Workspaces/trabalhos do Microsoft.MachineLearningServices 2022-10-01

Definição de recurso do Bicep

O tipo de recurso workspaces/trabalhos pode ser implantado com operações direcionadas:

• Grupos de recursos - Consulte comandos de implantação do grupo de recursos

Para obter uma lista de propriedades alteradas em cada versão da API, consulte de log de alterações.

Formato de recurso

Para criar um recurso Microsoft.MachineLearningServices/workspaces/jobs, adicione o Bicep a seguir ao modelo.

resource symbolicname 'Microsoft.MachineLearningServices/workspaces/jobs@2022-10-01' = {
  parent: resourceSymbolicName
  name: 'string'
  properties: {
    componentId: 'string'
    computeId: 'string'
    description: 'string'
    displayName: 'string'
    experimentName: 'string'
    identity: {
      identityType: 'string'
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived: bool
    properties: {
      {customized property}: 'string'
    }
    services: {
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
    }
    tags: {
      {customized property}: 'string'
    }
    jobType: 'string'
    // For remaining properties, see JobBaseProperties objects
  }
}

Objetos JobOutput

Defina a propriedade jobOutputType para especificar o tipo de objeto.

Para custom_model, use:

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

Para mlflow_model, use:

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

Para mltable, use:

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

Para triton_model, use:

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

Para uri_file, use:

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

Para uri_folder, use:

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

Objetos DistributionConfiguration

Defina a propriedade distributionType para especificar o tipo de objeto.

Para de MPI, use:

{
  distributionType: 'Mpi'
  processCountPerInstance: int
}

Para PyTorch, use:

{
  distributionType: 'PyTorch'
  processCountPerInstance: int
}

Para tensorFlow, use:

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

Objetos ForecastHorizon

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

{
  mode: 'Auto'
}

Para Personalizado, use:

{
  mode: 'Custom'
  value: int
}

Objetos IdentityConfiguration

Defina a propriedade identityType para especificar o tipo de objeto.

Para AMLToken, use:

{
  identityType: 'AMLToken'
}

Para managed, use:

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

Para UserIdentity, use:

{
  identityType: 'UserIdentity'
}

Objetos AutoMLVertical

Defina a propriedade taskType para especificar o tipo de objeto.

Para classificação, use:

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

Para previsão, use:

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

Para ImageClassification, use:

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

Para ImageClassificationMultilabel, use:

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

Para ImageInstanceSegmentation, use:

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

Para ImageObjectDetection, use:

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

Para regressão, use:

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

Para TextClassification, use:

{
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  primaryMetric: 'string'
  taskType: 'TextClassification'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
}

Para TextClassificationMultilabel, use:

{
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  taskType: 'TextClassificationMultilabel'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
}

Para TextNER, use:

{
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  taskType: 'TextNER'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
}

Objetos de sazonalidade

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

{
  mode: 'Auto'
}

Para Personalizado, use:

{
  mode: 'Custom'
  value: int
}

Objetos SamplingAlgorithm

Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.

Para bayesiana, use:

{
  samplingAlgorithmType: 'Bayesian'
}

Para Grid, use:

{
  samplingAlgorithmType: 'Grid'
}

Para aleatória, use:

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

Objetos JobBaseProperties

Defina a propriedade jobType para especificar o tipo de objeto.

Para AutoML, use:

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

Parade comando , use:

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

Para pipeline, use:

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

Para de Varredura, use:

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

Objetos JobInput

Defina a propriedade jobInputType para especificar o tipo de objeto.

Para custom_model, use:

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

Para literal, use:

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

Para mlflow_model, use:

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

Para mltable, use:

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

Para triton_model, use:

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

Para uri_file, use:

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

Para uri_folder, use:

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

Objetos NCrossValidations

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

{
  mode: 'Auto'
}

Para Personalizado, use:

{
  mode: 'Custom'
  value: int
}

Objetos TargetRollingWindowSize

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

{
  mode: 'Auto'
}

Para Personalizado, use:

{
  mode: 'Custom'
  value: int
}

Objetos TargetLags

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

{
  mode: 'Auto'
}

Para Personalizado, use:

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

Objetos EarlyTerminationPolicy

Defina a propriedade policyType para especificar o tipo de objeto.

Para bandit, use:

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

Para MedianStopping, use:

{
  policyType: 'MedianStopping'
}

Para TruncationSelection, use:

{
  policyType: 'TruncationSelection'
  truncationPercentage: int
}

Valores de propriedade

AmlToken

Nome	Descrição	Valor
identityType	[Obrigatório] Especifica o tipo de estrutura de identidade.	'AMLToken' (obrigatório)

AutoForecastHorizon

Nome	Descrição	Valor
modo	[Obrigatório] Defina o modo de seleção de valor do horizonte de previsão.	'Auto' (obrigatório)

AutoMLJob

Nome	Descrição	Valor
environmentId	A ID do recurso ARM da especificação de Ambiente para o trabalho. Esse é o valor opcional a ser fornecido, se não for fornecido, o AutoML usará como padrão a versão do ambiente coletado do AutoML de Produção ao executar o trabalho.	corda
environmentVariables	Variáveis de ambiente incluídas no trabalho.	AutoMLJobEnvironmentVariables
jobType	[Obrigatório] Especifica o tipo de trabalho.	'AutoML' (obrigatório)
Saídas	Mapeamento de associações de dados de saída usadas no trabalho.	AutoMLJobOutputs
Recursos	Configuração de recursos de computação para o trabalho.	JobResourceConfiguration
taskDetails	[Obrigatório] Isso representa um cenário que pode ser uma das Tabelas/NLP/Imagem	AutoMLVertical (obrigatório)

AutoMLJobEnvironmentVariables

Nome	Descrição	Valor

AutoMLJobOutputs

Nome	Descrição	Valor

AutoMLVertical

Nome	Descrição	Valor
logVerbosity	Verbosidade de log para o trabalho.	'Crítico' 'Depurar' 'Erro' 'Informações' 'NotSet' 'Aviso'
targetColumnName	Nome da coluna de destino: esta é a coluna de valores de previsão. Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.	corda
taskType	Definir como 'Classificação' para o tipo Classificação. Definir como 'Previsão' para o tipo Previsão. Defina como 'ImageClassification' para o tipo ImageClassification. Defina como 'ImageClassificationMultilabel' para o tipo ImageClassificationMultilabel. Defina como 'ImageInstanceSegmentation' para o tipo ImageInstanceSegmentation. Defina como 'ImageObjectDetection' para o tipo ImageObjectDetection. Defina como 'Regressão' para o tiporegressão . Defina como 'TextClassification' para o tipo TextClassification. Defina como 'TextClassificationMultilabel' para o tipo TextClassificationMultilabel. Defina como 'TextNER' para o tipoTextNer .	'Classificação' 'Previsão' 'ImageClassification' 'ImageClassificationMultilabel' 'ImageInstanceSegmentation' 'ImageObjectDetection' 'Regressão' 'TextClassification' 'TextClassificationMultilabel' 'TextNER' (obrigatório)
trainingData	[Obrigatório] Entrada de dados de treinamento.	MLTableJobInput (obrigatório)

AutoNCrossValidations

Nome	Descrição	Valor
modo	[Obrigatório] Modo para determinar validações N-Cross.	'Auto' (obrigatório)

AutoSeasonalidade

Nome	Descrição	Valor
modo	[Obrigatório] Modo de sazonalidade.	'Auto' (obrigatório)

AutoTargetLags

Nome	Descrição	Valor
modo	[Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado	'Auto' (obrigatório)

AutoTargetRollingWindowSize

Nome	Descrição	Valor
modo	[Obrigatório] Modo de detecção TargetRollingWindowSiz.	'Auto' (obrigatório)

BanditPolicy

Nome	Descrição	Valor
policyType	[Obrigatório] Nome da configuração de política	'Bandit' (obrigatório)
slackAmount	Distância absoluta permitida da execução de melhor desempenho.	int
slackFactor	Taxa da distância permitida da execução com melhor desempenho.	int

BayesianSamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	[Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração	'Bayesian' (obrigatório)

Classificação

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido.	NCrossValidations
positiveLabel	Rótulo positivo para cálculo de métricas binárias.	corda
primaryMetric	Métrica primária para a tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'Classificação' (obrigatório)
testData	Testar a entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
trainingSettings	Entradas para a fase de treinamento para um Trabalho AutoML.	ClassificationTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
weightColumnName	O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	corda

ClassificationTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para a tarefa de classificação.	Matriz de cadeia de caracteres que contém qualquer um dos: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
blockedTrainingAlgorithms	Modelos bloqueados para a tarefa de classificação.	Matriz de cadeia de caracteres que contém qualquer um dos: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
enableDnnTraining	Habilitar a recomendação de modelos DNN.	Bool
enableModelExplainability	Sinalizar para ativar a explicabilidade no melhor modelo.	Bool
enableOnnxCompatibleModels	Sinalizador para habilitar modelos compatíveis com onnx.	Bool
enableStackEnsemble	Habilitar a execução do conjunto de pilhas.	Bool
enableVoteEnsemble	Habilitar a execução do conjunto de votação.	Bool
ensembleModelDownloadTimeout	Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados. Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.	corda
stackEnsembleSettings	Configurações do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

ColumnTransformer

Nome	Descrição	Valor
Campos	Campos nos quais aplicar a lógica do transformador.	string[]
Parâmetros	Propriedades diferentes a serem passadas para o transformador. A entrada esperada é o dicionário de pares chave e valor no formato JSON.	any

CommandJob

Nome	Descrição	Valor
codeId	ID do recurso ARM do ativo de código.	corda
comando	[Obrigatório] O comando a ser executado na inicialização do trabalho. Eg. "python train.py"	corda Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
distribuição	Configuração de distribuição do trabalho. Se definido, este deverá ser um de Mpi, Tensorflow, PyTorch ou nulo.	DistributionConfiguration
environmentId	[Obrigatório] A ID do recurso ARM da especificação de Ambiente para o trabalho.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)
environmentVariables	Variáveis de ambiente incluídas no trabalho.	commandJobEnvironmentVariables
Entradas	Mapeamento de associações de dados de entrada usadas no trabalho.	commandJobInputs
jobType	[Obrigatório] Especifica o tipo de trabalho.	'Command' (obrigatório)
Limites	Limite de trabalho de comando.	CommandJobLimits
Saídas	Mapeamento de associações de dados de saída usadas no trabalho.	commandJobOutputs
Recursos	Configuração de recursos de computação para o trabalho.	JobResourceConfiguration

CommandJobEnvironmentVariables

Nome	Descrição	Valor

CommandJobInputs

Nome	Descrição	Valor

CommandJobLimits

Nome	Descrição	Valor
jobLimitsType	[Obrigatório] Tipo JobLimit.	'Command' 'Sweep' (obrigatório)
timeout	A duração máxima da execução no formato ISO 8601, após a qual o trabalho será cancelado. Só dá suporte à duração com precisão tão baixa quanto Segundos.	corda

CommandJobOutputs

Nome	Descrição	Valor

CustomForecastHorizon

Nome	Descrição	Valor
modo	[Obrigatório] Defina o modo de seleção de valor do horizonte de previsão.	'Custom' (obrigatório)
valor	[Obrigatório] Valor do horizonte de previsão.	int (obrigatório)

CustomModelJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'custom_model' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

CustomModelJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'custom_model' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

CustomNCrossValidations

Nome	Descrição	Valor
modo	[Obrigatório] Modo para determinar validações N-Cross.	'Custom' (obrigatório)
valor	[Obrigatório] Valor de validações n cruzadas.	int (obrigatório)

CustomSeasonality

Nome	Descrição	Valor
modo	[Obrigatório] Modo de sazonalidade.	'Custom' (obrigatório)
valor	[Obrigatório] Valor de sazonalidade.	int (obrigatório)

CustomTargetLags

Nome	Descrição	Valor
modo	[Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado	'Custom' (obrigatório)
Valores	[Obrigatório] Definir valores de atrasos de destino.	int[] (obrigatório)

CustomTargetRollingWindowSize

Nome	Descrição	Valor
modo	[Obrigatório] Modo de detecção TargetRollingWindowSiz.	'Custom' (obrigatório)
valor	[Obrigatório] Valor TargetRollingWindowSize.	int (obrigatório)

DistributionConfiguration

Nome	Descrição	Valor
distributionType	Definir como 'Mpi' para o tipo Mpi. Defina como 'PyTorch' para o tipo PyTorch . Defina como 'TensorFlow' para o tipo tensorFlow.	'Mpi' 'PyTorch' 'TensorFlow' (obrigatório)

EarlyTerminationPolicy

Nome	Descrição	Valor
delayEvaluation	Número de intervalos pelos quais atrasar a primeira avaliação.	int
evaluationInterval	Intervalo (número de execuções) entre avaliações de política.	int
policyType	Definido como 'Bandit' para o tipo BanditPolicy. Defina como 'MedianStopping' para o tipo MedianStoppingPolicy. Defina como 'TruncationSelection' para o tipo TruncationSelectionPolicy.	'Bandido' 'MedianStopping' 'TruncationSelection' (obrigatório)

ForecastHorizon

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoForecastHorizon. Defina como 'Personalizado' para o tipo CustomForecastHorizon.	'Auto' 'Custom' (obrigatório)

Previsão

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	TableVerticalFeaturizationSettings
forecastingSettings	Previsão de entradas específicas da tarefa.	ForecastingSettings
limitSettings	Restrições de execução para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido.	NCrossValidations
primaryMetric	Métrica primária para a tarefa de previsão.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'SpearmanCorrelation'
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'Previsão' (obrigatório)
testData	Testar a entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
trainingSettings	Entradas para a fase de treinamento para um Trabalho AutoML.	ForecastingTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
weightColumnName	O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	corda

ForecastingSettings

Nome	Descrição	Valor
countryOrRegionForHolidays	País ou região para feriados para tarefas de previsão. Eles devem ser códigos de país/região de duas letras ISO 3166, por exemplo , "EUA" ou "GB".	corda
cvStepSize	Número de períodos entre o tempo de origem de uma dobra CV e a próxima dobra. Durante exemplo, se CVStepSize = 3 para dados diários, o tempo de origem para cada dobra será três dias separados.	int
featureLags	Sinalizador para gerar atrasos para os recursos numéricos com 'automático' ou nulo.	'Auto' 'None'
forecastHorizon	O horizonte de previsão máxima desejado em unidades de frequência de série temporal.	ForecastHorizon
frequência	Ao prever, esse parâmetro representa o período com o qual a previsão é desejada, por exemplo, diária, semanal, anual etc. A frequência de previsão é a frequência do conjunto de dados por padrão.	corda
Sazonalidade	Defina a sazonalidade da série temporal como um múltiplo inteiro da frequência da série. Se a sazonalidade for definida como 'auto', ela será inferida.	de sazonalidade
shortSeriesHandlingConfig	O parâmetro que define como se o AutoML deve lidar com séries temporais curtas.	'Auto' 'Drop' 'None' 'Pad'
targetAggregateFunction	A função a ser usada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada pelo usuário. Se TargetAggregateFunction estiver definido, ou seja, não 'None', mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "sum", "max", "min" e "mean".	'Max' 'Mean' 'Min' 'None' 'Soma'
targetLags	O número de períodos passados a serem atrasados da coluna de destino.	targetLags
targetRollingWindowSize	O número de períodos passados usados para criar uma média de janela sem interrupção da coluna de destino.	TargetRollingWindowSize
timeColumnName	O nome da coluna de hora. Esse parâmetro é necessário ao prever para especificar a coluna datetime nos dados de entrada usados para criar a série temporal e inferir sua frequência.	corda
timeSeriesIdColumnNames	Os nomes das colunas usadas para agrupar uma série de horários. Ele pode ser usado para criar várias séries. Se a granulação não estiver definida, o conjunto de dados será considerado uma série temporal. Esse parâmetro é usado com a previsão de tipo de tarefa.	string[]
useStl	Configure a Decomposição de STL da coluna de destino da série temporal.	'None' 'Season' 'SeasonTrend'

ForecastingTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para a tarefa de previsão.	Matriz de cadeia de caracteres que contém qualquer um dos: 'Arimax' 'AutoArima' 'Média' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' 'Profeta' 'RandomForest' 'SeasonalAverage' 'SeasonalNaive' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
blockedTrainingAlgorithms	Modelos bloqueados para a tarefa de previsão.	Matriz de cadeia de caracteres que contém qualquer um dos: 'Arimax' 'AutoArima' 'Média' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' 'Profeta' 'RandomForest' 'SeasonalAverage' 'SeasonalNaive' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
enableDnnTraining	Habilitar a recomendação de modelos DNN.	Bool
enableModelExplainability	Sinalizar para ativar a explicabilidade no melhor modelo.	Bool
enableOnnxCompatibleModels	Sinalizador para habilitar modelos compatíveis com onnx.	Bool
enableStackEnsemble	Habilitar a execução do conjunto de pilhas.	Bool
enableVoteEnsemble	Habilitar a execução do conjunto de votação.	Bool
ensembleModelDownloadTimeout	Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados. Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.	corda
stackEnsembleSettings	Configurações do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

GridSamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	[Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração	'Grid' (obrigatório)

IdentityConfiguration

Nome	Descrição	Valor
identityType	Defina como 'AMLToken' para o tipo AmlToken. Definido como 'Gerenciado' para o tipo ManagedIdentity. Defina como 'UserIdentity' para o tipo UserIdentity.	'AMLToken' 'Gerenciado' 'UserIdentity' (obrigatório)

ImageClassification

Nome	Descrição	Valor
limitSettings	[Obrigatório] Limite as configurações para o trabalho autoML.	ImageLimitSettings (obrigatório)
modelSettings	Configurações usadas para treinar o modelo.	ImageModelSettingsClassification
primaryMetric	Métrica primária a ser otimizada para essa tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Configurações relacionadas à varredura de modelo e hiperparâmetro.	ImageSweepSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageClassification' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int

ImageClassificationMultilabel

Nome	Descrição	Valor
limitSettings	[Obrigatório] Limite as configurações para o trabalho autoML.	ImageLimitSettings (obrigatório)
modelSettings	Configurações usadas para treinar o modelo.	ImageModelSettingsClassification
primaryMetric	Métrica primária a ser otimizada para essa tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Configurações relacionadas à varredura de modelo e hiperparâmetro.	ImageSweepSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageClassificationMultilabel' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int

ImageInstanceSegmentation

Nome	Descrição	Valor
limitSettings	[Obrigatório] Limite as configurações para o trabalho autoML.	ImageLimitSettings (obrigatório)
modelSettings	Configurações usadas para treinar o modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica primária a ser otimizada para essa tarefa.	'MeanAveragePrecision'
searchSpace	Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Configurações relacionadas à varredura de modelo e hiperparâmetro.	ImageSweepSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageInstanceSegmentation' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int

ImageLimitSettings

Nome	Descrição	Valor
maxConcurrentTrials	Número máximo de iterações AutoML simultâneas.	int
maxTrials	Número máximo de iterações AutoML.	int
timeout	Tempo limite do trabalho autoML.	corda

ImageModelDistributionSettingsClassification

Nome	Descrição	Valor
amsGradient	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.	corda
Aumentos	Configurações para usar aumentos.	corda
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	corda
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	corda
Distribuído	Se você deve usar o treinamento do distribuídor.	corda
earlyStopping	Habilite a lógica de parada antecipada durante o treinamento.	corda
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um inteiro positivo.	corda
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes a execução é interrompida. Deve ser um inteiro positivo.	corda
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	corda
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.	corda
gradientAccumulationStep	Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.	corda
layersToFreeze	Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	corda
learningRate	Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].	corda
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".	corda
modelName	Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models.	corda
ímpeto	Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].	corda
aninhado	Habilite aninhado quando o otimizador for 'sgd'.	corda
numberOfEpochs	Número de épocas de treinamento. Deve ser um inteiro positivo.	corda
numberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.	corda
Otimizador	Tipo de otimizador. Deve ser "sgd", "adam" ou "adamw".	corda
randomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico.	corda
stepLRGamma	Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].	corda
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.	corda
trainingBatchSize	Tamanho do lote de treinamento. Deve ser um inteiro positivo.	corda
trainingCropSize	Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de treinamento. Deve ser um inteiro positivo.	corda
validationBatchSize	Tamanho do lote de validação. Deve ser um inteiro positivo.	corda
validationCropSize	Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de validação. Deve ser um inteiro positivo.	corda
validationResizeSize	Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um inteiro positivo.	corda
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].	corda
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.	corda
weightDecay	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].	corda
weightedLoss	Perda ponderada. Os valores aceitos são 0 para nenhuma perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Deve ser 0 ou 1 ou 2.	corda

ImageModelDistributionSettingsObjectDetection

Nome	Descrição	Valor
amsGradient	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.	corda
Aumentos	Configurações para usar aumentos.	corda
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	corda
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	corda
boxDetectionsPerImage	Número máximo de detecções por imagem, para todas as classes. Deve ser um inteiro positivo. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
boxScoreThreshold	Durante a inferência, retornar apenas propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um float no intervalo[0, 1].	corda
Distribuído	Se você deve usar o treinamento do distribuídor.	corda
earlyStopping	Habilite a lógica de parada antecipada durante o treinamento.	corda
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um inteiro positivo.	corda
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes a execução é interrompida. Deve ser um inteiro positivo.	corda
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	corda
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.	corda
gradientAccumulationStep	Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.	corda
imageSize	Tamanho da imagem para treinamento e validação. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	corda
layersToFreeze	Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	corda
learningRate	Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].	corda
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".	corda
maxSize	Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
minSize	Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
modelName	Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models.	corda
modelSize	Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho do modelo for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	corda
ímpeto	Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].	corda
multiEscala	Habilite a imagem de várias escalas variando o tamanho da imagem em +/- 50%. Observação: a execução de treinamento poderá entrar no CUDA OOM se não houver memória de GPU suficiente. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	corda
aninhado	Habilite aninhado quando o otimizador for 'sgd'.	corda
nmsIouThreshold	Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve estar flutuando no intervalo [0, 1].	corda
numberOfEpochs	Número de épocas de treinamento. Deve ser um inteiro positivo.	corda
numberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.	corda
Otimizador	Tipo de otimizador. Deve ser "sgd", "adam" ou "adamw".	corda
randomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico.	corda
stepLRGamma	Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].	corda
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.	corda
tileGridSize	O tamanho da grade a ser usado para dimensionar cada imagem. Observação: TileGridSize não deve ser Nenhum para habilitar a lógica de detecção de objeto pequena. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
tileOverlapRatio	Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1). Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
tilePredictionsNmsThreshold	O limite de IOU a ser usado para executar o NMS ao mesclar previsões de blocos e imagem. Usado na validação/inferência. Deve estar flutuando no intervalo [0, 1]. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'. NMS: supressão não máxima	corda
trainingBatchSize	Tamanho do lote de treinamento. Deve ser um inteiro positivo.	corda
validationBatchSize	Tamanho do lote de validação. Deve ser um inteiro positivo.	corda
validationIouThreshold	Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1].	corda
validationMetricType	Método de computação de métrica a ser usado para métricas de validação. Deve ser 'none', 'coco', 'voc' ou 'coco_voc'.	corda
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].	corda
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.	corda
weightDecay	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].	corda

ImageModelSettingsClassification

Nome	Descrição	Valor
advancedSettings	Configurações para cenários avançados.	corda
amsGradient	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.	Bool
Aumentos	Configurações para usar aumentos.	corda
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	int
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	int
checkpointFrequency	Frequência para armazenar pontos de verificação de modelo. Deve ser um inteiro positivo.	int
checkpointModel	O modelo de ponto de verificação pré-treinado para treinamento incremental.	MLFlowModelJobInput
checkpointRunId	A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental.	corda
Distribuído	Se você deve usar o treinamento distribuído.	Bool
earlyStopping	Habilite a lógica de parada antecipada durante o treinamento.	Bool
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um inteiro positivo.	int
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes a execução é interrompida. Deve ser um inteiro positivo.	int
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	Bool
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.	int
gradientAccumulationStep	Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.	int
layersToFreeze	Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].	int
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".	'None' 'Step' 'WarmupCosine'
modelName	Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models.	corda
ímpeto	Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].	int
aninhado	Habilite aninhado quando o otimizador for 'sgd'.	Bool
numberOfEpochs	Número de épocas de treinamento. Deve ser um inteiro positivo.	int
numberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.	int
Otimizador	Tipo de otimizador.	'Adam' 'Adamw' 'None' 'Sgd'
randomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico.	int
stepLRGamma	Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].	int
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.	int
trainingBatchSize	Tamanho do lote de treinamento. Deve ser um inteiro positivo.	int
trainingCropSize	Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de treinamento. Deve ser um inteiro positivo.	int
validationBatchSize	Tamanho do lote de validação. Deve ser um inteiro positivo.	int
validationCropSize	Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de validação. Deve ser um inteiro positivo.	int
validationResizeSize	Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um inteiro positivo.	int
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].	int
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.	int
weightDecay	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].	int
weightedLoss	Perda ponderada. Os valores aceitos são 0 para nenhuma perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Deve ser 0 ou 1 ou 2.	int

ImageModelSettingsObjectDetection

Nome	Descrição	Valor
advancedSettings	Configurações para cenários avançados.	corda
amsGradient	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.	Bool
Aumentos	Configurações para usar aumentos.	corda
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	int
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	int
boxDetectionsPerImage	Número máximo de detecções por imagem, para todas as classes. Deve ser um inteiro positivo. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	int
boxScoreThreshold	Durante a inferência, retornar apenas propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um float no intervalo[0, 1].	int
checkpointFrequency	Frequência para armazenar pontos de verificação de modelo. Deve ser um inteiro positivo.	int
checkpointModel	O modelo de ponto de verificação pré-treinado para treinamento incremental.	MLFlowModelJobInput
checkpointRunId	A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental.	corda
Distribuído	Se você deve usar o treinamento distribuído.	Bool
earlyStopping	Habilite a lógica de parada antecipada durante o treinamento.	Bool
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um inteiro positivo.	int
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes a execução é interrompida. Deve ser um inteiro positivo.	int
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	Bool
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.	int
gradientAccumulationStep	Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.	int
imageSize	Tamanho da imagem para treinamento e validação. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	int
layersToFreeze	Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].	int
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".	'None' 'Step' 'WarmupCosine'
maxSize	Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	int
minSize	Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	int
modelName	Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models.	corda
modelSize	Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho do modelo for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	'ExtraLarge' 'Grande' 'Médio' 'None' 'Pequeno'
ímpeto	Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].	int
multiEscala	Habilite a imagem de várias escalas variando o tamanho da imagem em +/- 50%. Observação: a execução de treinamento poderá entrar no CUDA OOM se não houver memória de GPU suficiente. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	Bool
aninhado	Habilite aninhado quando o otimizador for 'sgd'.	Bool
nmsIouThreshold	Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve ser um float no intervalo [0, 1].	int
numberOfEpochs	Número de épocas de treinamento. Deve ser um inteiro positivo.	int
numberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.	int
Otimizador	Tipo de otimizador.	'Adam' 'Adamw' 'None' 'Sgd'
randomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico.	int
stepLRGamma	Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].	int
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.	int
tileGridSize	O tamanho da grade a ser usado para dimensionar cada imagem. Observação: TileGridSize não deve ser Nenhum para habilitar a lógica de detecção de objeto pequena. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
tileOverlapRatio	Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1). Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	int
tilePredictionsNmsThreshold	O limite de IOU a ser usado para executar o NMS ao mesclar previsões de blocos e imagem. Usado na validação/inferência. Deve estar flutuando no intervalo [0, 1]. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	int
trainingBatchSize	Tamanho do lote de treinamento. Deve ser um inteiro positivo.	int
validationBatchSize	Tamanho do lote de validação. Deve ser um inteiro positivo.	int
validationIouThreshold	Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1].	int
validationMetricType	Método de computação de métrica a ser usado para métricas de validação.	'Coco' 'CocoVoc' 'None' 'Voc'
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].	int
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.	int
weightDecay	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].	int

ImageObjectDetection

Nome	Descrição	Valor
limitSettings	[Obrigatório] Limite as configurações para o trabalho autoML.	ImageLimitSettings (obrigatório)
modelSettings	Configurações usadas para treinar o modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica primária a ser otimizada para essa tarefa.	'MeanAveragePrecision'
searchSpace	Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Configurações relacionadas à varredura de modelo e hiperparâmetro.	ImageSweepSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageObjectDetection' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int

ImageSweepSettings

Nome	Descrição	Valor
earlyTermination	Tipo de política de término antecipado.	EarlyTerminationPolicy
samplingAlgorithm	[Obrigatório] Tipo dos algoritmos de amostragem do hiperparâmetro.	'Bayesian' 'Grade' 'Aleatório' (obrigatório)

JobBaseProperties

Nome	Descrição	Valor
componentId	ID do recurso arm do recurso de componente.	corda
computeId	ID do recurso arm do recurso de computação.	corda
descrição	O texto de descrição do ativo.	corda
displayName	Nome de exibição do trabalho.	corda
experimentName	O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão".	corda
identidade	Configuração de identidade. Se definido, este deverá ser um de AmlToken, ManagedIdentity, UserIdentity ou null. O padrão será AmlToken se nulo.	IdentityConfiguration
isArchived	O ativo está arquivado?	Bool
jobType	Definido como 'AutoML' para o tipo AutoMLJob. Defina como 'Command' para o tipo CommandJob. Defina como 'Pipeline' para o tipo pipelineJob. Defina como 'Sweep' para o tipo SweepJob .	'AutoML' 'Command' 'Pipeline' 'Sweep' (obrigatório)
Propriedades	O dicionário de propriedades do ativo.	ResourceBaseProperties
Serviços	Lista de JobEndpoints. Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.	JobBaseServices
Tags	Dicionário de marcas. As marcas podem ser adicionadas, removidas e atualizadas.	ResourceBaseTags

JobBaseServices

Nome	Descrição	Valor

JobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	corda
jobInputType	Defina como 'custom_model' para o tipo CustomModelJobInput . Defina como 'literal' para o tipo LiteralJobInput. Defina como 'mlflow_model' para o tipo MLFlowModelJobInput . Defina como 'mltable' para o tipo MLTableJobInput . Defina como 'triton_model' para o tipo TritonModelJobInput. Defina como 'uri_file' para o tipo UriFileJobInput. Defina como 'uri_folder' para o tipo UriFolderJobInput.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)

JobOutput

Nome	Descrição	Valor
descrição	Descrição da saída.	corda
jobOutputType	Defina como 'custom_model' para o tipo CustomModelJobOutput . Defina como 'mlflow_model' para o tipo MLFlowModelJobOutput . Defina como 'mltable' para o tipo MLTableJobOutput . Defina como 'triton_model' para o tipo TritonModelJobOutput. Defina como 'uri_file' para o tipo UriFileJobOutput. Defina como 'uri_folder' para o tipo UriFolderJobOutput.	'custom_model' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)

JobResourceConfiguration

Nome	Descrição	Valor
dockerArgs	Argumentos extras a serem passados para o comando de execução do Docker. Isso substituiria todos os parâmetros que já foram definidos pelo sistema ou nesta seção. Esse parâmetro só tem suporte para tipos de computação do Azure ML.	corda
instanceCount	Número opcional de instâncias ou nós usados pelo destino de computação.	int
instanceType	Tipo opcional de VM usado como suporte pelo destino de computação.	corda
Propriedades	Recipiente de propriedades adicionais.	ResourceConfigurationProperties
shmSize	Tamanho do bloco de memória compartilhada do contêiner do Docker. Isso deve estar no formato (número)(unidade), em que o número seja maior que 0 e a unidade possa ser um de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes).	corda Restrições: Padrão = \d+[bBkKmMgG]

JobService

Nome	Descrição	Valor
Extremidade	Url para ponto de extremidade.	corda
jobServiceType	Tipo de ponto de extremidade.	corda
porta	Porta para ponto de extremidade.	int
Propriedades	Propriedades adicionais a serem definidas no ponto de extremidade.	JobServiceProperties

JobServiceProperties

Nome	Descrição	Valor

LiteralJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'literal' (obrigatório)
valor	[Obrigatório] Valor literal para a entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

ManagedIdentity

Nome	Descrição	Valor
clientId	Especifica uma identidade atribuída pelo usuário pela ID do cliente. Para atribuído pelo sistema, não defina esse campo.	corda Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identityType	[Obrigatório] Especifica o tipo de estrutura de identidade.	'Gerenciado' (obrigatório)
objectId	Especifica uma identidade atribuída pelo usuário por ID de objeto. Para atribuído pelo sistema, não defina esse campo.	corda Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId	Especifica uma identidade atribuída pelo usuário pela ID de recurso do ARM. Para atribuído pelo sistema, não defina esse campo.	corda

MedianStoppingPolicy

Nome	Descrição	Valor
policyType	[Obrigatório] Nome da configuração de política	'MedianStopping' (obrigatório)

Microsoft.MachineLearningServices/workspaces/jobs

Nome	Descrição	Valor
nome	O nome do recurso	corda Restrições: Padrão = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (obrigatório)
pai	No Bicep, você pode especificar o recurso pai para um recurso filho. Você só precisa adicionar essa propriedade quando o recurso filho é declarado fora do recurso pai. Para obter mais informações, consulte recurso filho fora do recurso pai.	Nome simbólico para o recurso do tipo: workspaces
Propriedades	[Obrigatório] Atributos adicionais da entidade.	JobBaseProperties (obrigatório)

MLFlowModelJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'mlflow_model' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

MLFlowModelJobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	corda
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

MLFlowModelJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'mlflow_model' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

MLTableJobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	corda
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

MLTableJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'mltable' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

MLTableJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'mltable' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

Mpi

Nome	Descrição	Valor
distributionType	[Obrigatório] Especifica o tipo de estrutura de distribuição.	'Mpi' (obrigatório)
processCountPerInstance	Número de processos por nó de MPI.	int

NCrossValidations

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoNCrossValidations. Definido como 'Personalizado' para o tipo CustomNCrossValidations.	'Auto' 'Custom' (obrigatório)

NlpVerticalFeaturizationSettings

Nome	Descrição	Valor
datasetLanguage	Linguagem de conjunto de dados, útil para os dados de texto.	corda

NlpVerticalLimitSettings

Nome	Descrição	Valor
maxConcurrentTrials	Iterações automáticas simultâneas máximas.	int
maxTrials	Número de iterações AutoML.	int
timeout	Tempo limite do trabalho autoML.	corda

Objetivo

Nome	Descrição	Valor
objetivo	[Obrigatório] Define as metas de métrica com suporte para ajuste de hiperparâmetro	'Maximize' 'Minimizar' (obrigatório)
primaryMetric	[Obrigatório] Nome da métrica a ser otimizada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

PipelineJob

Nome	Descrição	Valor
Entradas	Entradas para o trabalho de pipeline.	pipelineJobInputs
Empregos	Trabalhos constrói o Trabalho de Pipeline.	PipelineJobJobs
jobType	[Obrigatório] Especifica o tipo de trabalho.	'Pipeline' (obrigatório)
Saídas	Saídas para o trabalho de pipeline	pipelineJobOutputs
Configurações	Configurações de pipeline, para itens como ContinueRunOnStepFailure etc.	any
sourceJobId	ID de recurso do ARM do trabalho de origem.	corda

PipelineJobInputs

Nome	Descrição	Valor

PipelineJobJobs

Nome	Descrição	Valor

PipelineJobOutputs

Nome	Descrição	Valor

PyTorch

Nome	Descrição	Valor
distributionType	[Obrigatório] Especifica o tipo de estrutura de distribuição.	'PyTorch' (obrigatório)
processCountPerInstance	Número de processos por nó.	int

RandomSamplingAlgorithm

Nome	Descrição	Valor
regra	O tipo específico de algoritmo aleatório	'Aleatório' 'Sobol'
samplingAlgorithmType	[Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração	'Aleatório' (obrigatório)
semente	Um inteiro opcional a ser usado como a semente para geração de número aleatório	int

Regressão

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido.	NCrossValidations
primaryMetric	Métrica primária para a tarefa de regressão.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'SpearmanCorrelation'
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'Regressão' (obrigatório)
testData	Testar a entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
trainingSettings	Entradas para a fase de treinamento para um Trabalho AutoML.	RegressionTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
weightColumnName	O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	corda

RegressionTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para tarefa de regressão.	Matriz de cadeia de caracteres que contém qualquer um dos: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
blockedTrainingAlgorithms	Modelos bloqueados para a tarefa de regressão.	Matriz de cadeia de caracteres que contém qualquer um dos: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
enableDnnTraining	Habilitar a recomendação de modelos DNN.	Bool
enableModelExplainability	Sinalizar para ativar a explicabilidade no melhor modelo.	Bool
enableOnnxCompatibleModels	Sinalizador para habilitar modelos compatíveis com onnx.	Bool
enableStackEnsemble	Habilitar a execução do conjunto de pilhas.	Bool
enableVoteEnsemble	Habilitar a execução do conjunto de votação.	Bool
ensembleModelDownloadTimeout	Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados. Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.	corda
stackEnsembleSettings	Configurações do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

ResourceBaseProperties

Nome	Descrição	Valor

ResourceBaseTags

Nome	Descrição	Valor

ResourceConfigurationProperties

Nome	Descrição	Valor

SamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	Defina como 'Bayesian' para o tipo BayesianSamplingAlgorithm. Defina como 'Grid' para o tipo GridSamplingAlgorithm. Definido como 'Aleatório' para o tipo RandomSamplingAlgorithm.	'Bayesian' 'Grade' 'Aleatório' (obrigatório)

Sazonalidade

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipode AutoSeasonalidade . Definido como 'Personalizado' para o tipo customSeasonality.	'Auto' 'Custom' (obrigatório)

StackEnsembleSettings

Nome	Descrição	Valor
stackMetaLearnerKWargs	Parâmetros opcionais a serem passados para o inicializador do meta-aprendiz.	any
stackMetaLearnerTrainPercentage	Especifica a proporção do conjunto de treinamento (ao escolher o treinamento e o tipo de treinamento de validação) a ser reservado para treinar o meta-aprendiz. O valor padrão é 0,2.	int
stackMetaLearnerType	O meta-aprendiz é um modelo treinado na saída dos modelos heterogêneos individuais.	'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'None'

SweepJob

Nome	Descrição	Valor
earlyTermination	As políticas de término antecipado permitem o cancelamento de execuções de baixo desempenho antes de serem concluídas	EarlyTerminationPolicy
Entradas	Mapeamento de associações de dados de entrada usadas no trabalho.	SweepJobInputs
jobType	[Obrigatório] Especifica o tipo de trabalho.	'Sweep' (obrigatório)
Limites	Limite de trabalho de varredura.	SweepJobLimits
objetivo	[Obrigatório] Objetivo de otimização.	objective (obrigatório)
Saídas	Mapeamento de associações de dados de saída usadas no trabalho.	SweepJobOutputs
samplingAlgorithm	[Obrigatório] O algoritmo de amostragem de hiperparâmetro	SamplingAlgorithm (obrigatório)
searchSpace	[Obrigatório] Um dicionário que contém cada parâmetro e sua distribuição. A chave do dicionário é o nome do parâmetro	any (obrigatório)
julgamento	[Obrigatório] Definição do componente de avaliação.	TrialComponent (obrigatório)

SweepJobInputs

Nome	Descrição	Valor

SweepJobLimits

Nome	Descrição	Valor
jobLimitsType	[Obrigatório] Tipo JobLimit.	'Command' 'Sweep' (obrigatório)
maxConcurrentTrials	Avaliações simultâneas máximas do Trabalho de Varredura.	int
maxTotalTrials	Limpar o total de avaliações totais do trabalho de varredura.	int
timeout	A duração máxima da execução no formato ISO 8601, após a qual o trabalho será cancelado. Só dá suporte à duração com precisão tão baixa quanto Segundos.	corda
trialTimeout	Valor de tempo limite da Avaliação do Trabalho de Varredura.	corda

SweepJobOutputs

Nome	Descrição	Valor

TableVerticalFeaturizationSettings

Nome	Descrição	Valor
blockedTransformers	Esses transformadores não devem ser usados na apresentação.	Matriz de cadeia de caracteres que contém qualquer um dos: 'CatTargetEncoder' 'CountVectorizer' 'HashOneHotEncoder' 'LabelEncoder' 'NaiveBayes' 'OneHotEncoder' 'TextTargetEncoder' 'TfIdf' 'WoETargetEncoder' 'WordEmbedding'
columnNameAndTypes	Dicionário de nome da coluna e seu tipo (int, float, string, datetime etc).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Linguagem de conjunto de dados, útil para os dados de texto.	corda
enableDnnFeaturization	Determina se os recursos baseados em Dnn devem ser usados para a apresentação de dados.	Bool
modo	Modo de apresentação – o usuário pode manter o modo 'Auto' padrão e o AutoML cuidará da transformação necessária dos dados na fase de apresentação. Se 'Off' estiver selecionado, nenhuma apresentação será feita. Se 'Custom' estiver selecionado, o usuário poderá especificar entradas adicionais para personalizar como a apresentação é feita.	'Auto' 'Personalizado' 'Desativado'
transformerParams	O usuário pode especificar transformadores adicionais a serem usados junto com as colunas às quais ele seria aplicado e parâmetros para o construtor do transformador.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Nome	Descrição	Valor

TableVerticalFeaturizationSettingsTransformerParams

Nome	Descrição	Valor

TableVerticalLimitSettings

Nome	Descrição	Valor
enableEarlyTermination	Habilite a terminação antecipada, determina se o AutoMLJob terminará antecipadamente se não houver melhoria de pontuação nas últimas 20 iterações.	Bool
exitScore	Pontuação de saída para o trabalho autoML.	int
maxConcurrentTrials	Iterações simultâneas máximas.	int
maxCoresPerTrial	Núcleos máximos por iteração.	int
maxTrials	Número de iterações.	int
timeout	Tempo limite do trabalho autoML.	corda
trialTimeout	Tempo limite de iteração.	corda

TargetLags

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoTargetLags. Definido como 'Personalizado' para o tipo CustomTargetLags .	'Auto' 'Custom' (obrigatório)

TargetRollingWindowSize

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoTargetRollingWindowSize. Defina como 'Personalizado' para o tipo CustomTargetRollingWindowSize.	'Auto' 'Custom' (obrigatório)

TensorFlow

Nome	Descrição	Valor
distributionType	[Obrigatório] Especifica o tipo de estrutura de distribuição.	'TensorFlow' (obrigatório)
parameterServerCount	Número de tarefas do servidor de parâmetros.	int
workerCount	Número de trabalhadores. Se não for especificado, o padrão será a contagem de instâncias.	int

TextClassification

Nome	Descrição	Valor
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
primaryMetric	Métrica primária para Text-Classification tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextClassification' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput

TextClassificationMultilabel

Nome	Descrição	Valor
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextClassificationMultilabel' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput

TextNer

Nome	Descrição	Valor
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextNER' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput

TrialComponent

Nome	Descrição	Valor
codeId	ID do recurso ARM do ativo de código.	corda
comando	[Obrigatório] O comando a ser executado na inicialização do trabalho. Eg. "python train.py"	corda Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
distribuição	Configuração de distribuição do trabalho. Se definido, este deverá ser um de Mpi, Tensorflow, PyTorch ou nulo.	DistributionConfiguration
environmentId	[Obrigatório] A ID do recurso ARM da especificação de Ambiente para o trabalho.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)
environmentVariables	Variáveis de ambiente incluídas no trabalho.	TrialComponentEnvironmentVariables
Recursos	Configuração de recursos de computação para o trabalho.	JobResourceConfiguration

TrialComponentEnvironmentVariables

Nome	Descrição	Valor

TritonModelJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'triton_model' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

TritonModelJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'triton_model' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

TruncationSelectionPolicy

Nome	Descrição	Valor
policyType	[Obrigatório] Nome da configuração de política	'TruncationSelection' (obrigatório)
truncationPercentage	O percentual de execuções a serem canceladas em cada intervalo de avaliação.	int

UriFileJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'uri_file' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

UriFileJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'uri_file' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

UriFolderJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'uri_folder' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

UriFolderJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'uri_folder' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

UserIdentity

Nome	Descrição	Valor
identityType	[Obrigatório] Especifica o tipo de estrutura de identidade.	'UserIdentity' (obrigatório)

Exemplos de início rápido

Os exemplos de início rápido a seguir implantam esse tipo de recurso.

Definição de recurso de modelo do ARM

O tipo de recurso workspaces/trabalhos pode ser implantado com operações direcionadas:

• Grupos de recursos - Consulte comandos de implantação do grupo de recursos

Para obter uma lista de propriedades alteradas em cada versão da API, consulte de log de alterações.

Formato de recurso

Para criar um recurso Microsoft.MachineLearningServices/workspaces/jobs, adicione o JSON a seguir ao modelo.

{
  "type": "Microsoft.MachineLearningServices/workspaces/jobs",
  "apiVersion": "2022-10-01",
  "name": "string",
  "properties": {
    "componentId": "string",
    "computeId": "string",
    "description": "string",
    "displayName": "string",
    "experimentName": "string",
    "identity": {
      "identityType": "string"
      // For remaining properties, see IdentityConfiguration objects
    },
    "isArchived": "bool",
    "properties": {
      "{customized property}": "string"
    },
    "services": {
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "port": "int",
        "properties": {
          "{customized property}": "string"
        }
      }
    },
    "tags": {
      "{customized property}": "string"
    },
    "jobType": "string"
    // For remaining properties, see JobBaseProperties objects
  }
}

Objetos JobOutput

Defina a propriedade jobOutputType para especificar o tipo de objeto.

Para custom_model, use:

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

Para mlflow_model, use:

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

Para mltable, use:

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

Para triton_model, use:

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

Para uri_file, use:

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

Para uri_folder, use:

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

Objetos DistributionConfiguration

Defina a propriedade distributionType para especificar o tipo de objeto.

Para de MPI, use:

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

Para PyTorch, use:

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

Para tensorFlow, use:

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

Objetos ForecastHorizon

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

{
  "mode": "Auto"
}

Para Personalizado, use:

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

Objetos IdentityConfiguration

Defina a propriedade identityType para especificar o tipo de objeto.

Para AMLToken, use:

{
  "identityType": "AMLToken"
}

Para managed, use:

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

Para UserIdentity, use:

{
  "identityType": "UserIdentity"
}

Objetos AutoMLVertical

Defina a propriedade taskType para especificar o tipo de objeto.

Para classificação, use:

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

Para previsão, use:

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

Para ImageClassification, use:

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

Para ImageClassificationMultilabel, use:

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

Para ImageInstanceSegmentation, use:

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

Para ImageObjectDetection, use:

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

Para regressão, use:

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

Para TextClassification, use:

{
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "primaryMetric": "string",
  "taskType": "TextClassification",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }
}

Para TextClassificationMultilabel, use:

{
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "taskType": "TextClassificationMultilabel",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }
}

Para TextNER, use:

{
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "taskType": "TextNER",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }
}

Objetos de sazonalidade

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

{
  "mode": "Auto"
}

Para Personalizado, use:

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

Objetos SamplingAlgorithm

Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.

Para bayesiana, use:

{
  "samplingAlgorithmType": "Bayesian"
}

Para Grid, use:

{
  "samplingAlgorithmType": "Grid"
}

Para aleatória, use:

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

Objetos JobBaseProperties

Defina a propriedade jobType para especificar o tipo de objeto.

Para AutoML, use:

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

Parade comando , use:

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

Para pipeline, use:

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

Para de Varredura, use:

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

Objetos JobInput

Defina a propriedade jobInputType para especificar o tipo de objeto.

Para custom_model, use:

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

Para literal, use:

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

Para mlflow_model, use:

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

Para mltable, use:

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

Para triton_model, use:

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

Para uri_file, use:

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

Para uri_folder, use:

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

Objetos NCrossValidations

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

{
  "mode": "Auto"
}

Para Personalizado, use:

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

Objetos TargetRollingWindowSize

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

{
  "mode": "Auto"
}

Para Personalizado, use:

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

Objetos TargetLags

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

{
  "mode": "Auto"
}

Para Personalizado, use:

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

Objetos EarlyTerminationPolicy

Defina a propriedade policyType para especificar o tipo de objeto.

Para bandit, use:

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

Para MedianStopping, use:

{
  "policyType": "MedianStopping"
}

Para TruncationSelection, use:

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

Valores de propriedade

AmlToken

Nome	Descrição	Valor
identityType	[Obrigatório] Especifica o tipo de estrutura de identidade.	'AMLToken' (obrigatório)

AutoForecastHorizon

Nome	Descrição	Valor
modo	[Obrigatório] Defina o modo de seleção de valor do horizonte de previsão.	'Auto' (obrigatório)

AutoMLJob

Nome	Descrição	Valor
environmentId	A ID do recurso ARM da especificação de Ambiente para o trabalho. Esse é o valor opcional a ser fornecido, se não for fornecido, o AutoML usará como padrão a versão do ambiente coletado do AutoML de Produção ao executar o trabalho.	corda
environmentVariables	Variáveis de ambiente incluídas no trabalho.	AutoMLJobEnvironmentVariables
jobType	[Obrigatório] Especifica o tipo de trabalho.	'AutoML' (obrigatório)
Saídas	Mapeamento de associações de dados de saída usadas no trabalho.	AutoMLJobOutputs
Recursos	Configuração de recursos de computação para o trabalho.	JobResourceConfiguration
taskDetails	[Obrigatório] Isso representa um cenário que pode ser uma das Tabelas/NLP/Imagem	AutoMLVertical (obrigatório)

AutoMLJobEnvironmentVariables

Nome	Descrição	Valor

AutoMLJobOutputs

Nome	Descrição	Valor

AutoMLVertical

Nome	Descrição	Valor
logVerbosity	Verbosidade de log para o trabalho.	'Crítico' 'Depurar' 'Erro' 'Informações' 'NotSet' 'Aviso'
targetColumnName	Nome da coluna de destino: esta é a coluna de valores de previsão. Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.	corda
taskType	Definir como 'Classificação' para o tipo Classificação. Definir como 'Previsão' para o tipo Previsão. Defina como 'ImageClassification' para o tipo ImageClassification. Defina como 'ImageClassificationMultilabel' para o tipo ImageClassificationMultilabel. Defina como 'ImageInstanceSegmentation' para o tipo ImageInstanceSegmentation. Defina como 'ImageObjectDetection' para o tipo ImageObjectDetection. Defina como 'Regressão' para o tiporegressão . Defina como 'TextClassification' para o tipo TextClassification. Defina como 'TextClassificationMultilabel' para o tipo TextClassificationMultilabel. Defina como 'TextNER' para o tipoTextNer .	'Classificação' 'Previsão' 'ImageClassification' 'ImageClassificationMultilabel' 'ImageInstanceSegmentation' 'ImageObjectDetection' 'Regressão' 'TextClassification' 'TextClassificationMultilabel' 'TextNER' (obrigatório)
trainingData	[Obrigatório] Entrada de dados de treinamento.	MLTableJobInput (obrigatório)

AutoNCrossValidations

Nome	Descrição	Valor
modo	[Obrigatório] Modo para determinar validações N-Cross.	'Auto' (obrigatório)

AutoSeasonalidade

Nome	Descrição	Valor
modo	[Obrigatório] Modo de sazonalidade.	'Auto' (obrigatório)

AutoTargetLags

Nome	Descrição	Valor
modo	[Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado	'Auto' (obrigatório)

AutoTargetRollingWindowSize

Nome	Descrição	Valor
modo	[Obrigatório] Modo de detecção TargetRollingWindowSiz.	'Auto' (obrigatório)

BanditPolicy

Nome	Descrição	Valor
policyType	[Obrigatório] Nome da configuração de política	'Bandit' (obrigatório)
slackAmount	Distância absoluta permitida da execução de melhor desempenho.	int
slackFactor	Taxa da distância permitida da execução com melhor desempenho.	int

BayesianSamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	[Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração	'Bayesian' (obrigatório)

Classificação

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido.	NCrossValidations
positiveLabel	Rótulo positivo para cálculo de métricas binárias.	corda
primaryMetric	Métrica primária para a tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'Classificação' (obrigatório)
testData	Testar a entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
trainingSettings	Entradas para a fase de treinamento para um Trabalho AutoML.	ClassificationTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
weightColumnName	O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	corda

ClassificationTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para a tarefa de classificação.	Matriz de cadeia de caracteres que contém qualquer um dos: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
blockedTrainingAlgorithms	Modelos bloqueados para a tarefa de classificação.	Matriz de cadeia de caracteres que contém qualquer um dos: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
enableDnnTraining	Habilitar a recomendação de modelos DNN.	Bool
enableModelExplainability	Sinalizar para ativar a explicabilidade no melhor modelo.	Bool
enableOnnxCompatibleModels	Sinalizador para habilitar modelos compatíveis com onnx.	Bool
enableStackEnsemble	Habilitar a execução do conjunto de pilhas.	Bool
enableVoteEnsemble	Habilitar a execução do conjunto de votação.	Bool
ensembleModelDownloadTimeout	Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados. Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.	corda
stackEnsembleSettings	Configurações do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

ColumnTransformer

Nome	Descrição	Valor
Campos	Campos nos quais aplicar a lógica do transformador.	string[]
Parâmetros	Propriedades diferentes a serem passadas para o transformador. A entrada esperada é o dicionário de pares chave e valor no formato JSON.	any

CommandJob

Nome	Descrição	Valor
codeId	ID do recurso ARM do ativo de código.	corda
comando	[Obrigatório] O comando a ser executado na inicialização do trabalho. Eg. "python train.py"	corda Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
distribuição	Configuração de distribuição do trabalho. Se definido, este deverá ser um de Mpi, Tensorflow, PyTorch ou nulo.	DistributionConfiguration
environmentId	[Obrigatório] A ID do recurso ARM da especificação de Ambiente para o trabalho.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)
environmentVariables	Variáveis de ambiente incluídas no trabalho.	commandJobEnvironmentVariables
Entradas	Mapeamento de associações de dados de entrada usadas no trabalho.	commandJobInputs
jobType	[Obrigatório] Especifica o tipo de trabalho.	'Command' (obrigatório)
Limites	Limite de trabalho de comando.	CommandJobLimits
Saídas	Mapeamento de associações de dados de saída usadas no trabalho.	commandJobOutputs
Recursos	Configuração de recursos de computação para o trabalho.	JobResourceConfiguration

CommandJobEnvironmentVariables

Nome	Descrição	Valor

CommandJobInputs

Nome	Descrição	Valor

CommandJobLimits

Nome	Descrição	Valor
jobLimitsType	[Obrigatório] Tipo JobLimit.	'Command' 'Sweep' (obrigatório)
timeout	A duração máxima da execução no formato ISO 8601, após a qual o trabalho será cancelado. Só dá suporte à duração com precisão tão baixa quanto Segundos.	corda

CommandJobOutputs

Nome	Descrição	Valor

CustomForecastHorizon

Nome	Descrição	Valor
modo	[Obrigatório] Defina o modo de seleção de valor do horizonte de previsão.	'Custom' (obrigatório)
valor	[Obrigatório] Valor do horizonte de previsão.	int (obrigatório)

CustomModelJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'custom_model' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

CustomModelJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'custom_model' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

CustomNCrossValidations

Nome	Descrição	Valor
modo	[Obrigatório] Modo para determinar validações N-Cross.	'Custom' (obrigatório)
valor	[Obrigatório] Valor de validações n cruzadas.	int (obrigatório)

CustomSeasonality

Nome	Descrição	Valor
modo	[Obrigatório] Modo de sazonalidade.	'Custom' (obrigatório)
valor	[Obrigatório] Valor de sazonalidade.	int (obrigatório)

CustomTargetLags

Nome	Descrição	Valor
modo	[Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado	'Custom' (obrigatório)
Valores	[Obrigatório] Definir valores de atrasos de destino.	int[] (obrigatório)

CustomTargetRollingWindowSize

Nome	Descrição	Valor
modo	[Obrigatório] Modo de detecção TargetRollingWindowSiz.	'Custom' (obrigatório)
valor	[Obrigatório] Valor TargetRollingWindowSize.	int (obrigatório)

DistributionConfiguration

Nome	Descrição	Valor
distributionType	Definir como 'Mpi' para o tipo Mpi. Defina como 'PyTorch' para o tipo PyTorch . Defina como 'TensorFlow' para o tipo tensorFlow.	'Mpi' 'PyTorch' 'TensorFlow' (obrigatório)

EarlyTerminationPolicy

Nome	Descrição	Valor
delayEvaluation	Número de intervalos pelos quais atrasar a primeira avaliação.	int
evaluationInterval	Intervalo (número de execuções) entre avaliações de política.	int
policyType	Definido como 'Bandit' para o tipo BanditPolicy. Defina como 'MedianStopping' para o tipo MedianStoppingPolicy. Defina como 'TruncationSelection' para o tipo TruncationSelectionPolicy.	'Bandido' 'MedianStopping' 'TruncationSelection' (obrigatório)

ForecastHorizon

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoForecastHorizon. Defina como 'Personalizado' para o tipo CustomForecastHorizon.	'Auto' 'Custom' (obrigatório)

Previsão

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	TableVerticalFeaturizationSettings
forecastingSettings	Previsão de entradas específicas da tarefa.	ForecastingSettings
limitSettings	Restrições de execução para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido.	NCrossValidations
primaryMetric	Métrica primária para a tarefa de previsão.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'SpearmanCorrelation'
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'Previsão' (obrigatório)
testData	Testar a entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
trainingSettings	Entradas para a fase de treinamento para um Trabalho AutoML.	ForecastingTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
weightColumnName	O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	corda

ForecastingSettings

Nome	Descrição	Valor
countryOrRegionForHolidays	País ou região para feriados para tarefas de previsão. Eles devem ser códigos de país/região de duas letras ISO 3166, por exemplo , "EUA" ou "GB".	corda
cvStepSize	Número de períodos entre o tempo de origem de uma dobra CV e a próxima dobra. Durante exemplo, se CVStepSize = 3 para dados diários, o tempo de origem para cada dobra será três dias separados.	int
featureLags	Sinalizador para gerar atrasos para os recursos numéricos com 'automático' ou nulo.	'Auto' 'None'
forecastHorizon	O horizonte de previsão máxima desejado em unidades de frequência de série temporal.	ForecastHorizon
frequência	Ao prever, esse parâmetro representa o período com o qual a previsão é desejada, por exemplo, diária, semanal, anual etc. A frequência de previsão é a frequência do conjunto de dados por padrão.	corda
Sazonalidade	Defina a sazonalidade da série temporal como um múltiplo inteiro da frequência da série. Se a sazonalidade for definida como 'auto', ela será inferida.	de sazonalidade
shortSeriesHandlingConfig	O parâmetro que define como se o AutoML deve lidar com séries temporais curtas.	'Auto' 'Drop' 'None' 'Pad'
targetAggregateFunction	A função a ser usada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada pelo usuário. Se TargetAggregateFunction estiver definido, ou seja, não 'None', mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "sum", "max", "min" e "mean".	'Max' 'Mean' 'Min' 'None' 'Soma'
targetLags	O número de períodos passados a serem atrasados da coluna de destino.	targetLags
targetRollingWindowSize	O número de períodos passados usados para criar uma média de janela sem interrupção da coluna de destino.	TargetRollingWindowSize
timeColumnName	O nome da coluna de hora. Esse parâmetro é necessário ao prever para especificar a coluna datetime nos dados de entrada usados para criar a série temporal e inferir sua frequência.	corda
timeSeriesIdColumnNames	Os nomes das colunas usadas para agrupar uma série de horários. Ele pode ser usado para criar várias séries. Se a granulação não estiver definida, o conjunto de dados será considerado uma série temporal. Esse parâmetro é usado com a previsão de tipo de tarefa.	string[]
useStl	Configure a Decomposição de STL da coluna de destino da série temporal.	'None' 'Season' 'SeasonTrend'

ForecastingTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para a tarefa de previsão.	Matriz de cadeia de caracteres que contém qualquer um dos: 'Arimax' 'AutoArima' 'Média' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' 'Profeta' 'RandomForest' 'SeasonalAverage' 'SeasonalNaive' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
blockedTrainingAlgorithms	Modelos bloqueados para a tarefa de previsão.	Matriz de cadeia de caracteres que contém qualquer um dos: 'Arimax' 'AutoArima' 'Média' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' 'Profeta' 'RandomForest' 'SeasonalAverage' 'SeasonalNaive' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
enableDnnTraining	Habilitar a recomendação de modelos DNN.	Bool
enableModelExplainability	Sinalizar para ativar a explicabilidade no melhor modelo.	Bool
enableOnnxCompatibleModels	Sinalizador para habilitar modelos compatíveis com onnx.	Bool
enableStackEnsemble	Habilitar a execução do conjunto de pilhas.	Bool
enableVoteEnsemble	Habilitar a execução do conjunto de votação.	Bool
ensembleModelDownloadTimeout	Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados. Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.	corda
stackEnsembleSettings	Configurações do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

GridSamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	[Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração	'Grid' (obrigatório)

IdentityConfiguration

Nome	Descrição	Valor
identityType	Defina como 'AMLToken' para o tipo AmlToken. Definido como 'Gerenciado' para o tipo ManagedIdentity. Defina como 'UserIdentity' para o tipo UserIdentity.	'AMLToken' 'Gerenciado' 'UserIdentity' (obrigatório)

ImageClassification

Nome	Descrição	Valor
limitSettings	[Obrigatório] Limite as configurações para o trabalho autoML.	ImageLimitSettings (obrigatório)
modelSettings	Configurações usadas para treinar o modelo.	ImageModelSettingsClassification
primaryMetric	Métrica primária a ser otimizada para essa tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Configurações relacionadas à varredura de modelo e hiperparâmetro.	ImageSweepSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageClassification' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int

ImageClassificationMultilabel

Nome	Descrição	Valor
limitSettings	[Obrigatório] Limite as configurações para o trabalho autoML.	ImageLimitSettings (obrigatório)
modelSettings	Configurações usadas para treinar o modelo.	ImageModelSettingsClassification
primaryMetric	Métrica primária a ser otimizada para essa tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Configurações relacionadas à varredura de modelo e hiperparâmetro.	ImageSweepSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageClassificationMultilabel' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int

ImageInstanceSegmentation

Nome	Descrição	Valor
limitSettings	[Obrigatório] Limite as configurações para o trabalho autoML.	ImageLimitSettings (obrigatório)
modelSettings	Configurações usadas para treinar o modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica primária a ser otimizada para essa tarefa.	'MeanAveragePrecision'
searchSpace	Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Configurações relacionadas à varredura de modelo e hiperparâmetro.	ImageSweepSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageInstanceSegmentation' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int

ImageLimitSettings

Nome	Descrição	Valor
maxConcurrentTrials	Número máximo de iterações AutoML simultâneas.	int
maxTrials	Número máximo de iterações AutoML.	int
timeout	Tempo limite do trabalho autoML.	corda

ImageModelDistributionSettingsClassification

Nome	Descrição	Valor
amsGradient	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.	corda
Aumentos	Configurações para usar aumentos.	corda
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	corda
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	corda
Distribuído	Se você deve usar o treinamento do distribuídor.	corda
earlyStopping	Habilite a lógica de parada antecipada durante o treinamento.	corda
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um inteiro positivo.	corda
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes a execução é interrompida. Deve ser um inteiro positivo.	corda
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	corda
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.	corda
gradientAccumulationStep	Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.	corda
layersToFreeze	Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	corda
learningRate	Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].	corda
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".	corda
modelName	Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models.	corda
ímpeto	Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].	corda
aninhado	Habilite aninhado quando o otimizador for 'sgd'.	corda
numberOfEpochs	Número de épocas de treinamento. Deve ser um inteiro positivo.	corda
numberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.	corda
Otimizador	Tipo de otimizador. Deve ser "sgd", "adam" ou "adamw".	corda
randomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico.	corda
stepLRGamma	Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].	corda
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.	corda
trainingBatchSize	Tamanho do lote de treinamento. Deve ser um inteiro positivo.	corda
trainingCropSize	Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de treinamento. Deve ser um inteiro positivo.	corda
validationBatchSize	Tamanho do lote de validação. Deve ser um inteiro positivo.	corda
validationCropSize	Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de validação. Deve ser um inteiro positivo.	corda
validationResizeSize	Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um inteiro positivo.	corda
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].	corda
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.	corda
weightDecay	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].	corda
weightedLoss	Perda ponderada. Os valores aceitos são 0 para nenhuma perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Deve ser 0 ou 1 ou 2.	corda

ImageModelDistributionSettingsObjectDetection

Nome	Descrição	Valor
amsGradient	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.	corda
Aumentos	Configurações para usar aumentos.	corda
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	corda
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	corda
boxDetectionsPerImage	Número máximo de detecções por imagem, para todas as classes. Deve ser um inteiro positivo. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
boxScoreThreshold	Durante a inferência, retornar apenas propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um float no intervalo[0, 1].	corda
Distribuído	Se você deve usar o treinamento do distribuídor.	corda
earlyStopping	Habilite a lógica de parada antecipada durante o treinamento.	corda
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um inteiro positivo.	corda
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes a execução é interrompida. Deve ser um inteiro positivo.	corda
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	corda
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.	corda
gradientAccumulationStep	Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.	corda
imageSize	Tamanho da imagem para treinamento e validação. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	corda
layersToFreeze	Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	corda
learningRate	Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].	corda
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".	corda
maxSize	Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
minSize	Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
modelName	Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models.	corda
modelSize	Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho do modelo for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	corda
ímpeto	Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].	corda
multiEscala	Habilite a imagem de várias escalas variando o tamanho da imagem em +/- 50%. Observação: a execução de treinamento poderá entrar no CUDA OOM se não houver memória de GPU suficiente. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	corda
aninhado	Habilite aninhado quando o otimizador for 'sgd'.	corda
nmsIouThreshold	Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve estar flutuando no intervalo [0, 1].	corda
numberOfEpochs	Número de épocas de treinamento. Deve ser um inteiro positivo.	corda
numberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.	corda
Otimizador	Tipo de otimizador. Deve ser "sgd", "adam" ou "adamw".	corda
randomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico.	corda
stepLRGamma	Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].	corda
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.	corda
tileGridSize	O tamanho da grade a ser usado para dimensionar cada imagem. Observação: TileGridSize não deve ser Nenhum para habilitar a lógica de detecção de objeto pequena. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
tileOverlapRatio	Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1). Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
tilePredictionsNmsThreshold	O limite de IOU a ser usado para executar o NMS ao mesclar previsões de blocos e imagem. Usado na validação/inferência. Deve estar flutuando no intervalo [0, 1]. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'. NMS: supressão não máxima	corda
trainingBatchSize	Tamanho do lote de treinamento. Deve ser um inteiro positivo.	corda
validationBatchSize	Tamanho do lote de validação. Deve ser um inteiro positivo.	corda
validationIouThreshold	Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1].	corda
validationMetricType	Método de computação de métrica a ser usado para métricas de validação. Deve ser 'none', 'coco', 'voc' ou 'coco_voc'.	corda
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].	corda
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.	corda
weightDecay	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].	corda

ImageModelSettingsClassification

Nome	Descrição	Valor
advancedSettings	Configurações para cenários avançados.	corda
amsGradient	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.	Bool
Aumentos	Configurações para usar aumentos.	corda
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	int
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	int
checkpointFrequency	Frequência para armazenar pontos de verificação de modelo. Deve ser um inteiro positivo.	int
checkpointModel	O modelo de ponto de verificação pré-treinado para treinamento incremental.	MLFlowModelJobInput
checkpointRunId	A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental.	corda
Distribuído	Se você deve usar o treinamento distribuído.	Bool
earlyStopping	Habilite a lógica de parada antecipada durante o treinamento.	Bool
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um inteiro positivo.	int
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes a execução é interrompida. Deve ser um inteiro positivo.	int
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	Bool
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.	int
gradientAccumulationStep	Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.	int
layersToFreeze	Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].	int
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".	'None' 'Step' 'WarmupCosine'
modelName	Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models.	corda
ímpeto	Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].	int
aninhado	Habilite aninhado quando o otimizador for 'sgd'.	Bool
numberOfEpochs	Número de épocas de treinamento. Deve ser um inteiro positivo.	int
numberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.	int
Otimizador	Tipo de otimizador.	'Adam' 'Adamw' 'None' 'Sgd'
randomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico.	int
stepLRGamma	Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].	int
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.	int
trainingBatchSize	Tamanho do lote de treinamento. Deve ser um inteiro positivo.	int
trainingCropSize	Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de treinamento. Deve ser um inteiro positivo.	int
validationBatchSize	Tamanho do lote de validação. Deve ser um inteiro positivo.	int
validationCropSize	Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de validação. Deve ser um inteiro positivo.	int
validationResizeSize	Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um inteiro positivo.	int
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].	int
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.	int
weightDecay	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].	int
weightedLoss	Perda ponderada. Os valores aceitos são 0 para nenhuma perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Deve ser 0 ou 1 ou 2.	int

ImageModelSettingsObjectDetection

Nome	Descrição	Valor
advancedSettings	Configurações para cenários avançados.	corda
amsGradient	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.	Bool
Aumentos	Configurações para usar aumentos.	corda
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	int
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	int
boxDetectionsPerImage	Número máximo de detecções por imagem, para todas as classes. Deve ser um inteiro positivo. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	int
boxScoreThreshold	Durante a inferência, retornar apenas propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um float no intervalo[0, 1].	int
checkpointFrequency	Frequência para armazenar pontos de verificação de modelo. Deve ser um inteiro positivo.	int
checkpointModel	O modelo de ponto de verificação pré-treinado para treinamento incremental.	MLFlowModelJobInput
checkpointRunId	A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental.	corda
Distribuído	Se você deve usar o treinamento distribuído.	Bool
earlyStopping	Habilite a lógica de parada antecipada durante o treinamento.	Bool
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um inteiro positivo.	int
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes a execução é interrompida. Deve ser um inteiro positivo.	int
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	Bool
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.	int
gradientAccumulationStep	Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.	int
imageSize	Tamanho da imagem para treinamento e validação. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	int
layersToFreeze	Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].	int
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".	'None' 'Step' 'WarmupCosine'
maxSize	Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	int
minSize	Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	int
modelName	Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models.	corda
modelSize	Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho do modelo for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	'ExtraLarge' 'Grande' 'Médio' 'None' 'Pequeno'
ímpeto	Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].	int
multiEscala	Habilite a imagem de várias escalas variando o tamanho da imagem em +/- 50%. Observação: a execução de treinamento poderá entrar no CUDA OOM se não houver memória de GPU suficiente. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	Bool
aninhado	Habilite aninhado quando o otimizador for 'sgd'.	Bool
nmsIouThreshold	Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve ser um float no intervalo [0, 1].	int
numberOfEpochs	Número de épocas de treinamento. Deve ser um inteiro positivo.	int
numberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.	int
Otimizador	Tipo de otimizador.	'Adam' 'Adamw' 'None' 'Sgd'
randomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico.	int
stepLRGamma	Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].	int
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.	int
tileGridSize	O tamanho da grade a ser usado para dimensionar cada imagem. Observação: TileGridSize não deve ser Nenhum para habilitar a lógica de detecção de objeto pequena. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
tileOverlapRatio	Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1). Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	int
tilePredictionsNmsThreshold	O limite de IOU a ser usado para executar o NMS ao mesclar previsões de blocos e imagem. Usado na validação/inferência. Deve estar flutuando no intervalo [0, 1]. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	int
trainingBatchSize	Tamanho do lote de treinamento. Deve ser um inteiro positivo.	int
validationBatchSize	Tamanho do lote de validação. Deve ser um inteiro positivo.	int
validationIouThreshold	Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1].	int
validationMetricType	Método de computação de métrica a ser usado para métricas de validação.	'Coco' 'CocoVoc' 'None' 'Voc'
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].	int
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.	int
weightDecay	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].	int

ImageObjectDetection

Nome	Descrição	Valor
limitSettings	[Obrigatório] Limite as configurações para o trabalho autoML.	ImageLimitSettings (obrigatório)
modelSettings	Configurações usadas para treinar o modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica primária a ser otimizada para essa tarefa.	'MeanAveragePrecision'
searchSpace	Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Configurações relacionadas à varredura de modelo e hiperparâmetro.	ImageSweepSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageObjectDetection' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int

ImageSweepSettings

Nome	Descrição	Valor
earlyTermination	Tipo de política de término antecipado.	EarlyTerminationPolicy
samplingAlgorithm	[Obrigatório] Tipo dos algoritmos de amostragem do hiperparâmetro.	'Bayesian' 'Grade' 'Aleatório' (obrigatório)

JobBaseProperties

Nome	Descrição	Valor
componentId	ID do recurso arm do recurso de componente.	corda
computeId	ID do recurso arm do recurso de computação.	corda
descrição	O texto de descrição do ativo.	corda
displayName	Nome de exibição do trabalho.	corda
experimentName	O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão".	corda
identidade	Configuração de identidade. Se definido, este deverá ser um de AmlToken, ManagedIdentity, UserIdentity ou null. O padrão será AmlToken se nulo.	IdentityConfiguration
isArchived	O ativo está arquivado?	Bool
jobType	Definido como 'AutoML' para o tipo AutoMLJob. Defina como 'Command' para o tipo CommandJob. Defina como 'Pipeline' para o tipo pipelineJob. Defina como 'Sweep' para o tipo SweepJob .	'AutoML' 'Command' 'Pipeline' 'Sweep' (obrigatório)
Propriedades	O dicionário de propriedades do ativo.	ResourceBaseProperties
Serviços	Lista de JobEndpoints. Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.	JobBaseServices
Tags	Dicionário de marcas. As marcas podem ser adicionadas, removidas e atualizadas.	ResourceBaseTags

JobBaseServices

Nome	Descrição	Valor

JobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	corda
jobInputType	Defina como 'custom_model' para o tipo CustomModelJobInput . Defina como 'literal' para o tipo LiteralJobInput. Defina como 'mlflow_model' para o tipo MLFlowModelJobInput . Defina como 'mltable' para o tipo MLTableJobInput . Defina como 'triton_model' para o tipo TritonModelJobInput. Defina como 'uri_file' para o tipo UriFileJobInput. Defina como 'uri_folder' para o tipo UriFolderJobInput.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)

JobOutput

Nome	Descrição	Valor
descrição	Descrição da saída.	corda
jobOutputType	Defina como 'custom_model' para o tipo CustomModelJobOutput . Defina como 'mlflow_model' para o tipo MLFlowModelJobOutput . Defina como 'mltable' para o tipo MLTableJobOutput . Defina como 'triton_model' para o tipo TritonModelJobOutput. Defina como 'uri_file' para o tipo UriFileJobOutput. Defina como 'uri_folder' para o tipo UriFolderJobOutput.	'custom_model' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)

JobResourceConfiguration

Nome	Descrição	Valor
dockerArgs	Argumentos extras a serem passados para o comando de execução do Docker. Isso substituiria todos os parâmetros que já foram definidos pelo sistema ou nesta seção. Esse parâmetro só tem suporte para tipos de computação do Azure ML.	corda
instanceCount	Número opcional de instâncias ou nós usados pelo destino de computação.	int
instanceType	Tipo opcional de VM usado como suporte pelo destino de computação.	corda
Propriedades	Recipiente de propriedades adicionais.	ResourceConfigurationProperties
shmSize	Tamanho do bloco de memória compartilhada do contêiner do Docker. Isso deve estar no formato (número)(unidade), em que o número seja maior que 0 e a unidade possa ser um de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes).	corda Restrições: Padrão = \d+[bBkKmMgG]

JobService

Nome	Descrição	Valor
Extremidade	Url para ponto de extremidade.	corda
jobServiceType	Tipo de ponto de extremidade.	corda
porta	Porta para ponto de extremidade.	int
Propriedades	Propriedades adicionais a serem definidas no ponto de extremidade.	JobServiceProperties

JobServiceProperties

Nome	Descrição	Valor

LiteralJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'literal' (obrigatório)
valor	[Obrigatório] Valor literal para a entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

ManagedIdentity

Nome	Descrição	Valor
clientId	Especifica uma identidade atribuída pelo usuário pela ID do cliente. Para atribuído pelo sistema, não defina esse campo.	corda Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identityType	[Obrigatório] Especifica o tipo de estrutura de identidade.	'Gerenciado' (obrigatório)
objectId	Especifica uma identidade atribuída pelo usuário por ID de objeto. Para atribuído pelo sistema, não defina esse campo.	corda Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId	Especifica uma identidade atribuída pelo usuário pela ID de recurso do ARM. Para atribuído pelo sistema, não defina esse campo.	corda

MedianStoppingPolicy

Nome	Descrição	Valor
policyType	[Obrigatório] Nome da configuração de política	'MedianStopping' (obrigatório)

Microsoft.MachineLearningServices/workspaces/jobs

Nome	Descrição	Valor
apiVersion	A versão da API	'2022-10-01'
nome	O nome do recurso	corda Restrições: Padrão = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (obrigatório)
Propriedades	[Obrigatório] Atributos adicionais da entidade.	JobBaseProperties (obrigatório)
tipo	O tipo de recurso	'Microsoft.MachineLearningServices/workspaces/jobs'

MLFlowModelJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'mlflow_model' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

MLFlowModelJobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	corda
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

MLFlowModelJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'mlflow_model' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

MLTableJobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	corda
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

MLTableJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'mltable' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

MLTableJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'mltable' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

Mpi

Nome	Descrição	Valor
distributionType	[Obrigatório] Especifica o tipo de estrutura de distribuição.	'Mpi' (obrigatório)
processCountPerInstance	Número de processos por nó de MPI.	int

NCrossValidations

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoNCrossValidations. Definido como 'Personalizado' para o tipo CustomNCrossValidations.	'Auto' 'Custom' (obrigatório)

NlpVerticalFeaturizationSettings

Nome	Descrição	Valor
datasetLanguage	Linguagem de conjunto de dados, útil para os dados de texto.	corda

NlpVerticalLimitSettings

Nome	Descrição	Valor
maxConcurrentTrials	Iterações automáticas simultâneas máximas.	int
maxTrials	Número de iterações AutoML.	int
timeout	Tempo limite do trabalho autoML.	corda

Objetivo

Nome	Descrição	Valor
objetivo	[Obrigatório] Define as metas de métrica com suporte para ajuste de hiperparâmetro	'Maximize' 'Minimizar' (obrigatório)
primaryMetric	[Obrigatório] Nome da métrica a ser otimizada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

PipelineJob

Nome	Descrição	Valor
Entradas	Entradas para o trabalho de pipeline.	pipelineJobInputs
Empregos	Trabalhos constrói o Trabalho de Pipeline.	PipelineJobJobs
jobType	[Obrigatório] Especifica o tipo de trabalho.	'Pipeline' (obrigatório)
Saídas	Saídas para o trabalho de pipeline	pipelineJobOutputs
Configurações	Configurações de pipeline, para itens como ContinueRunOnStepFailure etc.	any
sourceJobId	ID de recurso do ARM do trabalho de origem.	corda

PipelineJobInputs

Nome	Descrição	Valor

PipelineJobJobs

Nome	Descrição	Valor

PipelineJobOutputs

Nome	Descrição	Valor

PyTorch

Nome	Descrição	Valor
distributionType	[Obrigatório] Especifica o tipo de estrutura de distribuição.	'PyTorch' (obrigatório)
processCountPerInstance	Número de processos por nó.	int

RandomSamplingAlgorithm

Nome	Descrição	Valor
regra	O tipo específico de algoritmo aleatório	'Aleatório' 'Sobol'
samplingAlgorithmType	[Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração	'Aleatório' (obrigatório)
semente	Um inteiro opcional a ser usado como a semente para geração de número aleatório	int

Regressão

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido.	NCrossValidations
primaryMetric	Métrica primária para a tarefa de regressão.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'SpearmanCorrelation'
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'Regressão' (obrigatório)
testData	Testar a entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
trainingSettings	Entradas para a fase de treinamento para um Trabalho AutoML.	RegressionTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
weightColumnName	O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	corda

RegressionTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para tarefa de regressão.	Matriz de cadeia de caracteres que contém qualquer um dos: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
blockedTrainingAlgorithms	Modelos bloqueados para a tarefa de regressão.	Matriz de cadeia de caracteres que contém qualquer um dos: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
enableDnnTraining	Habilitar a recomendação de modelos DNN.	Bool
enableModelExplainability	Sinalizar para ativar a explicabilidade no melhor modelo.	Bool
enableOnnxCompatibleModels	Sinalizador para habilitar modelos compatíveis com onnx.	Bool
enableStackEnsemble	Habilitar a execução do conjunto de pilhas.	Bool
enableVoteEnsemble	Habilitar a execução do conjunto de votação.	Bool
ensembleModelDownloadTimeout	Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados. Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.	corda
stackEnsembleSettings	Configurações do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

ResourceBaseProperties

Nome	Descrição	Valor

ResourceBaseTags

Nome	Descrição	Valor

ResourceConfigurationProperties

Nome	Descrição	Valor

SamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	Defina como 'Bayesian' para o tipo BayesianSamplingAlgorithm. Defina como 'Grid' para o tipo GridSamplingAlgorithm. Definido como 'Aleatório' para o tipo RandomSamplingAlgorithm.	'Bayesian' 'Grade' 'Aleatório' (obrigatório)

Sazonalidade

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipode AutoSeasonalidade . Definido como 'Personalizado' para o tipo customSeasonality.	'Auto' 'Custom' (obrigatório)

StackEnsembleSettings

Nome	Descrição	Valor
stackMetaLearnerKWargs	Parâmetros opcionais a serem passados para o inicializador do meta-aprendiz.	any
stackMetaLearnerTrainPercentage	Especifica a proporção do conjunto de treinamento (ao escolher o treinamento e o tipo de treinamento de validação) a ser reservado para treinar o meta-aprendiz. O valor padrão é 0,2.	int
stackMetaLearnerType	O meta-aprendiz é um modelo treinado na saída dos modelos heterogêneos individuais.	'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'None'

SweepJob

Nome	Descrição	Valor
earlyTermination	As políticas de término antecipado permitem o cancelamento de execuções de baixo desempenho antes de serem concluídas	EarlyTerminationPolicy
Entradas	Mapeamento de associações de dados de entrada usadas no trabalho.	SweepJobInputs
jobType	[Obrigatório] Especifica o tipo de trabalho.	'Sweep' (obrigatório)
Limites	Limite de trabalho de varredura.	SweepJobLimits
objetivo	[Obrigatório] Objetivo de otimização.	objective (obrigatório)
Saídas	Mapeamento de associações de dados de saída usadas no trabalho.	SweepJobOutputs
samplingAlgorithm	[Obrigatório] O algoritmo de amostragem de hiperparâmetro	SamplingAlgorithm (obrigatório)
searchSpace	[Obrigatório] Um dicionário que contém cada parâmetro e sua distribuição. A chave do dicionário é o nome do parâmetro	any (obrigatório)
julgamento	[Obrigatório] Definição do componente de avaliação.	TrialComponent (obrigatório)

SweepJobInputs

Nome	Descrição	Valor

SweepJobLimits

Nome	Descrição	Valor
jobLimitsType	[Obrigatório] Tipo JobLimit.	'Command' 'Sweep' (obrigatório)
maxConcurrentTrials	Avaliações simultâneas máximas do Trabalho de Varredura.	int
maxTotalTrials	Limpar o total de avaliações totais do trabalho de varredura.	int
timeout	A duração máxima da execução no formato ISO 8601, após a qual o trabalho será cancelado. Só dá suporte à duração com precisão tão baixa quanto Segundos.	corda
trialTimeout	Valor de tempo limite da Avaliação do Trabalho de Varredura.	corda

SweepJobOutputs

Nome	Descrição	Valor

TableVerticalFeaturizationSettings

Nome	Descrição	Valor
blockedTransformers	Esses transformadores não devem ser usados na apresentação.	Matriz de cadeia de caracteres que contém qualquer um dos: 'CatTargetEncoder' 'CountVectorizer' 'HashOneHotEncoder' 'LabelEncoder' 'NaiveBayes' 'OneHotEncoder' 'TextTargetEncoder' 'TfIdf' 'WoETargetEncoder' 'WordEmbedding'
columnNameAndTypes	Dicionário de nome da coluna e seu tipo (int, float, string, datetime etc).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Linguagem de conjunto de dados, útil para os dados de texto.	corda
enableDnnFeaturization	Determina se os recursos baseados em Dnn devem ser usados para a apresentação de dados.	Bool
modo	Modo de apresentação – o usuário pode manter o modo 'Auto' padrão e o AutoML cuidará da transformação necessária dos dados na fase de apresentação. Se 'Off' estiver selecionado, nenhuma apresentação será feita. Se 'Custom' estiver selecionado, o usuário poderá especificar entradas adicionais para personalizar como a apresentação é feita.	'Auto' 'Personalizado' 'Desativado'
transformerParams	O usuário pode especificar transformadores adicionais a serem usados junto com as colunas às quais ele seria aplicado e parâmetros para o construtor do transformador.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Nome	Descrição	Valor

TableVerticalFeaturizationSettingsTransformerParams

Nome	Descrição	Valor

TableVerticalLimitSettings

Nome	Descrição	Valor
enableEarlyTermination	Habilite a terminação antecipada, determina se o AutoMLJob terminará antecipadamente se não houver melhoria de pontuação nas últimas 20 iterações.	Bool
exitScore	Pontuação de saída para o trabalho autoML.	int
maxConcurrentTrials	Iterações simultâneas máximas.	int
maxCoresPerTrial	Núcleos máximos por iteração.	int
maxTrials	Número de iterações.	int
timeout	Tempo limite do trabalho autoML.	corda
trialTimeout	Tempo limite de iteração.	corda

TargetLags

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoTargetLags. Definido como 'Personalizado' para o tipo CustomTargetLags .	'Auto' 'Custom' (obrigatório)

TargetRollingWindowSize

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoTargetRollingWindowSize. Defina como 'Personalizado' para o tipo CustomTargetRollingWindowSize.	'Auto' 'Custom' (obrigatório)

TensorFlow

Nome	Descrição	Valor
distributionType	[Obrigatório] Especifica o tipo de estrutura de distribuição.	'TensorFlow' (obrigatório)
parameterServerCount	Número de tarefas do servidor de parâmetros.	int
workerCount	Número de trabalhadores. Se não for especificado, o padrão será a contagem de instâncias.	int

TextClassification

Nome	Descrição	Valor
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
primaryMetric	Métrica primária para Text-Classification tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextClassification' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput

TextClassificationMultilabel

Nome	Descrição	Valor
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextClassificationMultilabel' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput

TextNer

Nome	Descrição	Valor
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextNER' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput

TrialComponent

Nome	Descrição	Valor
codeId	ID do recurso ARM do ativo de código.	corda
comando	[Obrigatório] O comando a ser executado na inicialização do trabalho. Eg. "python train.py"	corda Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
distribuição	Configuração de distribuição do trabalho. Se definido, este deverá ser um de Mpi, Tensorflow, PyTorch ou nulo.	DistributionConfiguration
environmentId	[Obrigatório] A ID do recurso ARM da especificação de Ambiente para o trabalho.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)
environmentVariables	Variáveis de ambiente incluídas no trabalho.	TrialComponentEnvironmentVariables
Recursos	Configuração de recursos de computação para o trabalho.	JobResourceConfiguration

TrialComponentEnvironmentVariables

Nome	Descrição	Valor

TritonModelJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'triton_model' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

TritonModelJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'triton_model' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

TruncationSelectionPolicy

Nome	Descrição	Valor
policyType	[Obrigatório] Nome da configuração de política	'TruncationSelection' (obrigatório)
truncationPercentage	O percentual de execuções a serem canceladas em cada intervalo de avaliação.	int

UriFileJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'uri_file' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

UriFileJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'uri_file' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

UriFolderJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'uri_folder' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

UriFolderJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'uri_folder' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

UserIdentity

Nome	Descrição	Valor
identityType	[Obrigatório] Especifica o tipo de estrutura de identidade.	'UserIdentity' (obrigatório)

Modelos de início rápido

Os modelos de início rápido a seguir implantam esse tipo de recurso.

Definição de recurso do Terraform (provedor de AzAPI)

O tipo de recurso workspaces/trabalhos pode ser implantado com operações direcionadas:

• grupos de recursos

Para obter uma lista de propriedades alteradas em cada versão da API, consulte de log de alterações.

Formato de recurso

Para criar um recurso Microsoft.MachineLearningServices/workspaces/jobs, adicione o Terraform a seguir ao seu modelo.

resource "azapi_resource" "symbolicname" {
  type = "Microsoft.MachineLearningServices/workspaces/jobs@2022-10-01"
  name = "string"
  body = jsonencode({
    properties = {
      componentId = "string"
      computeId = "string"
      description = "string"
      displayName = "string"
      experimentName = "string"
      identity = {
        identityType = "string"
        // For remaining properties, see IdentityConfiguration objects
      }
      isArchived = bool
      properties = {
        {customized property} = "string"
      }
      services = {
        {customized property} = {
          endpoint = "string"
          jobServiceType = "string"
          port = int
          properties = {
            {customized property} = "string"
          }
        }
      }
      tags = {
        {customized property} = "string"
      }
      jobType = "string"
      // For remaining properties, see JobBaseProperties objects
    }
  })
}

Objetos JobOutput

Defina a propriedade jobOutputType para especificar o tipo de objeto.

Para custom_model, use:

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

Para mlflow_model, use:

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

Para mltable, use:

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

Para triton_model, use:

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

Para uri_file, use:

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

Para uri_folder, use:

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

Objetos DistributionConfiguration

Defina a propriedade distributionType para especificar o tipo de objeto.

Para de MPI, use:

{
  distributionType = "Mpi"
  processCountPerInstance = int
}

Para PyTorch, use:

{
  distributionType = "PyTorch"
  processCountPerInstance = int
}

Para tensorFlow, use:

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

Objetos ForecastHorizon

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

{
  mode = "Auto"
}

Para Personalizado, use:

{
  mode = "Custom"
  value = int
}

Objetos IdentityConfiguration

Defina a propriedade identityType para especificar o tipo de objeto.

Para AMLToken, use:

{
  identityType = "AMLToken"
}

Para managed, use:

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

Para UserIdentity, use:

{
  identityType = "UserIdentity"
}

Objetos AutoMLVertical

Defina a propriedade taskType para especificar o tipo de objeto.

Para classificação, use:

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

Para previsão, use:

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

Para ImageClassification, use:

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

Para ImageClassificationMultilabel, use:

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

Para ImageInstanceSegmentation, use:

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

Para ImageObjectDetection, use:

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

Para regressão, use:

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

Para TextClassification, use:

{
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  primaryMetric = "string"
  taskType = "TextClassification"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
}

Para TextClassificationMultilabel, use:

{
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  taskType = "TextClassificationMultilabel"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
}

Para TextNER, use:

{
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  taskType = "TextNER"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
}

Objetos de sazonalidade

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

{
  mode = "Auto"
}

Para Personalizado, use:

{
  mode = "Custom"
  value = int
}

Objetos SamplingAlgorithm

Defina a propriedade samplingAlgorithmType para especificar o tipo de objeto.

Para bayesiana, use:

{
  samplingAlgorithmType = "Bayesian"
}

Para Grid, use:

{
  samplingAlgorithmType = "Grid"
}

Para aleatória, use:

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

Objetos JobBaseProperties

Defina a propriedade jobType para especificar o tipo de objeto.

Para AutoML, use:

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

Parade comando , use:

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

Para pipeline, use:

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

Para de Varredura, use:

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

Objetos JobInput

Defina a propriedade jobInputType para especificar o tipo de objeto.

Para custom_model, use:

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

Para literal, use:

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

Para mlflow_model, use:

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

Para mltable, use:

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

Para triton_model, use:

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

Para uri_file, use:

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

Para uri_folder, use:

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

Objetos NCrossValidations

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

{
  mode = "Auto"
}

Para Personalizado, use:

{
  mode = "Custom"
  value = int
}

Objetos TargetRollingWindowSize

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

{
  mode = "Auto"
}

Para Personalizado, use:

{
  mode = "Custom"
  value = int
}

Objetos TargetLags

Defina o modo propriedade para especificar o tipo de objeto.

Para Auto, use:

{
  mode = "Auto"
}

Para Personalizado, use:

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

Objetos EarlyTerminationPolicy

Defina a propriedade policyType para especificar o tipo de objeto.

Para bandit, use:

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

Para MedianStopping, use:

{
  policyType = "MedianStopping"
}

Para TruncationSelection, use:

{
  policyType = "TruncationSelection"
  truncationPercentage = int
}

Valores de propriedade

AmlToken

Nome	Descrição	Valor
identityType	[Obrigatório] Especifica o tipo de estrutura de identidade.	'AMLToken' (obrigatório)

AutoForecastHorizon

Nome	Descrição	Valor
modo	[Obrigatório] Defina o modo de seleção de valor do horizonte de previsão.	'Auto' (obrigatório)

AutoMLJob

Nome	Descrição	Valor
environmentId	A ID do recurso ARM da especificação de Ambiente para o trabalho. Esse é o valor opcional a ser fornecido, se não for fornecido, o AutoML usará como padrão a versão do ambiente coletado do AutoML de Produção ao executar o trabalho.	corda
environmentVariables	Variáveis de ambiente incluídas no trabalho.	AutoMLJobEnvironmentVariables
jobType	[Obrigatório] Especifica o tipo de trabalho.	'AutoML' (obrigatório)
Saídas	Mapeamento de associações de dados de saída usadas no trabalho.	AutoMLJobOutputs
Recursos	Configuração de recursos de computação para o trabalho.	JobResourceConfiguration
taskDetails	[Obrigatório] Isso representa um cenário que pode ser uma das Tabelas/NLP/Imagem	AutoMLVertical (obrigatório)

AutoMLJobEnvironmentVariables

Nome	Descrição	Valor

AutoMLJobOutputs

Nome	Descrição	Valor

AutoMLVertical

Nome	Descrição	Valor
logVerbosity	Verbosidade de log para o trabalho.	'Crítico' 'Depurar' 'Erro' 'Informações' 'NotSet' 'Aviso'
targetColumnName	Nome da coluna de destino: esta é a coluna de valores de previsão. Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.	corda
taskType	Definir como 'Classificação' para o tipo Classificação. Definir como 'Previsão' para o tipo Previsão. Defina como 'ImageClassification' para o tipo ImageClassification. Defina como 'ImageClassificationMultilabel' para o tipo ImageClassificationMultilabel. Defina como 'ImageInstanceSegmentation' para o tipo ImageInstanceSegmentation. Defina como 'ImageObjectDetection' para o tipo ImageObjectDetection. Defina como 'Regressão' para o tiporegressão . Defina como 'TextClassification' para o tipo TextClassification. Defina como 'TextClassificationMultilabel' para o tipo TextClassificationMultilabel. Defina como 'TextNER' para o tipoTextNer .	'Classificação' 'Previsão' 'ImageClassification' 'ImageClassificationMultilabel' 'ImageInstanceSegmentation' 'ImageObjectDetection' 'Regressão' 'TextClassification' 'TextClassificationMultilabel' 'TextNER' (obrigatório)
trainingData	[Obrigatório] Entrada de dados de treinamento.	MLTableJobInput (obrigatório)

AutoNCrossValidations

Nome	Descrição	Valor
modo	[Obrigatório] Modo para determinar validações N-Cross.	'Auto' (obrigatório)

AutoSeasonalidade

Nome	Descrição	Valor
modo	[Obrigatório] Modo de sazonalidade.	'Auto' (obrigatório)

AutoTargetLags

Nome	Descrição	Valor
modo	[Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado	'Auto' (obrigatório)

AutoTargetRollingWindowSize

Nome	Descrição	Valor
modo	[Obrigatório] Modo de detecção TargetRollingWindowSiz.	'Auto' (obrigatório)

BanditPolicy

Nome	Descrição	Valor
policyType	[Obrigatório] Nome da configuração de política	'Bandit' (obrigatório)
slackAmount	Distância absoluta permitida da execução de melhor desempenho.	int
slackFactor	Taxa da distância permitida da execução com melhor desempenho.	int

BayesianSamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	[Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração	'Bayesian' (obrigatório)

Classificação

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido.	NCrossValidations
positiveLabel	Rótulo positivo para cálculo de métricas binárias.	corda
primaryMetric	Métrica primária para a tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'Classificação' (obrigatório)
testData	Testar a entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
trainingSettings	Entradas para a fase de treinamento para um Trabalho AutoML.	ClassificationTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
weightColumnName	O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	corda

ClassificationTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para a tarefa de classificação.	Matriz de cadeia de caracteres que contém qualquer um dos: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
blockedTrainingAlgorithms	Modelos bloqueados para a tarefa de classificação.	Matriz de cadeia de caracteres que contém qualquer um dos: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
enableDnnTraining	Habilitar a recomendação de modelos DNN.	Bool
enableModelExplainability	Sinalizar para ativar a explicabilidade no melhor modelo.	Bool
enableOnnxCompatibleModels	Sinalizador para habilitar modelos compatíveis com onnx.	Bool
enableStackEnsemble	Habilitar a execução do conjunto de pilhas.	Bool
enableVoteEnsemble	Habilitar a execução do conjunto de votação.	Bool
ensembleModelDownloadTimeout	Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados. Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.	corda
stackEnsembleSettings	Configurações do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

ColumnTransformer

Nome	Descrição	Valor
Campos	Campos nos quais aplicar a lógica do transformador.	string[]
Parâmetros	Propriedades diferentes a serem passadas para o transformador. A entrada esperada é o dicionário de pares chave e valor no formato JSON.	any

CommandJob

Nome	Descrição	Valor
codeId	ID do recurso ARM do ativo de código.	corda
comando	[Obrigatório] O comando a ser executado na inicialização do trabalho. Eg. "python train.py"	corda Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
distribuição	Configuração de distribuição do trabalho. Se definido, este deverá ser um de Mpi, Tensorflow, PyTorch ou nulo.	DistributionConfiguration
environmentId	[Obrigatório] A ID do recurso ARM da especificação de Ambiente para o trabalho.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)
environmentVariables	Variáveis de ambiente incluídas no trabalho.	commandJobEnvironmentVariables
Entradas	Mapeamento de associações de dados de entrada usadas no trabalho.	commandJobInputs
jobType	[Obrigatório] Especifica o tipo de trabalho.	'Command' (obrigatório)
Limites	Limite de trabalho de comando.	CommandJobLimits
Saídas	Mapeamento de associações de dados de saída usadas no trabalho.	commandJobOutputs
Recursos	Configuração de recursos de computação para o trabalho.	JobResourceConfiguration

CommandJobEnvironmentVariables

Nome	Descrição	Valor

CommandJobInputs

Nome	Descrição	Valor

CommandJobLimits

Nome	Descrição	Valor
jobLimitsType	[Obrigatório] Tipo JobLimit.	'Command' 'Sweep' (obrigatório)
timeout	A duração máxima da execução no formato ISO 8601, após a qual o trabalho será cancelado. Só dá suporte à duração com precisão tão baixa quanto Segundos.	corda

CommandJobOutputs

Nome	Descrição	Valor

CustomForecastHorizon

Nome	Descrição	Valor
modo	[Obrigatório] Defina o modo de seleção de valor do horizonte de previsão.	'Custom' (obrigatório)
valor	[Obrigatório] Valor do horizonte de previsão.	int (obrigatório)

CustomModelJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'custom_model' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

CustomModelJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'custom_model' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

CustomNCrossValidations

Nome	Descrição	Valor
modo	[Obrigatório] Modo para determinar validações N-Cross.	'Custom' (obrigatório)
valor	[Obrigatório] Valor de validações n cruzadas.	int (obrigatório)

CustomSeasonality

Nome	Descrição	Valor
modo	[Obrigatório] Modo de sazonalidade.	'Custom' (obrigatório)
valor	[Obrigatório] Valor de sazonalidade.	int (obrigatório)

CustomTargetLags

Nome	Descrição	Valor
modo	[Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado	'Custom' (obrigatório)
Valores	[Obrigatório] Definir valores de atrasos de destino.	int[] (obrigatório)

CustomTargetRollingWindowSize

Nome	Descrição	Valor
modo	[Obrigatório] Modo de detecção TargetRollingWindowSiz.	'Custom' (obrigatório)
valor	[Obrigatório] Valor TargetRollingWindowSize.	int (obrigatório)

DistributionConfiguration

Nome	Descrição	Valor
distributionType	Definir como 'Mpi' para o tipo Mpi. Defina como 'PyTorch' para o tipo PyTorch . Defina como 'TensorFlow' para o tipo tensorFlow.	'Mpi' 'PyTorch' 'TensorFlow' (obrigatório)

EarlyTerminationPolicy

Nome	Descrição	Valor
delayEvaluation	Número de intervalos pelos quais atrasar a primeira avaliação.	int
evaluationInterval	Intervalo (número de execuções) entre avaliações de política.	int
policyType	Definido como 'Bandit' para o tipo BanditPolicy. Defina como 'MedianStopping' para o tipo MedianStoppingPolicy. Defina como 'TruncationSelection' para o tipo TruncationSelectionPolicy.	'Bandido' 'MedianStopping' 'TruncationSelection' (obrigatório)

ForecastHorizon

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoForecastHorizon. Defina como 'Personalizado' para o tipo CustomForecastHorizon.	'Auto' 'Custom' (obrigatório)

Previsão

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	TableVerticalFeaturizationSettings
forecastingSettings	Previsão de entradas específicas da tarefa.	ForecastingSettings
limitSettings	Restrições de execução para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido.	NCrossValidations
primaryMetric	Métrica primária para a tarefa de previsão.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'SpearmanCorrelation'
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'Previsão' (obrigatório)
testData	Testar a entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
trainingSettings	Entradas para a fase de treinamento para um Trabalho AutoML.	ForecastingTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
weightColumnName	O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	corda

ForecastingSettings

Nome	Descrição	Valor
countryOrRegionForHolidays	País ou região para feriados para tarefas de previsão. Eles devem ser códigos de país/região de duas letras ISO 3166, por exemplo , "EUA" ou "GB".	corda
cvStepSize	Número de períodos entre o tempo de origem de uma dobra CV e a próxima dobra. Durante exemplo, se CVStepSize = 3 para dados diários, o tempo de origem para cada dobra será três dias separados.	int
featureLags	Sinalizador para gerar atrasos para os recursos numéricos com 'automático' ou nulo.	'Auto' 'None'
forecastHorizon	O horizonte de previsão máxima desejado em unidades de frequência de série temporal.	ForecastHorizon
frequência	Ao prever, esse parâmetro representa o período com o qual a previsão é desejada, por exemplo, diária, semanal, anual etc. A frequência de previsão é a frequência do conjunto de dados por padrão.	corda
Sazonalidade	Defina a sazonalidade da série temporal como um múltiplo inteiro da frequência da série. Se a sazonalidade for definida como 'auto', ela será inferida.	de sazonalidade
shortSeriesHandlingConfig	O parâmetro que define como se o AutoML deve lidar com séries temporais curtas.	'Auto' 'Drop' 'None' 'Pad'
targetAggregateFunction	A função a ser usada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada pelo usuário. Se TargetAggregateFunction estiver definido, ou seja, não 'None', mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "sum", "max", "min" e "mean".	'Max' 'Mean' 'Min' 'None' 'Soma'
targetLags	O número de períodos passados a serem atrasados da coluna de destino.	targetLags
targetRollingWindowSize	O número de períodos passados usados para criar uma média de janela sem interrupção da coluna de destino.	TargetRollingWindowSize
timeColumnName	O nome da coluna de hora. Esse parâmetro é necessário ao prever para especificar a coluna datetime nos dados de entrada usados para criar a série temporal e inferir sua frequência.	corda
timeSeriesIdColumnNames	Os nomes das colunas usadas para agrupar uma série de horários. Ele pode ser usado para criar várias séries. Se a granulação não estiver definida, o conjunto de dados será considerado uma série temporal. Esse parâmetro é usado com a previsão de tipo de tarefa.	string[]
useStl	Configure a Decomposição de STL da coluna de destino da série temporal.	'None' 'Season' 'SeasonTrend'

ForecastingTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para a tarefa de previsão.	Matriz de cadeia de caracteres que contém qualquer um dos: 'Arimax' 'AutoArima' 'Média' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' 'Profeta' 'RandomForest' 'SeasonalAverage' 'SeasonalNaive' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
blockedTrainingAlgorithms	Modelos bloqueados para a tarefa de previsão.	Matriz de cadeia de caracteres que contém qualquer um dos: 'Arimax' 'AutoArima' 'Média' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' 'Profeta' 'RandomForest' 'SeasonalAverage' 'SeasonalNaive' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
enableDnnTraining	Habilitar a recomendação de modelos DNN.	Bool
enableModelExplainability	Sinalizar para ativar a explicabilidade no melhor modelo.	Bool
enableOnnxCompatibleModels	Sinalizador para habilitar modelos compatíveis com onnx.	Bool
enableStackEnsemble	Habilitar a execução do conjunto de pilhas.	Bool
enableVoteEnsemble	Habilitar a execução do conjunto de votação.	Bool
ensembleModelDownloadTimeout	Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados. Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.	corda
stackEnsembleSettings	Configurações do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

GridSamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	[Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração	'Grid' (obrigatório)

IdentityConfiguration

Nome	Descrição	Valor
identityType	Defina como 'AMLToken' para o tipo AmlToken. Definido como 'Gerenciado' para o tipo ManagedIdentity. Defina como 'UserIdentity' para o tipo UserIdentity.	'AMLToken' 'Gerenciado' 'UserIdentity' (obrigatório)

ImageClassification

Nome	Descrição	Valor
limitSettings	[Obrigatório] Limite as configurações para o trabalho autoML.	ImageLimitSettings (obrigatório)
modelSettings	Configurações usadas para treinar o modelo.	ImageModelSettingsClassification
primaryMetric	Métrica primária a ser otimizada para essa tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Configurações relacionadas à varredura de modelo e hiperparâmetro.	ImageSweepSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageClassification' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int

ImageClassificationMultilabel

Nome	Descrição	Valor
limitSettings	[Obrigatório] Limite as configurações para o trabalho autoML.	ImageLimitSettings (obrigatório)
modelSettings	Configurações usadas para treinar o modelo.	ImageModelSettingsClassification
primaryMetric	Métrica primária a ser otimizada para essa tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Configurações relacionadas à varredura de modelo e hiperparâmetro.	ImageSweepSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageClassificationMultilabel' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int

ImageInstanceSegmentation

Nome	Descrição	Valor
limitSettings	[Obrigatório] Limite as configurações para o trabalho autoML.	ImageLimitSettings (obrigatório)
modelSettings	Configurações usadas para treinar o modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica primária a ser otimizada para essa tarefa.	'MeanAveragePrecision'
searchSpace	Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Configurações relacionadas à varredura de modelo e hiperparâmetro.	ImageSweepSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageInstanceSegmentation' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int

ImageLimitSettings

Nome	Descrição	Valor
maxConcurrentTrials	Número máximo de iterações AutoML simultâneas.	int
maxTrials	Número máximo de iterações AutoML.	int
timeout	Tempo limite do trabalho autoML.	corda

ImageModelDistributionSettingsClassification

Nome	Descrição	Valor
amsGradient	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.	corda
Aumentos	Configurações para usar aumentos.	corda
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	corda
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	corda
Distribuído	Se você deve usar o treinamento do distribuídor.	corda
earlyStopping	Habilite a lógica de parada antecipada durante o treinamento.	corda
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um inteiro positivo.	corda
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes a execução é interrompida. Deve ser um inteiro positivo.	corda
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	corda
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.	corda
gradientAccumulationStep	Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.	corda
layersToFreeze	Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	corda
learningRate	Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].	corda
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".	corda
modelName	Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models.	corda
ímpeto	Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].	corda
aninhado	Habilite aninhado quando o otimizador for 'sgd'.	corda
numberOfEpochs	Número de épocas de treinamento. Deve ser um inteiro positivo.	corda
numberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.	corda
Otimizador	Tipo de otimizador. Deve ser "sgd", "adam" ou "adamw".	corda
randomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico.	corda
stepLRGamma	Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].	corda
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.	corda
trainingBatchSize	Tamanho do lote de treinamento. Deve ser um inteiro positivo.	corda
trainingCropSize	Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de treinamento. Deve ser um inteiro positivo.	corda
validationBatchSize	Tamanho do lote de validação. Deve ser um inteiro positivo.	corda
validationCropSize	Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de validação. Deve ser um inteiro positivo.	corda
validationResizeSize	Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um inteiro positivo.	corda
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].	corda
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.	corda
weightDecay	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].	corda
weightedLoss	Perda ponderada. Os valores aceitos são 0 para nenhuma perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Deve ser 0 ou 1 ou 2.	corda

ImageModelDistributionSettingsObjectDetection

Nome	Descrição	Valor
amsGradient	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.	corda
Aumentos	Configurações para usar aumentos.	corda
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	corda
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	corda
boxDetectionsPerImage	Número máximo de detecções por imagem, para todas as classes. Deve ser um inteiro positivo. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
boxScoreThreshold	Durante a inferência, retornar apenas propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um float no intervalo[0, 1].	corda
Distribuído	Se você deve usar o treinamento do distribuídor.	corda
earlyStopping	Habilite a lógica de parada antecipada durante o treinamento.	corda
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um inteiro positivo.	corda
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes a execução é interrompida. Deve ser um inteiro positivo.	corda
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	corda
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.	corda
gradientAccumulationStep	Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.	corda
imageSize	Tamanho da imagem para treinamento e validação. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	corda
layersToFreeze	Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	corda
learningRate	Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].	corda
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".	corda
maxSize	Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
minSize	Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
modelName	Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models.	corda
modelSize	Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho do modelo for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	corda
ímpeto	Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].	corda
multiEscala	Habilite a imagem de várias escalas variando o tamanho da imagem em +/- 50%. Observação: a execução de treinamento poderá entrar no CUDA OOM se não houver memória de GPU suficiente. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	corda
aninhado	Habilite aninhado quando o otimizador for 'sgd'.	corda
nmsIouThreshold	Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve estar flutuando no intervalo [0, 1].	corda
numberOfEpochs	Número de épocas de treinamento. Deve ser um inteiro positivo.	corda
numberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.	corda
Otimizador	Tipo de otimizador. Deve ser "sgd", "adam" ou "adamw".	corda
randomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico.	corda
stepLRGamma	Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].	corda
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.	corda
tileGridSize	O tamanho da grade a ser usado para dimensionar cada imagem. Observação: TileGridSize não deve ser Nenhum para habilitar a lógica de detecção de objeto pequena. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
tileOverlapRatio	Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1). Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
tilePredictionsNmsThreshold	O limite de IOU a ser usado para executar o NMS ao mesclar previsões de blocos e imagem. Usado na validação/inferência. Deve estar flutuando no intervalo [0, 1]. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'. NMS: supressão não máxima	corda
trainingBatchSize	Tamanho do lote de treinamento. Deve ser um inteiro positivo.	corda
validationBatchSize	Tamanho do lote de validação. Deve ser um inteiro positivo.	corda
validationIouThreshold	Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1].	corda
validationMetricType	Método de computação de métrica a ser usado para métricas de validação. Deve ser 'none', 'coco', 'voc' ou 'coco_voc'.	corda
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].	corda
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.	corda
weightDecay	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].	corda

ImageModelSettingsClassification

Nome	Descrição	Valor
advancedSettings	Configurações para cenários avançados.	corda
amsGradient	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.	Bool
Aumentos	Configurações para usar aumentos.	corda
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	int
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	int
checkpointFrequency	Frequência para armazenar pontos de verificação de modelo. Deve ser um inteiro positivo.	int
checkpointModel	O modelo de ponto de verificação pré-treinado para treinamento incremental.	MLFlowModelJobInput
checkpointRunId	A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental.	corda
Distribuído	Se você deve usar o treinamento distribuído.	Bool
earlyStopping	Habilite a lógica de parada antecipada durante o treinamento.	Bool
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um inteiro positivo.	int
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes a execução é interrompida. Deve ser um inteiro positivo.	int
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	Bool
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.	int
gradientAccumulationStep	Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.	int
layersToFreeze	Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].	int
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".	'None' 'Step' 'WarmupCosine'
modelName	Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models.	corda
ímpeto	Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].	int
aninhado	Habilite aninhado quando o otimizador for 'sgd'.	Bool
numberOfEpochs	Número de épocas de treinamento. Deve ser um inteiro positivo.	int
numberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.	int
Otimizador	Tipo de otimizador.	'Adam' 'Adamw' 'None' 'Sgd'
randomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico.	int
stepLRGamma	Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].	int
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.	int
trainingBatchSize	Tamanho do lote de treinamento. Deve ser um inteiro positivo.	int
trainingCropSize	Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de treinamento. Deve ser um inteiro positivo.	int
validationBatchSize	Tamanho do lote de validação. Deve ser um inteiro positivo.	int
validationCropSize	Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de validação. Deve ser um inteiro positivo.	int
validationResizeSize	Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um inteiro positivo.	int
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].	int
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.	int
weightDecay	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].	int
weightedLoss	Perda ponderada. Os valores aceitos são 0 para nenhuma perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Deve ser 0 ou 1 ou 2.	int

ImageModelSettingsObjectDetection

Nome	Descrição	Valor
advancedSettings	Configurações para cenários avançados.	corda
amsGradient	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.	Bool
Aumentos	Configurações para usar aumentos.	corda
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	int
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].	int
boxDetectionsPerImage	Número máximo de detecções por imagem, para todas as classes. Deve ser um inteiro positivo. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	int
boxScoreThreshold	Durante a inferência, retornar apenas propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um float no intervalo[0, 1].	int
checkpointFrequency	Frequência para armazenar pontos de verificação de modelo. Deve ser um inteiro positivo.	int
checkpointModel	O modelo de ponto de verificação pré-treinado para treinamento incremental.	MLFlowModelJobInput
checkpointRunId	A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental.	corda
Distribuído	Se você deve usar o treinamento distribuído.	Bool
earlyStopping	Habilite a lógica de parada antecipada durante o treinamento.	Bool
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação para aguardar antes da melhoria da métrica primária é rastreado para parada antecipada. Deve ser um inteiro positivo.	int
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes a execução é interrompida. Deve ser um inteiro positivo.	int
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.	Bool
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.	int
gradientAccumulationStep	Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizando os pesos do modelo ao acumular os gradientes dessas etapas e, em seguida, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.	int
imageSize	Tamanho da imagem para treinamento e validação. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	int
layersToFreeze	Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa camada de congelamento0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].	int
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".	'None' 'Step' 'WarmupCosine'
maxSize	Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	int
minSize	Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	int
modelName	Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: /azure/machine-learning/how-to-auto-train-image-models.	corda
modelSize	Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho do modelo for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	'ExtraLarge' 'Grande' 'Médio' 'None' 'Pequeno'
ímpeto	Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].	int
multiEscala	Habilite a imagem de várias escalas variando o tamanho da imagem em +/- 50%. Observação: a execução de treinamento poderá entrar no CUDA OOM se não houver memória de GPU suficiente. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.	Bool
aninhado	Habilite aninhado quando o otimizador for 'sgd'.	Bool
nmsIouThreshold	Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve ser um float no intervalo [0, 1].	int
numberOfEpochs	Número de épocas de treinamento. Deve ser um inteiro positivo.	int
numberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.	int
Otimizador	Tipo de otimizador.	'Adam' 'Adamw' 'None' 'Sgd'
randomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico.	int
stepLRGamma	Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].	int
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.	int
tileGridSize	O tamanho da grade a ser usado para dimensionar cada imagem. Observação: TileGridSize não deve ser Nenhum para habilitar a lógica de detecção de objeto pequena. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	corda
tileOverlapRatio	Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1). Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	int
tilePredictionsNmsThreshold	O limite de IOU a ser usado para executar o NMS ao mesclar previsões de blocos e imagem. Usado na validação/inferência. Deve estar flutuando no intervalo [0, 1]. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.	int
trainingBatchSize	Tamanho do lote de treinamento. Deve ser um inteiro positivo.	int
validationBatchSize	Tamanho do lote de validação. Deve ser um inteiro positivo.	int
validationIouThreshold	Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1].	int
validationMetricType	Método de computação de métrica a ser usado para métricas de validação.	'Coco' 'CocoVoc' 'None' 'Voc'
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].	int
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.	int
weightDecay	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].	int

ImageObjectDetection

Nome	Descrição	Valor
limitSettings	[Obrigatório] Limite as configurações para o trabalho autoML.	ImageLimitSettings (obrigatório)
modelSettings	Configurações usadas para treinar o modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica primária a ser otimizada para essa tarefa.	'MeanAveragePrecision'
searchSpace	Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Configurações relacionadas à varredura de modelo e hiperparâmetro.	ImageSweepSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'ImageObjectDetection' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int

ImageSweepSettings

Nome	Descrição	Valor
earlyTermination	Tipo de política de término antecipado.	EarlyTerminationPolicy
samplingAlgorithm	[Obrigatório] Tipo dos algoritmos de amostragem do hiperparâmetro.	'Bayesian' 'Grade' 'Aleatório' (obrigatório)

JobBaseProperties

Nome	Descrição	Valor
componentId	ID do recurso arm do recurso de componente.	corda
computeId	ID do recurso arm do recurso de computação.	corda
descrição	O texto de descrição do ativo.	corda
displayName	Nome de exibição do trabalho.	corda
experimentName	O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão".	corda
identidade	Configuração de identidade. Se definido, este deverá ser um de AmlToken, ManagedIdentity, UserIdentity ou null. O padrão será AmlToken se nulo.	IdentityConfiguration
isArchived	O ativo está arquivado?	Bool
jobType	Definido como 'AutoML' para o tipo AutoMLJob. Defina como 'Command' para o tipo CommandJob. Defina como 'Pipeline' para o tipo pipelineJob. Defina como 'Sweep' para o tipo SweepJob .	'AutoML' 'Command' 'Pipeline' 'Sweep' (obrigatório)
Propriedades	O dicionário de propriedades do ativo.	ResourceBaseProperties
Serviços	Lista de JobEndpoints. Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.	JobBaseServices
Tags	Dicionário de marcas. As marcas podem ser adicionadas, removidas e atualizadas.	ResourceBaseTags

JobBaseServices

Nome	Descrição	Valor

JobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	corda
jobInputType	Defina como 'custom_model' para o tipo CustomModelJobInput . Defina como 'literal' para o tipo LiteralJobInput. Defina como 'mlflow_model' para o tipo MLFlowModelJobInput . Defina como 'mltable' para o tipo MLTableJobInput . Defina como 'triton_model' para o tipo TritonModelJobInput. Defina como 'uri_file' para o tipo UriFileJobInput. Defina como 'uri_folder' para o tipo UriFolderJobInput.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)

JobOutput

Nome	Descrição	Valor
descrição	Descrição da saída.	corda
jobOutputType	Defina como 'custom_model' para o tipo CustomModelJobOutput . Defina como 'mlflow_model' para o tipo MLFlowModelJobOutput . Defina como 'mltable' para o tipo MLTableJobOutput . Defina como 'triton_model' para o tipo TritonModelJobOutput. Defina como 'uri_file' para o tipo UriFileJobOutput. Defina como 'uri_folder' para o tipo UriFolderJobOutput.	'custom_model' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)

JobResourceConfiguration

Nome	Descrição	Valor
dockerArgs	Argumentos extras a serem passados para o comando de execução do Docker. Isso substituiria todos os parâmetros que já foram definidos pelo sistema ou nesta seção. Esse parâmetro só tem suporte para tipos de computação do Azure ML.	corda
instanceCount	Número opcional de instâncias ou nós usados pelo destino de computação.	int
instanceType	Tipo opcional de VM usado como suporte pelo destino de computação.	corda
Propriedades	Recipiente de propriedades adicionais.	ResourceConfigurationProperties
shmSize	Tamanho do bloco de memória compartilhada do contêiner do Docker. Isso deve estar no formato (número)(unidade), em que o número seja maior que 0 e a unidade possa ser um de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes).	corda Restrições: Padrão = \d+[bBkKmMgG]

JobService

Nome	Descrição	Valor
Extremidade	Url para ponto de extremidade.	corda
jobServiceType	Tipo de ponto de extremidade.	corda
porta	Porta para ponto de extremidade.	int
Propriedades	Propriedades adicionais a serem definidas no ponto de extremidade.	JobServiceProperties

JobServiceProperties

Nome	Descrição	Valor

LiteralJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'literal' (obrigatório)
valor	[Obrigatório] Valor literal para a entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

ManagedIdentity

Nome	Descrição	Valor
clientId	Especifica uma identidade atribuída pelo usuário pela ID do cliente. Para atribuído pelo sistema, não defina esse campo.	corda Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identityType	[Obrigatório] Especifica o tipo de estrutura de identidade.	'Gerenciado' (obrigatório)
objectId	Especifica uma identidade atribuída pelo usuário por ID de objeto. Para atribuído pelo sistema, não defina esse campo.	corda Restrições: Comprimento mínimo = 36 Comprimento máximo = 36 Padrão = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId	Especifica uma identidade atribuída pelo usuário pela ID de recurso do ARM. Para atribuído pelo sistema, não defina esse campo.	corda

MedianStoppingPolicy

Nome	Descrição	Valor
policyType	[Obrigatório] Nome da configuração de política	'MedianStopping' (obrigatório)

Microsoft.MachineLearningServices/workspaces/jobs

Nome	Descrição	Valor
nome	O nome do recurso	corda Restrições: Padrão = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (obrigatório)
parent_id	A ID do recurso que é o pai desse recurso.	ID do recurso do tipo: workspaces
Propriedades	[Obrigatório] Atributos adicionais da entidade.	JobBaseProperties (obrigatório)
tipo	O tipo de recurso	"Microsoft.MachineLearningServices/workspaces/jobs@2022-10-01"

MLFlowModelJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'mlflow_model' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

MLFlowModelJobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	corda
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

MLFlowModelJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'mlflow_model' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

MLTableJobInput

Nome	Descrição	Valor
descrição	Descrição da entrada.	corda
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

MLTableJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'mltable' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

MLTableJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'mltable' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

Mpi

Nome	Descrição	Valor
distributionType	[Obrigatório] Especifica o tipo de estrutura de distribuição.	'Mpi' (obrigatório)
processCountPerInstance	Número de processos por nó de MPI.	int

NCrossValidations

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoNCrossValidations. Definido como 'Personalizado' para o tipo CustomNCrossValidations.	'Auto' 'Custom' (obrigatório)

NlpVerticalFeaturizationSettings

Nome	Descrição	Valor
datasetLanguage	Linguagem de conjunto de dados, útil para os dados de texto.	corda

NlpVerticalLimitSettings

Nome	Descrição	Valor
maxConcurrentTrials	Iterações automáticas simultâneas máximas.	int
maxTrials	Número de iterações AutoML.	int
timeout	Tempo limite do trabalho autoML.	corda

Objetivo

Nome	Descrição	Valor
objetivo	[Obrigatório] Define as metas de métrica com suporte para ajuste de hiperparâmetro	'Maximize' 'Minimizar' (obrigatório)
primaryMetric	[Obrigatório] Nome da métrica a ser otimizada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

PipelineJob

Nome	Descrição	Valor
Entradas	Entradas para o trabalho de pipeline.	pipelineJobInputs
Empregos	Trabalhos constrói o Trabalho de Pipeline.	PipelineJobJobs
jobType	[Obrigatório] Especifica o tipo de trabalho.	'Pipeline' (obrigatório)
Saídas	Saídas para o trabalho de pipeline	pipelineJobOutputs
Configurações	Configurações de pipeline, para itens como ContinueRunOnStepFailure etc.	any
sourceJobId	ID de recurso do ARM do trabalho de origem.	corda

PipelineJobInputs

Nome	Descrição	Valor

PipelineJobJobs

Nome	Descrição	Valor

PipelineJobOutputs

Nome	Descrição	Valor

PyTorch

Nome	Descrição	Valor
distributionType	[Obrigatório] Especifica o tipo de estrutura de distribuição.	'PyTorch' (obrigatório)
processCountPerInstance	Número de processos por nó.	int

RandomSamplingAlgorithm

Nome	Descrição	Valor
regra	O tipo específico de algoritmo aleatório	'Aleatório' 'Sobol'
samplingAlgorithmType	[Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração	'Aleatório' (obrigatório)
semente	Um inteiro opcional a ser usado como a semente para geração de número aleatório	int

Regressão

Nome	Descrição	Valor
cvSplitColumnNames	Colunas a serem usadas para dados CVSplit.	string[]
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	TableVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não é fornecido.	NCrossValidations
primaryMetric	Métrica primária para a tarefa de regressão.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'SpearmanCorrelation'
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'Regressão' (obrigatório)
testData	Testar a entrada de dados.	MLTableJobInput
testDataSize	A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
trainingSettings	Entradas para a fase de treinamento para um Trabalho AutoML.	RegressionTrainingSettings
validationData	Entradas de dados de validação.	MLTableJobInput
validationDataSize	A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0, 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.	int
weightColumnName	O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.	corda

RegressionTrainingSettings

Nome	Descrição	Valor
allowedTrainingAlgorithms	Modelos permitidos para tarefa de regressão.	Matriz de cadeia de caracteres que contém qualquer um dos: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
blockedTrainingAlgorithms	Modelos bloqueados para a tarefa de regressão.	Matriz de cadeia de caracteres que contém qualquer um dos: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
enableDnnTraining	Habilitar a recomendação de modelos DNN.	Bool
enableModelExplainability	Sinalizar para ativar a explicabilidade no melhor modelo.	Bool
enableOnnxCompatibleModels	Sinalizador para habilitar modelos compatíveis com onnx.	Bool
enableStackEnsemble	Habilitar a execução do conjunto de pilhas.	Bool
enableVoteEnsemble	Habilitar a execução do conjunto de votação.	Bool
ensembleModelDownloadTimeout	Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados. Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.	corda
stackEnsembleSettings	Configurações do conjunto de pilhas para a execução do conjunto de pilhas.	StackEnsembleSettings

ResourceBaseProperties

Nome	Descrição	Valor

ResourceBaseTags

Nome	Descrição	Valor

ResourceConfigurationProperties

Nome	Descrição	Valor

SamplingAlgorithm

Nome	Descrição	Valor
samplingAlgorithmType	Defina como 'Bayesian' para o tipo BayesianSamplingAlgorithm. Defina como 'Grid' para o tipo GridSamplingAlgorithm. Definido como 'Aleatório' para o tipo RandomSamplingAlgorithm.	'Bayesian' 'Grade' 'Aleatório' (obrigatório)

Sazonalidade

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipode AutoSeasonalidade . Definido como 'Personalizado' para o tipo customSeasonality.	'Auto' 'Custom' (obrigatório)

StackEnsembleSettings

Nome	Descrição	Valor
stackMetaLearnerKWargs	Parâmetros opcionais a serem passados para o inicializador do meta-aprendiz.	any
stackMetaLearnerTrainPercentage	Especifica a proporção do conjunto de treinamento (ao escolher o treinamento e o tipo de treinamento de validação) a ser reservado para treinar o meta-aprendiz. O valor padrão é 0,2.	int
stackMetaLearnerType	O meta-aprendiz é um modelo treinado na saída dos modelos heterogêneos individuais.	'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'None'

SweepJob

Nome	Descrição	Valor
earlyTermination	As políticas de término antecipado permitem o cancelamento de execuções de baixo desempenho antes de serem concluídas	EarlyTerminationPolicy
Entradas	Mapeamento de associações de dados de entrada usadas no trabalho.	SweepJobInputs
jobType	[Obrigatório] Especifica o tipo de trabalho.	'Sweep' (obrigatório)
Limites	Limite de trabalho de varredura.	SweepJobLimits
objetivo	[Obrigatório] Objetivo de otimização.	objective (obrigatório)
Saídas	Mapeamento de associações de dados de saída usadas no trabalho.	SweepJobOutputs
samplingAlgorithm	[Obrigatório] O algoritmo de amostragem de hiperparâmetro	SamplingAlgorithm (obrigatório)
searchSpace	[Obrigatório] Um dicionário que contém cada parâmetro e sua distribuição. A chave do dicionário é o nome do parâmetro	any (obrigatório)
julgamento	[Obrigatório] Definição do componente de avaliação.	TrialComponent (obrigatório)

SweepJobInputs

Nome	Descrição	Valor

SweepJobLimits

Nome	Descrição	Valor
jobLimitsType	[Obrigatório] Tipo JobLimit.	'Command' 'Sweep' (obrigatório)
maxConcurrentTrials	Avaliações simultâneas máximas do Trabalho de Varredura.	int
maxTotalTrials	Limpar o total de avaliações totais do trabalho de varredura.	int
timeout	A duração máxima da execução no formato ISO 8601, após a qual o trabalho será cancelado. Só dá suporte à duração com precisão tão baixa quanto Segundos.	corda
trialTimeout	Valor de tempo limite da Avaliação do Trabalho de Varredura.	corda

SweepJobOutputs

Nome	Descrição	Valor

TableVerticalFeaturizationSettings

Nome	Descrição	Valor
blockedTransformers	Esses transformadores não devem ser usados na apresentação.	Matriz de cadeia de caracteres que contém qualquer um dos: 'CatTargetEncoder' 'CountVectorizer' 'HashOneHotEncoder' 'LabelEncoder' 'NaiveBayes' 'OneHotEncoder' 'TextTargetEncoder' 'TfIdf' 'WoETargetEncoder' 'WordEmbedding'
columnNameAndTypes	Dicionário de nome da coluna e seu tipo (int, float, string, datetime etc).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Linguagem de conjunto de dados, útil para os dados de texto.	corda
enableDnnFeaturization	Determina se os recursos baseados em Dnn devem ser usados para a apresentação de dados.	Bool
modo	Modo de apresentação – o usuário pode manter o modo 'Auto' padrão e o AutoML cuidará da transformação necessária dos dados na fase de apresentação. Se 'Off' estiver selecionado, nenhuma apresentação será feita. Se 'Custom' estiver selecionado, o usuário poderá especificar entradas adicionais para personalizar como a apresentação é feita.	'Auto' 'Personalizado' 'Desativado'
transformerParams	O usuário pode especificar transformadores adicionais a serem usados junto com as colunas às quais ele seria aplicado e parâmetros para o construtor do transformador.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Nome	Descrição	Valor

TableVerticalFeaturizationSettingsTransformerParams

Nome	Descrição	Valor

TableVerticalLimitSettings

Nome	Descrição	Valor
enableEarlyTermination	Habilite a terminação antecipada, determina se o AutoMLJob terminará antecipadamente se não houver melhoria de pontuação nas últimas 20 iterações.	Bool
exitScore	Pontuação de saída para o trabalho autoML.	int
maxConcurrentTrials	Iterações simultâneas máximas.	int
maxCoresPerTrial	Núcleos máximos por iteração.	int
maxTrials	Número de iterações.	int
timeout	Tempo limite do trabalho autoML.	corda
trialTimeout	Tempo limite de iteração.	corda

TargetLags

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoTargetLags. Definido como 'Personalizado' para o tipo CustomTargetLags .	'Auto' 'Custom' (obrigatório)

TargetRollingWindowSize

Nome	Descrição	Valor
modo	Defina como 'Auto' para o tipo AutoTargetRollingWindowSize. Defina como 'Personalizado' para o tipo CustomTargetRollingWindowSize.	'Auto' 'Custom' (obrigatório)

TensorFlow

Nome	Descrição	Valor
distributionType	[Obrigatório] Especifica o tipo de estrutura de distribuição.	'TensorFlow' (obrigatório)
parameterServerCount	Número de tarefas do servidor de parâmetros.	int
workerCount	Número de trabalhadores. Se não for especificado, o padrão será a contagem de instâncias.	int

TextClassification

Nome	Descrição	Valor
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
primaryMetric	Métrica primária para Text-Classification tarefa.	'Precisão' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextClassification' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput

TextClassificationMultilabel

Nome	Descrição	Valor
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextClassificationMultilabel' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput

TextNer

Nome	Descrição	Valor
featurizationSettings	Entradas de apresentação necessárias para o trabalho autoML.	NlpVerticalFeaturizationSettings
limitSettings	Restrições de execução para AutoMLJob.	NlpVerticalLimitSettings
taskType	[Obrigatório] Tipo de tarefa para AutoMLJob.	'TextNER' (obrigatório)
validationData	Entradas de dados de validação.	MLTableJobInput

TrialComponent

Nome	Descrição	Valor
codeId	ID do recurso ARM do ativo de código.	corda
comando	[Obrigatório] O comando a ser executado na inicialização do trabalho. Eg. "python train.py"	corda Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório)
distribuição	Configuração de distribuição do trabalho. Se definido, este deverá ser um de Mpi, Tensorflow, PyTorch ou nulo.	DistributionConfiguration
environmentId	[Obrigatório] A ID do recurso ARM da especificação de Ambiente para o trabalho.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)
environmentVariables	Variáveis de ambiente incluídas no trabalho.	TrialComponentEnvironmentVariables
Recursos	Configuração de recursos de computação para o trabalho.	JobResourceConfiguration

TrialComponentEnvironmentVariables

Nome	Descrição	Valor

TritonModelJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'triton_model' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

TritonModelJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'triton_model' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

TruncationSelectionPolicy

Nome	Descrição	Valor
policyType	[Obrigatório] Nome da configuração de política	'TruncationSelection' (obrigatório)
truncationPercentage	O percentual de execuções a serem canceladas em cada intervalo de avaliação.	int

UriFileJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'uri_file' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

UriFileJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'uri_file' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

UriFolderJobInput

Nome	Descrição	Valor
jobInputType	[Obrigatório] Especifica o tipo de trabalho.	'uri_folder' (obrigatório)
modo	Modo de entrega de ativo de entrada.	'Direct' 'Baixar' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
URI	[Obrigatório] URI do ativo de entrada.	corda Restrições: Padrão = [a-zA-Z0-9_] (obrigatório)

UriFolderJobOutput

Nome	Descrição	Valor
jobOutputType	[Obrigatório] Especifica o tipo de trabalho.	'uri_folder' (obrigatório)
modo	Modo de Entrega de Ativos de Saída.	'ReadWriteMount' 'Carregar'
URI	URI do ativo de saída.	corda

UserIdentity

Nome	Descrição	Valor
identityType	[Obrigatório] Especifica o tipo de estrutura de identidade.	'UserIdentity' (obrigatório)