeatureAttributionDrift (обязательно) |
| featureDataTypeOverride | Словарь, который сопоставляет имена функций с соответствующими типами данных. | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
| featureImportanceSettings | Параметры для важности функции вычислений. | FeatureImportanceSettings |
| metricThreshold | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | FeatureAttributionMetricThreshold (обязательно) |
| productionData | [Обязательный] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase[] (обязательно) |
| referenceData | [Обязательный] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | "Категориальный" "Числовой" |
FeatureAttributionMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| метрический | [Обязательный] Вычислимая метрика атрибута. | "NormalizedDiscountedCumulativeGain" (обязательно) |
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
GenerationSafetyQualityMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | "GenerationSafetyQuality" (обязательно) |
| metricThresholds | [Обязательный] Возвращает или задает метрики для вычисления и соответствующих пороговых значений. | GenerationSafetyQualityMetricThreshold[] (обязательно) |
| productionData | Возвращает или задает рабочие данные для вычислений метрик. | MonitoringInputDataBase[] |
| выборка | [Обязательный] Частота выборки рабочих данных должна превышать 0 и не более 1. | int (обязательно) |
| workspaceConnectionId | Возвращает или задает идентификатор подключения рабочей области, используемый для подключения к конечной точке создания контента. | струна |
GenerationSafetyQualityMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| метрический | [Обязательный] Возвращает или задает метрику атрибуции функции для вычисления. | "AcceptableCoherenceScorePerInstance" "AcceptableFluencyScorePerInstance" "AcceptableGroundednessScorePerInstance" "AcceptableRelevanceScorePerInstance" "AcceptableSimilarityScorePerInstance" "AggregatedCoherencePassRate" "AggregatedFluencyPassRate" "AggregatedGroundednessPassRate" "AggregatedRelevancePassRate" "AggregatedSimilarityPassRate" (обязательный) |
| порог | Возвращает или задает пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. |
MonitoringThreshold |
GenerationTokenUsageSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | "GenerationTokenStatistics" (обязательный) |
| metricThresholds | [Обязательный] Возвращает или задает метрики для вычисления и соответствующих пороговых значений. | GenerationTokenUsageMetricThreshold[] (обязательно) |
| productionData | Возвращает или задает рабочие данные для вычислений метрик. | MonitoringInputDataBase[] |
| выборка | [Обязательный] Частота выборки рабочих данных должна превышать 0 и не более 1. | int (обязательно) |
GenerationTokenUsageMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| метрический | [Обязательный] Возвращает или задает метрику атрибуции функции для вычисления. | TotalTokenCount TotalTokenCountPerGroup (обязательно) |
| порог | Возвращает или задает пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. |
MonitoringThreshold |
ModelPerformanceSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | ModelPerformance (обязательно) |
| dataSegment | Сегмент данных. | MonitoringDataSegment |
| metricThreshold | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | ModelPerformanceMetricThresholdBase (обязательно) |
| productionData | [Обязательный] Данные, созданные рабочей службой, для которой будет вычисляться производительность. | MonitoringInputDataBase[] (обязательно) |
| referenceData | [Обязательный] Эталонные данные, используемые в качестве основы для вычисления производительности модели. | MonitoringInputDataBase (обязательно) |
ModelPerformanceMetricThresholdBase
| Имя | Описание | Ценность |
|---|---|---|
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
| modelType | Установка типа объекта |
классификации регрессии (обязательно) |
ClassificationModelPerformanceMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| modelType | [Обязательный] Указывает тип данных порогового значения метрик. | "Классификация" (обязательно) |
| метрический | [Обязательный] Производительность модели классификации для вычисления. | "Точность" "Точность" "Отзыв" (обязательно) |
RegressionModelPerformanceMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| modelType | [Обязательный] Указывает тип данных порогового значения метрик. | Регрессия (обязательно) |
| метрический | [Обязательный] Вычисляемая метрика производительности модели регрессии. | "MeanAbsoluteError" "MeanSquaredError" RootMeanSquaredError (обязательный) |
PredictionDriftMonitoringSignal
| Имя | Описание | Ценность |
|---|---|---|
| signalType | [Обязательный] Указывает тип сигнала для отслеживания. | "PredictionDrift" (обязательно) |
| featureDataTypeOverride | Словарь, который сопоставляет имена функций с соответствующими типами данных. | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
| metricThresholds | [Обязательный] Список метрик для вычисления и связанных с ними пороговых значений. | PredictionDriftMetricThresholdBase[] (обязательно) |
| productionData | [Обязательный] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
| referenceData | [Обязательный] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | "Категориальный" "Числовой" |
PredictionDriftMetricThresholdBase
| Имя | Описание | Ценность |
|---|---|---|
| порог | Пороговое значение. Если значение NULL, значение по умолчанию будет задано в зависимости от выбранной метрики. | MonitoringThreshold |
| dataType | Установка типа объекта |
категориальные числовой (обязательно) |
CategoricalPredictionDriftMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Категориальный" (обязательный) |
| метрический | [Обязательный] Метрика смещения категориального прогнозирования для вычисления. | "JensenShannonDistance" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (обязательно) |
ЧисловаяpredictionDriftMetricThreshold
| Имя | Описание | Ценность |
|---|---|---|
| dataType | [Обязательный] Указывает тип данных порогового значения метрик. | "Числовой" (обязательный) |
| метрический | [Обязательный] Вычисляемая метрика смещения числовых прогнозов. | "JensenShannonDistance" "НормализацияWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (обязательный) |
ImportDataAction
| Имя | Описание | Ценность |
|---|---|---|
| actionType | [Обязательный] Указывает тип действия расписания | ImportData (обязательно) |
| dataImportDefinition | [Обязательный] Определяет сведения о определении действия расписания. | DataImport (обязательно) |
DataImport
| Имя | Описание | Ценность |
|---|---|---|
| assetName | Имя ресурса для задания импорта данных для создания | струна |
| autoDeleteSetting | Задает параметр жизненного цикла управляемого ресурса данных. | AutoDeleteSetting |
| dataType | [Обязательный] Указывает тип данных. | "mltable" "uri_file" "uri_folder" (обязательно) |
| dataUri | [Обязательный] Универсальный код ресурса (URI) данных. Пример: https://go.microsoft.com/fwlink/?linkid=2202330 |
строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
| описание | Текст описания ресурса. | струна |
| интеллектуальная пропертия | Сведения об интеллектуальной собственности. Используется, если данные являются интеллектуальной собственностью. | ИнтеллектуальноеProperty |
| isAnonymous | Если версия имени создается системой (анонимная регистрация). Для типов, в которых определен этап, при указании этапа он будет использоваться для заполнения IsAnonymous | bool |
| isArchived | Архивируется ли ресурс? Для типов, в которых определен этап, при указании этапа он будет использоваться для заполнения IsArchived | bool |
| свойства | Словарь свойств ресурса. | ResourceBaseProperties |
| источник | Исходные данные ресурса для импорта из | DataImportSource |
| сцена | Этап жизненного цикла данных, назначенный этому ресурсу данных | струна |
| Теги | Словарь тегов. Теги можно добавлять, удалять и обновлять. | объект |
Интеллектуальная Проперти
| Имя | Описание | Ценность |
|---|---|---|
| protectionLevel | Уровень защиты интеллектуальной собственности. | "Все" "Нет" |
| издатель | [Обязательный] Издатель интеллектуальной собственности. Должно совпадать с именем издателя реестра. | строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
DataImportSource
| Имя | Описание | Ценность |
|---|---|---|
| связь | Подключение к рабочей области для хранилища источников импорта данных | струна |
| sourceType | Установка типа объекта | file_system (обязательно) |
DatabaseSource
| Имя | Описание | Ценность |
|---|---|---|
| sourceType | [Обязательный] Указывает тип данных. | "база данных" (обязательно) |
| запрос | Инструкция SQL Query для источника базы данных импорта данных | струна |
| StoredProcedure | SQL StoredProcedure в источнике базы данных импорта данных | струна |
| storedProcedureParams | Параметры StoredProcedure SQL | DatabaseSourceStoredProcedureParamsItem[] |
| tableName | Имя таблицы в источнике базы данных импорта данных | струна |
DatabaseSourceStoredProcedureParamsItem
| Имя | Описание | Ценность |
|---|---|---|
| {настраиваемое свойство} | струна |
FileSystemSource
| Имя | Описание | Ценность |
|---|---|---|
| sourceType | [Обязательный] Указывает тип данных. | "file_system" (обязательно) |
| путь | Путь к источнику fileSystem импорта данных | струна |
EndpointScheduleAction
| Имя | Описание | Ценность |
|---|---|---|
| actionType | [Обязательный] Указывает тип действия расписания | InvokeBatchEndpoint (обязательно) |
| endpointInvocationDefinition | [Обязательный] Определяет сведения о определении действия расписания. {see href="TBD" /} |
TriggerBase
| Имя | Описание | Ценность |
|---|---|---|
| endTime | Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601.Формат перекомментированного формата будет "2022-06-01T00:00:01" Если это не так, расписание будет выполняться на неопределенный срок |
струна |
| startTime | Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC. | струна |
| часовой пояс | Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows. См. ссылку: /windows-hardware/manufacture/desktop/default-time-zones/> |
струна |
| triggerType | Установка типа объекта |
Cron повторения (обязательно) |
CronTrigger
| Имя | Описание | Ценность |
|---|---|---|
| triggerType | [Обязательный] | "Cron" (обязательно) |
| выражение | [Обязательный] Указывает выражение крона расписания. Выражение должно соответствовать формату NCronTab. |
строка (обязательно) Ограничения целостности: Минимальная длина = 1 Pattern = [a-zA-Z0-9_] |
ПовторениеTrigger
| Имя | Описание | Ценность |
|---|---|---|
| endTime | Указывает время окончания расписания в ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601.Формат перекомментированного формата будет "2022-06-01T00:00:01" Если это не так, расписание будет выполняться на неопределенный срок |
струна |
| частота | [Обязательный] Частота запуска расписания. | "День" "Час" "Minute" "Месяц" "Неделя" (обязательно) |
| интервал | [Обязательный] Указывает интервал расписания в сочетании с частотой | int (обязательно) |
| расписание | Расписание повторения. | ПовторениеSchedule |
| startTime | Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC. | струна |
| часовой пояс | Указывает часовой пояс, в котором выполняется расписание. Часовой пояс Должен соответствовать формату часового пояса Windows. Ссылка: /windows-hardware/manufacture/desktop/default-time-пояса |
струна |
| triggerType | [Обязательный] | "Cron" "Повторение" (обязательно) |
ПовторениеSchedule
| Имя | Описание | Ценность |
|---|---|---|
| Часов | [Обязательный] Список часов для расписания. | int[] (обязательно) |
| протокол | [Обязательный] Список минут для расписания. | int[] (обязательно) |
| monthDays | Список дней месяца для расписания | int[] |
| будни | Список дней для расписания. | Массив строк, содержащий любой из: "Пятница" "Понедельник" "Суббота" "Воскресенье" "Четверг" "Вторник" "Среда" |