Workspaces/agendas do Microsoft.MachineLearningServices 2023-10-01
Definição de recurso do Bicep
O tipo de recurso workspaces/schedules 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/schedules, adicione o seguinte Bicep ao seu modelo.
resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2023-10-01' = {
parent: resourceSymbolicName
name: 'string'
properties: {
action: {
actionType: 'string'
// For remaining properties, see ScheduleActionBase objects
}
description: 'string'
displayName: 'string'
isEnabled: bool
properties: {
{customized property}: 'string'
}
tags: {
{customized property}: 'string'
}
trigger: {
endTime: 'string'
startTime: 'string'
timeZone: 'string'
triggerType: 'string'
// For remaining properties, see TriggerBase objects
}
}
}
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 MonitoringFeatureFilterBase
Defina a propriedade filterType para especificar o tipo de objeto.
Para AllFeatures, use:
{
filterType: 'AllFeatures'
}
Para FeatureSubset, use:
{
features: [
'string'
]
filterType: 'FeatureSubset'
}
Para TopNByAttribution, use:
{
filterType: 'TopNByAttribution'
top: int
}
Objetos MonitorComputeConfigurationBase
Defina a propriedade computeType para especificar o tipo de objeto.
Para ServerlessSpark, use:
{
computeIdentity: {
computeIdentityType: 'string'
// For remaining properties, see MonitorComputeIdentityBase objects
}
computeType: 'ServerlessSpark'
instanceType: 'string'
runtimeVersion: 'string'
}
Objetos TriggerBase
Defina a propriedade triggerType para especificar o tipo de objeto.
Para cron, use:
{
expression: 'string'
triggerType: 'Cron'
}
Para de Recorrência, use:
{
frequency: 'string'
interval: int
schedule: {
hours: [
int
]
minutes: [
int
]
monthDays: [
int
]
weekDays: [
'string'
]
}
triggerType: 'Recurrence'
}
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 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
}
}
queueSettings: {
jobTier: 'string'
}
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
{
codeId: 'string'
command: 'string'
distribution: {
distributionType: 'string'
// For remaining properties, see DistributionConfiguration objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
jobType: 'Command'
limits: {
jobLimitsType: 'string'
timeout: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
queueSettings: {
jobTier: 'string'
}
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
}
}
queueSettings: {
jobTier: 'string'
}
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 de nós
Defina a propriedade nodesValueType para especificar o tipo de objeto.
Para Todos os, use:
{
nodesValueType: 'All'
}
Objetos MonitoringInputDataBase
Defina a propriedade inputDataType para especificar o tipo de objeto.
Para Fixa, use:
{
inputDataType: 'Fixed'
}
Para Rolling, use:
{
inputDataType: 'Rolling'
preprocessingComponentId: 'string'
windowOffset: 'string'
windowSize: 'string'
}
Para estático, use:
{
inputDataType: 'Static'
preprocessingComponentId: 'string'
windowEnd: 'string'
windowStart: 'string'
}
Objetos PredictionDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
{
dataType: 'Categorical'
metric: 'string'
}
Para Numérico, use:
{
dataType: 'Numerical'
metric: '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 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 TargetLags
Defina o modo propriedade para especificar o tipo de objeto.
Para Auto, use:
{
mode: 'Auto'
}
Para Personalizado, use:
{
mode: 'Custom'
values: [
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 MonitorComputeIdentityBase
Defina a propriedade computeIdentityType para especificar o tipo de objeto.
Para AmlToken, use:
{
computeIdentityType: 'AmlToken'
}
Para ManagedIdentity, use:
{
computeIdentityType: 'ManagedIdentity'
identity: {
type: 'string'
userAssignedIdentities: {
{customized property}: {}
}
}
}
Objetos MonitoringSignalBase
Defina a propriedade signalType para especificar o tipo de objeto.
Para Personalizado, use:
{
componentId: 'string'
inputAssets: {
{customized property}: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
metricThresholds: [
{
metric: 'string'
threshold: {
value: int
}
}
]
signalType: 'Custom'
}
Para DataDrift, use:
{
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: 'string'
}
features: {
filterType: 'string'
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see DataDriftMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
signalType: 'DataDrift'
}
Para dataquality, use:
{
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: 'string'
}
features: {
filterType: 'string'
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see DataQualityMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
signalType: 'DataQuality'
}
Para FeatureAttributionDrift, use:
{
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: 'string'
}
metricThreshold: {
metric: 'string'
threshold: {
value: int
}
}
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
signalType: 'FeatureAttributionDrift'
}
Para PredictionDrift, use:
{
featureDataTypeOverride: {
{customized property}: 'string'
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
signalType: 'PredictionDrift'
}
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 ScheduleActionBase
Defina a propriedade actionType para especificar o tipo de objeto.
Para CreateJob, use:
{
actionType: 'CreateJob'
jobDefinition: {
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'
nodes: {
nodesValueType: 'string'
// For remaining properties, see Nodes objects
}
port: int
properties: {
{customized property}: 'string'
}
}
}
tags: {
{customized property}: 'string'
}
jobType: 'string'
// For remaining properties, see JobBaseProperties objects
}
}
Para CreateMonitor, use:
{
actionType: 'CreateMonitor'
monitorDefinition: {
alertNotificationSettings: {
emailNotificationSettings: {
emails: [
'string'
]
}
}
computeConfiguration: {
computeType: 'string'
// For remaining properties, see MonitorComputeConfigurationBase objects
}
monitoringTarget: {
deploymentId: 'string'
modelId: 'string'
taskType: 'string'
}
signals: {
{customized property}: {
notificationTypes: [
'string'
]
properties: {
{customized property}: 'string'
}
signalType: 'string'
// For remaining properties, see MonitoringSignalBase objects
}
}
}
}
Para InvokeBatchEndpoint, use:
{
actionType: 'InvokeBatchEndpoint'
endpointInvocationDefinition: any(Azure.Bicep.Types.Concrete.AnyType)
}
Objetos DataDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
{
dataType: 'Categorical'
metric: 'string'
}
Para Numérico, use:
{
dataType: 'Numerical'
metric: 'string'
}
Objetos DataQualityMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
{
dataType: 'Categorical'
metric: 'string'
}
Para Numérico, use:
{
dataType: 'Numerical'
metric: 'string'
}
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
}
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 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 TargetRollingWindowSize
Defina o modo propriedade para especificar o tipo de objeto.
Para Auto, use:
{
mode: 'Auto'
}
Para Personalizado, use:
{
mode: 'Custom'
value: int
}
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'
}
Valores de propriedade
AllFeatures
| Nome | Descrição | Valor |
|---|---|---|
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | 'AllFeatures' (obrigatório) |
AllNodes
| Nome | Descrição | Valor |
|---|---|---|
| nodesValueType | [Obrigatório] Tipo do valor de nós | 'All' (obrigatório) |
AmlToken
| Nome | Descrição | Valor |
|---|---|---|
| identityType | [Obrigatório] Especifica o tipo de estrutura de identidade. | 'AMLToken' (obrigatório) |
AmlTokenComputeIdentity
| Nome | Descrição | Valor |
|---|---|---|
| computeIdentityType | [Obrigatório] Especifica o tipo de identidade a ser usado nos trabalhos de monitoramento. | '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 |
| queueSettings | Configurações de fila para o trabalho | queueSettings |
| 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 |
'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) |
CategoricalDataDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Categórico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de dados categórica a ser calculada. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (obrigatório) |
CategoricalDataQualityMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Categórico' (obrigatório) |
| métrica | [Obrigatório] A métrica de qualidade de dados categórica a ser calculada. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obrigatório) |
CategoricalPredictionDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Categórico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de previsão categórica a ser calculada. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (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. | |
| 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: Comprimento mínimo = 1 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 |
| queueSettings | Configurações de fila para o trabalho | queueSettings |
| 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 |
|---|
CreateMonitorAction
| Nome | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação do agendamento | 'CreateMonitor' (obrigatório) |
| monitorDefinition | [Obrigatório] Define o monitor. | MonitorDefinition (obrigatório) |
CronTrigger
| Nome | Descrição | Valor |
|---|---|---|
| expressão | [Obrigatório] Especifica a expressão cron de agendamento. A expressão deve seguir o formato NCronTab. |
corda Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório) |
| triggerType | [Obrigatório] | 'Cron' (obrigatório) |
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) |
CustomMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] A métrica definida pelo usuário a ser calculada. | corda Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
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: Comprimento mínimo = 1 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 |
CustomMonitoringSignal
CustomMonitoringSignalInputAssets
| Nome | Descrição | Valor |
|---|
CustomMonitoringSignalInputs
| Nome | Descrição | Valor |
|---|
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) |
DataDriftMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | Definido como 'Categórico' para o tipo CategoricalDataDriftMetricThreshold. Defina como 'Numérico' para o tipo NumericalDataDriftMetricThreshold. | 'Categórico' 'Numérico' (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
DataDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | DataDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | |
| Características | O filtro de recurso que identifica qual recurso calcular descompasso. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataDriftMetricThresholdBase[] (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'DataDrift' (obrigatório) |
DataDriftMonitoringSignalFeatureDataTypeOverride
| Nome | Descrição | Valor |
|---|
DataQualityMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | Definido como 'Categórico' para o tipo CategoricalDataQualityMetricThreshold . Defina como 'Numérico' para o tipo NumericalDataQualityMetricThreshold. | 'Categórico' 'Numérico' (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
DataQualityMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | DataQualityMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | |
| Características | Os recursos a serem calculados descompasso. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataQualityMetricThresholdBase[] (obrigatório) |
| productionData | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'DataQuality' (obrigatório) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| Nome | Descrição | Valor |
|---|
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) |
EndpointScheduleAction
| Nome | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação do agendamento | 'InvokeBatchEndpoint' (obrigatório) |
| endpointInvocationDefinition | [Obrigatório] Define detalhes da definição da ação Agendar. <ver href="TBD" /> |
any (obrigatório) |
FeatureAttributionDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | [Obrigatório] As configurações para a importância do recurso de computação. | FeatureImportanceSettings (obrigatório) |
| metricThreshold | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | FeatureAttributionMetricThreshold (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase[] (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'FeatureAttributionDrift' (obrigatório) |
FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
| Nome | Descrição | Valor |
|---|
FeatureAttributionMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] A métrica de atribuição de recurso a ser calculada. | 'NormalizedDiscountedCumulativeGain' (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
FeatureImportanceSettings
| Nome | Descrição | Valor |
|---|---|---|
| modo | O modo de operação para a importância do recurso de computação. | 'Desabilitado' 'Habilitado' |
| targetColumn | O nome da coluna de destino dentro do ativo de dados de entrada. | corda |
FeatureSubset
| Nome | Descrição | Valor |
|---|---|---|
| Características | [Obrigatório] A lista de recursos a serem incluídos. | string[] (obrigatório) |
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | 'FeatureSubset' (obrigatório) |
FixedInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'Corrigido' (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. | |
| limitSettings | Restrições de execução para AutoMLJob. | |
| 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 serátrês 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. | |
| 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
ImageModelSettingsObjectDetection
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. | |
| 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. | |
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
JobScheduleAction
JobService
| Nome | Descrição | Valor |
|---|---|---|
| Extremidade | Url para ponto de extremidade. | corda |
| jobServiceType | Tipo de ponto de extremidade. | corda |
| Nós | Nós em que o usuário gostaria de iniciar o serviço. Se nós não estiverem definidos ou definidos como nulos, o serviço será iniciado apenas no nó de líder. |
nós |
| 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: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório) |
ManagedComputeIdentity
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 |
ManagedServiceIdentity
| Nome | Descrição | Valor |
|---|---|---|
| tipo | Tipo de identidade de serviço gerenciado (em que os tipos SystemAssigned e UserAssigned são permitidos). | 'None' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (obrigatório) |
| userAssignedIdentities | O conjunto de identidades atribuídas pelo usuário associadas ao recurso. As chaves do dicionário userAssignedIdentities serão IDs de recurso do ARM no formulário: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Os valores do dicionário podem ser objetos vazios ({}) em solicitações. | UserAssignedIdentities |
MedianStoppingPolicy
| Nome | Descrição | Valor |
|---|---|---|
| policyType | [Obrigatório] Nome da configuração de política | 'MedianStopping' (obrigatório) |
Microsoft.MachineLearningServices/workspaces/schedules
| 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. | ScheduleProperties (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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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 |
MonitorComputeConfigurationBase
| Nome | Descrição | Valor |
|---|---|---|
| computeType | Defina como 'ServerlessSpark' para o tipo MonitorServerlessSparkCompute. | 'ServerlessSpark' (obrigatório) |
MonitorComputeIdentityBase
| Nome | Descrição | Valor |
|---|---|---|
| computeIdentityType | Defina como 'AmlToken' para o tipo AmlTokenComputeIdentity. Defina como 'ManagedIdentity' para o tipo ManagedComputeIdentity. | 'AmlToken' 'ManagedIdentity' (obrigatório) |
MonitorDefinition
MonitorDefinitionSignals
| Nome | Descrição | Valor |
|---|
MonitorEmailNotificationSettings
| Nome | Descrição | Valor |
|---|---|---|
| emails | A lista de destinatários de email que tem uma limitação de 499 caracteres no total. | string[] |
MonitoringFeatureFilterBase
| Nome | Descrição | Valor |
|---|---|---|
| filterType | Defina como 'AllFeatures' para o tipo AllFeatures. Defina como 'FeatureSubset' para o tipo FeatureSubset. Defina como 'TopNByAttribution' para o tipo TopNFeaturesByAttribution. | 'AllFeatures' 'FeatureSubset' 'TopNByAttribution' (obrigatório) |
MonitoringInputDataBase
| Nome | Descrição | Valor |
|---|---|---|
| Colunas | Mapeamento de nomes de coluna para usos especiais. | MonitoringInputDataBaseColumns |
| dataContext | Os metadados de contexto da fonte de dados. | corda |
| inputDataType | Definido como 'Corrigido' para o tipo FixedInputData . Defina como 'Rolling' para o tipo RollingInputData . Defina como 'Estático' para o tipo StaticInputData. | 'Corrigido' 'Rolling' 'Estático' (obrigatório) |
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório) |
| URI | [Obrigatório] URI do ativo de entrada. | corda Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório) |
MonitoringInputDataBaseColumns
| Nome | Descrição | Valor |
|---|
MonitoringSignalBase
| Nome | Descrição | Valor |
|---|---|---|
| notificationTypes | O modo de notificação atual para esse sinal. | Matriz de cadeia de caracteres que contém qualquer um dos: 'AmlNotification' |
| Propriedades | Dicionário de propriedades. As propriedades podem ser adicionadas, mas não removidas ou alteradas. | MonitoringSignalBaseProperties |
| signalType | Definido como 'Personalizado' para o tipo CustomMonitoringSignal . Defina como 'DataDrift' para o tipo DataDriftMonitoringSignal. Defina como 'DataQuality' para o tipo DataQualityMonitoringSignal. Defina como 'FeatureAttributionDrift' para o tipo FeatureAttributionDriftMonitoringSignal . Defina como 'PredictionDrift' para o tipo PredictionDriftMonitoringSignal . | 'Personalizado' 'DataDrift' 'DataQuality' 'FeatureAttributionDrift' 'PredictionDrift' (obrigatório) |
MonitoringSignalBaseProperties
| Nome | Descrição | Valor |
|---|
MonitoringTarget
| Nome | Descrição | Valor |
|---|---|---|
| deploymentId | Referência ao ativo de implantação direcionado por este monitor. | corda |
| modelId | Referência ao ativo de modelo direcionado por este monitor. | corda |
| taskType | [Obrigatório] O tipo de tarefa de machine learning do modelo monitorado. | 'Classificação' 'Regressão' (obrigatório) |
MonitoringThreshold
| Nome | Descrição | Valor |
|---|---|---|
| valor | O valor do limite. Se nulo, o padrão definido dependerá do tipo de métrica. | int |
MonitorNotificationSettings
| Nome | Descrição | Valor |
|---|---|---|
| emailNotificationSettings | As configurações de email de notificação AML. | MonitorEmailNotificationSettings |
MonitorServerlessSparkCompute
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 |
Nós
| Nome | Descrição | Valor |
|---|---|---|
| nodesValueType | Defina como "Todos" para o tipo AllNodes. | 'All' (obrigatório) |
NumericalDataDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Numérico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de dados numéricos a ser calculada. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (obrigatório) |
NumericalDataQualityMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Numérico' (obrigatório) |
| métrica | [Obrigatório] A métrica de qualidade de dados numéricos a ser calculada. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obrigatório) |
NumericalPredictionDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Numérico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de previsão numérica a ser calculada. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (obrigatório) |
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: Comprimento mínimo = 1 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 |
|---|
PredictionDriftMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | Definido como 'Categórico' para o tipo CategoricalPredictionDriftMetricThreshold . Defina como 'Numerical' para o tipo NumericalPredictionDriftMetricThreshold . | 'Categórico' 'Numérico' (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
PredictionDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | PredictionDriftMonitoringSignalFeatureDataTypeOverride |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | PredictionDriftMetricThresholdBase [] (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'PredictionDrift' (obrigatório) |
PredictionDriftMonitoringSignalFeatureDataTypeOverride
| 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 |
QueueSettings
| Nome | Descrição | Valor |
|---|---|---|
| jobTier | Controla a camada de trabalho de computação | 'Básico' 'Null' 'Premium' 'Spot' 'Standard' |
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 |
RecurrenceSchedule
| Nome | Descrição | Valor |
|---|---|---|
| Horas | [Obrigatório] Lista de horas para o agendamento. | int[] (obrigatório) |
| ata | [Obrigatório] Lista de minutos para o agendamento. | int[] (obrigatório) |
| monthDays | Lista de dias do mês para o agendamento | int[] |
| Semana | Lista de dias para a agenda. | Matriz de cadeia de caracteres que contém qualquer um dos: 'Sexta-feira' 'Segunda-feira' 'Sábado' 'Domingo' 'Quinta-feira' 'Terça-feira' 'Quarta-feira' |
RecurrenceTrigger
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. | |
| 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 |
|---|
ResourceBaseProperties
| Nome | Descrição | Valor |
|---|
ResourceBaseTags
| Nome | Descrição | Valor |
|---|
ResourceBaseTags
| Nome | Descrição | Valor |
|---|
ResourceConfigurationProperties
| Nome | Descrição | Valor |
|---|
RollingInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'Rolling' (obrigatório) |
| preprocessingComponentId | Referência ao ativo de componente usado para pré-processar os dados. | corda |
| windowOffset | [Obrigatório] O deslocamento de tempo entre o final da janela de dados e o tempo de execução atual do monitor. | cadeia de caracteres (obrigatório) |
| windowSize | [Obrigatório] O tamanho da janela de dados sem interrupção. | cadeia de caracteres (obrigatório) |
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) |
ScheduleActionBase
| Nome | Descrição | Valor |
|---|---|---|
| actionType | Defina como 'CreateJob' para o tipo JobScheduleAction . Defina como 'CreateMonitor' para o tipo CreateMonitorAction. Defina como 'InvokeBatchEndpoint' para o tipo EndpointScheduleAction. | 'CreateJob' 'CreateMonitor' 'InvokeBatchEndpoint' (obrigatório) |
ScheduleProperties
Sazonalidade
| Nome | Descrição | Valor |
|---|---|---|
| modo | Defina como 'Auto' para o tipode AutoSeasonalidade |
'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' |
StaticInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'Estático' (obrigatório) |
| preprocessingComponentId | Referência ao ativo de componente usado para pré-processar os dados. | corda |
| windowEnd | [Obrigatório] A data de término da janela de dados. | cadeia de caracteres (obrigatório) |
| windowStart | [Obrigatório] A data de início da janela de dados. | cadeia de caracteres (obrigatório) |
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. | |
| 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. | |
| queueSettings | Configurações de fila para o trabalho | queueSettings |
| 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 |
TopNFeaturesByAttribution
| Nome | Descrição | Valor |
|---|---|---|
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | 'TopNByAttribution' (obrigatório) |
| Início | O número de recursos principais a serem incluídos. | int |
TrialComponent
TrialComponentEnvironmentVariables
| Nome | Descrição | Valor |
|---|
TriggerBase
| Nome | Descrição | Valor |
|---|---|---|
| endTime | Especifica a hora de término do agendamento no ISO 8601, mas sem um deslocamento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601. O formato recomissado seria "2022-06-01T00:00:01" Se não estiver presente, o agendamento será executado indefinidamente |
corda |
| startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC. | corda |
| Fuso horário | Especifica o fuso horário no qual o agendamento é executado. O TimeZone deve seguir o formato de fuso horário do Windows. Consulte: /windows-hardware/manufacture/desktop/default-time-zones?view=windows-11 |
corda |
| triggerType | Defina como 'Cron' para o tipo CronTrigger. Defina como "Recorrência" para o tipo RecurrenceTrigger. | 'Cron' 'Recurrence' (obrigatório) |
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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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 |
UserAssignedIdentities
| Nome | Descrição | Valor |
|---|
UserAssignedIdentity
| Nome | Descrição | Valor |
|---|
UserIdentity
| Nome | Descrição | Valor |
|---|---|---|
| identityType | [Obrigatório] Especifica o tipo de estrutura de identidade. | 'UserIdentity' (obrigatório) |
Definição de recurso de modelo do ARM
O tipo de recurso workspaces/schedules 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/schedules, adicione o JSON a seguir ao modelo.
{
"type": "Microsoft.MachineLearningServices/workspaces/schedules",
"apiVersion": "2023-10-01",
"name": "string",
"properties": {
"action": {
"actionType": "string"
// For remaining properties, see ScheduleActionBase objects
},
"description": "string",
"displayName": "string",
"isEnabled": "bool",
"properties": {
"{customized property}": "string"
},
"tags": {
"{customized property}": "string"
},
"trigger": {
"endTime": "string",
"startTime": "string",
"timeZone": "string",
"triggerType": "string"
// For remaining properties, see TriggerBase objects
}
}
}
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 MonitoringFeatureFilterBase
Defina a propriedade filterType para especificar o tipo de objeto.
Para AllFeatures, use:
{
"filterType": "AllFeatures"
}
Para FeatureSubset, use:
{
"features": [ "string" ],
"filterType": "FeatureSubset"
}
Para TopNByAttribution, use:
{
"filterType": "TopNByAttribution",
"top": "int"
}
Objetos MonitorComputeConfigurationBase
Defina a propriedade computeType para especificar o tipo de objeto.
Para ServerlessSpark, use:
{
"computeIdentity": {
"computeIdentityType": "string"
// For remaining properties, see MonitorComputeIdentityBase objects
},
"computeType": "ServerlessSpark",
"instanceType": "string",
"runtimeVersion": "string"
}
Objetos TriggerBase
Defina a propriedade triggerType para especificar o tipo de objeto.
Para cron, use:
{
"expression": "string",
"triggerType": "Cron"
}
Para de Recorrência, use:
{
"frequency": "string",
"interval": "int",
"schedule": {
"hours": [ "int" ],
"minutes": [ "int" ],
"monthDays": [ "int" ],
"weekDays": [ "string" ]
},
"triggerType": "Recurrence"
}
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 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
}
},
"queueSettings": {
"jobTier": "string"
},
"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
{
"codeId": "string",
"command": "string",
"distribution": {
"distributionType": "string"
// For remaining properties, see DistributionConfiguration objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"jobType": "Command",
"limits": {
"jobLimitsType": "string",
"timeout": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"queueSettings": {
"jobTier": "string"
},
"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
}
},
"queueSettings": {
"jobTier": "string"
},
"samplingAlgorithm": {
"samplingAlgorithmType": "string"
// For remaining properties, see SamplingAlgorithm objects
},
"searchSpace": {},
"trial": {
"codeId": "string",
"command": "string",
"distribution": {
"distributionType": "string"
// For remaining properties, see DistributionConfiguration objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"properties": {
"{customized property}": {}
},
"shmSize": "string"
}
}
}
Objetos de nós
Defina a propriedade nodesValueType para especificar o tipo de objeto.
Para Todos os, use:
{
"nodesValueType": "All"
}
Objetos MonitoringInputDataBase
Defina a propriedade inputDataType para especificar o tipo de objeto.
Para Fixa, use:
{
"inputDataType": "Fixed"
}
Para Rolling, use:
{
"inputDataType": "Rolling",
"preprocessingComponentId": "string",
"windowOffset": "string",
"windowSize": "string"
}
Para estático, use:
{
"inputDataType": "Static",
"preprocessingComponentId": "string",
"windowEnd": "string",
"windowStart": "string"
}
Objetos PredictionDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
{
"dataType": "Categorical",
"metric": "string"
}
Para Numérico, use:
{
"dataType": "Numerical",
"metric": "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 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 TargetLags
Defina o modo propriedade para especificar o tipo de objeto.
Para Auto, use:
{
"mode": "Auto"
}
Para Personalizado, use:
{
"mode": "Custom",
"values": [ "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 MonitorComputeIdentityBase
Defina a propriedade computeIdentityType para especificar o tipo de objeto.
Para AmlToken, use:
{
"computeIdentityType": "AmlToken"
}
Para ManagedIdentity, use:
{
"computeIdentityType": "ManagedIdentity",
"identity": {
"type": "string",
"userAssignedIdentities": {
"{customized property}": {
}
}
}
}
Objetos MonitoringSignalBase
Defina a propriedade signalType para especificar o tipo de objeto.
Para Personalizado, use:
{
"componentId": "string",
"inputAssets": {
"{customized property}": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"metricThresholds": [
{
"metric": "string",
"threshold": {
"value": "int"
}
}
],
"signalType": "Custom"
}
Para DataDrift, use:
{
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "string"
},
"features": {
"filterType": "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
},
"metricThresholds": [ {
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see DataDriftMetricThresholdBase objects
} ],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"signalType": "DataDrift"
}
Para dataquality, use:
{
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "string"
},
"features": {
"filterType": "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
},
"metricThresholds": [ {
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see DataQualityMetricThresholdBase objects
} ],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"signalType": "DataQuality"
}
Para FeatureAttributionDrift, use:
{
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "string"
},
"metricThreshold": {
"metric": "string",
"threshold": {
"value": "int"
}
},
"productionData": [ {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
} ],
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"signalType": "FeatureAttributionDrift"
}
Para PredictionDrift, use:
{
"featureDataTypeOverride": {
"{customized property}": "string"
},
"metricThresholds": [ {
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see PredictionDriftMetricThresholdBase objects
} ],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"signalType": "PredictionDrift"
}
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 ScheduleActionBase
Defina a propriedade actionType para especificar o tipo de objeto.
Para CreateJob, use:
{
"actionType": "CreateJob",
"jobDefinition": {
"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",
"nodes": {
"nodesValueType": "string"
// For remaining properties, see Nodes objects
},
"port": "int",
"properties": {
"{customized property}": "string"
}
}
},
"tags": {
"{customized property}": "string"
},
"jobType": "string"
// For remaining properties, see JobBaseProperties objects
}
}
Para CreateMonitor, use:
{
"actionType": "CreateMonitor",
"monitorDefinition": {
"alertNotificationSettings": {
"emailNotificationSettings": {
"emails": [ "string" ]
}
},
"computeConfiguration": {
"computeType": "string"
// For remaining properties, see MonitorComputeConfigurationBase objects
},
"monitoringTarget": {
"deploymentId": "string",
"modelId": "string",
"taskType": "string"
},
"signals": {
"{customized property}": {
"notificationTypes": [ "string" ],
"properties": {
"{customized property}": "string"
},
"signalType": "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
}
Para InvokeBatchEndpoint, use:
{
"actionType": "InvokeBatchEndpoint",
"endpointInvocationDefinition": {}
}
Objetos DataDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
{
"dataType": "Categorical",
"metric": "string"
}
Para Numérico, use:
{
"dataType": "Numerical",
"metric": "string"
}
Objetos DataQualityMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
{
"dataType": "Categorical",
"metric": "string"
}
Para Numérico, use:
{
"dataType": "Numerical",
"metric": "string"
}
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"
}
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 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 TargetRollingWindowSize
Defina o modo propriedade para especificar o tipo de objeto.
Para Auto, use:
{
"mode": "Auto"
}
Para Personalizado, use:
{
"mode": "Custom",
"value": "int"
}
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"
}
Valores de propriedade
AllFeatures
| Nome | Descrição | Valor |
|---|---|---|
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | 'AllFeatures' (obrigatório) |
AllNodes
| Nome | Descrição | Valor |
|---|---|---|
| nodesValueType | [Obrigatório] Tipo do valor de nós | 'All' (obrigatório) |
AmlToken
| Nome | Descrição | Valor |
|---|---|---|
| identityType | [Obrigatório] Especifica o tipo de estrutura de identidade. | 'AMLToken' (obrigatório) |
AmlTokenComputeIdentity
| Nome | Descrição | Valor |
|---|---|---|
| computeIdentityType | [Obrigatório] Especifica o tipo de identidade a ser usado nos trabalhos de monitoramento. | '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 |
| queueSettings | Configurações de fila para o trabalho | queueSettings |
| 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 |
'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) |
CategoricalDataDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Categórico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de dados categórica a ser calculada. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (obrigatório) |
CategoricalDataQualityMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Categórico' (obrigatório) |
| métrica | [Obrigatório] A métrica de qualidade de dados categórica a ser calculada. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obrigatório) |
CategoricalPredictionDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Categórico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de previsão categórica a ser calculada. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (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. | |
| 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: Comprimento mínimo = 1 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 |
| queueSettings | Configurações de fila para o trabalho | queueSettings |
| 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 |
|---|
CreateMonitorAction
| Nome | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação do agendamento | 'CreateMonitor' (obrigatório) |
| monitorDefinition | [Obrigatório] Define o monitor. | MonitorDefinition (obrigatório) |
CronTrigger
| Nome | Descrição | Valor |
|---|---|---|
| expressão | [Obrigatório] Especifica a expressão cron de agendamento. A expressão deve seguir o formato NCronTab. |
corda Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório) |
| triggerType | [Obrigatório] | 'Cron' (obrigatório) |
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) |
CustomMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] A métrica definida pelo usuário a ser calculada. | corda Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
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: Comprimento mínimo = 1 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 |
CustomMonitoringSignal
CustomMonitoringSignalInputAssets
| Nome | Descrição | Valor |
|---|
CustomMonitoringSignalInputs
| Nome | Descrição | Valor |
|---|
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) |
DataDriftMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | Definido como 'Categórico' para o tipo CategoricalDataDriftMetricThreshold. Defina como 'Numérico' para o tipo NumericalDataDriftMetricThreshold. | 'Categórico' 'Numérico' (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
DataDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | DataDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | |
| Características | O filtro de recurso que identifica qual recurso calcular descompasso. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataDriftMetricThresholdBase[] (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'DataDrift' (obrigatório) |
DataDriftMonitoringSignalFeatureDataTypeOverride
| Nome | Descrição | Valor |
|---|
DataQualityMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | Definido como 'Categórico' para o tipo CategoricalDataQualityMetricThreshold . Defina como 'Numérico' para o tipo NumericalDataQualityMetricThreshold. | 'Categórico' 'Numérico' (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
DataQualityMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | DataQualityMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | |
| Características | Os recursos a serem calculados descompasso. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataQualityMetricThresholdBase[] (obrigatório) |
| productionData | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'DataQuality' (obrigatório) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| Nome | Descrição | Valor |
|---|
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) |
EndpointScheduleAction
| Nome | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação do agendamento | 'InvokeBatchEndpoint' (obrigatório) |
| endpointInvocationDefinition | [Obrigatório] Define detalhes da definição da ação Agendar. <ver href="TBD" /> |
any (obrigatório) |
FeatureAttributionDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | [Obrigatório] As configurações para a importância do recurso de computação. | FeatureImportanceSettings (obrigatório) |
| metricThreshold | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | FeatureAttributionMetricThreshold (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase[] (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'FeatureAttributionDrift' (obrigatório) |
FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
| Nome | Descrição | Valor |
|---|
FeatureAttributionMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] A métrica de atribuição de recurso a ser calculada. | 'NormalizedDiscountedCumulativeGain' (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
FeatureImportanceSettings
| Nome | Descrição | Valor |
|---|---|---|
| modo | O modo de operação para a importância do recurso de computação. | 'Desabilitado' 'Habilitado' |
| targetColumn | O nome da coluna de destino dentro do ativo de dados de entrada. | corda |
FeatureSubset
| Nome | Descrição | Valor |
|---|---|---|
| Características | [Obrigatório] A lista de recursos a serem incluídos. | string[] (obrigatório) |
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | 'FeatureSubset' (obrigatório) |
FixedInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'Corrigido' (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. | |
| limitSettings | Restrições de execução para AutoMLJob. | |
| 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 serátrês 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. | |
| 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
ImageModelSettingsObjectDetection
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. | |
| 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. | |
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
JobScheduleAction
JobService
| Nome | Descrição | Valor |
|---|---|---|
| Extremidade | Url para ponto de extremidade. | corda |
| jobServiceType | Tipo de ponto de extremidade. | corda |
| Nós | Nós em que o usuário gostaria de iniciar o serviço. Se nós não estiverem definidos ou definidos como nulos, o serviço será iniciado apenas no nó de líder. |
nós |
| 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: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório) |
ManagedComputeIdentity
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 |
ManagedServiceIdentity
| Nome | Descrição | Valor |
|---|---|---|
| tipo | Tipo de identidade de serviço gerenciado (em que os tipos SystemAssigned e UserAssigned são permitidos). | 'None' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (obrigatório) |
| userAssignedIdentities | O conjunto de identidades atribuídas pelo usuário associadas ao recurso. As chaves do dicionário userAssignedIdentities serão IDs de recurso do ARM no formulário: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Os valores do dicionário podem ser objetos vazios ({}) em solicitações. | UserAssignedIdentities |
MedianStoppingPolicy
| Nome | Descrição | Valor |
|---|---|---|
| policyType | [Obrigatório] Nome da configuração de política | 'MedianStopping' (obrigatório) |
Microsoft.MachineLearningServices/workspaces/schedules
| Nome | Descrição | Valor |
|---|---|---|
| apiVersion | A versão da API | '2023-10-01' |
| 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. | ScheduleProperties (obrigatório) |
| tipo | O tipo de recurso | 'Microsoft.MachineLearningServices/workspaces/schedules' |
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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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 |
MonitorComputeConfigurationBase
| Nome | Descrição | Valor |
|---|---|---|
| computeType | Defina como 'ServerlessSpark' para o tipo MonitorServerlessSparkCompute. | 'ServerlessSpark' (obrigatório) |
MonitorComputeIdentityBase
| Nome | Descrição | Valor |
|---|---|---|
| computeIdentityType | Defina como 'AmlToken' para o tipo AmlTokenComputeIdentity. Defina como 'ManagedIdentity' para o tipo ManagedComputeIdentity. | 'AmlToken' 'ManagedIdentity' (obrigatório) |
MonitorDefinition
MonitorDefinitionSignals
| Nome | Descrição | Valor |
|---|
MonitorEmailNotificationSettings
| Nome | Descrição | Valor |
|---|---|---|
| emails | A lista de destinatários de email que tem uma limitação de 499 caracteres no total. | string[] |
MonitoringFeatureFilterBase
| Nome | Descrição | Valor |
|---|---|---|
| filterType | Defina como 'AllFeatures' para o tipo AllFeatures. Defina como 'FeatureSubset' para o tipo FeatureSubset. Defina como 'TopNByAttribution' para o tipo TopNFeaturesByAttribution. | 'AllFeatures' 'FeatureSubset' 'TopNByAttribution' (obrigatório) |
MonitoringInputDataBase
| Nome | Descrição | Valor |
|---|---|---|
| Colunas | Mapeamento de nomes de coluna para usos especiais. | MonitoringInputDataBaseColumns |
| dataContext | Os metadados de contexto da fonte de dados. | corda |
| inputDataType | Definido como 'Corrigido' para o tipo FixedInputData . Defina como 'Rolling' para o tipo RollingInputData . Defina como 'Estático' para o tipo StaticInputData. | 'Corrigido' 'Rolling' 'Estático' (obrigatório) |
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório) |
| URI | [Obrigatório] URI do ativo de entrada. | corda Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório) |
MonitoringInputDataBaseColumns
| Nome | Descrição | Valor |
|---|
MonitoringSignalBase
| Nome | Descrição | Valor |
|---|---|---|
| notificationTypes | O modo de notificação atual para esse sinal. | Matriz de cadeia de caracteres que contém qualquer um dos: 'AmlNotification' |
| Propriedades | Dicionário de propriedades. As propriedades podem ser adicionadas, mas não removidas ou alteradas. | MonitoringSignalBaseProperties |
| signalType | Definido como 'Personalizado' para o tipo CustomMonitoringSignal . Defina como 'DataDrift' para o tipo DataDriftMonitoringSignal. Defina como 'DataQuality' para o tipo DataQualityMonitoringSignal. Defina como 'FeatureAttributionDrift' para o tipo FeatureAttributionDriftMonitoringSignal . Defina como 'PredictionDrift' para o tipo PredictionDriftMonitoringSignal . | 'Personalizado' 'DataDrift' 'DataQuality' 'FeatureAttributionDrift' 'PredictionDrift' (obrigatório) |
MonitoringSignalBaseProperties
| Nome | Descrição | Valor |
|---|
MonitoringTarget
| Nome | Descrição | Valor |
|---|---|---|
| deploymentId | Referência ao ativo de implantação direcionado por este monitor. | corda |
| modelId | Referência ao ativo de modelo direcionado por este monitor. | corda |
| taskType | [Obrigatório] O tipo de tarefa de machine learning do modelo monitorado. | 'Classificação' 'Regressão' (obrigatório) |
MonitoringThreshold
| Nome | Descrição | Valor |
|---|---|---|
| valor | O valor do limite. Se nulo, o padrão definido dependerá do tipo de métrica. | int |
MonitorNotificationSettings
| Nome | Descrição | Valor |
|---|---|---|
| emailNotificationSettings | As configurações de email de notificação AML. | MonitorEmailNotificationSettings |
MonitorServerlessSparkCompute
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 |
Nós
| Nome | Descrição | Valor |
|---|---|---|
| nodesValueType | Defina como "Todos" para o tipo AllNodes. | 'All' (obrigatório) |
NumericalDataDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Numérico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de dados numéricos a ser calculada. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (obrigatório) |
NumericalDataQualityMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Numérico' (obrigatório) |
| métrica | [Obrigatório] A métrica de qualidade de dados numéricos a ser calculada. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obrigatório) |
NumericalPredictionDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Numérico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de previsão numérica a ser calculada. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (obrigatório) |
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: Comprimento mínimo = 1 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 |
|---|
PredictionDriftMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | Definido como 'Categórico' para o tipo CategoricalPredictionDriftMetricThreshold . Defina como 'Numerical' para o tipo NumericalPredictionDriftMetricThreshold . | 'Categórico' 'Numérico' (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
PredictionDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | PredictionDriftMonitoringSignalFeatureDataTypeOverride |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | PredictionDriftMetricThresholdBase [] (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'PredictionDrift' (obrigatório) |
PredictionDriftMonitoringSignalFeatureDataTypeOverride
| 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 |
QueueSettings
| Nome | Descrição | Valor |
|---|---|---|
| jobTier | Controla a camada de trabalho de computação | 'Básico' 'Null' 'Premium' 'Spot' 'Standard' |
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 |
RecurrenceSchedule
| Nome | Descrição | Valor |
|---|---|---|
| Horas | [Obrigatório] Lista de horas para o agendamento. | int[] (obrigatório) |
| ata | [Obrigatório] Lista de minutos para o agendamento. | int[] (obrigatório) |
| monthDays | Lista de dias do mês para o agendamento | int[] |
| Semana | Lista de dias para a agenda. | Matriz de cadeia de caracteres que contém qualquer um dos: 'Sexta-feira' 'Segunda-feira' 'Sábado' 'Domingo' 'Quinta-feira' 'Terça-feira' 'Quarta-feira' |
RecurrenceTrigger
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. | |
| 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 |
|---|
ResourceBaseProperties
| Nome | Descrição | Valor |
|---|
ResourceBaseTags
| Nome | Descrição | Valor |
|---|
ResourceBaseTags
| Nome | Descrição | Valor |
|---|
ResourceConfigurationProperties
| Nome | Descrição | Valor |
|---|
RollingInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'Rolling' (obrigatório) |
| preprocessingComponentId | Referência ao ativo de componente usado para pré-processar os dados. | corda |
| windowOffset | [Obrigatório] O deslocamento de tempo entre o final da janela de dados e o tempo de execução atual do monitor. | cadeia de caracteres (obrigatório) |
| windowSize | [Obrigatório] O tamanho da janela de dados sem interrupção. | cadeia de caracteres (obrigatório) |
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) |
ScheduleActionBase
| Nome | Descrição | Valor |
|---|---|---|
| actionType | Defina como 'CreateJob' para o tipo JobScheduleAction . Defina como 'CreateMonitor' para o tipo CreateMonitorAction. Defina como 'InvokeBatchEndpoint' para o tipo EndpointScheduleAction. | 'CreateJob' 'CreateMonitor' 'InvokeBatchEndpoint' (obrigatório) |
ScheduleProperties
Sazonalidade
| Nome | Descrição | Valor |
|---|---|---|
| modo | Defina como 'Auto' para o tipode AutoSeasonalidade |
'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' |
StaticInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'Estático' (obrigatório) |
| preprocessingComponentId | Referência ao ativo de componente usado para pré-processar os dados. | corda |
| windowEnd | [Obrigatório] A data de término da janela de dados. | cadeia de caracteres (obrigatório) |
| windowStart | [Obrigatório] A data de início da janela de dados. | cadeia de caracteres (obrigatório) |
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. | |
| 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. | |
| queueSettings | Configurações de fila para o trabalho | queueSettings |
| 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 |
TopNFeaturesByAttribution
| Nome | Descrição | Valor |
|---|---|---|
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | 'TopNByAttribution' (obrigatório) |
| Início | O número de recursos principais a serem incluídos. | int |
TrialComponent
TrialComponentEnvironmentVariables
| Nome | Descrição | Valor |
|---|
TriggerBase
| Nome | Descrição | Valor |
|---|---|---|
| endTime | Especifica a hora de término do agendamento no ISO 8601, mas sem um deslocamento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601. O formato recomissado seria "2022-06-01T00:00:01" Se não estiver presente, o agendamento será executado indefinidamente |
corda |
| startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC. | corda |
| Fuso horário | Especifica o fuso horário no qual o agendamento é executado. O TimeZone deve seguir o formato de fuso horário do Windows. Consulte: /windows-hardware/manufacture/desktop/default-time-zones?view=windows-11 |
corda |
| triggerType | Defina como 'Cron' para o tipo CronTrigger. Defina como "Recorrência" para o tipo RecurrenceTrigger. | 'Cron' 'Recurrence' (obrigatório) |
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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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 |
UserAssignedIdentities
| Nome | Descrição | Valor |
|---|
UserAssignedIdentity
| Nome | Descrição | Valor |
|---|
UserIdentity
| Nome | Descrição | Valor |
|---|---|---|
| identityType | [Obrigatório] Especifica o tipo de estrutura de identidade. | 'UserIdentity' (obrigatório) |
Definição de recurso do Terraform (provedor de AzAPI)
O tipo de recurso workspaces/schedules 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/schedules, adicione o Terraform a seguir ao seu modelo.
resource "azapi_resource" "symbolicname" {
type = "Microsoft.MachineLearningServices/workspaces/schedules@2023-10-01"
name = "string"
body = jsonencode({
properties = {
action = {
actionType = "string"
// For remaining properties, see ScheduleActionBase objects
}
description = "string"
displayName = "string"
isEnabled = bool
properties = {
{customized property} = "string"
}
tags = {
{customized property} = "string"
}
trigger = {
endTime = "string"
startTime = "string"
timeZone = "string"
triggerType = "string"
// For remaining properties, see TriggerBase objects
}
}
})
}
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 MonitoringFeatureFilterBase
Defina a propriedade filterType para especificar o tipo de objeto.
Para AllFeatures, use:
{
filterType = "AllFeatures"
}
Para FeatureSubset, use:
{
features = [
"string"
]
filterType = "FeatureSubset"
}
Para TopNByAttribution, use:
{
filterType = "TopNByAttribution"
top = int
}
Objetos MonitorComputeConfigurationBase
Defina a propriedade computeType para especificar o tipo de objeto.
Para ServerlessSpark, use:
{
computeIdentity = {
computeIdentityType = "string"
// For remaining properties, see MonitorComputeIdentityBase objects
}
computeType = "ServerlessSpark"
instanceType = "string"
runtimeVersion = "string"
}
Objetos TriggerBase
Defina a propriedade triggerType para especificar o tipo de objeto.
Para cron, use:
{
expression = "string"
triggerType = "Cron"
}
Para de Recorrência, use:
{
frequency = "string"
interval = int
schedule = {
hours = [
int
]
minutes = [
int
]
monthDays = [
int
]
weekDays = [
"string"
]
}
triggerType = "Recurrence"
}
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 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
}
}
queueSettings = {
jobTier = "string"
}
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
{
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
jobType = "Command"
limits = {
jobLimitsType = "string"
timeout = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
queueSettings = {
jobTier = "string"
}
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
}
}
queueSettings = {
jobTier = "string"
}
samplingAlgorithm = {
samplingAlgorithmType = "string"
// For remaining properties, see SamplingAlgorithm objects
}
searchSpace = ?
trial = {
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
properties = {
{customized property} = ?
}
shmSize = "string"
}
}
}
Objetos de nós
Defina a propriedade nodesValueType para especificar o tipo de objeto.
Para Todos os, use:
{
nodesValueType = "All"
}
Objetos MonitoringInputDataBase
Defina a propriedade inputDataType para especificar o tipo de objeto.
Para Fixa, use:
{
inputDataType = "Fixed"
}
Para Rolling, use:
{
inputDataType = "Rolling"
preprocessingComponentId = "string"
windowOffset = "string"
windowSize = "string"
}
Para estático, use:
{
inputDataType = "Static"
preprocessingComponentId = "string"
windowEnd = "string"
windowStart = "string"
}
Objetos PredictionDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
{
dataType = "Categorical"
metric = "string"
}
Para Numérico, use:
{
dataType = "Numerical"
metric = "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 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 TargetLags
Defina o modo propriedade para especificar o tipo de objeto.
Para Auto, use:
{
mode = "Auto"
}
Para Personalizado, use:
{
mode = "Custom"
values = [
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 MonitorComputeIdentityBase
Defina a propriedade computeIdentityType para especificar o tipo de objeto.
Para AmlToken, use:
{
computeIdentityType = "AmlToken"
}
Para ManagedIdentity, use:
{
computeIdentityType = "ManagedIdentity"
identity = {
type = "string"
userAssignedIdentities = {
{customized property} = {
}
}
}
}
Objetos MonitoringSignalBase
Defina a propriedade signalType para especificar o tipo de objeto.
Para Personalizado, use:
{
componentId = "string"
inputAssets = {
{customized property} = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
metricThresholds = [
{
metric = "string"
threshold = {
value = int
}
}
]
signalType = "Custom"
}
Para DataDrift, use:
{
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "string"
}
features = {
filterType = "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see DataDriftMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
signalType = "DataDrift"
}
Para dataquality, use:
{
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "string"
}
features = {
filterType = "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see DataQualityMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
signalType = "DataQuality"
}
Para FeatureAttributionDrift, use:
{
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "string"
}
metricThreshold = {
metric = "string"
threshold = {
value = int
}
}
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
signalType = "FeatureAttributionDrift"
}
Para PredictionDrift, use:
{
featureDataTypeOverride = {
{customized property} = "string"
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
signalType = "PredictionDrift"
}
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 ScheduleActionBase
Defina a propriedade actionType para especificar o tipo de objeto.
Para CreateJob, use:
{
actionType = "CreateJob"
jobDefinition = {
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"
nodes = {
nodesValueType = "string"
// For remaining properties, see Nodes objects
}
port = int
properties = {
{customized property} = "string"
}
}
}
tags = {
{customized property} = "string"
}
jobType = "string"
// For remaining properties, see JobBaseProperties objects
}
}
Para CreateMonitor, use:
{
actionType = "CreateMonitor"
monitorDefinition = {
alertNotificationSettings = {
emailNotificationSettings = {
emails = [
"string"
]
}
}
computeConfiguration = {
computeType = "string"
// For remaining properties, see MonitorComputeConfigurationBase objects
}
monitoringTarget = {
deploymentId = "string"
modelId = "string"
taskType = "string"
}
signals = {
{customized property} = {
notificationTypes = [
"string"
]
properties = {
{customized property} = "string"
}
signalType = "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
}
Para InvokeBatchEndpoint, use:
{
actionType = "InvokeBatchEndpoint"
endpointInvocationDefinition = ?
}
Objetos DataDriftMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
{
dataType = "Categorical"
metric = "string"
}
Para Numérico, use:
{
dataType = "Numerical"
metric = "string"
}
Objetos DataQualityMetricThresholdBase
Defina a propriedade dataType para especificar o tipo de objeto.
Para Categórica, use:
{
dataType = "Categorical"
metric = "string"
}
Para Numérico, use:
{
dataType = "Numerical"
metric = "string"
}
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
}
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 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 TargetRollingWindowSize
Defina o modo propriedade para especificar o tipo de objeto.
Para Auto, use:
{
mode = "Auto"
}
Para Personalizado, use:
{
mode = "Custom"
value = int
}
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"
}
Valores de propriedade
AllFeatures
| Nome | Descrição | Valor |
|---|---|---|
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | 'AllFeatures' (obrigatório) |
AllNodes
| Nome | Descrição | Valor |
|---|---|---|
| nodesValueType | [Obrigatório] Tipo do valor de nós | 'All' (obrigatório) |
AmlToken
| Nome | Descrição | Valor |
|---|---|---|
| identityType | [Obrigatório] Especifica o tipo de estrutura de identidade. | 'AMLToken' (obrigatório) |
AmlTokenComputeIdentity
| Nome | Descrição | Valor |
|---|---|---|
| computeIdentityType | [Obrigatório] Especifica o tipo de identidade a ser usado nos trabalhos de monitoramento. | '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 |
| queueSettings | Configurações de fila para o trabalho | queueSettings |
| 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 |
'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) |
CategoricalDataDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Categórico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de dados categórica a ser calculada. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (obrigatório) |
CategoricalDataQualityMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Categórico' (obrigatório) |
| métrica | [Obrigatório] A métrica de qualidade de dados categórica a ser calculada. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obrigatório) |
CategoricalPredictionDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Categórico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de previsão categórica a ser calculada. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (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. | |
| 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: Comprimento mínimo = 1 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 |
| queueSettings | Configurações de fila para o trabalho | queueSettings |
| 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 |
|---|
CreateMonitorAction
| Nome | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação do agendamento | 'CreateMonitor' (obrigatório) |
| monitorDefinition | [Obrigatório] Define o monitor. | MonitorDefinition (obrigatório) |
CronTrigger
| Nome | Descrição | Valor |
|---|---|---|
| expressão | [Obrigatório] Especifica a expressão cron de agendamento. A expressão deve seguir o formato NCronTab. |
corda Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório) |
| triggerType | [Obrigatório] | 'Cron' (obrigatório) |
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) |
CustomMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] A métrica definida pelo usuário a ser calculada. | corda Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
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: Comprimento mínimo = 1 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 |
CustomMonitoringSignal
CustomMonitoringSignalInputAssets
| Nome | Descrição | Valor |
|---|
CustomMonitoringSignalInputs
| Nome | Descrição | Valor |
|---|
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) |
DataDriftMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | Definido como 'Categórico' para o tipo CategoricalDataDriftMetricThreshold. Defina como 'Numérico' para o tipo NumericalDataDriftMetricThreshold. | 'Categórico' 'Numérico' (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
DataDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | DataDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | |
| Características | O filtro de recurso que identifica qual recurso calcular descompasso. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataDriftMetricThresholdBase[] (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'DataDrift' (obrigatório) |
DataDriftMonitoringSignalFeatureDataTypeOverride
| Nome | Descrição | Valor |
|---|
DataQualityMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | Definido como 'Categórico' para o tipo CategoricalDataQualityMetricThreshold . Defina como 'Numérico' para o tipo NumericalDataQualityMetricThreshold. | 'Categórico' 'Numérico' (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
DataQualityMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | DataQualityMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | As configurações para a importância do recurso de computação. | |
| Características | Os recursos a serem calculados descompasso. | MonitoringFeatureFilterBase |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | DataQualityMetricThresholdBase[] (obrigatório) |
| productionData | [Obrigatório] Os dados produzidos pelo serviço de produção para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'DataQuality' (obrigatório) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| Nome | Descrição | Valor |
|---|
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) |
EndpointScheduleAction
| Nome | Descrição | Valor |
|---|---|---|
| actionType | [Obrigatório] Especifica o tipo de ação do agendamento | 'InvokeBatchEndpoint' (obrigatório) |
| endpointInvocationDefinition | [Obrigatório] Define detalhes da definição da ação Agendar. <ver href="TBD" /> |
any (obrigatório) |
FeatureAttributionDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | [Obrigatório] As configurações para a importância do recurso de computação. | FeatureImportanceSettings (obrigatório) |
| metricThreshold | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | FeatureAttributionMetricThreshold (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase[] (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'FeatureAttributionDrift' (obrigatório) |
FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
| Nome | Descrição | Valor |
|---|
FeatureAttributionMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| métrica | [Obrigatório] A métrica de atribuição de recurso a ser calculada. | 'NormalizedDiscountedCumulativeGain' (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
FeatureImportanceSettings
| Nome | Descrição | Valor |
|---|---|---|
| modo | O modo de operação para a importância do recurso de computação. | 'Desabilitado' 'Habilitado' |
| targetColumn | O nome da coluna de destino dentro do ativo de dados de entrada. | corda |
FeatureSubset
| Nome | Descrição | Valor |
|---|---|---|
| Características | [Obrigatório] A lista de recursos a serem incluídos. | string[] (obrigatório) |
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | 'FeatureSubset' (obrigatório) |
FixedInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'Corrigido' (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. | |
| limitSettings | Restrições de execução para AutoMLJob. | |
| 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 serátrês 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. | |
| 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
ImageModelSettingsObjectDetection
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. | |
| 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. | |
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
JobScheduleAction
JobService
| Nome | Descrição | Valor |
|---|---|---|
| Extremidade | Url para ponto de extremidade. | corda |
| jobServiceType | Tipo de ponto de extremidade. | corda |
| Nós | Nós em que o usuário gostaria de iniciar o serviço. Se nós não estiverem definidos ou definidos como nulos, o serviço será iniciado apenas no nó de líder. |
nós |
| 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: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório) |
ManagedComputeIdentity
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 |
ManagedServiceIdentity
| Nome | Descrição | Valor |
|---|---|---|
| tipo | Tipo de identidade de serviço gerenciado (em que os tipos SystemAssigned e UserAssigned são permitidos). | 'None' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (obrigatório) |
| userAssignedIdentities | O conjunto de identidades atribuídas pelo usuário associadas ao recurso. As chaves do dicionário userAssignedIdentities serão IDs de recurso do ARM no formulário: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Os valores do dicionário podem ser objetos vazios ({}) em solicitações. | UserAssignedIdentities |
MedianStoppingPolicy
| Nome | Descrição | Valor |
|---|---|---|
| policyType | [Obrigatório] Nome da configuração de política | 'MedianStopping' (obrigatório) |
Microsoft.MachineLearningServices/workspaces/schedules
| 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. | ScheduleProperties (obrigatório) |
| tipo | O tipo de recurso | "Microsoft.MachineLearningServices/workspaces/schedules@2023-10-01" |
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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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 |
MonitorComputeConfigurationBase
| Nome | Descrição | Valor |
|---|---|---|
| computeType | Defina como 'ServerlessSpark' para o tipo MonitorServerlessSparkCompute. | 'ServerlessSpark' (obrigatório) |
MonitorComputeIdentityBase
| Nome | Descrição | Valor |
|---|---|---|
| computeIdentityType | Defina como 'AmlToken' para o tipo AmlTokenComputeIdentity. Defina como 'ManagedIdentity' para o tipo ManagedComputeIdentity. | 'AmlToken' 'ManagedIdentity' (obrigatório) |
MonitorDefinition
MonitorDefinitionSignals
| Nome | Descrição | Valor |
|---|
MonitorEmailNotificationSettings
| Nome | Descrição | Valor |
|---|---|---|
| emails | A lista de destinatários de email que tem uma limitação de 499 caracteres no total. | string[] |
MonitoringFeatureFilterBase
| Nome | Descrição | Valor |
|---|---|---|
| filterType | Defina como 'AllFeatures' para o tipo AllFeatures. Defina como 'FeatureSubset' para o tipo FeatureSubset. Defina como 'TopNByAttribution' para o tipo TopNFeaturesByAttribution. | 'AllFeatures' 'FeatureSubset' 'TopNByAttribution' (obrigatório) |
MonitoringInputDataBase
| Nome | Descrição | Valor |
|---|---|---|
| Colunas | Mapeamento de nomes de coluna para usos especiais. | MonitoringInputDataBaseColumns |
| dataContext | Os metadados de contexto da fonte de dados. | corda |
| inputDataType | Definido como 'Corrigido' para o tipo FixedInputData . Defina como 'Rolling' para o tipo RollingInputData . Defina como 'Estático' para o tipo StaticInputData. | 'Corrigido' 'Rolling' 'Estático' (obrigatório) |
| jobInputType | [Obrigatório] Especifica o tipo de trabalho. | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (obrigatório) |
| URI | [Obrigatório] URI do ativo de entrada. | corda Restrições: Comprimento mínimo = 1 Padrão = [a-zA-Z0-9_] (obrigatório) |
MonitoringInputDataBaseColumns
| Nome | Descrição | Valor |
|---|
MonitoringSignalBase
| Nome | Descrição | Valor |
|---|---|---|
| notificationTypes | O modo de notificação atual para esse sinal. | Matriz de cadeia de caracteres que contém qualquer um dos: 'AmlNotification' |
| Propriedades | Dicionário de propriedades. As propriedades podem ser adicionadas, mas não removidas ou alteradas. | MonitoringSignalBaseProperties |
| signalType | Definido como 'Personalizado' para o tipo CustomMonitoringSignal . Defina como 'DataDrift' para o tipo DataDriftMonitoringSignal. Defina como 'DataQuality' para o tipo DataQualityMonitoringSignal. Defina como 'FeatureAttributionDrift' para o tipo FeatureAttributionDriftMonitoringSignal . Defina como 'PredictionDrift' para o tipo PredictionDriftMonitoringSignal . | 'Personalizado' 'DataDrift' 'DataQuality' 'FeatureAttributionDrift' 'PredictionDrift' (obrigatório) |
MonitoringSignalBaseProperties
| Nome | Descrição | Valor |
|---|
MonitoringTarget
| Nome | Descrição | Valor |
|---|---|---|
| deploymentId | Referência ao ativo de implantação direcionado por este monitor. | corda |
| modelId | Referência ao ativo de modelo direcionado por este monitor. | corda |
| taskType | [Obrigatório] O tipo de tarefa de machine learning do modelo monitorado. | 'Classificação' 'Regressão' (obrigatório) |
MonitoringThreshold
| Nome | Descrição | Valor |
|---|---|---|
| valor | O valor do limite. Se nulo, o padrão definido dependerá do tipo de métrica. | int |
MonitorNotificationSettings
| Nome | Descrição | Valor |
|---|---|---|
| emailNotificationSettings | As configurações de email de notificação AML. | MonitorEmailNotificationSettings |
MonitorServerlessSparkCompute
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 |
Nós
| Nome | Descrição | Valor |
|---|---|---|
| nodesValueType | Defina como "Todos" para o tipo AllNodes. | 'All' (obrigatório) |
NumericalDataDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Numérico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de dados numéricos a ser calculada. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (obrigatório) |
NumericalDataQualityMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Numérico' (obrigatório) |
| métrica | [Obrigatório] A métrica de qualidade de dados numéricos a ser calculada. | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obrigatório) |
NumericalPredictionDriftMetricThreshold
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | [Obrigatório] Especifica o tipo de dados do limite de métrica. | 'Numérico' (obrigatório) |
| métrica | [Obrigatório] A métrica de descompasso de previsão numérica a ser calculada. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (obrigatório) |
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: Comprimento mínimo = 1 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 |
|---|
PredictionDriftMetricThresholdBase
| Nome | Descrição | Valor |
|---|---|---|
| Datatype | Definido como 'Categórico' para o tipo CategoricalPredictionDriftMetricThreshold . Defina como 'Numerical' para o tipo NumericalPredictionDriftMetricThreshold . | 'Categórico' 'Numérico' (obrigatório) |
| limiar | O valor do limite. Se nulo, um valor padrão será definido dependendo da métrica selecionada. | MonitoringThreshold |
PredictionDriftMonitoringSignal
| Nome | Descrição | Valor |
|---|---|---|
| featureDataTypeOverride | Um dicionário que mapeia nomes de recursos para seus respectivos tipos de dados. | PredictionDriftMonitoringSignalFeatureDataTypeOverride |
| metricThresholds | [Obrigatório] Uma lista de métricas a serem calculadas e seus limites associados. | PredictionDriftMetricThresholdBase [] (obrigatório) |
| productionData | [Obrigatório] Os dados para os quais o descompasso será calculado. | MonitoringInputDataBase (obrigatório) |
| referenceData | [Obrigatório] Os dados em que calcular descompasso. | MonitoringInputDataBase (obrigatório) |
| signalType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'PredictionDrift' (obrigatório) |
PredictionDriftMonitoringSignalFeatureDataTypeOverride
| 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 |
QueueSettings
| Nome | Descrição | Valor |
|---|---|---|
| jobTier | Controla a camada de trabalho de computação | 'Básico' 'Null' 'Premium' 'Spot' 'Standard' |
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 |
RecurrenceSchedule
| Nome | Descrição | Valor |
|---|---|---|
| Horas | [Obrigatório] Lista de horas para o agendamento. | int[] (obrigatório) |
| ata | [Obrigatório] Lista de minutos para o agendamento. | int[] (obrigatório) |
| monthDays | Lista de dias do mês para o agendamento | int[] |
| Semana | Lista de dias para a agenda. | Matriz de cadeia de caracteres que contém qualquer um dos: 'Sexta-feira' 'Segunda-feira' 'Sábado' 'Domingo' 'Quinta-feira' 'Terça-feira' 'Quarta-feira' |
RecurrenceTrigger
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. | |
| 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 |
|---|
ResourceBaseProperties
| Nome | Descrição | Valor |
|---|
ResourceBaseTags
| Nome | Descrição | Valor |
|---|
ResourceBaseTags
| Nome | Descrição | Valor |
|---|
ResourceConfigurationProperties
| Nome | Descrição | Valor |
|---|
RollingInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'Rolling' (obrigatório) |
| preprocessingComponentId | Referência ao ativo de componente usado para pré-processar os dados. | corda |
| windowOffset | [Obrigatório] O deslocamento de tempo entre o final da janela de dados e o tempo de execução atual do monitor. | cadeia de caracteres (obrigatório) |
| windowSize | [Obrigatório] O tamanho da janela de dados sem interrupção. | cadeia de caracteres (obrigatório) |
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) |
ScheduleActionBase
| Nome | Descrição | Valor |
|---|---|---|
| actionType | Defina como 'CreateJob' para o tipo JobScheduleAction . Defina como 'CreateMonitor' para o tipo CreateMonitorAction. Defina como 'InvokeBatchEndpoint' para o tipo EndpointScheduleAction. | 'CreateJob' 'CreateMonitor' 'InvokeBatchEndpoint' (obrigatório) |
ScheduleProperties
Sazonalidade
| Nome | Descrição | Valor |
|---|---|---|
| modo | Defina como 'Auto' para o tipode AutoSeasonalidade |
'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' |
StaticInputData
| Nome | Descrição | Valor |
|---|---|---|
| inputDataType | [Obrigatório] Especifica o tipo de sinal a ser monitorado. | 'Estático' (obrigatório) |
| preprocessingComponentId | Referência ao ativo de componente usado para pré-processar os dados. | corda |
| windowEnd | [Obrigatório] A data de término da janela de dados. | cadeia de caracteres (obrigatório) |
| windowStart | [Obrigatório] A data de início da janela de dados. | cadeia de caracteres (obrigatório) |
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. | |
| 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. | |
| queueSettings | Configurações de fila para o trabalho | queueSettings |
| 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 |
TopNFeaturesByAttribution
| Nome | Descrição | Valor |
|---|---|---|
| filterType | [Obrigatório] Especifica o filtro de recurso a ser aproveitado ao selecionar recursos para calcular as métricas. | 'TopNByAttribution' (obrigatório) |
| Início | O número de recursos principais a serem incluídos. | int |
TrialComponent
TrialComponentEnvironmentVariables
| Nome | Descrição | Valor |
|---|
TriggerBase
| Nome | Descrição | Valor |
|---|---|---|
| endTime | Especifica a hora de término do agendamento no ISO 8601, mas sem um deslocamento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601. O formato recomissado seria "2022-06-01T00:00:01" Se não estiver presente, o agendamento será executado indefinidamente |
corda |
| startTime | Especifica a hora de início do agendamento no formato ISO 8601, mas sem um deslocamento UTC. | corda |
| Fuso horário | Especifica o fuso horário no qual o agendamento é executado. O TimeZone deve seguir o formato de fuso horário do Windows. Consulte: /windows-hardware/manufacture/desktop/default-time-zones?view=windows-11 |
corda |
| triggerType | Defina como 'Cron' para o tipo CronTrigger. Defina como "Recorrência" para o tipo RecurrenceTrigger. | 'Cron' 'Recurrence' (obrigatório) |
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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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: Comprimento mínimo = 1 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 |
UserAssignedIdentities
| Nome | Descrição | Valor |
|---|
UserAssignedIdentity
| Nome | Descrição | Valor |
|---|
UserIdentity
| Nome | Descrição | Valor |
|---|---|---|
| identityType | [Obrigatório] Especifica o tipo de estrutura de identidade. | 'UserIdentity' (obrigatório) |