Microsoft.MachineLearningServices workspaces/schedules 2023-10-01
Определение ресурса Bicep
Тип ресурса workspaces/schedules можно развернуть с помощью операций, предназначенных для:
- Группы ресурсов — см. команды развертывания группы ресурсов.
Список измененных свойств в каждой версии API см. в журнале изменений.
Формат ресурсов
Чтобы создать ресурс Microsoft.MachineLearningServices/workspaces/schedules, добавьте следующий Bicep в шаблон.
resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2023-10-01' = {
name: 'string'
parent: resourceSymbolicName
properties: {
action: {
actionType: 'string'
// For remaining properties, see ScheduleActionBase objects
}
description: 'string'
displayName: 'string'
isEnabled: bool
properties: {
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
tags: {
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
trigger: {
endTime: 'string'
startTime: 'string'
timeZone: 'string'
triggerType: 'string'
// For remaining properties, see TriggerBase objects
}
}
}
Объекты ScheduleActionBase
Задайте свойство actionType , чтобы указать тип объекта .
Для CreateJob используйте:
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'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{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'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
{customized property}: 'string'
}
jobType: 'string'
// For remaining properties, see JobBaseProperties objects
}
Для CreateMonitor используйте:
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: 'AmlNotification'
properties: {
{customized property}: 'string'
}
signalType: 'string'
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Для InvokeBatchEndpoint используйте:
actionType: 'InvokeBatchEndpoint'
endpointInvocationDefinition: any()
Объекты JobBaseProperties
Задайте свойство jobType , чтобы указать тип объекта.
Для AutoML используйте:
jobType: 'AutoML'
environmentId: 'string'
environmentVariables: {
{customized property}: '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()
{customized property}: any()
}
shmSize: 'string'
}
taskDetails: {
logVerbosity: 'string'
targetColumnName: 'string'
trainingData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
taskType: 'string'
// For remaining properties, see AutoMLVertical objects
}
Для команды используйте следующую команду:
jobType: 'Command'
codeId: 'string'
command: 'string'
distribution: {
distributionType: 'string'
// For remaining properties, see DistributionConfiguration objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
limits: {
jobLimitsType: 'string'
timeout: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
queueSettings: {
jobTier: 'string'
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
properties: {
{customized property}: any()
{customized property}: any()
}
shmSize: 'string'
}
Для конвейера используйте:
jobType: 'Pipeline'
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
jobs: {
{customized property}: any()
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
settings: any()
sourceJobId: 'string'
Для очистки используйте:
jobType: 'Sweep'
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
limits: {
jobLimitsType: 'string'
maxConcurrentTrials: int
maxTotalTrials: int
timeout: 'string'
trialTimeout: 'string'
}
objective: {
goal: 'string'
primaryMetric: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
queueSettings: {
jobTier: 'string'
}
samplingAlgorithm: {
samplingAlgorithmType: 'string'
// For remaining properties, see SamplingAlgorithm objects
}
searchSpace: any()
trial: {
codeId: 'string'
command: 'string'
distribution: {
distributionType: 'string'
// For remaining properties, see DistributionConfiguration objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
properties: {
{customized property}: any()
{customized property}: any()
}
shmSize: 'string'
}
}
Объекты IdentityConfiguration
Задайте свойство identityType , чтобы указать тип объекта .
Для AMLToken используйте:
identityType: 'AMLToken'
Для управляемого используйте:
identityType: 'Managed'
clientId: 'string'
objectId: 'string'
resourceId: 'string'
Для UserIdentity используйте:
identityType: 'UserIdentity'
Объекты Nodes
Задайте свойство nodesValueType , чтобы указать тип объекта .
Для всех используйте:
nodesValueType: 'All'
Объекты JobOutput
Задайте свойство jobOutputType , чтобы указать тип объекта .
Для custom_model используйте:
jobOutputType: 'custom_model'
mode: 'string'
uri: 'string'
Для mlflow_model используйте:
jobOutputType: 'mlflow_model'
mode: 'string'
uri: 'string'
Для mltable используйте:
jobOutputType: 'mltable'
mode: 'string'
uri: 'string'
Для triton_model используйте:
jobOutputType: 'triton_model'
mode: 'string'
uri: 'string'
Для uri_file используйте:
jobOutputType: 'uri_file'
mode: 'string'
uri: 'string'
Для uri_folder используйте:
jobOutputType: 'uri_folder'
mode: 'string'
uri: 'string'
Объекты AutoMLVertical
Задайте свойство taskType , чтобы указать тип объекта.
Для классификации используйте:
taskType: 'Classification'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
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'
testData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
trainingSettings: {
allowedTrainingAlgorithms: [
'string'
]
blockedTrainingAlgorithms: [
'string'
]
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
Для прогнозирования используйте:
taskType: 'Forecasting'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
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'
testData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
trainingSettings: {
allowedTrainingAlgorithms: [
'string'
]
blockedTrainingAlgorithms: [
'string'
]
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
Для ImageClassification используйте:
taskType: 'ImageClassification'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
momentum: int
nesterov: bool
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
trainingBatchSize: int
trainingCropSize: int
validationBatchSize: int
validationCropSize: int
validationResizeSize: int
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
weightedLoss: int
}
primaryMetric: 'string'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
momentum: 'string'
nesterov: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
trainingBatchSize: 'string'
trainingCropSize: 'string'
validationBatchSize: 'string'
validationCropSize: 'string'
validationResizeSize: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
weightedLoss: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Для ImageClassificationMultilabel используйте:
taskType: 'ImageClassificationMultilabel'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
momentum: int
nesterov: bool
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
trainingBatchSize: int
trainingCropSize: int
validationBatchSize: int
validationCropSize: int
validationResizeSize: int
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
weightedLoss: int
}
primaryMetric: 'string'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
momentum: 'string'
nesterov: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
trainingBatchSize: 'string'
trainingCropSize: 'string'
validationBatchSize: 'string'
validationCropSize: 'string'
validationResizeSize: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
weightedLoss: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Для ImageInstanceSegmentation используйте:
taskType: 'ImageInstanceSegmentation'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
boxDetectionsPerImage: int
boxScoreThreshold: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
imageSize: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
maxSize: int
minSize: int
modelName: 'string'
modelSize: 'string'
momentum: int
multiScale: bool
nesterov: bool
nmsIouThreshold: int
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
tileGridSize: 'string'
tileOverlapRatio: int
tilePredictionsNmsThreshold: int
trainingBatchSize: int
validationBatchSize: int
validationIouThreshold: int
validationMetricType: 'string'
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
}
primaryMetric: 'MeanAveragePrecision'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
boxDetectionsPerImage: 'string'
boxScoreThreshold: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
imageSize: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
maxSize: 'string'
minSize: 'string'
modelName: 'string'
modelSize: 'string'
momentum: 'string'
multiScale: 'string'
nesterov: 'string'
nmsIouThreshold: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
tileGridSize: 'string'
tileOverlapRatio: 'string'
tilePredictionsNmsThreshold: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
validationIouThreshold: 'string'
validationMetricType: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Для ImageObjectDetection используйте:
taskType: 'ImageObjectDetection'
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
modelSettings: {
advancedSettings: 'string'
amsGradient: bool
augmentations: 'string'
beta1: int
beta2: int
boxDetectionsPerImage: int
boxScoreThreshold: int
checkpointFrequency: int
checkpointModel: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
checkpointRunId: 'string'
distributed: bool
earlyStopping: bool
earlyStoppingDelay: int
earlyStoppingPatience: int
enableOnnxNormalization: bool
evaluationFrequency: int
gradientAccumulationStep: int
imageSize: int
layersToFreeze: int
learningRate: int
learningRateScheduler: 'string'
maxSize: int
minSize: int
modelName: 'string'
modelSize: 'string'
momentum: int
multiScale: bool
nesterov: bool
nmsIouThreshold: int
numberOfEpochs: int
numberOfWorkers: int
optimizer: 'string'
randomSeed: int
stepLRGamma: int
stepLRStepSize: int
tileGridSize: 'string'
tileOverlapRatio: int
tilePredictionsNmsThreshold: int
trainingBatchSize: int
validationBatchSize: int
validationIouThreshold: int
validationMetricType: 'string'
warmupCosineLRCycles: int
warmupCosineLRWarmupEpochs: int
weightDecay: int
}
primaryMetric: 'MeanAveragePrecision'
searchSpace: [
{
amsGradient: 'string'
augmentations: 'string'
beta1: 'string'
beta2: 'string'
boxDetectionsPerImage: 'string'
boxScoreThreshold: 'string'
distributed: 'string'
earlyStopping: 'string'
earlyStoppingDelay: 'string'
earlyStoppingPatience: 'string'
enableOnnxNormalization: 'string'
evaluationFrequency: 'string'
gradientAccumulationStep: 'string'
imageSize: 'string'
layersToFreeze: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
maxSize: 'string'
minSize: 'string'
modelName: 'string'
modelSize: 'string'
momentum: 'string'
multiScale: 'string'
nesterov: 'string'
nmsIouThreshold: 'string'
numberOfEpochs: 'string'
numberOfWorkers: 'string'
optimizer: 'string'
randomSeed: 'string'
stepLRGamma: 'string'
stepLRStepSize: 'string'
tileGridSize: 'string'
tileOverlapRatio: 'string'
tilePredictionsNmsThreshold: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
validationIouThreshold: 'string'
validationMetricType: 'string'
warmupCosineLRCycles: 'string'
warmupCosineLRWarmupEpochs: 'string'
weightDecay: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
Для регрессии используйте:
taskType: 'Regression'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
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'
testData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
testDataSize: int
trainingSettings: {
allowedTrainingAlgorithms: [
'string'
]
blockedTrainingAlgorithms: [
'string'
]
enableDnnTraining: bool
enableModelExplainability: bool
enableOnnxCompatibleModels: bool
enableStackEnsemble: bool
enableVoteEnsemble: bool
ensembleModelDownloadTimeout: 'string'
stackEnsembleSettings: {
stackMetaLearnerKWargs: any()
stackMetaLearnerTrainPercentage: int
stackMetaLearnerType: 'string'
}
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
Для TextClassification используйте:
taskType: 'TextClassification'
featurizationSettings: {
datasetLanguage: 'string'
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
primaryMetric: 'string'
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
Для TextClassificationMultilabel используйте:
taskType: 'TextClassificationMultilabel'
featurizationSettings: {
datasetLanguage: 'string'
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
Для TextNER используйте:
taskType: 'TextNER'
featurizationSettings: {
datasetLanguage: 'string'
}
limitSettings: {
maxConcurrentTrials: int
maxTrials: int
timeout: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
Объекты NCrossValidations
Задайте свойство mode , чтобы указать тип объекта .
Для параметра Auto используйте:
mode: 'Auto'
Для настраиваемого используйте:
mode: 'Custom'
value: int
Объекты ForecastHorizon
Задайте свойство mode , чтобы указать тип объекта .
Для параметра Auto используйте:
mode: 'Auto'
Для настраиваемого используйте:
mode: 'Custom'
value: int
Объекты сезонности
Задайте свойство mode , чтобы указать тип объекта .
Для параметра Auto используйте:
mode: 'Auto'
Для настраиваемого используйте:
mode: 'Custom'
value: int
Объекты TargetLags
Задайте свойство mode , чтобы указать тип объекта .
Для параметра Auto используйте:
mode: 'Auto'
Для настраиваемого используйте:
mode: 'Custom'
values: [
int
]
Объекты TargetRollingWindowSize
Задайте свойство mode , чтобы указать тип объекта .
Для параметра Auto используйте:
mode: 'Auto'
Для настраиваемого используйте:
mode: 'Custom'
value: int
Объекты EarlyTerminationPolicy
Задайте свойство policyType , чтобы указать тип объекта .
Для Bandit используйте:
policyType: 'Bandit'
slackAmount: int
slackFactor: int
Для MedianStopping используйте:
policyType: 'MedianStopping'
Для TruncationSelection используйте:
policyType: 'TruncationSelection'
truncationPercentage: int
Объекты DistributionConfiguration
Задайте свойство distributionType , чтобы указать тип объекта .
Для Mpi используйте:
distributionType: 'Mpi'
processCountPerInstance: int
Для PyTorch используйте:
distributionType: 'PyTorch'
processCountPerInstance: int
Для TensorFlow используйте:
distributionType: 'TensorFlow'
parameterServerCount: int
workerCount: int
Объекты JobInput
Задайте свойство jobInputType , чтобы указать тип объекта .
Для custom_model используйте:
jobInputType: 'custom_model'
mode: 'string'
uri: 'string'
Для литерала используйте:
jobInputType: 'literal'
value: 'string'
Для mlflow_model используйте:
jobInputType: 'mlflow_model'
mode: 'string'
uri: 'string'
Для mltable используйте:
jobInputType: 'mltable'
mode: 'string'
uri: 'string'
Для triton_model используйте:
jobInputType: 'triton_model'
mode: 'string'
uri: 'string'
Для uri_file используйте:
jobInputType: 'uri_file'
mode: 'string'
uri: 'string'
Для uri_folder используйте:
jobInputType: 'uri_folder'
mode: 'string'
uri: 'string'
Объекты SamplingAlgorithm
Задайте свойство samplingAlgorithmType , чтобы указать тип объекта.
Для Байеса используйте:
samplingAlgorithmType: 'Bayesian'
Для Grid используйте:
samplingAlgorithmType: 'Grid'
Для случайного использования используйте:
samplingAlgorithmType: 'Random'
rule: 'string'
seed: int
Объекты MonitorComputeConfigurationBase
Задайте свойство computeType , чтобы указать тип объекта .
Для serverlessSpark используйте:
computeType: 'ServerlessSpark'
computeIdentity: {
computeIdentityType: 'string'
// For remaining properties, see MonitorComputeIdentityBase objects
}
instanceType: 'string'
runtimeVersion: 'string'
Объекты MonitorComputeIdentityBase
Задайте свойство computeIdentityType , чтобы указать тип объекта.
Для AmlToken используйте:
computeIdentityType: 'AmlToken'
Для ManagedIdentity используйте:
computeIdentityType: 'ManagedIdentity'
identity: {
type: 'string'
userAssignedIdentities: {
{customized property}: {}
}
}
Объекты MonitoringSignalBase
Задайте свойство signalType , чтобы указать тип объекта.
Для настраиваемого используйте:
signalType: 'Custom'
componentId: 'string'
inputAssets: {
{customized property}: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
}
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
metricThresholds: [
{
metric: 'string'
threshold: {
value: int
}
}
]
Для DataDrift используйте:
signalType: 'DataDrift'
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: 'string'
}
features: {
filterType: 'string'
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see DataDriftMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Для DataQuality используйте:
signalType: 'DataQuality'
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: 'string'
}
features: {
filterType: 'string'
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see DataQualityMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Для FeatureAttributionDrift используйте:
signalType: 'FeatureAttributionDrift'
featureDataTypeOverride: {
{customized property}: 'string'
}
featureImportanceSettings: {
mode: 'string'
targetColumn: 'string'
}
metricThreshold: {
metric: 'NormalizedDiscountedCumulativeGain'
threshold: {
value: int
}
}
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Для PredictionDrift используйте:
signalType: 'PredictionDrift'
featureDataTypeOverride: {
{customized property}: 'string'
}
metricThresholds: [
{
threshold: {
value: int
}
dataType: 'string'
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
]
productionData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData: {
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
Объекты MonitoringInputDataBase
Задайте свойство inputDataType , чтобы указать тип объекта .
Для исправлений используйте:
inputDataType: 'Fixed'
Для последовательной последовательности используйте:
inputDataType: 'Rolling'
preprocessingComponentId: 'string'
windowOffset: 'string'
windowSize: 'string'
Для static используйте:
inputDataType: 'Static'
preprocessingComponentId: 'string'
windowEnd: 'string'
windowStart: 'string'
Объекты MonitoringFeatureFilterBase
Задайте свойство filterType , чтобы указать тип объекта .
Для allFeatures используйте:
filterType: 'AllFeatures'
Для FeatureSubset используйте:
filterType: 'FeatureSubset'
features: [
'string'
]
Для TopNByAttribution используйте:
filterType: 'TopNByAttribution'
top: int
Объекты DataDriftMetricThresholdBase
Задайте свойство dataType , чтобы указать тип объекта.
Для категориальных используйте:
dataType: 'Categorical'
metric: 'string'
Для числовых значений используйте:
dataType: 'Numerical'
metric: 'string'
Объекты DataQualityMetricThresholdBase
Задайте свойство dataType , чтобы указать тип объекта.
Для категориальных используйте:
dataType: 'Categorical'
metric: 'string'
Для числовых значений используйте:
dataType: 'Numerical'
metric: 'string'
Объекты PredictionDriftMetricThresholdBase
Задайте свойство dataType , чтобы указать тип объекта.
Для категориальных используйте:
dataType: 'Categorical'
metric: 'string'
Для числовых значений используйте:
dataType: 'Numerical'
metric: 'string'
Объекты TriggerBase
Задайте свойство triggerType , чтобы указать тип объекта .
Для Cron используйте:
triggerType: 'Cron'
expression: 'string'
Для повторения используйте:
triggerType: 'Recurrence'
frequency: 'string'
interval: int
schedule: {
hours: [
int
]
minutes: [
int
]
monthDays: [
int
]
weekDays: [
'string'
]
}
Значения свойств
рабочие области и расписания
Имя | Описание | Значение |
---|---|---|
name | имя ресурса. Узнайте, как задать имена и типы для дочерних ресурсов в Bicep. |
string (обязательно) |
родитель | В Bicep можно указать родительский ресурс для дочернего ресурса. Это свойство необходимо добавить только в том случае, если дочерний ресурс объявлен за пределами родительского ресурса. Дополнительные сведения см. в разделе Дочерний ресурс за пределами родительского ресурса. |
Символьное имя ресурса типа : workspaces |
properties | [Обязательно] Дополнительные атрибуты сущности. | ScheduleProperties (обязательно) |
Свойства Schedule
Имя | Описание | Значение |
---|---|---|
action | [Обязательно] Указывает действие расписания. | ScheduleActionBase (обязательно) |
description | Текст описания ресурса. | строка |
displayName | Отображаемое имя расписания. | строка |
isEnabled | Включено ли расписание? | bool |
properties | Словарь свойств ресурса. | Свойства ResourceBase |
tags | Словарь тегов. Теги можно добавлять, удалять и обновлять. | объект |
триггер | [Обязательно] Указывает сведения о триггере. | TriggerBase (обязательно) |
ScheduleActionBase
Имя | Описание | Значение |
---|---|---|
actionType | Установка типа объекта | CreateJob CreateMonitor InvokeBatchEndpoint (обязательно) |
JobScheduleAction
Имя | Описание | Значение |
---|---|---|
actionType | [Обязательный параметр] Указывает тип действия расписания. | CreateJob (обязательно) |
jobDefinition | [Обязательный параметр] Определяет сведения об определении действия расписания. | JobBaseProperties (обязательно) |
JobBaseProperties
Имя | Описание | Значение |
---|---|---|
componentId | Идентификатор ресурса ARM ресурса компонента. | строка |
computeId | Идентификатор ресурса ARM вычислительного ресурса. | строка |
description | Текст описания ресурса. | строка |
displayName | Отображаемое имя задания. | строка |
experimentName | Имя эксперимента, которому принадлежит задание. Если значение не задано, задание помещается в эксперимент "По умолчанию". | строка |
удостоверение | Конфигурация удостоверения. Если задано значение , оно должно иметь значение AmlToken, ManagedIdentity, UserIdentity или null. По умолчанию — AmlToken, если значение null. |
IdentityConfiguration |
isArchived | Архивирован ли ресурс? | bool |
properties | Словарь свойств ресурса. | ResourceBaseProperties |
services; | Список рабочих точек. Для локальных заданий конечная точка задания будет иметь значение конечной точки FileStreamObject. |
JobBaseServices |
tags | Словарь тегов. Теги можно добавлять, удалять и обновлять. | объект |
jobType | Установка типа объекта | AutoML Command Конвейер Очистка (обязательно) |
IdentityConfiguration
Имя | Описание | Значение |
---|---|---|
identityType | Установка типа объекта | AMLToken Управляемость UserIdentity (обязательно) |
AmlToken
Имя | Описание | Значение |
---|---|---|
identityType | [Обязательный параметр] Указывает тип платформы удостоверений. | AMLToken (обязательно) |
ManagedIdentity
Имя | Описание | Значение |
---|---|---|
identityType | [Обязательный параметр] Указывает тип платформы удостоверений. | Managed (обязательно) |
clientid | Указывает удостоверение, назначаемое пользователем, по идентификатору клиента. Для назначаемых системой не устанавливайте это поле. | строка Ограничения: Минимальная длина = 36 Максимальная длина = 36 Шаблон = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
objectId | Указывает назначаемое пользователем удостоверение по идентификатору объекта. Для назначаемых системой не устанавливайте это поле. | строка Ограничения: Минимальная длина = 36 Максимальная длина = 36 Шаблон = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
resourceId | Указывает удостоверение, назначаемое пользователем, по идентификатору ресурса ARM. Для назначаемых системой не устанавливайте это поле. | строка |
UserIdentity
Имя | Описание | Значение |
---|---|---|
identityType | [Обязательный параметр] Указывает тип платформы удостоверений. | UserIdentity (обязательно) |
ResourceBaseProperties
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка |
JobBaseServices
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | Служба заданий |
Служба заданий
Имя | Описание | Значение |
---|---|---|
endpoint | URL-адрес конечной точки. | строка |
jobServiceType | Тип конечной точки. | строка |
Узлы | Узлы, на которые пользователь хотел бы запустить службу. Если для nodes не задано значение NULL или не задано значение NULL, служба будет запущена только на узле-лидере. |
Узлы |
порт | Порт для конечной точки. | INT |
properties | Дополнительные свойства, устанавливаемые в конечной точке. | JobServiceProperties |
Узлы
Имя | Описание | Значение |
---|---|---|
nodesValueType | Установка типа объекта | Все (обязательно) |
AllNodes
Имя | Описание | Значение |
---|---|---|
nodesValueType | [Обязательный параметр] Тип значения Nodes | All (обязательно) |
JobServiceProperties
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | строка |
AutoMLJob
Имя | Описание | Значение |
---|---|---|
jobType | [Обязательный параметр] Указывает тип задания. | AutoML (обязательно) |
environmentId | Идентификатор ресурса ARM спецификации среды для задания. Это необязательное значение. Если оно не указано, AutoML по умолчанию будет использовать рабочую версию курируемой среды AutoML при выполнении задания. |
строка |
environmentVariables | Переменные среды, включенные в задание. | AutoMLJobEnvironmentVariables |
outputs | Сопоставление привязок выходных данных, используемых в задании. | AutoMLJobOutputs |
queueSettings | Параметры очереди для задания | QueueSettings |
ресурсов | Конфигурация вычислительного ресурса для задания. | JobResourceConfiguration |
taskDetails | [Обязательный параметр] Это сценарий, который может быть одним из таблиц, NLP или image | AutoMLVertical (обязательно) |
AutoMLJobEnvironmentVariables
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | строка |
AutoMLJobOutputs
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | JobOutput |
JobOutput
Имя | Описание | Значение |
---|---|---|
description | Описание выходных данных. | строка |
jobOutputType | Установка типа объекта | custom_model mlflow_model mltable triton_model uri_file uri_folder (обязательно) |
CustomModelJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательный параметр] Указывает тип задания. | "custom_model" (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
MLFlowModelJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательный параметр] Указывает тип задания. | "mlflow_model" (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
MLTableJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательный параметр] Указывает тип задания. | "mltable" (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
TritonModelJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательный параметр] Указывает тип задания. | "triton_model" (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
UriFileJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательный параметр] Указывает тип задания. | "uri_file" (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
UriFolderJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательный параметр] Указывает тип задания. | "uri_folder" (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
QueueSettings
Имя | Описание | Значение |
---|---|---|
jobTier | Управляет уровнем заданий вычислений | "Базовый" Null "Премиум" "Спот" "Стандартный" |
JobResourceConfiguration
Имя | Описание | Значение |
---|---|---|
dockerArgs | Дополнительные аргументы для передачи команде запуска Docker. Это переопределит все параметры, которые уже были заданы системой или в этом разделе. Этот параметр поддерживается только для типов вычислений Машинного обучения Azure. | строка |
instanceCount | Необязательное количество экземпляров или узлов, используемых целевым объектом вычислений. | INT |
instanceType | Необязательный тип виртуальной машины, поддерживаемой целевым объектом вычислений. | строка |
properties | Контейнер дополнительных свойств. | ResourceConfigurationProperties |
shmSize | Размер блока общей памяти контейнера Docker. Значение должно быть в формате (число)(единица), где число больше 0, а единица измерения может быть одной из b(байтов), k(килобайтов), m(мегабайт) или g(гигабайт). | строка Ограничения: Шаблон = \d+[bBkKmMgG] |
ResourceConfigurationProperties
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | Для Bicep можно использовать функцию any(). | |
{настроенное свойство} | Для Bicep можно использовать функцию any(). |
AutoMLVertical
Имя | Описание | Значение |
---|---|---|
logVerbosity | Подробные сведения о задании в журнале. | "Критический" Отладка "Ошибка" "Информация" NotSet Предупреждение |
targetColumnName | Имя целевого столбца. Это столбец значений прогноза. Также называется именем столбца метки в контексте задач классификации. |
строка |
trainingData | [Обязательный параметр] Входные данные для обучения. | MLTableJobInput (обязательно) |
taskType | Установка типа объекта | Классификация Прогнозирование ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Регрессия TextClassification TextClassificationMultilabel TextNER (обязательно) |
MLTableJobInput
Имя | Описание | Значение |
---|---|---|
description | Описание входных данных. | строка |
jobInputType | [Обязательно] Указывает тип задания. | 'custom_model' "литерал" 'mlflow_model' 'mltable' 'triton_model' 'uri_file' "uri_folder" (обязательно) |
mode | Режим доставки входных ресурсов. | "Direct" "Скачать" 'EvalDownload' 'EvalMount' ReadOnlyMount ReadWriteMount |
uri | [Обязательно] URI входного ресурса. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
Классификация
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательно] Тип задачи для AutoMLJob. | Классификация (обязательно) |
cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения если набор данных проверки не указан. |
NCrossValidations |
positiveLabel | Положительная метка для вычисления двоичных метрик. | строка |
primaryMetric | Основная метрика для задачи. | 'AUCWeighted' "Точность" "AveragePrecisionScoreWeighted" "НормМакроРеколл" PrecisionScoreWeighted |
testData | Тестовые входные данные. | MLTableJobInput |
testDataSize | Доля тестового набора данных, которая должна быть выделена для целей проверки. Значения между (0,0 , 1,0) Применяется, если набор данных проверки не указан. |
INT |
trainingSettings | Входные данные для этапа обучения для задания AutoML. | ClassificationTrainingSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которая должна быть выделена для целей проверки. Значения между (0,0 , 1,0) Применяется, если набор данных проверки не указан. |
INT |
weightColumnName | Имя столбца с весом выборок. Автоматизированное машинное обучение поддерживает взвешенный столбец в качестве входных данных, и в результате вес строк данных меняется в большую или меньшую сторону. | строка |
TableVerticalFeaturizationSettings
Имя | Описание | Значение |
---|---|---|
blockedTransformers | Эти преобразователи не должны использоваться при конструировании признаков. | Массив строк, содержащий любой из: 'CatTargetEncoder' 'CountVectorizer' HashOneHotEncoder 'LabelEncoder' 'NaiveBayes' 'OneHotEncoder' TextTargetEncoder 'TfIdf' 'WoETargetEncoder' 'WordEmbedding' |
columnNameAndTypes | Словарь имени столбца и его типа (int, float, string, datetime и т. д.). | TableVerticalFeaturizationSettingsColumnNameAndTypes |
datasetLanguage | Язык набора данных, полезный для текстовых данных. | строка |
enableDnnFeaturization | Определяет, следует ли использовать создатели признаков на основе Dnn для создания признаков данных. | bool |
mode | Режим конструирования признаков . Пользователь может сохранить режим "Auto" по умолчанию, и AutoML позаботится о необходимом преобразовании данных на этапе конструирования признаков. Если выбран параметр "Выкл.", то конструирование признаков не выполняется. Если выбран параметр "Пользовательский", пользователь может указать дополнительные входные данные, чтобы настроить способ создания признаков. |
"Auto" "Пользовательский" "Выкл." |
transformerParams | Пользователь может указать дополнительные преобразователи для использования вместе со столбцами, к которым они будут применяться, и параметрами для конструктора преобразователя. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | строка |
TableVerticalFeaturizationSettingsTransformerParams
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | ColumnTransformer[] |
ColumnTransformer
Имя | Описание | Значение |
---|---|---|
fields | Поля для применения логики преобразователя. | string[] |
параметры | Различные свойства, передаваемые преобразователю. Ожидается, что входные данные — словарь пар "ключ—значение" в формате JSON. |
Для Bicep можно использовать функцию any(). |
TableVerticalLimitSettings
Имя | Описание | Значение |
---|---|---|
enableEarlyTermination | Включение раннего завершения определяет, будет ли autoMLJob завершено раньше, если в последних 20 итерациях не улучшилась оценка. | bool |
exitScore | Оценка выхода для задания AutoML. | INT |
maxConcurrentTrials | Максимальное число параллельных итераций. | INT |
maxCoresPerTrial | Максимальное число ядер на итерацию. | INT |
maxTrials | Число итераций. | INT |
timeout | Время ожидания задания AutoML. | строка |
trialTimeout | Время ожидания итерации. | строка |
NCrossValidations
Имя | Описание | Значение |
---|---|---|
mode | Установка типа объекта | Автоматически Пользовательский (обязательный) |
AutoNCrossValidations
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Режим для определения N-Перекрестных проверок. | Auto (обязательно) |
CustomNCrossValidations
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Режим для определения N-Перекрестных проверок. | "Custom" (обязательно) |
значение | [Обязательно] Значение N-Перекрестных проверок. | int (обязательно) |
ClassificationTrainingSettings
Имя | Описание | Значение |
---|---|---|
allowedTrainingAlgorithms | Разрешенные модели для задачи классификации. | Массив строк, содержащий любой из: 'BernoulliNaiveBayes' 'DecisionTree' "ExtremeRandomTrees" GradientBoosting "KNN" LightGBM LinearSVM "LogisticRegression" 'MultinomialNaiveBayes' "RandomForest" "SGD" "SVM" XGBoostClassifier |
blockedTrainingAlgorithms | Заблокированные модели для задачи классификации. | Массив строк, содержащий любой из: 'BernoulliNaiveBayes' DecisionTree ExtremeRandomTrees GradientBoosting "KNN" LightGBM LinearSVM "LogisticRegression" 'MultinomialNaiveBayes' "RandomForest" "SGD" "SVM" XGBoostClassifier |
enableDnnTraining | Включите рекомендации для моделей DNN. | bool |
enableModelExplainability | Флаг для включения объясняемости в оптимальной модели. | bool |
enableOnnxCompatibleModels | Флаг для включения моделей, совместимых с onnx. | bool |
enableStackEnsemble | Включите запуск ансамбля стека. | bool |
enableVoteEnsemble | Включите запуск ансамбля голосования. | bool |
ensembleModelDownloadTimeout | Во время создания моделей VotingEnsemble и StackEnsemble скачиваются несколько установленных моделей из предыдущих дочерних запусков. Если требуется больше времени, настройте для этого параметра значение более 300 секунд. |
строка |
stackEnsembleSettings | Параметры ансамбля стека для выполнения ансамбля стека. | StackEnsembleSettings |
StackEnsembleSettings
Имя | Описание | Значение |
---|---|---|
stackMetaLearnerKWargs | Необязательные параметры, которые передаются инициализатору метаучестика. | Для Bicep можно использовать функцию any(). |
stackMetaLearnerTrainPercentage | Указывает долю обучающего набора (при выборе типа обучения и проверки обучения), зарезервированного для обучения мета-учащегося. Значение по умолчанию — 0,2. | INT |
stackMetaLearnerType | Метаобучение — это модель, обученная на выходных данных отдельных разнородных моделей. | ElasticNet ElasticNetCV 'LightGBMClassifier' LightGBMRegressor LinearRegression "LogisticRegression" LogisticRegressionCV "Нет" |
Прогнозирование
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательный параметр] Тип задачи для AutoMLJob. | "Прогнозирование" (обязательно) |
cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
forecastingSettings | Входные данные для конкретных задач прогнозирования. | ForecastingSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения если набор данных проверки не указан. |
NCrossValidations |
primaryMetric | Основная метрика для задачи прогнозирования. | NormalizedMeanAbsoluteError NormalizedRootMeanSquaredError R2Score 'SpearmanCorrelation' |
testData | Тестирование входных данных. | MLTableJobInput |
testDataSize | Часть тестового набора данных, которую необходимо выделить для целей проверки. Значения между (0,0 , 1,0) Применяется, если не указан проверочный набор данных. |
INT |
trainingSettings | Входные данные для этапа обучения для задания AutoML. | ForecastingTrainingSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которую необходимо выделить для целей проверки. Значения между (0,0 , 1,0) Применяется, если не указан проверочный набор данных. |
INT |
weightColumnName | Имя столбца с весом выборок. Автоматизированное машинное обучение поддерживает взвешенный столбец в качестве входных данных, и в результате вес строк данных меняется в большую или меньшую сторону. | строка |
ForecastingSettings
Имя | Описание | Значение |
---|---|---|
countryOrRegionForHolidays | Страна или регион для праздников для задач прогнозирования. Это должны быть двухбуквенные коды страны и региона по стандарту ISO 3166, например "US" или "GB". |
строка |
cvStepSize | Число периодов между временем начала одной свертки CV и следующей. Для Например, если CVStepSize = 3 для ежедневных данных, время начала для каждой свертки будет равнотри дня друг от друга. |
INT |
featureLags | Флаг для создания задержек для числовых признаков с "auto" или null. | "Auto" "Нет" |
forecastHorizon | Максимальный требуемый горизонт прогнозирования в единицах периодичности временных рядов. | ПрогнозГоризон |
frequency | При прогнозировании этот параметр представляет собой требуемый период составления прогноза, например, ежедневно, еженедельно, ежегодно и т. п. По умолчанию частота прогнозирования равна частоте набора данных. | строка |
Сезонность | Задайте сезонность временного ряда в виде целого числа, кратного частоте ряда. Если для сезонности задано значение auto, она будет выводиться автоматически. |
Сезонность |
shortSeriesHandlingConfig | Параметр, определяющий, как AutoML должно обрабатывать короткие временные ряды. | "Auto" "Drop" "Нет" 'Pad' |
targetAggregateFunction | Функция, используемая для агрегирования целевого столбца временных рядов в соответствии с заданной пользователем частотой. Если параметр TargetAggregateFunction задан, т. е. не "None", но параметр freq не задан, возникает ошибка. Возможны следующие целевые функции агрегирования: "sum", "max", "min" и "mean". |
"Max" "Среднее" 'Min' "Нет" "Сумма" |
targetLags | Число периодов в прошлом, на которое должно быть определено запаздывание от целевого столбца. | TargetLags |
targetRollingWindowSize | Число периодов в прошлом, используемых для создания среднего значения скользящего интервала для целевого столбца. | TargetRollingWindowSize |
timeColumnName | Имя столбца времени. Это параметр требуется при прогнозировании, чтобы задать столбец даты и времени во входных данных, используемых для создания временного ряда и определения его периодичности. | строка |
timeSeriesIdColumnNames | Имена столбцов, используемых для группирования временных рядов. Можно использовать для создания нескольких рядов. Если интервал не определен, предполагается, что набор данных является одним временным рядом. Этот параметр используется с типом задач forecasting. |
string[] |
useStl | Настройка декомпозиции STL для целевого столбца временных рядов. | "Нет" 'Сезон' 'SeasonTrend' |
ПрогнозГоризон
Имя | Описание | Значение |
---|---|---|
mode | Установка типа объекта | Автоматически Пользовательский (обязательно) |
AutoForecastHorizon
Имя | Описание | Значение |
---|---|---|
mode | [Обязательный параметр] Установка режима выбора значения горизонта прогноза. | Auto (обязательно) |
CustomForecastHorizon
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Задайте режим выбора значения горизонта прогноза. | "Custom" (обязательно) |
значение | [Обязательно] Значение горизонта прогнозирования. | int (обязательно) |
Сезонность
Имя | Описание | Значение |
---|---|---|
mode | Установка типа объекта | Автоматически Пользовательский (обязательный) |
AutoSeasonality
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Режим сезонности. | Auto (обязательно) |
CustomSeasonality
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Режим сезонности. | "Custom" (обязательно) |
значение | [Обязательно] Значение сезонности. | int (обязательно) |
TargetLags
Имя | Описание | Значение |
---|---|---|
mode | Установка типа объекта | Автоматически Пользовательский (обязательный) |
AutoTargetLags
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Настройка режима задержки целевого объекта — автоматический или настраиваемый | Auto (обязательно) |
CustomTargetLags
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Настройка режима задержки целевого объекта — автоматический или настраиваемый | "Custom" (обязательно) |
значения | [Обязательно] Установка целевых значений задержки. | int[] (обязательно) |
TargetRollingWindowSize
Имя | Описание | Значение |
---|---|---|
mode | Установка типа объекта | Автоматически Пользовательский (обязательный) |
AutoTargetRollingWindowSize
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] TargetRollingWindowSiz, режим обнаружения. | Auto (обязательно) |
CustomTargetRollingWindowSize
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] TargetRollingWindowSiz, режим обнаружения. | "Custom" (обязательно) |
значение | [Обязательно] TargetRollingWindowSize. | int (обязательно) |
ForecastingTrainingSettings
Имя | Описание | Значение |
---|---|---|
allowedTrainingAlgorithms | Разрешенные модели для задачи прогнозирования. | Массив строк, содержащий любой из: 'Arimax' 'AutoArima' "Среднее" 'DecisionTree' ElasticNet "ExponentialSmoothing" "ExtremeRandomTrees" 'GradientBoosting' "KNN" 'LassoLars' LightGBM "Наивный" "Пророк" "RandomForest" "SGD" 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' XGBoostRegressor |
blockedTrainingAlgorithms | Заблокированные модели для задачи прогнозирования. | Массив строк, содержащий любой из: "Arimax" AutoArima "Среднее" DecisionTree ElasticNet ExponentialSmoothing ExtremeRandomTrees GradientBoosting "KNN" 'LassoLars' LightGBM "Наивный" "Пророк" "RandomForest" "SGD" 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' XGBoostRegressor |
enableDnnTraining | Включите рекомендации для моделей DNN. | bool |
enableModelExplainability | Флаг для включения объясняемости в оптимальной модели. | bool |
enableOnnxCompatibleModels | Флаг для включения моделей, совместимых с onnx. | bool |
enableStackEnsemble | Включите запуск ансамбля стека. | bool |
enableVoteEnsemble | Включите запуск ансамбля голосования. | bool |
ensembleModelDownloadTimeout | Во время создания моделей VotingEnsemble и StackEnsemble скачиваются несколько установленных моделей из предыдущих дочерних запусков. Если требуется больше времени, настройте для этого параметра значение более 300 секунд. |
строка |
stackEnsembleSettings | Параметры ансамбля стека для выполнения ансамбля стека. | StackEnsembleSettings |
ImageClassification
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательный параметр] Тип задачи для AutoMLJob. | ImageClassification (обязательно) |
limitSettings | [Обязательный параметр] Ограничения параметров для задания AutoML. | ImageLimitSettings (обязательно) |
ModelSettings | Параметры, используемые для обучения модели. | ImageModelSettingsClassification |
primaryMetric | Основная метрика для оптимизации для этой задачи. | AUCWeighted "Точность" "AveragePrecisionScoreWeighted" 'NormMacroRecall' PrecisionScoreWeighted |
searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | ImageModelDistributionSettingsClassification[] |
параметры sweepSettings | Очистка модели и гиперпараметров, связанных с параметрами. | ImageSweepSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которую необходимо выделить для целей проверки. Значения между (0,0 , 1,0) Применяется, если не указан проверочный набор данных. |
INT |
ImageLimitSettings
Имя | Описание | Значение |
---|---|---|
maxConcurrentTrials | Максимальное число одновременных итераций AutoML. | INT |
maxTrials | Максимальное число итераций AutoML. | INT |
timeout | Время ожидания задания AutoML. | строка |
ImageModelSettingsClassification
Имя | Описание | Значение |
---|---|---|
advancedSettings | Параметры для расширенных сценариев. | строка |
amsGradient | Включите AMSGrad, если оптимизатор имеет значение adam или adamw. | bool |
аугментации | Параметры использования дополнений. | строка |
бета-версия1 | Значение beta1, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | INT |
бета-версия 2 | Значение beta2, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | INT |
checkpointFrequency | Частота сохранения контрольных точек модели. Принимаются только положительные целые числа. | INT |
checkpointModel | Предварительно обученная модель контрольных точек для добавочного обучения. | MLFlowModelJobInput |
checkpointRunId | Идентификатор предыдущего запуска, имеющего предварительно обученную контрольную точку для добавочного обучения. | строка |
распределенные | Следует ли использовать распределенное обучение. | bool |
earlyStopping | Включить алгоритм раннего прекращения логики во время обучения. | bool |
earlyStoppingDelay | Минимальное количество эпох или проверочных оценок для ожидания до улучшения первичной метрики отслеживается для ранней остановки. Принимаются только положительные целые числа. |
INT |
earlyStoppingPatience | Минимальное количество эпох или проверочных оценок без первичного улучшения метрики до выполнение остановлено. Принимаются только положительные целые числа. |
INT |
enableOnnxNormalization | Включить нормализацию при экспорте модели ONNX. | bool |
evaluationFrequency | Частота оценки набора данных проверки для получения оценок метрик. Принимаются только положительные целые числа. | INT |
gradientAccumulationStep | Накопление градиента означает выполнение заданного количества шагов "GradAccumulationStep" без обновление весовых коэффициентов модели с накоплением градиентов этих шагов, а затем с помощью накопленные градиенты для вычисления обновлений веса. Принимаются только положительные целые числа. |
INT |
layersToFreeze | Количество слоев, которые необходимо заморозить для модели. Принимаются только положительные целые числа. Например, передача 2 в качестве значения для "seresnext" означает замораживание layer0 и layer1. Полный список поддерживаемых моделей и сведения о замораживании слоя см. в статье Видеть: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
INT |
learningRate | Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1]. | INT |
learningRateScheduler | Тип планировщика скорости обучения. Должен иметь значение "warmup_cosine" или "шаг". | "Нет" "Шаг" WarmupCosine |
modelName | Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
momentum | Значение импульса, если оптимизатор имеет значение "sgd". Должно быть значением типа float в диапазоне [0, 1]. | INT |
Нестеров | Включите nesterov, если оптимизатор имеет значение "sgd". | bool |
numberOfEpochs | Число эпох обучения. Принимаются только положительные целые числа. | INT |
numberOfWorkers | Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число. | INT |
optimizer | Тип оптимизатора. | 'Адам' 'Адамв' "Нет" 'Sgd' |
randomSeed | Случайное начальное значение, используемое при использовании детерминированного обучения. | INT |
stepLRGamma | Значение гамма, когда планировщик скорости обучения имеет значение step. Должно быть значением типа float в диапазоне [0, 1]. | INT |
stepLRStepSize | Значение размера шага, если планировщик скорости обучения — "шаг". Принимаются только положительные целые числа. | INT |
trainingBatchSize | Размер пакета, используемого для обучения. Принимаются только положительные целые числа. | INT |
trainingCropSize | Размер обрезки изображения, который является входными данными в нейронную сеть для обучающего набора данных. Принимаются только положительные целые числа. | INT |
validationBatchSize | Размер пакета, используемого для проверки. Принимаются только положительные целые числа. | INT |
validationCropSize | Размер обрезки изображения, входной в нейронную сеть для проверочного набора данных. Принимаются только положительные целые числа. | INT |
validationResizeSize | Размер, до которого необходимо изменить изображение перед обрезкой для набора данных проверки. Принимаются только положительные целые числа. | INT |
warmupCosineLRCycles | Значение цикла косинуса, когда планировщик скорости обучения имеет значение "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1]. | INT |
warmupCosineLRWarmupEpochs | Значение эпох прогрева, когда планировщик скорости обучения имеет значение "warmup_cosine". Принимаются только положительные целые числа. | INT |
weightDecay | Значение распада веса, если оптимизатор имеет значение "sgd", "adam" или "adamw". Должен быть плавающей точкой в диапазоне[0, 1]. | INT |
weightedLoss | Взвешивая потеря. Допустимые значения — 0 для без взвешения потерь. 1 для взвешаемой потери с sqrt. (class_weights). 2 для расчета взвешенной ошибки с помощью class_weights. Значение должно быть 0 или 1 или 2. |
INT |
MLFlowModelJobInput
Имя | Описание | Значение |
---|---|---|
description | Описание входных данных. | строка |
jobInputType | [Обязательно] Указывает тип задания. | 'custom_model' "литерал" 'mlflow_model' 'mltable' 'triton_model' 'uri_file' "uri_folder" (обязательно) |
mode | Режим доставки входных ресурсов. | "Direct" "Скачать" 'EvalDownload' 'EvalMount' ReadOnlyMount ReadWriteMount |
uri | [Обязательно] URI входного ресурса. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
Имя | Описание | Значение |
---|---|---|
amsGradient | Включите AMSGrad, если оптимизатор имеет значение adam или adamw. | строка |
аугментации | Параметры использования дополнений. | строка |
бета-версия1 | Значение beta1, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | строка |
бета-версия 2 | Значение beta2, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | строка |
распределенные | Следует ли использовать обучение распространителя. | строка |
earlyStopping | Включить алгоритм раннего прекращения логики во время обучения. | строка |
earlyStoppingDelay | Минимальное количество эпох или проверочных оценок для ожидания до улучшения первичной метрики отслеживается для ранней остановки. Принимаются только положительные целые числа. |
строка |
earlyStoppingPatience | Минимальное количество эпох или проверочных оценок без первичного улучшения метрики до выполнение остановлено. Принимаются только положительные целые числа. |
строка |
enableOnnxNormalization | Включить нормализацию при экспорте модели ONNX. | строка |
evaluationFrequency | Частота оценки набора данных проверки для получения оценок метрик. Принимаются только положительные целые числа. | строка |
gradientAccumulationStep | Накопление градиента означает выполнение заданного количества шагов "GradAccumulationStep" без обновление весовых коэффициентов модели с накоплением градиентов этих шагов, а затем с помощью накопленные градиенты для вычисления обновлений веса. Принимаются только положительные целые числа. |
строка |
layersToFreeze | Количество слоев, которые необходимо заморозить для модели. Принимаются только положительные целые числа. Например, передача 2 в качестве значения для "seresnext" означает замораживание layer0 и layer1. Полный список поддерживаемых моделей и сведения о замораживании слоя см. в статье Видеть: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
learningRate | Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1]. | строка |
learningRateScheduler | Тип планировщика скорости обучения. Должен иметь значение "warmup_cosine" или "шаг". | строка |
modelName | Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
momentum | Значение импульса, если оптимизатор имеет значение "sgd". Должно быть значением типа float в диапазоне [0, 1]. | строка |
Нестеров | Включите nesterov, если оптимизатор имеет значение "sgd". | строка |
numberOfEpochs | Число эпох обучения. Принимаются только положительные целые числа. | строка |
numberOfWorkers | Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число. | строка |
optimizer | Тип оптимизатора. Должен иметь значение "sgd", "adam" или "adamw". | строка |
randomSeed | Случайное начальное значение, используемое при использовании детерминированного обучения. | строка |
stepLRGamma | Значение гамма, когда планировщик скорости обучения имеет значение step. Должно быть значением типа float в диапазоне [0, 1]. | строка |
stepLRStepSize | Значение размера шага, если планировщик скорости обучения — "шаг". Принимаются только положительные целые числа. | строка |
trainingBatchSize | Размер пакета, используемого для обучения. Принимаются только положительные целые числа. | строка |
trainingCropSize | Размер обрезки изображения, который является входными данными в нейронную сеть для обучающего набора данных. Принимаются только положительные целые числа. | строка |
validationBatchSize | Размер пакета, используемого для проверки. Принимаются только положительные целые числа. | строка |
validationCropSize | Размер обрезки изображения, входной в нейронную сеть для проверочного набора данных. Принимаются только положительные целые числа. | строка |
validationResizeSize | Размер, до которого необходимо изменить изображение перед обрезкой для набора данных проверки. Принимаются только положительные целые числа. | строка |
warmupCosineLRCycles | Значение цикла косиуса, когда планировщик скорости обучения имеет значение "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1]. | строка |
warmupCosineLRWarmupEpochs | Значение эпох прогрева, когда планировщик скорости обучения имеет значение "warmup_cosine". Принимаются только положительные целые числа. | строка |
weightDecay | Значение упадения веса, если оптимизатор имеет значение "sgd", "adam" или "adamw". Должен быть типом float в диапазоне[0, 1]. | строка |
weightedLoss | Взвешивая потеря. Допустимые значения — 0 для без взвешения потерь. 1 для взвешаемой потери с sqrt. (class_weights). 2 для расчета взвешенной ошибки с помощью class_weights. Значение должно быть 0 или 1 или 2. |
строка |
ImageSweepSettings
Имя | Описание | Значение |
---|---|---|
ранняятерминация | Тип политики досрочного завершения. | EarlyTerminationPolicy |
samplingAlgorithm | [Обязательный параметр] Тип алгоритмов выборки гиперпараметров. | 'Bayesian' "Сетка" Random (обязательный) |
EarlyTerminationPolicy
Имя | Описание | Значение |
---|---|---|
delayEvaluation | Количество интервалов, на которые откладывается первое вычисление. | INT |
evaluationInterval | Интервал (количество запусков) между оценками политики. | INT |
policyType | Установка типа объекта | Бандит MedianStopping TruncationSelection (обязательно) |
BanditPolicy
Имя | Описание | Значение |
---|---|---|
policyType | [Обязательный параметр] Имя конфигурации политики | Bandit (обязательно) |
slackAmount | Абсолютное расстояние от наиболее производительного запуска. | INT |
slackFactor | Отношение допустимого расстояния от наиболее производительного выполнения. | INT |
MedianStoppingPolicy
Имя | Описание | Значение |
---|---|---|
policyType | [Обязательный параметр] Имя конфигурации политики | MedianStopping (обязательно) |
TruncationSelectionPolicy
Имя | Описание | Значение |
---|---|---|
policyType | [Обязательный параметр] Имя конфигурации политики | TruncationSelection (обязательно) |
truncationPercentage | Процент выполнений для отмены в каждом интервале оценки. | INT |
ImageClassificationMultilabel
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательный параметр] Тип задачи для AutoMLJob. | ImageClassificationMultilabel (обязательно) |
limitSettings | [Обязательный параметр] Ограничения параметров для задания AutoML. | ImageLimitSettings (обязательно) |
ModelSettings | Параметры, используемые для обучения модели. | ImageModelSettingsClassification |
primaryMetric | Основная метрика для оптимизации для этой задачи. | AUCWeighted "Точность" "AveragePrecisionScoreWeighted" "IOU" 'NormMacroRecall' PrecisionScoreWeighted |
searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | ImageModelDistributionSettingsClassification[] |
параметры sweepSettings | Очистка модели и гиперпараметров, связанных с параметрами. | ImageSweepSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которую необходимо выделить для целей проверки. Значения между (0,0 , 1,0) Применяется, если не указан проверочный набор данных. |
INT |
ImageInstanceSegmentation
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательный параметр] Тип задачи для AutoMLJob. | ImageInstanceSegmentation (обязательно) |
limitSettings | [Обязательный параметр] Ограничения параметров для задания AutoML. | ImageLimitSettings (обязательно) |
ModelSettings | Параметры, используемые для обучения модели. | ImageModelSettingsObjectDetection |
primaryMetric | Основная метрика для оптимизации для этой задачи. | MeanAveragePrecision |
searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | ImageModelDistributionSettingsObjectDetection[] |
параметры sweepSettings | Очистка модели и гиперпараметров, связанных с параметрами. | ImageSweepSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которую необходимо выделить для целей проверки. Значения между (0,0 , 1,0) Применяется, если не указан проверочный набор данных. |
INT |
ImageModelSettingsObjectDetection
Имя | Описание | Значение |
---|---|---|
advancedSettings | Параметры для расширенных сценариев. | строка |
amsGradient | Включите AMSGrad, если оптимизатор имеет значение adam или adamw. | bool |
расширения | Параметры использования дополнений. | строка |
бета-версия1 | Значение beta1, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | INT |
бета-версия 2 | Значение beta2, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | INT |
boxDetectionsPerImage | Максимальное число обнаружений на каждое изображение для всех классов. Принимаются только положительные целые числа. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
INT |
boxScoreThreshold | Во время вывода возвращаются только предложения с оценкой классификации, превышающей BoxScoreThreshold. Должен быть типом float в диапазоне[0, 1]. |
INT |
checkpointFrequency | Частота сохранения контрольных точек модели. Принимаются только положительные целые числа. | INT |
checkpointModel | Предварительно обученная модель контрольных точек для добавочного обучения. | MLFlowModelJobInput |
checkpointRunId | Идентификатор предыдущего запуска с предварительно обученной контрольной точкой для добавочного обучения. | строка |
распределенные | Следует ли использовать распределенное обучение. | bool |
earlyStopping | Включить алгоритм раннего прекращения логики во время обучения. | bool |
earlyStoppingDelay | Минимальное количество эпох или проверочных вычислений для ожидания до улучшения основной метрики отслеживается для ранней остановки. Принимаются только положительные целые числа. |
INT |
earlyStoppingPatience | Минимальное количество эпох или проверочных оценок без основного улучшения метрики до выполнение остановлено. Принимаются только положительные целые числа. |
INT |
enableOnnxNormalization | Включить нормализацию при экспорте модели ONNX. | bool |
evaluationFrequency | Частота оценки набора данных проверки для получения оценок метрик. Принимаются только положительные целые числа. | INT |
gradientAccumulationStep | Накопление градиента означает выполнение заданного количества шагов "GradAccumulationStep" без обновление весовых коэффициентов модели с накоплением градиентов этих шагов, а затем с помощью накопленные градиенты для вычисления обновлений веса. Принимаются только положительные целые числа. |
INT |
imageSize | Размер изображения для обучения и проверки. Принимаются только положительные целые числа. Примечание. Если размер слишком велик, обучающий запуск может попасть в CUDA OOM. Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
INT |
layersToFreeze | Количество слоев, которые необходимо заморозить для модели. Принимаются только положительные целые числа. Например, передача 2 в качестве значения для "seresnext" означает замораживание layer0 и layer1. Полный список поддерживаемых моделей и сведения о замораживании слоя см. в статье Видеть: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
INT |
learningRate | Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1]. | INT |
learningRateScheduler | Тип планировщика скорости обучения. Должен иметь значение "warmup_cosine" или "шаг". | "Нет" "Шаг" WarmupCosine |
Maxsize | Максимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Принимаются только положительные целые числа. Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
INT |
minSize | Минимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Принимаются только положительные целые числа. Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
INT |
modelName | Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
modelSize | Размер модели. Должен иметь значение "small", "medium", "large" или "xlarge". Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
'ExtraLarge' "Большой" "Средний" "Нет" 'Маленький' |
momentum | Значение импульса, если оптимизатор имеет значение "sgd". Должно быть значением типа float в диапазоне [0, 1]. | INT |
MultiScale | Включение многомасштабного изображения путем изменения размера изображения на +/- 50 %. Примечание. Если объема памяти на видеокарте недостаточно, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
bool |
Нестеров | Включите nesterov, если оптимизатор имеет значение "sgd". | bool |
nmsIouThreshold | Пороговое значение OU, используемое при выводе в послеобработке NMS. Должно быть значением типа float в диапазоне [0, 1]. | INT |
numberOfEpochs | Число эпох обучения. Принимаются только положительные целые числа. | INT |
numberOfWorkers | Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число. | INT |
optimizer | Тип оптимизатора. | 'Адам' 'Адамв' "Нет" 'Sgd' |
randomSeed | Случайное начальное значение, используемое при использовании детерминированного обучения. | INT |
stepLRGamma | Значение гамма, когда планировщик скорости обучения имеет значение step. Должно быть значением типа float в диапазоне [0, 1]. | INT |
stepLRStepSize | Значение размера шага, если планировщик скорости обучения — "шаг". Принимаются только положительные целые числа. | INT |
tileGridSize | Размер сетки, используемый для мозаичного заполнения каждого изображения. Примечание. TileGridSize не должно иметь значение Нет, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
tileOverlapRatio | Коэффициент перекрытия смежных фрагментов в каждом измерении. Должен быть с плавающей точкой в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
INT |
tilePredictionsNmsThreshold | Пороговое значение IOU, используемое для выполнения поиска немаксимумов (NMS) при объединении прогнозов из фрагментов и изображения. Используется при проверке или выводе. Должен быть с плавающей точкой в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
INT |
trainingBatchSize | Размер пакета, используемого для обучения. Принимаются только положительные целые числа. | INT |
validationBatchSize | Размер пакета, используемого для проверки. Принимаются только положительные целые числа. | INT |
validationIouThreshold | Пороговое значение OU, используемое при вычислении метрики проверки. Должен быть с плавающей точкой в диапазоне [0, 1]. | INT |
validationMetricType | Метод вычисления метрик, который используется для расчета проверочных метрик. | 'Коко' 'CocoVoc' "Нет" "Voc" |
warmupCosineLRCycles | Значение цикла косинуса, когда планировщик скорости обучения имеет значение "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1]. | INT |
warmupCosineLRWarmupEpochs | Значение эпох прогрева, когда планировщик скорости обучения имеет значение "warmup_cosine". Принимаются только положительные целые числа. | INT |
weightDecay | Значение распада веса, если оптимизатор имеет значение "sgd", "adam" или "adamw". Должен быть плавающей точкой в диапазоне[0, 1]. | INT |
ImageModelDistributionSettingsObjectDetection
Имя | Описание | Значение |
---|---|---|
amsGradient | Включите AMSGrad, если оптимизатор имеет значение adam или adamw. | строка |
аугментации | Параметры использования дополнений. | строка |
бета-версия1 | Значение beta1, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | строка |
бета-версия 2 | Значение beta2, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | строка |
boxDetectionsPerImage | Максимальное число обнаружений на каждое изображение для всех классов. Принимаются только положительные целые числа. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
boxScoreThreshold | Во время вывода возвращаются только предложения с оценкой классификации, превышающей BoxScoreThreshold. Должен быть плавающей точкой в диапазоне[0, 1]. |
строка |
распределенные | Следует ли использовать обучение распространителя. | строка |
earlyStopping | Включить алгоритм раннего прекращения логики во время обучения. | строка |
earlyStoppingDelay | Минимальное количество эпох или проверочных оценок для ожидания до улучшения первичной метрики отслеживается для ранней остановки. Принимаются только положительные целые числа. |
строка |
earlyStoppingPatience | Минимальное количество эпох или проверочных оценок без первичного улучшения метрики до выполнение остановлено. Принимаются только положительные целые числа. |
строка |
enableOnnxNormalization | Включить нормализацию при экспорте модели ONNX. | строка |
evaluationFrequency | Частота оценки набора данных проверки для получения оценок метрик. Принимаются только положительные целые числа. | строка |
gradientAccumulationStep | Накопление градиента означает выполнение заданного количества шагов "GradAccumulationStep" без обновление весовых коэффициентов модели с накоплением градиентов этих шагов, а затем с помощью накопленные градиенты для вычисления обновлений веса. Принимаются только положительные целые числа. |
строка |
imageSize | Размер изображения для обучения и проверки. Принимаются только положительные целые числа. Примечание. Если размер слишком велик, обучающий запуск может попасть в CUDA OOM. Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
строка |
layersToFreeze | Количество слоев, которые необходимо заморозить для модели. Принимаются только положительные целые числа. Например, передача 2 в качестве значения для "seresnext" означает замораживание layer0 и layer1. Полный список поддерживаемых моделей и сведения о замораживании слоя см. в статье Видеть: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
learningRate | Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1]. | строка |
learningRateScheduler | Тип планировщика скорости обучения. Должен иметь значение "warmup_cosine" или "шаг". | строка |
Maxsize | Максимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Принимаются только положительные целые числа. Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
minSize | Минимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Принимаются только положительные целые числа. Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
modelName | Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
modelSize | Размер модели. Должен иметь значение "small", "medium", "large" или "xlarge". Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
строка |
momentum | Значение импульса, если оптимизатор имеет значение "sgd". Должно быть значением типа float в диапазоне [0, 1]. | строка |
MultiScale | Включение многомасштабного изображения путем изменения размера изображения на +/- 50 %. Примечание. Если объема памяти на видеокарте недостаточно, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
строка |
Нестеров | Включите nesterov, если оптимизатор имеет значение "sgd". | строка |
nmsIouThreshold | Пороговое значение OU, используемое при выводе в послеобработке NMS. Должен быть с плавающей точкой в диапазоне [0, 1]. | строка |
numberOfEpochs | Число эпох обучения. Принимаются только положительные целые числа. | строка |
numberOfWorkers | Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число. | строка |
optimizer | Тип оптимизатора. Должен иметь значение "sgd", "adam" или "adamw". | строка |
randomSeed | Случайное начальное значение, используемое при использовании детерминированного обучения. | строка |
stepLRGamma | Значение гамма, когда планировщик скорости обучения имеет значение step. Должно быть значением типа float в диапазоне [0, 1]. | строка |
stepLRStepSize | Значение размера шага, если планировщик скорости обучения — "шаг". Принимаются только положительные целые числа. | строка |
tileGridSize | Размер сетки, используемый для мозаичного заполнения каждого изображения. Примечание. TileGridSize не должно иметь значение Нет, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
tileOverlapRatio | Коэффициент перекрытия смежных фрагментов в каждом измерении. Должен иметь значение float в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
tilePredictionsNmsThreshold | Пороговое значение IOU, используемое для выполнения поиска немаксимумов (NMS) при объединении прогнозов из фрагментов и изображения. Используется при проверке или выводе. Должен иметь значение float в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. NMS: не максимальное подавление |
строка |
trainingBatchSize | Размер пакета, используемого для обучения. Принимаются только положительные целые числа. | строка |
validationBatchSize | Размер пакета, используемого для проверки. Принимаются только положительные целые числа. | строка |
validationIouThreshold | Пороговое значение IOU, используемое при вычислении метрики проверки. Должен иметь значение float в диапазоне [0, 1]. | строка |
validationMetricType | Метод вычисления метрик, который используется для расчета проверочных метрик. Значение должно быть "none", "coco", "voc" или "coco_voc". | строка |
warmupCosineLRCycles | Значение цикла косиуса, когда планировщик скорости обучения имеет значение "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1]. | строка |
warmupCosineLRWarmupEpochs | Значение эпох прогрева, когда планировщик скорости обучения имеет значение "warmup_cosine". Принимаются только положительные целые числа. | строка |
weightDecay | Значение упадения веса, если оптимизатор имеет значение "sgd", "adam" или "adamw". Должен быть типом float в диапазоне[0, 1]. | строка |
ImageObjectDetection
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательный параметр] Тип задачи для AutoMLJob. | ImageObjectDetection (обязательно) |
limitSettings | [Обязательный параметр] Ограничения параметров для задания AutoML. | ImageLimitSettings (обязательно) |
ModelSettings | Параметры, используемые для обучения модели. | ImageModelSettingsObjectDetection |
primaryMetric | Основная метрика для оптимизации для этой задачи. | MeanAveragePrecision |
searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | ImageModelDistributionSettingsObjectDetection[] |
параметры sweepSettings | Очистка модели и гиперпараметров, связанных с параметрами. | ImageSweepSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которую необходимо выделить для целей проверки. Значения между (0,0 , 1,0) Применяется, если не указан проверочный набор данных. |
INT |
Регрессия
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательный параметр] Тип задачи для AutoMLJob. | Регрессия (обязательно) |
cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения если набор данных проверки не указан. |
NCrossValidations |
primaryMetric | Основная метрика для задачи регрессии. | NormalizedMeanAbsoluteError NormalizedRootMeanSquaredError R2Score 'SpearmanCorrelation' |
testData | Тестирование входных данных. | MLTableJobInput |
testDataSize | Часть тестового набора данных, которую необходимо выделить для целей проверки. Значения между (0,0 , 1,0) Применяется, если набор данных проверки не указан. |
INT |
trainingSettings | Входные данные для этапа обучения для задания AutoML. | RegressionTrainingSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которая должна быть выделена для целей проверки. Значения между (0,0 , 1,0) Применяется, если набор данных проверки не указан. |
INT |
weightColumnName | Имя столбца с весом выборок. Автоматизированное машинное обучение поддерживает взвешенный столбец в качестве входных данных, и в результате вес строк данных меняется в большую или меньшую сторону. | строка |
RegressionTrainingSettings
Имя | Описание | Значение |
---|---|---|
allowedTrainingAlgorithms | Разрешенные модели для задачи регрессии. | Массив строк, содержащий любой из: 'DecisionTree' ElasticNet "ExtremeRandomTrees" 'GradientBoosting' "KNN" 'LassoLars' "LightGBM" "RandomForest" "SGD" XGBoostRegressor |
blockedTrainingAlgorithms | Заблокированные модели для задачи регрессии. | Массив строк, содержащий любой из: 'DecisionTree' ElasticNet "ExtremeRandomTrees" 'GradientBoosting' "KNN" 'LassoLars' "LightGBM" "RandomForest" "SGD" XGBoostRegressor |
enableDnnTraining | Включите рекомендации для моделей DNN. | bool |
enableModelExplainability | Флаг для включения объяснимости для лучшей модели. | bool |
enableOnnxCompatibleModels | Флаг для включения моделей, совместимых с onnx. | bool |
enableStackEnsemble | Включите запуск ансамбля стека. | bool |
enableVoteEnsemble | Включите запуск ансамбля голосования. | bool |
ensembleModelDownloadTimeout | Во время создания моделей VotingEnsemble и StackEnsemble скачиваются несколько подходящих моделей из предыдущих дочерних запусков. Если требуется больше времени, настройте для этого параметра значение более 300 секунд. |
строка |
stackEnsembleSettings | Параметры ансамбля стека для выполнения ансамбля стека. | StackEnsembleSettings |
TextClassification
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательно] Тип задачи для AutoMLJob. | TextClassification (обязательно) |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
primaryMetric | Основная метрика для задачи Text-Classification. | 'AUCWeighted' "Точность" "AveragePrecisionScoreWeighted" "НормМакроРеколл" PrecisionScoreWeighted |
validationData | Входные данные проверки. | MLTableJobInput |
NlpVerticalFeaturizationSettings
Имя | Описание | Значение |
---|---|---|
datasetLanguage | Язык набора данных, полезный для текстовых данных. | строка |
NlpVerticalLimitSettings
Имя | Описание | Значение |
---|---|---|
maxConcurrentTrials | Максимальное количество параллельных итераций AutoML. | INT |
maxTrials | Количество итераций AutoML. | INT |
timeout | Время ожидания задания AutoML. | строка |
TextClassificationMultilabel
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательно] Тип задачи для AutoMLJob. | TextClassificationMultilabel (обязательно) |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
validationData | Входные данные проверки. | MLTableJobInput |
TextNer
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательно] Тип задачи для AutoMLJob. | TextNER (обязательно) |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
validationData | Входные данные проверки. | MLTableJobInput |
CommandJob
Имя | Описание | Значение |
---|---|---|
jobType | [Обязательно] Указывает тип задания. | Command (обязательно) |
codeId | Идентификатор ресурса ARM ресурса кода. | строка |
. | [Обязательно] Команда, выполняемая при запуске задания. Например: "python train.py" | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
распределение | Конфигурация распределения задания. Если задано значение , это должен быть один из Mpi, Tensorflow, PyTorch или null. | DistributionConfiguration |
environmentId | [Обязательно] Идентификатор ресурса ARM спецификации среды для задания. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
environmentVariables | Переменные среды, включенные в задание. | CommandJobEnvironmentVariables |
Ввод данных | Сопоставление привязок входных данных, используемых в задании. | CommandJobInputs |
ограничения | Ограничение заданий команд. | CommandJobLimits |
outputs | Сопоставление привязок выходных данных, используемых в задании. | CommandJobOutputs |
queueSettings | Параметры очереди для задания | QueueSettings |
ресурсов | Конфигурация вычислительного ресурса для задания. | JobResourceConfiguration |
DistributionConfiguration
Имя | Описание | Значение |
---|---|---|
distributionType | Установка типа объекта | Mpi PyTorch TensorFlow (обязательно) |
Mpi
Имя | Описание | Значение |
---|---|---|
distributionType | [Обязательно] Указывает тип платформы распространения. | "Mpi" (обязательно) |
processCountPerInstance | Количество процессов на узел MPI. | INT |
PyTorch
Имя | Описание | Значение |
---|---|---|
distributionType | [Обязательно] Указывает тип платформы распространения. | PyTorch (обязательно) |
processCountPerInstance | Количество процессов на узел. | INT |
TensorFlow
Имя | Описание | Значение |
---|---|---|
distributionType | [Обязательно] Указывает тип платформы распространения. | TensorFlow (обязательно) |
parameterServerCount | Число задач сервера параметров. | INT |
workerCount | Количество рабочих ролей. Если значение не указано, по умолчанию используется число экземпляров. | INT |
CommandJobEnvironmentVariables
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | строка |
CommandJobInputs
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | JobInput |
JobInput
Имя | Описание | Значение |
---|---|---|
description | Описание входных данных. | строка |
jobInputType | Установка типа объекта | custom_model literal mlflow_model mltable triton_model uri_file uri_folder (обязательно) |
CustomModelJobInput
Имя | Описание | Значение |
---|---|---|
jobInputType | [Обязательно] Указывает тип задания. | "custom_model" (обязательно) |
mode | Режим доставки входных ресурсов. | "Direct" "Скачать" 'EvalDownload' 'EvalMount' ReadOnlyMount ReadWriteMount |
uri | [Обязательно] URI входного ресурса. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
LiteralJobInput
Имя | Описание | Значение |
---|---|---|
jobInputType | [Обязательно] Указывает тип задания. | "литерал" (обязательно) |
значение | [Обязательно] Литеральное значение для входных данных. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
TritonModelJobInput
Имя | Описание | Значение |
---|---|---|
jobInputType | [Обязательно] Указывает тип задания. | "triton_model" (обязательно) |
mode | Режим доставки входных ресурсов. | "Direct" "Скачать" 'EvalDownload' 'EvalMount' ReadOnlyMount ReadWriteMount |
uri | [Обязательно] URI входного ресурса. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
UriFileJobInput
Имя | Описание | Значение |
---|---|---|
jobInputType | [Обязательно] Указывает тип задания. | "uri_file" (обязательно) |
mode | Режим доставки входных ресурсов. | "Direct" "Скачать" 'EvalDownload' 'EvalMount' ReadOnlyMount ReadWriteMount |
uri | [Обязательно] URI входного ресурса. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
UriFolderJobInput
Имя | Описание | Значение |
---|---|---|
jobInputType | [Обязательно] Указывает тип задания. | "uri_folder" (обязательно) |
mode | Режим доставки входных ресурсов. | "Direct" "Скачать" 'EvalDownload' 'EvalMount' ReadOnlyMount ReadWriteMount |
uri | [Обязательно] URI входного ресурса. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
CommandJobLimits
Имя | Описание | Значение |
---|---|---|
jobLimitsType | [Обязательно] Тип JobLimit. | 'Command' "Очистка" (обязательно) |
timeout | Максимальная продолжительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживает только длительность с точностью до секунд. | строка |
CommandJobOutputs
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | JobOutput |
PipelineJob
Имя | Описание | Значение |
---|---|---|
jobType | [Обязательно] Указывает тип задания. | Pipeline (обязательно) |
Ввод данных | Входные данные для задания конвейера. | PipelineJobInputs |
jobs | Задания создают задание конвейера. | PipelineJobJobs |
outputs | Выходные данные для задания конвейера | PipelineJobOutputs |
Параметры | Параметры конвейера для таких вещей, как ContinueRunOnStepFailure и т. д. | Для Bicep можно использовать функцию any(). |
sourceJobId | Идентификатор ресурса ARM исходного задания. | строка |
PipelineJobInputs
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | JobInput |
PipelineJobJobs
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | Для Bicep можно использовать функцию any(). |
PipelineJobOutputs
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | JobOutput |
SweepJob
Имя | Описание | Значение |
---|---|---|
jobType | [Обязательный параметр] Указывает тип задания. | "Очистка" (обязательно) |
ранняятерминация | Политики раннего завершения позволяют отменять низкопроизводительные запуски до их завершения | EarlyTerminationPolicy |
Ввод данных | Сопоставление привязок входных данных, используемых в задании. | SweepJobInputs |
ограничения | Ограничение задания очистки. | SweepJobLimits |
objective. | [Обязательный параметр] Цель оптимизации. | Цель (обязательно) |
outputs | Сопоставление привязок выходных данных, используемых в задании. | SweepJobOutputs |
queueSettings | Параметры очереди для задания | QueueSettings |
samplingAlgorithm | [Обязательный параметр] Алгоритм выборки гиперпараметров | SamplingAlgorithm (обязательно) |
searchSpace | [Обязательный параметр] Словарь, содержащий каждый параметр и его распределение. Ключ словаря — это имя параметра. | Для Bicep можно использовать функцию any(). (обязательно) |
trial | [Обязательный параметр] Определение компонента пробной версии. | TrialComponent (обязательно) |
SweepJobInputs
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | JobInput |
SweepJobLimits
Имя | Описание | Значение |
---|---|---|
jobLimitsType | [Обязательный параметр] Тип JobLimit. | 'Command' "Очистка" (обязательно) |
maxConcurrentTrials | Максимальное число параллельных пробных версий задания очистки. | INT |
maxTotalTrials | Максимальное количество пробных версий задания очистки. | INT |
timeout | Максимальная продолжительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживает только длительность с точностью до секунд. | строка |
trialTimeout | Значение времени ожидания пробной версии задания очистки. | строка |
Назначение
Имя | Описание | Значение |
---|---|---|
goal | [Обязательный параметр] Определяет поддерживаемые цели метрик для настройки гиперпараметров. | "Развернуть" "Свернуть" (обязательно) |
primaryMetric | [Обязательный параметр] Имя метрики для оптимизации. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
SweepJobOutputs
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | JobOutput |
SamplingAlgorithm
Имя | Описание | Значение |
---|---|---|
samplingAlgorithmType | Установка типа объекта | Байесовский Grid Случайный (обязательный) |
BayesianSamplingAlgorithm
Имя | Описание | Значение |
---|---|---|
samplingAlgorithmType | [Обязательно] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | 'Байесов' (обязательно) |
GridSamplingAlgorithm
Имя | Описание | Значение |
---|---|---|
samplingAlgorithmType | [Обязательно] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | Grid (обязательно) |
RandomSamplingAlgorithm
Имя | Описание | Значение |
---|---|---|
samplingAlgorithmType | [Обязательно] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | "Random" (обязательно) |
правило | Конкретный тип случайного алгоритма | "Случайный" "Соболь" |
seed | Необязательное целое число, используемое в качестве начального значения для создания случайных чисел. | INT |
TrialComponent
Имя | Описание | Значение |
---|---|---|
codeId | Идентификатор ресурса ARM ресурса кода. | строка |
. | [Обязательно] Команда, выполняемая при запуске задания. Например: "python train.py" | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
распределение | Конфигурация распределения задания. Если задано значение , это должен быть один из Mpi, Tensorflow, PyTorch или null. | DistributionConfiguration |
environmentId | [Обязательно] Идентификатор ресурса ARM спецификации среды для задания. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
environmentVariables | Переменные среды, включенные в задание. | TrialComponentEnvironmentVariables |
ресурсов | Конфигурация вычислительного ресурса для задания. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | строка |
CreateMonitorAction
Имя | Описание | Значение |
---|---|---|
actionType | [Обязательно] Указывает тип действия расписания. | CreateMonitor (обязательно) |
monitorDefinition | [Обязательно] Определяет монитор. | MonitorDefinition (обязательно) |
MonitorDefinition
Имя | Описание | Значение |
---|---|---|
alertNotificationSettings | Параметры уведомлений монитора. | MonitorNotificationSettings |
computeConfiguration | [Обязательно] Идентификатор ресурса ARM вычислительного ресурса для запуска задания мониторинга. | MonitorComputeConfigurationBase (обязательно) |
monitoringTarget | Сущности, на которые нацелен монитор. | MonitoringTarget |
сигналы | [Обязательно] Сигналы для отслеживания. | MonitorDefinitionSignals (обязательно) |
MonitorNotificationSettings
Имя | Описание | Значение |
---|---|---|
emailNotificationSettings | Параметры электронной почты для уведомлений AML. | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
Имя | Описание | Значение |
---|---|---|
emails | Список получателей электронной почты с ограничением в 499 символов. | string[] |
MonitorComputeConfigurationBase
Имя | Описание | Значение |
---|---|---|
computeType | Установка типа объекта | ServerlessSpark (обязательно) |
MonitorServerlessSparkCompute
Имя | Описание | Значение |
---|---|---|
computeType | [Обязательный параметр] Указывает тип отслеживаемого сигнала. | ServerlessSpark (обязательно) |
computeIdentity | [Обязательный параметр] Схема удостоверений, используемая в заданиях Spark, выполняемых в бессерверном Spark. | MonitorComputeIdentityBase (обязательно) |
instanceType | [Обязательный параметр] Тип экземпляра, выполняющая задание Spark. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
runtimeVersion | [Обязательный параметр] Версия среды выполнения Spark. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = ^[0-9]+\.[0-9]+$ |
MonitorComputeIdentityBase
Имя | Описание | Значение |
---|---|---|
computeIdentityType | Установка типа объекта | AmlToken ManagedIdentity (обязательно) |
AmlTokenComputeIdentity
Имя | Описание | Значение |
---|---|---|
computeIdentityType | [Обязательный параметр] Указывает тип удостоверения, используемого в заданиях мониторинга. | AmlToken (обязательно) |
ManagedComputeIdentity
Имя | Описание | Значение |
---|---|---|
computeIdentityType | [Обязательный параметр] Указывает тип удостоверения, используемого в заданиях мониторинга. | ManagedIdentity (обязательно) |
удостоверение | Удостоверение, которое будет использоваться заданиями мониторинга. | Управляемое удостоверение службы |
Управляемое удостоверение службы
Имя | Описание | Значение |
---|---|---|
тип | Тип управляемого удостоверения службы (где разрешены типы SystemAssigned и UserAssigned). | "Нет" SystemAssigned "SystemAssigned,UserAssigned" UserAssigned (обязательно) |
userAssignedIdentities | Набор удостоверений, назначаемых пользователем, связанных с ресурсом. Ключи словаря userAssignedIdentities будут иметь идентификаторы ресурсов ARM в формате :/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Значения словаря могут быть пустыми объектами ({}) в запросах. | UserAssignedIdentities |
UserAssignedIdentities
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | UserAssignedIdentity |
UserAssignedIdentity
Этот объект не содержит свойств, которые необходимо задать во время развертывания. Все свойства доступны только для чтения.
MonitoringTarget
Имя | Описание | Значение |
---|---|---|
deploymentId | Ссылка на ресурс развертывания, предназначенный для этого монитора. | строка |
modelId | Ссылка на ресурс модели, предназначенный для этого монитора. | строка |
taskType | [Обязательно] Тип задачи машинного обучения отслеживаемой модели. | "Классификация" "Регрессия" (обязательно) |
MonitorDefinitionSignals
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | MonitoringSignalBase |
MonitoringSignalBase
Имя | Описание | Значение |
---|---|---|
notificationTypes | Текущий режим уведомлений для этого сигнала. | Массив строк, содержащий любой из: 'AmlNotification' |
properties | Словарь свойств. Свойства можно добавлять, но не удалять или изменять. | MonitoringSignalBaseProperties |
signalType | Установка типа объекта | Custom DataDrift DataQuality FeatureAttributionDrift PredictionDrift (обязательно) |
MonitoringSignalBaseProperties
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | строка |
CustomMonitoringSignal
Имя | Описание | Значение |
---|---|---|
signalType | [Обязательно] Указывает тип отслеживаемого сигнала. | "Custom" (обязательно) |
componentId | [Обязательно] Ссылка на ресурс компонента, используемый для вычисления пользовательских метрик. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
inputAssets | Мониторинг ресурсов, которые будут приниматься в качестве входных данных. Ключ — это имя порта ввода компонента, значение — ресурс данных. | CustomMonitoringSignalInputAssets |
Ввод данных | Дополнительные параметры компонента, которые будут приниматься в качестве входных данных. Ключ — это имя порта ввода литерала компонента, значение — значение параметра. | CustomMonitoringSignalInputs |
metricThresholds | [Обязательно] Список вычисляемых метрик и связанных с ними пороговых значений. | CustomMetricThreshold[] (обязательно) |
CustomMonitoringSignalInputAssets
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | MonitoringInputDataBase |
MonitoringInputDataBase
Имя | Описание | Значение |
---|---|---|
столбцы | Сопоставление имен столбцов со специальными способами использования. | MonitoringInputDataBaseColumns |
dataContext | Метаданные контекста источника данных. | строка |
jobInputType | [Обязательно] Указывает тип задания. | 'custom_model' "литерал" 'mlflow_model' 'mltable' 'triton_model' 'uri_file' "uri_folder" (обязательно) |
uri | [Обязательно] URI входного ресурса. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
inputDataType | Установка типа объекта | Фиксированный формат Постепенное Static (обязательно) |
MonitoringInputDataBaseColumns
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | строка |
FixedInputData
Имя | Описание | Значение |
---|---|---|
inputDataType | [Обязательный параметр] Указывает тип отслеживаемого сигнала. | Fixed (обязательный) |
RollingInputData
Имя | Описание | Значение |
---|---|---|
inputDataType | [Обязательный параметр] Указывает тип отслеживаемого сигнала. | Rolling (обязательно) |
preprocessingComponentId | Ссылка на ресурс компонента, используемый для предварительной обработки данных. | строка |
windowOffset | [Обязательный параметр] Смещение времени между окончанием окна данных и текущим временем выполнения монитора. | строка (обязательно) |
windowSize | [Обязательный параметр] Размер скользящего окна данных. | строка (обязательно) |
StaticInputData
Имя | Описание | Значение |
---|---|---|
inputDataType | [Обязательный параметр] Указывает тип отслеживаемого сигнала. | Static (обязательный) |
preprocessingComponentId | Ссылка на ресурс компонента, используемый для предварительной обработки данных. | строка |
windowEnd | [Обязательный параметр] Дата окончания окна данных. | строка (обязательно) |
windowStart | [Обязательный параметр] Дата начала окна данных. | строка (обязательно) |
CustomMonitoringSignalInputs
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | JobInput |
CustomMetricThreshold
Имя | Описание | Значение |
---|---|---|
Метрика | [Обязательный параметр] Определяемая пользователем метрика для вычисления. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
threshold | Пороговое значение. Если значение равно null, то в зависимости от выбранной метрики будет задано значение по умолчанию. | MonitoringThreshold |
MonitoringThreshold
Имя | Описание | Значение |
---|---|---|
значение | Пороговое значение. Если задано значение null, значение по умолчанию зависит от типа метрики. | INT |
DataDriftMonitoringSignal
Имя | Описание | Значение |
---|---|---|
signalType | [Обязательный параметр] Указывает тип отслеживаемого сигнала. | DataDrift (обязательно) |
featureDataTypeOverride | Словарь, сопоставляющий имена признаков с соответствующими типами данных. | DataDriftMonitoringSignalFeatureDataTypeOverride |
featureImportanceSettings | Параметры для вычисления важности признаков. | FeatureImportanceSettings |
features | Фильтр признаков, определяющий, по какому признаку следует вычислить смещение. | MonitoringFeatureFilterBase |
metricThresholds | [Обязательный параметр] Список вычисляемых метрик и связанных с ними пороговых значений. | DataDriftMetricThresholdBase[] (обязательно) |
productionData | [Обязательный параметр] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
referenceData | [Обязательный параметр] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
DataDriftMonitoringSignalFeatureDataTypeOverride
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | "Категориальный" "Числовой" |
FeatureImportanceSettings
Имя | Описание | Значение |
---|---|---|
mode | Режим работы для вычисления важности признаков. | "Отключено" "Включено" |
targetColumn | Имя целевого столбца в ресурсе входных данных. | строка |
MonitoringFeatureFilterBase
Имя | Описание | Значение |
---|---|---|
filterType | Установка типа объекта | AllFeatures FeatureSubset TopNByAttribution (обязательно) |
AllFeatures
Имя | Описание | Значение |
---|---|---|
filterType | [Обязательный параметр] Указывает фильтр признаков, используемый при выборе признаков для вычисления метрик. | AllFeatures (обязательно) |
FeatureSubset
Имя | Описание | Значение |
---|---|---|
filterType | [Обязательный параметр] Указывает фильтр признаков, используемый при выборе признаков для вычисления метрик. | FeatureSubset (обязательно) |
features | [Обязательный параметр] Список включаемых функций. | string[] (обязательно) |
TopNFeaturesByAttribution
Имя | Описание | Значение |
---|---|---|
filterType | [Обязательный параметр] Указывает фильтр признаков, используемый при выборе признаков для вычисления метрик. | TopNByAttribution (обязательно) |
top | Количество включаемых основных функций. | INT |
DataDriftMetricThresholdBase
Имя | Описание | Значение |
---|---|---|
threshold | Пороговое значение. Если значение равно null, то в зависимости от выбранной метрики будет задано значение по умолчанию. | MonitoringThreshold |
dataType | Установка типа объекта | категориальные; Числовое значение (обязательно) |
CategoricalDataDriftMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательный параметр] Указывает тип данных порогового значения метрики. | "Категориальный" (обязательный) |
Метрика | [Обязательный параметр] Вычисляемая метрика смещения категориальных данных. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' PopulationStabilityIndex (обязательно) |
ЧисловойdataDriftMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательный параметр] Указывает тип данных порогового значения метрики. | "Числовой" (обязательно) |
Метрика | [Обязательный параметр] Вычисляемая метрика смещения числовых данных. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' PopulationStabilityIndex 'TwoSampleKolmogorovSmirnovTest' (обязательно) |
DataQualityMonitoringSignal
Имя | Описание | Значение |
---|---|---|
signalType | [Обязательный параметр] Указывает тип отслеживаемого сигнала. | DataQuality (обязательно) |
featureDataTypeOverride | Словарь, сопоставляющий имена признаков с соответствующими типами данных. | DataQualityMonitoringSignalFeatureDataTypeOverride |
featureImportanceSettings | Параметры для вычисления важности признаков. | FeatureImportanceSettings |
features | Признаки для вычисления смещения. | MonitoringFeatureFilterBase |
metricThresholds | [Обязательно] Список вычисляемых метрик и связанных с ними пороговых значений. | DataQualityMetricThresholdBase[] (обязательно) |
productionData | [Обязательно] Данные, создаваемые рабочей службой, для которых будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
referenceData | [Обязательно] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
DataQualityMonitoringSignalFeatureDataTypeOverride
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | "Категориальный" "Числовой" |
DataQualityMetricThresholdBase
Имя | Описание | Значение |
---|---|---|
threshold | Пороговое значение. Если значение равно null, то в зависимости от выбранной метрики будет задано значение по умолчанию. | MonitoringThreshold |
dataType | Установка типа объекта | категориальные; Числовое значение (обязательно) |
CategoricalDataQualityMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательно] Указывает тип данных порогового значения метрики. | "Категориальный" (обязательный) |
Метрика | [Обязательно] Вычисляемая метрика качества категориальных данных. | DataTypeErrorRate NullValueRate OutOfBoundsRate (обязательно) |
ЧисловойdataQualityMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательно] Указывает тип данных порогового значения метрики. | "Числовой" (обязательно) |
Метрика | [Обязательно] Вычисляемая метрика качества числовых данных. | DataTypeErrorRate NullValueRate OutOfBoundsRate (обязательно) |
FeatureAttributionDriftMonitoringSignal
Имя | Описание | Значение |
---|---|---|
signalType | [Обязательно] Указывает тип отслеживаемого сигнала. | FeatureAttributionDrift (обязательно) |
featureDataTypeOverride | Словарь, сопоставляющий имена признаков с соответствующими типами данных. | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
featureImportanceSettings | [Обязательно] Параметры для вычисления важности признаков. | FeatureImportanceSettings (обязательно) |
metricThreshold | [Обязательно] Список вычисляемых метрик и связанных с ними пороговых значений. | FeatureAttributionMetricThreshold (обязательно) |
productionData | [Обязательно] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase[] (обязательно) |
referenceData | [Обязательно] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | "Категориальный" "Числовой" |
FeatureAttributionMetricThreshold
Имя | Описание | Значение |
---|---|---|
Метрика | [Обязательно] Вычисляемая метрика атрибуции признаков. | "NormalizedDiscountedCumulativeGain" (обязательно) |
threshold | Пороговое значение. Если значение равно null, то в зависимости от выбранной метрики будет задано значение по умолчанию. | MonitoringThreshold |
PredictionDriftMonitoringSignal
Имя | Описание | Значение |
---|---|---|
signalType | [Обязательно] Указывает тип отслеживаемого сигнала. | PredictionDrift (обязательно) |
featureDataTypeOverride | Словарь, сопоставляющий имена признаков с соответствующими типами данных. | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
metricThresholds | [Обязательно] Список вычисляемых метрик и связанных с ними пороговых значений. | PredictionDriftMetricThresholdBase[] (обязательно) |
productionData | [Обязательно] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
referenceData | [Обязательно] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | "Категориальный" "Числовой" |
PredictionDriftMetricThresholdBase
Имя | Описание | Значение |
---|---|---|
threshold | Пороговое значение. Если значение равно null, то в зависимости от выбранной метрики будет задано значение по умолчанию. | MonitoringThreshold |
dataType | Установка типа объекта | категориальные; Числовое значение (обязательно) |
CategoricalPredictionDriftMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательно] Указывает тип данных порогового значения метрики. | "Категориальный" (обязательный) |
Метрика | [Обязательно] Вычисляемая метрика смещением категориального прогнозирования. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' PopulationStabilityIndex (обязательно) |
ЧисловаяпредставкаDriftMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательно] Указывает тип данных порогового значения метрики. | "Числовой" (обязательно) |
Метрика | [Обязательно] Вычисляемая метрика смещения числовых прогнозов. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (обязательно) |
EndpointScheduleAction
Имя | Описание | Значение |
---|---|---|
actionType | [Обязательно] Указывает тип действия расписания. | InvokeBatchEndpoint (обязательно) |
endpointInvocationDefinition | [Обязательно] Определяет сведения об определении действия Расписания. {see href="TBD" /} |
Для Bicep можно использовать функцию any(). (обязательно) |
TriggerBase
Имя | Описание | Значение |
---|---|---|
endTime | Указывает время окончания расписания в СТАНДАРТЕ ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601. .В формате повтора будет "2022-06-01T00:00:01". Если оно отсутствует, расписание будет работать неограниченное время. |
строка |
startTime | Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC. | строка |
timeZone | Указывает часовой пояс, в котором выполняется расписание. Часовой пояс должен соответствовать формату часового пояса Windows. См. ссылку: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones /> |
строка |
triggerType | Установка типа объекта | Cron Повторение (обязательно) |
CronTrigger
Имя | Описание | Значение |
---|---|---|
triggerType | [Обязательно] | "Cron" (обязательно) |
expression | [Обязательно] Задает выражение cron расписания. Выражение должно соответствовать формату NCronTab. |
string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
RecurrenceTrigger
Имя | Описание | Значение |
---|---|---|
endTime | Указывает время окончания расписания в стандарте ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601. .Формат комментариев будет "2022-06-01T00:00:01" Если оно отсутствует, расписание будет выполняться бесконечно |
строка |
frequency | [Обязательный параметр] Частота запуска расписания. | "День" "Час" "Minute" "Месяц" Week (обязательно) |
interval | [Обязательный параметр] Указывает интервал расписания в сочетании с частотой | int (обязательно) |
schedule | Расписание повторения. | RecurrenceSchedule |
startTime | Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC. | строка |
timeZone | Указывает часовой пояс, в котором выполняется расписание. TimeZone должен соответствовать формату часового пояса Windows. См. https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones |
строка |
triggerType | [Обязательно] | 'Cron' "Повторение" (обязательно) |
RecurrenceSchedule
Имя | Описание | Значение |
---|---|---|
часы | [Обязательный параметр] Список часов для расписания. | int[] (обязательно) |
minutes | [Обязательный параметр] Список минут для расписания. | int[] (обязательно) |
monthDays | Список дней месяца для расписания | int[] |
weekDays | Список дней для расписания. | Массив строк, содержащий любой из: "Пятница" "Понедельник" "Суббота" "Воскресенье" "Четверг" "Вторник" "Среда" |
Определение ресурса шаблона ARM
Тип ресурса workspaces/schedules можно развернуть с помощью операций, предназначенных для:
- Группы ресурсов — см. команды развертывания группы ресурсов.
Список измененных свойств в каждой версии API см. в журнале изменений.
Формат ресурсов
Чтобы создать ресурс Microsoft.MachineLearningServices/workspaces/schedules, добавьте следующий код JSON в шаблон.
{
"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",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
},
"tags": {
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
},
"trigger": {
"endTime": "string",
"startTime": "string",
"timeZone": "string",
"triggerType": "string"
// For remaining properties, see TriggerBase objects
}
}
}
Объекты ScheduleActionBase
Задайте свойство actionType , чтобы указать тип объекта .
Для CreateJob используйте:
"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",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{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",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string",
"{customized property}": "string"
},
"jobType": "string"
// For remaining properties, see JobBaseProperties objects
}
Для CreateMonitor используйте:
"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": "AmlNotification",
"properties": {
"{customized property}": "string"
},
"signalType": "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Для InvokeBatchEndpoint используйте:
"actionType": "InvokeBatchEndpoint",
"endpointInvocationDefinition": {}
Объекты JobBaseProperties
Задайте свойство jobType , чтобы указать тип объекта.
Для AutoML используйте:
"jobType": "AutoML",
"environmentId": "string",
"environmentVariables": {
"{customized property}": "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}": {},
"{customized property}": {}
},
"shmSize": "string"
},
"taskDetails": {
"logVerbosity": "string",
"targetColumnName": "string",
"trainingData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"taskType": "string"
// For remaining properties, see AutoMLVertical objects
}
Для команды используйте следующую команду:
"jobType": "Command",
"codeId": "string",
"command": "string",
"distribution": {
"distributionType": "string"
// For remaining properties, see DistributionConfiguration objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"limits": {
"jobLimitsType": "string",
"timeout": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"queueSettings": {
"jobTier": "string"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"properties": {
"{customized property}": {},
"{customized property}": {}
},
"shmSize": "string"
}
Для конвейера используйте:
"jobType": "Pipeline",
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"jobs": {
"{customized property}": {}
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"settings": {},
"sourceJobId": "string"
Для очистки используйте:
"jobType": "Sweep",
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"limits": {
"jobLimitsType": "string",
"maxConcurrentTrials": "int",
"maxTotalTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"objective": {
"goal": "string",
"primaryMetric": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"queueSettings": {
"jobTier": "string"
},
"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}": {},
"{customized property}": {}
},
"shmSize": "string"
}
}
Объекты IdentityConfiguration
Задайте свойство identityType , чтобы указать тип объекта .
Для AMLToken используйте:
"identityType": "AMLToken"
Для управляемого используйте:
"identityType": "Managed",
"clientId": "string",
"objectId": "string",
"resourceId": "string"
Для UserIdentity используйте:
"identityType": "UserIdentity"
Объекты Nodes
Задайте свойство nodesValueType , чтобы указать тип объекта .
Для всех используйте:
"nodesValueType": "All"
Объекты JobOutput
Задайте свойство jobOutputType , чтобы указать тип объекта .
Для custom_model используйте:
"jobOutputType": "custom_model",
"mode": "string",
"uri": "string"
Для mlflow_model используйте:
"jobOutputType": "mlflow_model",
"mode": "string",
"uri": "string"
Для mltable используйте:
"jobOutputType": "mltable",
"mode": "string",
"uri": "string"
Для triton_model используйте:
"jobOutputType": "triton_model",
"mode": "string",
"uri": "string"
Для uri_file используйте:
"jobOutputType": "uri_file",
"mode": "string",
"uri": "string"
Для uri_folder используйте:
"jobOutputType": "uri_folder",
"mode": "string",
"uri": "string"
Объекты AutoMLVertical
Задайте свойство taskType , чтобы указать тип объекта.
Для классификации используйте:
"taskType": "Classification",
"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",
"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"
Для прогнозирования используйте:
"taskType": "Forecasting",
"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",
"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"
Для ImageClassification используйте:
"taskType": "ImageClassification",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "int",
"nesterov": "bool",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"trainingBatchSize": "int",
"trainingCropSize": "int",
"validationBatchSize": "int",
"validationCropSize": "int",
"validationResizeSize": "int",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int",
"weightedLoss": "int"
},
"primaryMetric": "string",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "string",
"nesterov": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"trainingBatchSize": "string",
"trainingCropSize": "string",
"validationBatchSize": "string",
"validationCropSize": "string",
"validationResizeSize": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string",
"weightedLoss": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Для ImageClassificationMultilabel используйте:
"taskType": "ImageClassificationMultilabel",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "int",
"nesterov": "bool",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"trainingBatchSize": "int",
"trainingCropSize": "int",
"validationBatchSize": "int",
"validationCropSize": "int",
"validationResizeSize": "int",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int",
"weightedLoss": "int"
},
"primaryMetric": "string",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"momentum": "string",
"nesterov": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"trainingBatchSize": "string",
"trainingCropSize": "string",
"validationBatchSize": "string",
"validationCropSize": "string",
"validationResizeSize": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string",
"weightedLoss": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Для ImageInstanceSegmentation используйте:
"taskType": "ImageInstanceSegmentation",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"boxDetectionsPerImage": "int",
"boxScoreThreshold": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"imageSize": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"maxSize": "int",
"minSize": "int",
"modelName": "string",
"modelSize": "string",
"momentum": "int",
"multiScale": "bool",
"nesterov": "bool",
"nmsIouThreshold": "int",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"tileGridSize": "string",
"tileOverlapRatio": "int",
"tilePredictionsNmsThreshold": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"validationIouThreshold": "int",
"validationMetricType": "string",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int"
},
"primaryMetric": "MeanAveragePrecision",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"boxDetectionsPerImage": "string",
"boxScoreThreshold": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"imageSize": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"maxSize": "string",
"minSize": "string",
"modelName": "string",
"modelSize": "string",
"momentum": "string",
"multiScale": "string",
"nesterov": "string",
"nmsIouThreshold": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"tileGridSize": "string",
"tileOverlapRatio": "string",
"tilePredictionsNmsThreshold": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"validationIouThreshold": "string",
"validationMetricType": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Для ImageObjectDetection используйте:
"taskType": "ImageObjectDetection",
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"modelSettings": {
"advancedSettings": "string",
"amsGradient": "bool",
"augmentations": "string",
"beta1": "int",
"beta2": "int",
"boxDetectionsPerImage": "int",
"boxScoreThreshold": "int",
"checkpointFrequency": "int",
"checkpointModel": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"checkpointRunId": "string",
"distributed": "bool",
"earlyStopping": "bool",
"earlyStoppingDelay": "int",
"earlyStoppingPatience": "int",
"enableOnnxNormalization": "bool",
"evaluationFrequency": "int",
"gradientAccumulationStep": "int",
"imageSize": "int",
"layersToFreeze": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"maxSize": "int",
"minSize": "int",
"modelName": "string",
"modelSize": "string",
"momentum": "int",
"multiScale": "bool",
"nesterov": "bool",
"nmsIouThreshold": "int",
"numberOfEpochs": "int",
"numberOfWorkers": "int",
"optimizer": "string",
"randomSeed": "int",
"stepLRGamma": "int",
"stepLRStepSize": "int",
"tileGridSize": "string",
"tileOverlapRatio": "int",
"tilePredictionsNmsThreshold": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"validationIouThreshold": "int",
"validationMetricType": "string",
"warmupCosineLRCycles": "int",
"warmupCosineLRWarmupEpochs": "int",
"weightDecay": "int"
},
"primaryMetric": "MeanAveragePrecision",
"searchSpace": [
{
"amsGradient": "string",
"augmentations": "string",
"beta1": "string",
"beta2": "string",
"boxDetectionsPerImage": "string",
"boxScoreThreshold": "string",
"distributed": "string",
"earlyStopping": "string",
"earlyStoppingDelay": "string",
"earlyStoppingPatience": "string",
"enableOnnxNormalization": "string",
"evaluationFrequency": "string",
"gradientAccumulationStep": "string",
"imageSize": "string",
"layersToFreeze": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"maxSize": "string",
"minSize": "string",
"modelName": "string",
"modelSize": "string",
"momentum": "string",
"multiScale": "string",
"nesterov": "string",
"nmsIouThreshold": "string",
"numberOfEpochs": "string",
"numberOfWorkers": "string",
"optimizer": "string",
"randomSeed": "string",
"stepLRGamma": "string",
"stepLRStepSize": "string",
"tileGridSize": "string",
"tileOverlapRatio": "string",
"tilePredictionsNmsThreshold": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"validationIouThreshold": "string",
"validationMetricType": "string",
"warmupCosineLRCycles": "string",
"warmupCosineLRWarmupEpochs": "string",
"weightDecay": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int"
Для регрессии используйте:
"taskType": "Regression",
"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",
"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"
Для TextClassification используйте:
"taskType": "TextClassification",
"featurizationSettings": {
"datasetLanguage": "string"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"primaryMetric": "string",
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
Для TextClassificationMultilabel используйте:
"taskType": "TextClassificationMultilabel",
"featurizationSettings": {
"datasetLanguage": "string"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
Для TextNER используйте:
"taskType": "TextNER",
"featurizationSettings": {
"datasetLanguage": "string"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxTrials": "int",
"timeout": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
}
Объекты NCrossValidations
Задайте свойство mode , чтобы указать тип объекта .
Для параметра Auto используйте:
"mode": "Auto"
Для настраиваемого используйте:
"mode": "Custom",
"value": "int"
Объекты ForecastHorizon
Задайте свойство mode , чтобы указать тип объекта .
Для параметра Auto используйте:
"mode": "Auto"
Для настраиваемого используйте:
"mode": "Custom",
"value": "int"
Объекты сезонности
Задайте свойство mode , чтобы указать тип объекта .
Для параметра Auto используйте:
"mode": "Auto"
Для настраиваемого используйте:
"mode": "Custom",
"value": "int"
Объекты TargetLags
Задайте свойство mode , чтобы указать тип объекта .
Для параметра Auto используйте:
"mode": "Auto"
Для настраиваемого используйте:
"mode": "Custom",
"values": [ "int" ]
Объекты TargetRollingWindowSize
Задайте свойство mode , чтобы указать тип объекта .
Для параметра Auto используйте:
"mode": "Auto"
Для настраиваемого используйте:
"mode": "Custom",
"value": "int"
Объекты EarlyTerminationPolicy
Задайте свойство policyType , чтобы указать тип объекта .
Для Bandit используйте:
"policyType": "Bandit",
"slackAmount": "int",
"slackFactor": "int"
Для MedianStopping используйте:
"policyType": "MedianStopping"
Для TruncationSelection используйте:
"policyType": "TruncationSelection",
"truncationPercentage": "int"
Объекты DistributionConfiguration
Задайте свойство distributionType , чтобы указать тип объекта .
Для Mpi используйте:
"distributionType": "Mpi",
"processCountPerInstance": "int"
Для PyTorch используйте:
"distributionType": "PyTorch",
"processCountPerInstance": "int"
Для TensorFlow используйте:
"distributionType": "TensorFlow",
"parameterServerCount": "int",
"workerCount": "int"
Объекты JobInput
Задайте свойство jobInputType , чтобы указать тип объекта .
Для custom_model используйте:
"jobInputType": "custom_model",
"mode": "string",
"uri": "string"
Для литерала используйте:
"jobInputType": "literal",
"value": "string"
Для mlflow_model используйте:
"jobInputType": "mlflow_model",
"mode": "string",
"uri": "string"
Для mltable используйте:
"jobInputType": "mltable",
"mode": "string",
"uri": "string"
Для triton_model используйте:
"jobInputType": "triton_model",
"mode": "string",
"uri": "string"
Для uri_file используйте:
"jobInputType": "uri_file",
"mode": "string",
"uri": "string"
Для uri_folder используйте:
"jobInputType": "uri_folder",
"mode": "string",
"uri": "string"
Объекты SamplingAlgorithm
Задайте свойство samplingAlgorithmType , чтобы указать тип объекта.
Для Байеса используйте:
"samplingAlgorithmType": "Bayesian"
Для grid используйте:
"samplingAlgorithmType": "Grid"
Для случайного использования используйте:
"samplingAlgorithmType": "Random",
"rule": "string",
"seed": "int"
Объекты MonitorComputeConfigurationBase
Задайте свойство computeType , чтобы указать тип объекта.
Для ServerlessSpark используйте:
"computeType": "ServerlessSpark",
"computeIdentity": {
"computeIdentityType": "string"
// For remaining properties, see MonitorComputeIdentityBase objects
},
"instanceType": "string",
"runtimeVersion": "string"
Объекты MonitorComputeIdentityBase
Задайте свойство computeIdentityType , чтобы указать тип объекта .
Для AmlToken используйте:
"computeIdentityType": "AmlToken"
Для ManagedIdentity используйте:
"computeIdentityType": "ManagedIdentity",
"identity": {
"type": "string",
"userAssignedIdentities": {
"{customized property}": {}
}
}
Объекты MonitoringSignalBase
Задайте свойство signalType , чтобы указать тип объекта .
Для настраиваемого используйте:
"signalType": "Custom",
"componentId": "string",
"inputAssets": {
"{customized property}": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
},
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"metricThresholds": [
{
"metric": "string",
"threshold": {
"value": "int"
}
}
]
Для DataDrift используйте:
"signalType": "DataDrift",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "string"
},
"features": {
"filterType": "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
},
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see DataDriftMetricThresholdBase objects
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Для DataQuality используйте:
"signalType": "DataQuality",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "string"
},
"features": {
"filterType": "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
},
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see DataQualityMetricThresholdBase objects
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Для FeatureAttributionDrift используйте:
"signalType": "FeatureAttributionDrift",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"featureImportanceSettings": {
"mode": "string",
"targetColumn": "string"
},
"metricThreshold": {
"metric": "NormalizedDiscountedCumulativeGain",
"threshold": {
"value": "int"
}
},
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Для PredictionDrift используйте:
"signalType": "PredictionDrift",
"featureDataTypeOverride": {
"{customized property}": "string"
},
"metricThresholds": [
{
"threshold": {
"value": "int"
},
"dataType": "string"
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
],
"productionData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
},
"referenceData": {
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Объекты MonitoringInputDataBase
Задайте свойство inputDataType , чтобы указать тип объекта .
Для параметра Fixed используйте:
"inputDataType": "Fixed"
Для скользящего развертывания используйте:
"inputDataType": "Rolling",
"preprocessingComponentId": "string",
"windowOffset": "string",
"windowSize": "string"
Для static используйте:
"inputDataType": "Static",
"preprocessingComponentId": "string",
"windowEnd": "string",
"windowStart": "string"
Объекты MonitoringFeatureFilterBase
Задайте свойство filterType , чтобы указать тип объекта .
Для AllFeatures используйте:
"filterType": "AllFeatures"
Для FeatureSubset используйте:
"filterType": "FeatureSubset",
"features": [ "string" ]
Для TopNByAttribution используйте:
"filterType": "TopNByAttribution",
"top": "int"
Объекты DataDriftMetricThresholdBase
Задайте свойство dataType , чтобы указать тип объекта .
Для категории используйте:
"dataType": "Categorical",
"metric": "string"
Для числовых значений используйте:
"dataType": "Numerical",
"metric": "string"
Объекты DataQualityMetricThresholdBase
Задайте свойство dataType , чтобы указать тип объекта .
Для категории используйте:
"dataType": "Categorical",
"metric": "string"
Для числовых значений используйте:
"dataType": "Numerical",
"metric": "string"
Объекты PredictionDriftMetricThresholdBase
Задайте свойство dataType , чтобы указать тип объекта .
Для категории используйте:
"dataType": "Categorical",
"metric": "string"
Для числовых значений используйте:
"dataType": "Numerical",
"metric": "string"
Объекты TriggerBase
Задайте свойство triggerType , чтобы указать тип объекта .
Для Cron используйте:
"triggerType": "Cron",
"expression": "string"
Для повторения используйте:
"triggerType": "Recurrence",
"frequency": "string",
"interval": "int",
"schedule": {
"hours": [ "int" ],
"minutes": [ "int" ],
"monthDays": [ "int" ],
"weekDays": [ "string" ]
}
Значения свойств
рабочие области и расписания
Имя | Описание | Значение |
---|---|---|
тип | Тип ресурса | Microsoft.MachineLearningServices/workspaces/schedules |
версия_API | Версия API ресурсов | '2023-10-01' |
name | имя ресурса. Узнайте, как задать имена и типы для дочерних ресурсов в шаблонах JSON ARM. |
string (обязательно) |
properties | [Обязательно] Дополнительные атрибуты сущности. | ScheduleProperties (обязательно) |
Свойства Schedule
Имя | Описание | Значение |
---|---|---|
action | [Обязательно] Указывает действие расписания. | ScheduleActionBase (обязательно) |
description | Текст описания ресурса. | строка |
displayName | Отображаемое имя расписания. | строка |
isEnabled | Включено ли расписание? | bool |
properties | Словарь свойств ресурса. | Свойства ResourceBase |
tags | Словарь тегов. Теги можно добавлять, удалять и обновлять. | объект |
триггер | [Обязательно] Указывает сведения о триггере. | TriggerBase (обязательно) |
ScheduleActionBase
Имя | Описание | Значение |
---|---|---|
actionType | Установка типа объекта | CreateJob CreateMonitor InvokeBatchEndpoint (обязательно) |
JobScheduleAction
Имя | Описание | Значение |
---|---|---|
actionType | [Обязательно] Указывает тип действия расписания. | CreateJob (обязательно) |
jobDefinition | [Обязательно] Определяет сведения об определении действия Расписания. | JobBaseProperties (обязательно) |
Свойства JobBase
Имя | Описание | Значение |
---|---|---|
componentId | Идентификатор ресурса ARM ресурса компонента. | строка |
computeId | Идентификатор ресурса ARM вычислительного ресурса. | строка |
description | Текст описания ресурса. | строка |
displayName | Отображаемое имя задания. | строка |
experimentName | Имя эксперимента, которому принадлежит задание. Если значение не задано, задание помещается в эксперимент "По умолчанию". | строка |
удостоверение | Конфигурация удостоверений. Если задано значение , это должен быть AmlToken, ManagedIdentity, UserIdentity или null. Значение по умолчанию — AmlToken, если значение NULL. |
IdentityConfiguration |
isArchived | Архивирован ли ресурс? | bool |
properties | Словарь свойств ресурса. | Свойства ResourceBase |
services; | Список рабочих точек. Для локальных заданий конечная точка задания будет иметь значение конечной точки FileStreamObject. |
JobBaseServices |
tags | Словарь тегов. Теги можно добавлять, удалять и обновлять. | object |
jobType | Установка типа объекта | AutoML Command Конвейер Очистка (обязательно) |
IdentityConfiguration
Имя | Описание | Значение |
---|---|---|
identityType | Установка типа объекта | AMLToken Управляемость UserIdentity (обязательно) |
AmlToken
Имя | Описание | Значение |
---|---|---|
identityType | [Обязательно] Указывает тип платформы удостоверений. | AMLToken (обязательно) |
ManagedIdentity
Имя | Описание | Значение |
---|---|---|
identityType | [Обязательно] Указывает тип платформы удостоверений. | "Управляемый" (обязательно) |
clientid | Указывает назначаемое пользователем удостоверение по идентификатору клиента. Для назначаемых системой не устанавливайте это поле. | строка Ограничения: Минимальная длина = 36 Максимальная длина = 36 Шаблон = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
objectId | Указывает назначаемое пользователем удостоверение по идентификатору объекта. Для назначаемых системой не устанавливайте это поле. | строка Ограничения: Минимальная длина = 36 Максимальная длина = 36 Шаблон = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
resourceId | Указывает назначаемое пользователем удостоверение по идентификатору ресурса ARM. Для назначаемых системой не устанавливайте это поле. | строка |
UserIdentity
Имя | Описание | Значение |
---|---|---|
identityType | [Обязательно] Указывает тип платформы удостоверений. | UserIdentity (обязательно) |
Свойства ResourceBase
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка |
JobBaseServices
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | JobService |
JobService
Имя | Описание | Значение |
---|---|---|
endpoint | URL-адрес конечной точки. | строка |
jobServiceType | Тип конечной точки. | строка |
Узлы | Узлы, на которые пользователь хотел бы запустить службу. Если для nodes не задано значение NULL или не задано значение NULL, служба будет запущена только на узле-лидере. |
Узлы |
порт | Порт для конечной точки. | INT |
properties | Дополнительные свойства, устанавливаемые в конечной точке. | JobServiceProperties |
Узлы
Имя | Описание | Значение |
---|---|---|
nodesValueType | Установка типа объекта | Все (обязательно) |
AllNodes
Имя | Описание | Значение |
---|---|---|
nodesValueType | [Обязательный параметр] Тип значения Nodes | All (обязательно) |
JobServiceProperties
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | строка |
AutoMLJob
Имя | Описание | Значение |
---|---|---|
jobType | [Обязательный параметр] Указывает тип задания. | AutoML (обязательно) |
environmentId | Идентификатор ресурса ARM спецификации среды для задания. Это необязательное значение. Если оно не указано, AutoML по умолчанию будет использовать рабочую версию курируемой среды AutoML при выполнении задания. |
строка |
environmentVariables | Переменные среды, включенные в задание. | AutoMLJobEnvironmentVariables |
outputs | Сопоставление привязок выходных данных, используемых в задании. | AutoMLJobOutputs |
queueSettings | Параметры очереди для задания | QueueSettings |
ресурсов | Конфигурация вычислительного ресурса для задания. | JobResourceConfiguration |
taskDetails | [Обязательный параметр] Это сценарий, который может быть одним из таблиц, NLP или image | AutoMLVertical (обязательно) |
AutoMLJobEnvironmentVariables
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | строка |
AutoMLJobOutputs
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | JobOutput |
JobOutput
Имя | Описание | Значение |
---|---|---|
description | Описание выходных данных. | строка |
jobOutputType | Установка типа объекта | custom_model mlflow_model mltable triton_model uri_file uri_folder (обязательно) |
CustomModelJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательный параметр] Указывает тип задания. | "custom_model" (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
MLFlowModelJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательно] Указывает тип задания. | "mlflow_model" (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
MLTableJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательно] Указывает тип задания. | mltable (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
TritonModelJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательно] Указывает тип задания. | "triton_model" (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
UriFileJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательно] Указывает тип задания. | "uri_file" (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
UriFolderJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательно] Указывает тип задания. | "uri_folder" (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
QueueSettings
Имя | Описание | Значение |
---|---|---|
jobTier | Управляет уровнем заданий вычислений | "Базовый" "Null" "Премиум" "Спот" "Стандартный" |
JobResourceConfiguration
Имя | Описание | Значение |
---|---|---|
dockerArgs | Дополнительные аргументы для передачи команде запуска Docker. Это переопределит все параметры, которые уже были заданы системой или в этом разделе. Этот параметр поддерживается только для типов вычислений Машинного обучения Azure. | строка |
instanceCount | Необязательное число экземпляров или узлов, используемых целевым объектом вычислений. | INT |
instanceType | Необязательный тип виртуальной машины, поддерживаемой целевым объектом вычислений. | строка |
properties | Контейнер дополнительных свойств. | ResourceConfigurationProperties |
shmSize | Размер блока общей памяти контейнера Docker. Значение должно быть в формате (число)(единица), где число больше 0, а единица измерения может быть одной из b(байт), k (килобайт), m(мегабайт) или g(гигабайт). | строка Ограничения: Шаблон = \d+[bBkKmMgG] |
ResourceConfigurationProperties
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | ||
{настраиваемое свойство} |
AutoMLVertical
Имя | Описание | Значение |
---|---|---|
LogVerbosity | Детализация журнала для задания. | "Критический" "Отладка" "Ошибка" "Информация" NotSet "Предупреждение" |
targetColumnName | Имя целевого столбца. Это столбец прогнозирующих значений. Также называется именем столбца метки в контексте задач классификации. |
строка |
trainingData | [Обязательно] Входные данные для обучения. | MLTableJobInput (обязательно) |
taskType | Установка типа объекта | Классификация Прогнозирование ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Регрессия TextClassification TextClassificationMultilabel TextNER (обязательно) |
MLTableJobInput
Имя | Описание | Значение |
---|---|---|
description | Описание входных данных. | строка |
jobInputType | [Обязательно] Указывает тип задания. | 'custom_model' "литерал" 'mlflow_model' 'mltable' 'triton_model' 'uri_file' "uri_folder" (обязательно) |
mode | Режим доставки входных ресурсов. | "Direct" "Скачать" 'EvalDownload' 'EvalMount' ReadOnlyMount ReadWriteMount |
uri | [Обязательно] URI входного ресурса. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
Классификация
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательно] Тип задачи для AutoMLJob. | Классификация (обязательно) |
cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения если набор данных проверки не указан. |
NCrossValidations |
positiveLabel | Положительная метка для вычисления двоичных метрик. | строка |
primaryMetric | Основная метрика для задачи. | 'AUCWeighted' "Точность" "AveragePrecisionScoreWeighted" "НормМакроРеколл" PrecisionScoreWeighted |
testData | Тестовые входные данные. | MLTableJobInput |
testDataSize | Доля тестового набора данных, которая должна быть выделена для целей проверки. Значения между (0,0 , 1,0) Применяется, если набор данных проверки не указан. |
INT |
trainingSettings | Входные данные для этапа обучения для задания AutoML. | ClassificationTrainingSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которая должна быть выделена для целей проверки. Значения между (0,0 , 1,0) Применяется, если набор данных проверки не указан. |
INT |
weightColumnName | Имя столбца с весом выборок. Автоматизированное машинное обучение поддерживает взвешенный столбец в качестве входных данных, и в результате вес строк данных меняется в большую или меньшую сторону. | строка |
TableVerticalFeaturizationSettings
Имя | Описание | Значение |
---|---|---|
blockedTransformers | Эти преобразователи не должны использоваться при конструировании признаков. | Массив строк, содержащий любой из: 'CatTargetEncoder' 'CountVectorizer' HashOneHotEncoder 'LabelEncoder' 'NaiveBayes' 'OneHotEncoder' TextTargetEncoder 'TfIdf' 'WoETargetEncoder' 'WordEmbedding' |
columnNameAndTypes | Словарь имени столбца и его типа (int, float, string, datetime и т. д.). | TableVerticalFeaturizationSettingsColumnNameAndTypes |
datasetLanguage | Язык набора данных, полезный для текстовых данных. | строка |
enableDnnFeaturization | Определяет, следует ли использовать создатели признаков на основе Dnn для создания признаков данных. | bool |
mode | Режим конструирования признаков . Пользователь может сохранить режим "Auto" по умолчанию, и AutoML позаботится о необходимом преобразовании данных на этапе конструирования признаков. Если выбран параметр "Выкл.", то конструирование признаков не выполняется. Если выбран параметр "Пользовательский", пользователь может указать дополнительные входные данные, чтобы настроить способ создания признаков. |
"Auto" "Пользовательский" "Выкл." |
transformerParams | Пользователь может указать дополнительные преобразователи для использования вместе со столбцами, к которым они будут применяться, и параметрами для конструктора преобразователя. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | строка |
TableVerticalFeaturizationSettingsTransformerParams
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | ColumnTransformer[] |
ColumnTransformer
Имя | Описание | Значение |
---|---|---|
fields | Поля для применения логики преобразователя. | string[] |
параметры | Различные свойства, передаваемые преобразователю. Ожидается, что входные данные — словарь пар "ключ—значение" в формате JSON. |
TableVerticalLimitSettings
Имя | Описание | Значение |
---|---|---|
enableEarlyTermination | Включение раннего завершения определяет, будет ли autoMLJob завершено раньше, если в последних 20 итерациях не улучшилась оценка. | bool |
exitScore | Оценка выхода для задания AutoML. | INT |
maxConcurrentTrials | Максимальное число параллельных итераций. | INT |
maxCoresPerTrial | Максимальное число ядер на итерацию. | INT |
maxTrials | Число итераций. | INT |
timeout | Время ожидания задания AutoML. | строка |
trialTimeout | Время ожидания итерации. | строка |
NCrossValidations
Имя | Описание | Значение |
---|---|---|
mode | Установка типа объекта | Автоматически Пользовательский (обязательно) |
AutoNCrossValidations
Имя | Описание | Значение |
---|---|---|
mode | [Обязательный параметр] Режим для определения N-Перекрестных проверок. | Auto (обязательно) |
CustomNCrossValidations
Имя | Описание | Значение |
---|---|---|
mode | [Обязательный параметр] Режим для определения N-Перекрестных проверок. | Custom (обязательный) |
значение | [Обязательный параметр] Значение N-Перекрестной проверки. | int (обязательно) |
ClassificationTrainingSettings
Имя | Описание | Значение |
---|---|---|
allowedTrainingAlgorithms | Разрешенные модели для задачи классификации. | Массив строк, содержащий любой из: 'BernoulliNaiveBayes' DecisionTree ExtremeRandomTrees GradientBoosting "KNN" LightGBM LinearSVM "LogisticRegression" 'MultinomialNaiveBayes' "RandomForest" "SGD" "SVM" XGBoostClassifier |
blockedTrainingAlgorithms | Заблокированные модели для задачи классификации. | Массив строк, содержащий любой из: 'BernoulliNaiveBayes' DecisionTree ExtremeRandomTrees GradientBoosting "KNN" LightGBM LinearSVM "LogisticRegression" 'MultinomialNaiveBayes' "RandomForest" "SGD" "SVM" XGBoostClassifier |
enableDnnTraining | Включите рекомендации для моделей DNN. | bool |
enableModelExplainability | Флаг для включения объясняемости в оптимальной модели. | bool |
enableOnnxCompatibleModels | Флаг для включения моделей, совместимых с onnx. | bool |
enableStackEnsemble | Включите запуск ансамбля стека. | bool |
enableVoteEnsemble | Включите запуск ансамбля голосования. | bool |
ensembleModelDownloadTimeout | Во время создания моделей VotingEnsemble и StackEnsemble скачиваются несколько установленных моделей из предыдущих дочерних запусков. Если требуется больше времени, настройте для этого параметра значение более 300 секунд. |
строка |
stackEnsembleSettings | Параметры ансамбля стека для выполнения ансамбля стека. | StackEnsembleSettings |
StackEnsembleSettings
Имя | Описание | Значение |
---|---|---|
stackMetaLearnerKWargs | Необязательные параметры, которые передаются инициализатору метаучестика. | |
stackMetaLearnerTrainPercentage | Указывает долю обучающего набора (при выборе типа обучения и проверки обучения), зарезервированного для обучения мета-учащегося. Значение по умолчанию — 0,2. | INT |
stackMetaLearnerType | Метаобучение — это модель, обученная на выходных данных отдельных разнородных моделей. | ElasticNet ElasticNetCV 'LightGBMClassifier' LightGBMRegressor LinearRegression "LogisticRegression" 'LogisticRegressionCV' "Нет" |
Прогнозирование
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательно] Тип задачи для AutoMLJob. | "Прогнозирование" (обязательно) |
cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
forecastingSettings | Прогнозирование входных данных для конкретных задач. | ForecastingSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения если набор данных проверки не указан. |
NCrossValidations |
primaryMetric | Основная метрика для задачи прогнозирования. | 'NormalizedMeanAbsoluteError' NormalizedRootMeanSquaredError "R2Score" 'SpearmanCorrelation' |
testData | Тестовые входные данные. | MLTableJobInput |
testDataSize | Доля тестового набора данных, которая должна быть выделена для целей проверки. Значения между (0,0 , 1,0) Применяется, если набор данных проверки не указан. |
INT |
trainingSettings | Входные данные для этапа обучения для задания AutoML. | ForecastingTrainingSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которая должна быть выделена для целей проверки. Значения между (0,0 , 1,0) Применяется, если набор данных проверки не указан. |
INT |
weightColumnName | Имя столбца с весом выборок. Автоматизированное машинное обучение поддерживает взвешенный столбец в качестве входных данных, и в результате вес строк данных меняется в большую или меньшую сторону. | строка |
ForecastingSettings
Имя | Описание | Значение |
---|---|---|
countryOrRegionForHolidays | Страна или регион для праздников для задач прогнозирования. Это должны быть двухбуквенные коды страны и региона по стандарту ISO 3166, например "US" или "GB". |
строка |
cvStepSize | Число периодов между временем начала одной свертки CV и следующей. Для Например, если CVStepSize = 3 для ежедневных данных, время начала для каждой свертки будеттри дня друг от друга. |
INT |
featureLags | Флаг для создания задержек для числовых признаков с "auto" или null. | "Auto" "Нет" |
forecastHorizon | Максимальный требуемый горизонт прогнозирования в единицах периодичности временных рядов. | ПрогнозГоризон |
frequency | При прогнозировании этот параметр представляет собой требуемый период составления прогноза, например, ежедневно, еженедельно, ежегодно и т. п. По умолчанию частота прогнозирования равна частоте набора данных. | строка |
Сезонность | Задайте сезонность временного ряда в виде целого числа, кратного частоте ряда. Если для сезонности задано значение auto, она будет выводиться автоматически. |
Сезонность |
shortSeriesHandlingConfig | Параметр, определяющий, как AutoML должно обрабатывать короткие временные ряды. | "Auto" 'Drop' "Нет" 'Pad' |
targetAggregateFunction | Функция, используемая для агрегирования целевого столбца временных рядов в соответствии с заданной пользователем частотой. Если параметр TargetAggregateFunction задан, т. е. не "None", но параметр freq не задан, возникает ошибка. Возможны следующие целевые функции агрегирования: "sum", "max", "min" и "mean". |
'Max' "Среднее" 'Min' "Нет" "Сумма" |
targetLags | Число периодов в прошлом, на которое должно быть определено запаздывание от целевого столбца. | TargetLags |
targetRollingWindowSize | Число периодов в прошлом, используемых для создания среднего значения скользящего интервала для целевого столбца. | TargetRollingWindowSize |
timeColumnName | Имя столбца времени. Это параметр требуется при прогнозировании, чтобы задать столбец даты и времени во входных данных, используемых для создания временного ряда и определения его периодичности. | строка |
timeSeriesIdColumnNames | Имена столбцов, используемых для группирования временных рядов. Можно использовать для создания нескольких рядов. Если интервал не определен, предполагается, что набор данных является одним временным рядом. Этот параметр используется с типом задач forecasting. |
string[] |
useStl | Настройка декомпозиции STL для целевого столбца временных рядов. | "Нет" 'Сезон' 'SeasonTrend' |
ПрогнозГоризон
Имя | Описание | Значение |
---|---|---|
mode | Установка типа объекта | Автоматически Пользовательский (обязательный) |
AutoForecastHorizon
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Задайте режим выбора значения горизонта прогноза. | Auto (обязательно) |
CustomForecastHorizon
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Задайте режим выбора значения горизонта прогноза. | "Custom" (обязательно) |
значение | [Обязательно] Значение горизонта прогнозирования. | int (обязательно) |
Сезонность
Имя | Описание | Значение |
---|---|---|
mode | Установка типа объекта | Автоматически Пользовательский (обязательный) |
AutoSeasonality
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Режим сезонности. | Auto (обязательно) |
CustomSeasonality
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Режим сезонности. | "Custom" (обязательно) |
значение | [Обязательно] Значение сезонности. | int (обязательно) |
TargetLags
Имя | Описание | Значение |
---|---|---|
mode | Установка типа объекта | Автоматически Пользовательский (обязательный) |
AutoTargetLags
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Настройка режима задержки целевого объекта — автоматический или настраиваемый | Auto (обязательно) |
CustomTargetLags
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Настройка режима задержки целевого объекта — автоматический или настраиваемый | "Custom" (обязательно) |
значения | [Обязательный параметр] Задайте целевые значения задержек. | int[] (обязательно) |
TargetRollingWindowSize
Имя | Описание | Значение |
---|---|---|
mode | Установка типа объекта | Автоматически Пользовательский (обязательно) |
AutoTargetRollingWindowSize
Имя | Описание | Значение |
---|---|---|
mode | [Обязательный параметр] Режим обнаружения TargetRollingWindowSiz. | Auto (обязательно) |
CustomTargetRollingWindowSize
Имя | Описание | Значение |
---|---|---|
mode | [Обязательный параметр] Режим обнаружения TargetRollingWindowSiz. | Custom (обязательный) |
значение | [Обязательный параметр] Значение TargetRollingWindowSize. | int (обязательно) |
ForecastingTrainingSettings
Имя | Описание | Значение |
---|---|---|
allowedTrainingAlgorithms | Разрешенные модели для задачи прогнозирования. | Массив строк, содержащий любой из: "Arimax" AutoArima "Среднее" DecisionTree ElasticNet ExponentialSmoothing ExtremeRandomTrees GradientBoosting "KNN" 'LassoLars' LightGBM "Наивный" "Пророк" "RandomForest" "SGD" 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' XGBoostRegressor |
blockedTrainingAlgorithms | Заблокированные модели для задачи прогнозирования. | Массив строк, содержащий любой из: "Arimax" AutoArima "Среднее" DecisionTree ElasticNet ExponentialSmoothing ExtremeRandomTrees GradientBoosting "KNN" 'LassoLars' LightGBM "Наивный" "Пророк" "RandomForest" "SGD" 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' XGBoostRegressor |
enableDnnTraining | Включите рекомендации для моделей DNN. | bool |
enableModelExplainability | Флаг для включения объясняемости в оптимальной модели. | bool |
enableOnnxCompatibleModels | Флаг для включения моделей, совместимых с onnx. | bool |
enableStackEnsemble | Включите запуск ансамбля стека. | bool |
enableVoteEnsemble | Включите запуск ансамбля голосования. | bool |
ensembleModelDownloadTimeout | Во время создания моделей VotingEnsemble и StackEnsemble скачиваются несколько установленных моделей из предыдущих дочерних запусков. Если требуется больше времени, настройте для этого параметра значение более 300 секунд. |
строка |
stackEnsembleSettings | Параметры ансамбля стека для выполнения ансамбля стека. | StackEnsembleSettings |
ImageClassification
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательно] Тип задачи для AutoMLJob. | ImageClassification (обязательно) |
limitSettings | [Обязательно] Ограничение параметров для задания AutoML. | ImageLimitSettings (обязательно) |
ModelSettings | Параметры, используемые для обучения модели. | ImageModelSettingsClassification |
primaryMetric | Основная метрика для оптимизации для этой задачи. | 'AUCWeighted' "Точность" "AveragePrecisionScoreWeighted" "НормМакроРеколл" PrecisionScoreWeighted |
searchSpace | Поиск пространства для выборки различных комбинаций моделей и их гиперпараметров. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Параметры, связанные с очисткой модели и гиперпараметров. | ImageSweepSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которая должна быть выделена для целей проверки. Значения между (0,0 , 1,0) Применяется, если набор данных проверки не указан. |
INT |
ImageLimitSettings
Имя | Описание | Значение |
---|---|---|
maxConcurrentTrials | Максимальное число параллельных итераций AutoML. | INT |
maxTrials | Максимальное число итераций AutoML. | INT |
timeout | Время ожидания задания AutoML. | строка |
ImageModelSettingsClassification
Имя | Описание | Значение |
---|---|---|
advancedSettings | Параметры для расширенных сценариев. | строка |
amsGradient | Включите AMSGrad, если оптимизатор имеет значение adam или adamw. | bool |
аугментации | Параметры использования дополнений. | строка |
бета-версия1 | Значение beta1, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | INT |
бета-версия 2 | Значение beta2, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | INT |
checkpointFrequency | Частота сохранения контрольных точек модели. Принимаются только положительные целые числа. | INT |
checkpointModel | Предварительно обученная модель контрольных точек для добавочного обучения. | MLFlowModelJobInput |
checkpointRunId | Идентификатор предыдущего запуска, имеющего предварительно обученную контрольную точку для добавочного обучения. | строка |
распределенные | Следует ли использовать распределенное обучение. | bool |
earlyStopping | Включить алгоритм раннего прекращения логики во время обучения. | bool |
earlyStoppingDelay | Минимальное количество эпох или проверочных оценок для ожидания до улучшения первичной метрики отслеживается для ранней остановки. Принимаются только положительные целые числа. |
INT |
earlyStoppingPatience | Минимальное количество эпох или проверочных оценок без первичного улучшения метрики до выполнение остановлено. Принимаются только положительные целые числа. |
INT |
enableOnnxNormalization | Включить нормализацию при экспорте модели ONNX. | bool |
evaluationFrequency | Частота оценки набора данных проверки для получения оценок метрик. Принимаются только положительные целые числа. | INT |
gradientAccumulationStep | Накопление градиента означает выполнение заданного количества шагов "GradAccumulationStep" без обновление весовых коэффициентов модели с накоплением градиентов этих шагов, а затем с помощью накопленные градиенты для вычисления обновлений веса. Принимаются только положительные целые числа. |
INT |
layersToFreeze | Количество слоев, которые необходимо заморозить для модели. Принимаются только положительные целые числа. Например, передача 2 в качестве значения для "seresnext" означает замораживание layer0 и layer1. Полный список поддерживаемых моделей и сведения о замораживании слоя см. в статье Видеть: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
INT |
learningRate | Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1]. | INT |
learningRateScheduler | Тип планировщика скорости обучения. Должен иметь значение "warmup_cosine" или "шаг". | "Нет" "Шаг" WarmupCosine |
modelName | Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
momentum | Значение импульса, если оптимизатор имеет значение "sgd". Должно быть значением типа float в диапазоне [0, 1]. | INT |
Нестеров | Включите nesterov, если оптимизатор имеет значение "sgd". | bool |
numberOfEpochs | Число эпох обучения. Принимаются только положительные целые числа. | INT |
numberOfWorkers | Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число. | INT |
optimizer | Тип оптимизатора. | 'Адам' 'Адамв' "Нет" 'Sgd' |
randomSeed | Случайное начальное значение, используемое при использовании детерминированного обучения. | INT |
stepLRGamma | Значение гамма, когда планировщик скорости обучения имеет значение step. Должно быть значением типа float в диапазоне [0, 1]. | INT |
stepLRStepSize | Значение размера шага, если планировщик скорости обучения — "шаг". Принимаются только положительные целые числа. | INT |
trainingBatchSize | Размер пакета, используемого для обучения. Принимаются только положительные целые числа. | INT |
trainingCropSize | Размер обрезки изображения, который является входными данными в нейронную сеть для обучающего набора данных. Принимаются только положительные целые числа. | INT |
validationBatchSize | Размер пакета, используемого для проверки. Принимаются только положительные целые числа. | INT |
validationCropSize | Размер обрезки изображения, входной в нейронную сеть для проверочного набора данных. Принимаются только положительные целые числа. | INT |
validationResizeSize | Размер, до которого необходимо изменить изображение перед обрезкой для набора данных проверки. Принимаются только положительные целые числа. | INT |
warmupCosineLRCycles | Значение цикла косинуса, когда планировщик скорости обучения имеет значение "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1]. | INT |
warmupCosineLRWarmupEpochs | Значение эпох прогрева, когда планировщик скорости обучения имеет значение "warmup_cosine". Принимаются только положительные целые числа. | INT |
weightDecay | Значение распада веса, если оптимизатор имеет значение "sgd", "adam" или "adamw". Должен быть плавающей точкой в диапазоне[0, 1]. | INT |
weightedLoss | Взвешивая потеря. Допустимые значения — 0 для без взвешения потерь. 1 для взвешаемой потери с sqrt. (class_weights). 2 для расчета взвешенной ошибки с помощью class_weights. Значение должно быть 0 или 1 или 2. |
INT |
MLFlowModelJobInput
Имя | Описание | Значение |
---|---|---|
description | Описание входных данных. | строка |
jobInputType | [Обязательный параметр] Указывает тип задания. | "custom_model" "литерал" "mlflow_model" 'mltable' 'triton_model' "uri_file" "uri_folder" (обязательно) |
mode | Режим доставки входных ресурсов. | 'Direct' "Скачать" 'EvalDownload' EvalMount ReadOnlyMount ReadWriteMount |
uri | [Обязательный параметр] URI входного ресурса. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
Имя | Описание | Значение |
---|---|---|
amsGradient | Включите AMSGrad, если оптимизатор имеет значение adam или adamw. | строка |
расширения | Параметры использования дополнений. | строка |
бета-версия1 | Значение beta1, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | строка |
бета-версия 2 | Значение beta2, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | строка |
распределенные | Следует ли использовать обучение распространителя. | строка |
earlyStopping | Включить алгоритм раннего прекращения логики во время обучения. | строка |
earlyStoppingDelay | Минимальное количество эпох или проверочных вычислений для ожидания до улучшения основной метрики отслеживается для ранней остановки. Принимаются только положительные целые числа. |
строка |
earlyStoppingPatience | Минимальное количество эпох или проверочных оценок без основного улучшения метрики до выполнение остановлено. Принимаются только положительные целые числа. |
строка |
enableOnnxNormalization | Включите нормализацию при экспорте модели ONNX. | строка |
evaluationFrequency | Частота оценки набора данных проверки для получения оценок метрик. Принимаются только положительные целые числа. | строка |
gradientAccumulationStep | Накопление градиента означает выполнение настроенного числа шагов GradAccumulationStep без обновление весовых коэффициентов модели с накоплением градиентов на этих шагах, а затем с помощью накопленные градиенты для вычисления обновлений веса. Принимаются только положительные целые числа. |
строка |
layersToFreeze | Количество слоев, которые необходимо закрепить для модели. Принимаются только положительные целые числа. Например, передача 2 в качестве значения для "seresnext" означает, что замораживание layer0 и layer1. Полный список поддерживаемых моделей и сведения о замораживании слоев см. в статье Видеть: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
learningRate | Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1]. | строка |
learningRateScheduler | Тип планировщика скорости обучения. Должен иметь значение "warmup_cosine" или "шаг". | строка |
modelName | Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
momentum | Значение импульса, если оптимизатор имеет значение "sgd". Должно быть значением типа float в диапазоне [0, 1]. | строка |
Нестеров | Включите nesterov, если оптимизатор имеет значение "sgd". | строка |
numberOfEpochs | Число эпох обучения. Принимаются только положительные целые числа. | строка |
numberOfWorkers | Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число. | строка |
optimizer | Тип оптимизатора. Должен иметь значение "sgd", "adam" или "adamw". | строка |
randomSeed | Случайное начальное значение, используемое при использовании детерминированного обучения. | строка |
stepLRGamma | Значение гамма, когда планировщик скорости обучения имеет значение step. Должно быть значением типа float в диапазоне [0, 1]. | строка |
stepLRStepSize | Значение размера шага, если планировщик скорости обучения — "шаг". Принимаются только положительные целые числа. | строка |
trainingBatchSize | Размер пакета, используемого для обучения. Принимаются только положительные целые числа. | строка |
trainingCropSize | Размер обрезки изображения, который является входными данными в нейронную сеть для обучающего набора данных. Принимаются только положительные целые числа. | строка |
validationBatchSize | Размер пакета, используемого для проверки. Принимаются только положительные целые числа. | строка |
validationCropSize | Размер обрезки изображения, входной в нейронную сеть для проверочного набора данных. Принимаются только положительные целые числа. | строка |
validationResizeSize | Размер, до которого необходимо изменить изображение перед обрезкой для набора данных проверки. Принимаются только положительные целые числа. | строка |
warmupCosineLRCycles | Значение цикла косинуса, когда планировщик скорости обучения имеет значение "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1]. | строка |
warmupCosineLRWarmupEpochs | Значение эпох прогрева, когда планировщик скорости обучения имеет значение "warmup_cosine". Принимаются только положительные целые числа. | строка |
weightDecay | Значение распада веса, если оптимизатор имеет значение "sgd", "adam" или "adamw". Должен быть плавающей точкой в диапазоне[0, 1]. | строка |
weightedLoss | Взвешивая потеря. Допустимые значения — 0 для без взвешения потерь. 1 для взвешаемой потери с sqrt. (class_weights). 2 для расчета взвешенной ошибки с помощью class_weights. Значение должно быть 0 или 1 или 2. |
строка |
ImageSweepSettings
Имя | Описание | Значение |
---|---|---|
ранняятерминация | Тип политики досрочного завершения. | EarlyTerminationPolicy |
samplingAlgorithm | [Обязательно] Тип алгоритмов выборки гиперпараметров. | 'Байесов' "Сетка" "Random" (обязательно) |
EarlyTerminationPolicy
Имя | Описание | Значение |
---|---|---|
delayEvaluation | Количество интервалов, на которые откладывается первая оценка. | INT |
evaluationInterval | Интервал (количество запусков) между оценками политики. | INT |
policyType | Установка типа объекта | Бандит MedianStopping TruncationSelection (обязательно) |
BanditPolicy
Имя | Описание | Значение |
---|---|---|
policyType | [Обязательно] Имя конфигурации политики | "Бандит" (обязательно) |
slackAmount | Абсолютное расстояние от наиболее производительного выполнения. | INT |
slackFactor | Отношение допустимого расстояния от наиболее производительного выполнения. | INT |
MedianStoppingPolicy
Имя | Описание | Значение |
---|---|---|
policyType | [Обязательно] Имя конфигурации политики | MedianStopping (обязательно) |
TruncationSelectionPolicy
Имя | Описание | Значение |
---|---|---|
policyType | [Обязательно] Имя конфигурации политики | "TruncationSelection" (обязательно) |
truncationPercentage | Процент выполнений для отмены в каждом интервале оценки. | INT |
ImageClassificationMultilabel
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательно] Тип задачи для AutoMLJob. | ImageClassificationMultilabel (обязательно) |
limitSettings | [Обязательно] Ограничение параметров для задания AutoML. | ImageLimitSettings (обязательно) |
ModelSettings | Параметры, используемые для обучения модели. | ImageModelSettingsClassification |
primaryMetric | Основная метрика для оптимизации для этой задачи. | 'AUCWeighted' "Точность" "AveragePrecisionScoreWeighted" 'IOU' "НормМакроРеколл" PrecisionScoreWeighted |
searchSpace | Поиск пространства для выборки различных комбинаций моделей и их гиперпараметров. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Параметры, связанные с очисткой модели и гиперпараметров. | ImageSweepSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которая должна быть выделена для целей проверки. Значения между (0,0 , 1,0) Применяется, если набор данных проверки не указан. |
INT |
ImageInstanceSegmentation
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательно] Тип задачи для AutoMLJob. | ImageInstanceSegmentation (обязательно) |
limitSettings | [Обязательно] Ограничение параметров для задания AutoML. | ImageLimitSettings (обязательно) |
ModelSettings | Параметры, используемые для обучения модели. | ImageModelSettingsObjectDetection |
primaryMetric | Основная метрика для оптимизации для этой задачи. | 'MeanAveragePrecision' |
searchSpace | Поиск пространства для выборки различных комбинаций моделей и их гиперпараметров. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Параметры, связанные с очисткой модели и гиперпараметров. | ImageSweepSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которая должна быть выделена для целей проверки. Значения между (0,0 , 1,0) Применяется, если набор данных проверки не указан. |
INT |
ImageModelSettingsObjectDetection
Имя | Описание | Значение |
---|---|---|
advancedSettings | Параметры для расширенных сценариев. | строка |
amsGradient | Включите AMSGrad, если оптимизатор имеет значение adam или adamw. | bool |
аугментации | Параметры использования дополнений. | строка |
бета-версия1 | Значение beta1, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | INT |
бета-версия 2 | Значение beta2, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | INT |
boxDetectionsPerImage | Максимальное число обнаружений на каждое изображение для всех классов. Принимаются только положительные целые числа. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
INT |
boxScoreThreshold | Во время вывода возвращаются только предложения с оценкой классификации, превышающей BoxScoreThreshold. Должен быть плавающей точкой в диапазоне[0, 1]. |
INT |
checkpointFrequency | Частота сохранения контрольных точек модели. Принимаются только положительные целые числа. | INT |
checkpointModel | Предварительно обученная модель контрольных точек для добавочного обучения. | MLFlowModelJobInput |
checkpointRunId | Идентификатор предыдущего запуска, имеющего предварительно обученную контрольную точку для добавочного обучения. | строка |
распределенные | Следует ли использовать распределенное обучение. | bool |
earlyStopping | Включить алгоритм раннего прекращения логики во время обучения. | bool |
earlyStoppingDelay | Минимальное количество эпох или проверочных оценок для ожидания до улучшения первичной метрики отслеживается для ранней остановки. Принимаются только положительные целые числа. |
INT |
earlyStoppingPatience | Минимальное количество эпох или проверочных оценок без первичного улучшения метрики до выполнение остановлено. Принимаются только положительные целые числа. |
INT |
enableOnnxNormalization | Включить нормализацию при экспорте модели ONNX. | bool |
evaluationFrequency | Частота оценки набора данных проверки для получения оценок метрик. Принимаются только положительные целые числа. | INT |
gradientAccumulationStep | Накопление градиента означает выполнение заданного количества шагов "GradAccumulationStep" без обновление весовых коэффициентов модели с накоплением градиентов этих шагов, а затем с помощью накопленные градиенты для вычисления обновлений веса. Принимаются только положительные целые числа. |
INT |
imageSize | Размер изображения для обучения и проверки. Принимаются только положительные целые числа. Примечание. Если размер слишком велик, обучающий запуск может попасть в CUDA OOM. Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
INT |
layersToFreeze | Количество слоев, которые необходимо заморозить для модели. Принимаются только положительные целые числа. Например, передача 2 в качестве значения для "seresnext" означает замораживание layer0 и layer1. Полный список поддерживаемых моделей и сведения о замораживании слоя см. в статье Видеть: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
INT |
learningRate | Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1]. | INT |
learningRateScheduler | Тип планировщика скорости обучения. Должен иметь значение "warmup_cosine" или "шаг". | "Нет" "Шаг" WarmupCosine |
Maxsize | Максимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Принимаются только положительные целые числа. Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
INT |
minSize | Минимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Принимаются только положительные целые числа. Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
INT |
modelName | Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
modelSize | Размер модели. Должен иметь значение "small", "medium", "large" или "xlarge". Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
'ExtraLarge' "Большой" "Средний" "Нет" "Маленький" |
momentum | Значение импульса, если оптимизатор имеет значение "sgd". Должно быть значением типа float в диапазоне [0, 1]. | INT |
MultiScale | Включение многомасштабного изображения путем изменения размера изображения на +/- 50 %. Примечание. Если объема памяти на видеокарте недостаточно, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
bool |
Нестеров | Включите nesterov, если оптимизатор имеет значение "sgd". | bool |
nmsIouThreshold | Пороговое значение IOU, используемое во время вывода в постобработке NMS. Должно быть значением типа float в диапазоне [0, 1]. | INT |
numberOfEpochs | Число эпох обучения. Принимаются только положительные целые числа. | INT |
numberOfWorkers | Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число. | INT |
optimizer | Тип оптимизатора. | 'Адам' 'Адамв' "Нет" 'Sgd' |
randomSeed | Случайное начальное значение, используемое при использовании детерминированного обучения. | INT |
stepLRGamma | Значение гамма, если планировщик скорости обучения имеет значение step. Должно быть значением типа float в диапазоне [0, 1]. | INT |
stepLRStepSize | Значение размера шага, если планировщик скорости обучения имеет значение step. Принимаются только положительные целые числа. | INT |
tileGridSize | Размер сетки, используемый для мозаичного заполнения каждого изображения. Примечание. Параметр TileGridSize не должен иметь значение Нет для включения логики обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
tileOverlapRatio | Коэффициент перекрытия смежных фрагментов в каждом измерении. Должен иметь значение float в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
INT |
tilePredictionsNmsThreshold | Пороговое значение IOU, используемое для выполнения поиска немаксимумов (NMS) при объединении прогнозов из фрагментов и изображения. Используется при проверке или выводе. Должен иметь значение float в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
INT |
trainingBatchSize | Размер пакета, используемого для обучения. Принимаются только положительные целые числа. | INT |
validationBatchSize | Размер пакета, используемого для проверки. Принимаются только положительные целые числа. | INT |
validationIouThreshold | Пороговое значение IOU, используемое при вычислении метрики проверки. Должен иметь значение float в диапазоне [0, 1]. | INT |
validationMetricType | Метод вычисления метрик, который используется для расчета проверочных метрик. | "Коко" 'CocoVoc' "Нет" "Voc" |
warmupCosineLRCycles | Значение цикла косиуса, когда планировщик скорости обучения имеет значение "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1]. | INT |
warmupCosineLRWarmupEpochs | Значение эпох прогрева, когда планировщик скорости обучения имеет значение "warmup_cosine". Принимаются только положительные целые числа. | INT |
weightDecay | Значение упадения веса, если оптимизатор имеет значение "sgd", "adam" или "adamw". Должен быть типом float в диапазоне[0, 1]. | INT |
ImageModelDistributionSettingsObjectDetection
Имя | Описание | Значение |
---|---|---|
amsGradient | Включите AMSGrad, если оптимизатор имеет значение adam или adamw. | строка |
аугментации | Параметры использования дополнений. | строка |
бета-версия1 | Значение beta1, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | строка |
бета-версия 2 | Значение beta2, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | строка |
boxDetectionsPerImage | Максимальное число обнаружений на каждое изображение для всех классов. Принимаются только положительные целые числа. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
boxScoreThreshold | Во время вывода возвращаются только предложения с оценкой классификации, превышающей BoxScoreThreshold. Должен быть плавающей точкой в диапазоне[0, 1]. |
строка |
распределенные | Следует ли использовать обучение распространителя. | строка |
earlyStopping | Включить алгоритм раннего прекращения логики во время обучения. | строка |
earlyStoppingDelay | Минимальное количество эпох или проверочных оценок для ожидания до улучшения первичной метрики отслеживается для ранней остановки. Принимаются только положительные целые числа. |
строка |
earlyStoppingPatience | Минимальное количество эпох или проверочных оценок без первичного улучшения метрики до выполнение остановлено. Принимаются только положительные целые числа. |
строка |
enableOnnxNormalization | Включить нормализацию при экспорте модели ONNX. | строка |
evaluationFrequency | Частота оценки набора данных проверки для получения оценок метрик. Принимаются только положительные целые числа. | строка |
gradientAccumulationStep | Накопление градиента означает выполнение заданного количества шагов "GradAccumulationStep" без обновление весовых коэффициентов модели с накоплением градиентов этих шагов, а затем с помощью накопленные градиенты для вычисления обновлений веса. Принимаются только положительные целые числа. |
строка |
imageSize | Размер изображения для обучения и проверки. Принимаются только положительные целые числа. Примечание. Если размер слишком велик, обучающий запуск может попасть в CUDA OOM. Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
строка |
layersToFreeze | Количество слоев, которые необходимо заморозить для модели. Принимаются только положительные целые числа. Например, передача 2 в качестве значения для "seresnext" означает замораживание layer0 и layer1. Полный список поддерживаемых моделей и сведения о замораживании слоя см. в статье Видеть: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
learningRate | Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1]. | строка |
learningRateScheduler | Тип планировщика скорости обучения. Должен иметь значение "warmup_cosine" или "шаг". | строка |
Maxsize | Максимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Принимаются только положительные целые числа. Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
minSize | Минимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Принимаются только положительные целые числа. Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
modelName | Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
modelSize | Размер модели. Должен иметь значение "small", "medium", "large" или "xlarge". Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
строка |
momentum | Значение импульса, если оптимизатор имеет значение "sgd". Должно быть значением типа float в диапазоне [0, 1]. | строка |
MultiScale | Включение многомасштабного изображения путем изменения размера изображения на +/- 50 %. Примечание. Если объема памяти на видеокарте недостаточно, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
строка |
Нестеров | Включите nesterov, если оптимизатор имеет значение "sgd". | строка |
nmsIouThreshold | Пороговое значение OU, используемое при выводе в послеобработке NMS. Должен быть с плавающей точкой в диапазоне [0, 1]. | строка |
numberOfEpochs | Число эпох обучения. Принимаются только положительные целые числа. | строка |
numberOfWorkers | Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число. | строка |
optimizer | Тип оптимизатора. Должен иметь значение "sgd", "adam" или "adamw". | строка |
randomSeed | Случайное начальное значение, используемое при использовании детерминированного обучения. | строка |
stepLRGamma | Значение гамма, когда планировщик скорости обучения имеет значение step. Должно быть значением типа float в диапазоне [0, 1]. | строка |
stepLRStepSize | Значение размера шага, если планировщик скорости обучения — "шаг". Принимаются только положительные целые числа. | строка |
tileGridSize | Размер сетки, используемый для мозаичного заполнения каждого изображения. Примечание. TileGridSize не должно иметь значение Нет, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
tileOverlapRatio | Коэффициент перекрытия смежных фрагментов в каждом измерении. Должен быть с плавающей точкой в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
tilePredictionsNmsThreshold | Пороговое значение IOU, используемое для выполнения поиска немаксимумов (NMS) при объединении прогнозов из фрагментов и изображения. Используется при проверке или выводе. Должен быть с плавающей точкой в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. NMS: не максимальное подавление |
строка |
trainingBatchSize | Размер пакета, используемого для обучения. Принимаются только положительные целые числа. | строка |
validationBatchSize | Размер пакета, используемого для проверки. Принимаются только положительные целые числа. | строка |
validationIouThreshold | Пороговое значение OU, используемое при вычислении метрики проверки. Должен быть с плавающей точкой в диапазоне [0, 1]. | строка |
validationMetricType | Метод вычисления метрик, который используется для расчета проверочных метрик. Должен иметь значение none, coco, voc или coco_voc. | строка |
warmupCosineLRCycles | Значение цикла косинуса, когда планировщик скорости обучения имеет значение "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1]. | строка |
warmupCosineLRWarmupEpochs | Значение эпох прогрева, когда планировщик скорости обучения имеет значение "warmup_cosine". Принимаются только положительные целые числа. | строка |
weightDecay | Значение распада веса, если оптимизатор имеет значение "sgd", "adam" или "adamw". Должен быть плавающей точкой в диапазоне[0, 1]. | строка |
ImageObjectDetection
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательно] Тип задачи для AutoMLJob. | ImageObjectDetection (обязательно) |
limitSettings | [Обязательно] Ограничение параметров для задания AutoML. | ImageLimitSettings (обязательно) |
ModelSettings | Параметры, используемые для обучения модели. | ImageModelSettingsObjectDetection |
primaryMetric | Основная метрика для оптимизации для этой задачи. | 'MeanAveragePrecision' |
searchSpace | Поиск пространства для выборки различных комбинаций моделей и их гиперпараметров. | ImageModelDistributionSettingsObjectDetection[] |
параметры sweepSettings | Очистка модели и гиперпараметров, связанных с параметрами. | ImageSweepSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которую необходимо выделить для целей проверки. Значения между (0,0 , 1,0) Применяется, если не указан проверочный набор данных. |
INT |
Регрессия
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательный параметр] Тип задачи для AutoMLJob. | Регрессия (обязательно) |
cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения если набор данных проверки не указан. |
NCrossValidations |
primaryMetric | Основная метрика для задачи регрессии. | NormalizedMeanAbsoluteError NormalizedRootMeanSquaredError R2Score 'SpearmanCorrelation' |
testData | Тестирование входных данных. | MLTableJobInput |
testDataSize | Часть тестового набора данных, которую необходимо выделить для целей проверки. Значения между (0,0 , 1,0) Применяется, если не указан проверочный набор данных. |
INT |
trainingSettings | Входные данные для этапа обучения для задания AutoML. | RegressionTrainingSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которую необходимо выделить для целей проверки. Значения между (0,0 , 1,0) Применяется, если не указан проверочный набор данных. |
INT |
weightColumnName | Имя столбца с весом выборок. Автоматизированное машинное обучение поддерживает взвешенный столбец в качестве входных данных, и в результате вес строк данных меняется в большую или меньшую сторону. | строка |
RegressionTrainingSettings
Имя | Описание | Значение |
---|---|---|
allowedTrainingAlgorithms | Разрешенные модели для задачи регрессии. | Массив строк, содержащий любой из: DecisionTree ElasticNet ExtremeRandomTrees GradientBoosting "KNN" 'LassoLars' LightGBM "RandomForest" "SGD" XGBoostRegressor |
blockedTrainingAlgorithms | Заблокированные модели для задачи регрессии. | Массив строк, содержащий любой из: DecisionTree ElasticNet ExtremeRandomTrees GradientBoosting "KNN" 'LassoLars' LightGBM "RandomForest" "SGD" XGBoostRegressor |
enableDnnTraining | Включите рекомендации для моделей DNN. | bool |
enableModelExplainability | Флаг для включения объясняемости в оптимальной модели. | bool |
enableOnnxCompatibleModels | Флаг для включения моделей, совместимых с onnx. | bool |
enableStackEnsemble | Включите запуск ансамбля стека. | bool |
enableVoteEnsemble | Включите запуск ансамбля голосования. | bool |
ensembleModelDownloadTimeout | Во время создания моделей VotingEnsemble и StackEnsemble скачиваются несколько подходящих моделей из предыдущих дочерних запусков. Если требуется больше времени, настройте для этого параметра значение более 300 секунд. |
строка |
stackEnsembleSettings | Параметры ансамбля стека для выполнения ансамбля стека. | StackEnsembleSettings |
TextClassification
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательно] Тип задачи для AutoMLJob. | TextClassification (обязательно) |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
primaryMetric | Основная метрика для задачи Text-Classification. | 'AUCWeighted' "Точность" "AveragePrecisionScoreWeighted" "НормМакроРеколл" PrecisionScoreWeighted |
validationData | Входные данные проверки. | MLTableJobInput |
NlpVerticalFeaturizationSettings
Имя | Описание | Значение |
---|---|---|
datasetLanguage | Язык набора данных, полезный для текстовых данных. | строка |
NlpVerticalLimitSettings
Имя | Описание | Значение |
---|---|---|
maxConcurrentTrials | Максимальное количество параллельных итераций AutoML. | INT |
maxTrials | Количество итераций AutoML. | INT |
timeout | Время ожидания задания AutoML. | строка |
TextClassificationMultilabel
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательно] Тип задачи для AutoMLJob. | TextClassificationMultilabel (обязательно) |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
validationData | Входные данные проверки. | MLTableJobInput |
TextNer
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательно] Тип задачи для AutoMLJob. | TextNER (обязательно) |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
validationData | Входные данные проверки. | MLTableJobInput |
CommandJob
Имя | Описание | Значение |
---|---|---|
jobType | [Обязательно] Указывает тип задания. | Command (обязательно) |
codeId | Идентификатор ресурса ARM ресурса кода. | строка |
. | [Обязательно] Команда, выполняемая при запуске задания. Например: "python train.py" | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
распределение | Конфигурация распределения задания. Если задано значение , это должен быть один из Mpi, Tensorflow, PyTorch или null. | DistributionConfiguration |
environmentId | [Обязательный параметр] Идентификатор ресурса ARM спецификации среды для задания. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
environmentVariables | Переменные среды, включенные в задание. | CommandJobEnvironmentVariables |
Ввод данных | Сопоставление привязок входных данных, используемых в задании. | CommandJobInputs |
ограничения | Ограничение заданий команд. | CommandJobLimits |
outputs | Сопоставление привязок выходных данных, используемых в задании. | CommandJobOutputs |
queueSettings | Параметры очереди для задания | QueueSettings |
ресурсов | Конфигурация вычислительного ресурса для задания. | JobResourceConfiguration |
DistributionConfiguration
Имя | Описание | Значение |
---|---|---|
distributionType | Установка типа объекта | Mpi PyTorch TensorFlow (обязательно) |
Mpi
Имя | Описание | Значение |
---|---|---|
distributionType | [Обязательный параметр] Указывает тип платформы распространения. | "Mpi" (обязательно) |
processCountPerInstance | Количество процессов на узел MPI. | INT |
PyTorch
Имя | Описание | Значение |
---|---|---|
distributionType | [Обязательный параметр] Указывает тип платформы распространения. | PyTorch (обязательно) |
processCountPerInstance | Количество процессов на узле. | INT |
TensorFlow
Имя | Описание | Значение |
---|---|---|
distributionType | [Обязательный параметр] Указывает тип платформы распространения. | TensorFlow (обязательно) |
parameterServerCount | Число задач сервера параметров. | INT |
workerCount | Количество рабочих ролей. Если значение не указано, по умолчанию будет использоваться число экземпляров. | INT |
CommandJobEnvironmentVariables
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | строка |
CommandJobInputs
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | JobInput |
JobInput
Имя | Описание | Значение |
---|---|---|
description | Описание входных данных. | строка |
jobInputType | Установка типа объекта | custom_model literal mlflow_model mltable triton_model uri_file uri_folder (обязательно) |
CustomModelJobInput
Имя | Описание | Значение |
---|---|---|
jobInputType | [Обязательный параметр] Указывает тип задания. | "custom_model" (обязательно) |
mode | Режим доставки входных ресурсов. | 'Direct' "Скачать" 'EvalDownload' EvalMount ReadOnlyMount ReadWriteMount |
uri | [Обязательный параметр] URI входного ресурса. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
LiteralJobInput
Имя | Описание | Значение |
---|---|---|
jobInputType | [Обязательный параметр] Указывает тип задания. | "литерал" (обязательно) |
значение | [Обязательный параметр] Литеральное значение для входных данных. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
TritonModelJobInput
Имя | Описание | Значение |
---|---|---|
jobInputType | [Обязательный параметр] Указывает тип задания. | "triton_model" (обязательно) |
mode | Режим доставки входных ресурсов. | 'Direct' "Скачать" 'EvalDownload' EvalMount ReadOnlyMount ReadWriteMount |
uri | [Обязательный параметр] URI входного ресурса. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
UriFileJobInput
Имя | Описание | Значение |
---|---|---|
jobInputType | [Обязательный параметр] Указывает тип задания. | "uri_file" (обязательно) |
mode | Режим доставки входных ресурсов. | 'Direct' "Скачать" 'EvalDownload' EvalMount ReadOnlyMount ReadWriteMount |
uri | [Обязательный параметр] URI входного ресурса. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
UriFolderJobInput
Имя | Описание | Значение |
---|---|---|
jobInputType | [Обязательный параметр] Указывает тип задания. | "uri_folder" (обязательно) |
mode | Режим доставки входных ресурсов. | 'Direct' "Скачать" 'EvalDownload' EvalMount ReadOnlyMount ReadWriteMount |
uri | [Обязательный параметр] URI входного ресурса. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
CommandJobLimits
Имя | Описание | Значение |
---|---|---|
jobLimitsType | [Обязательно] Тип JobLimit. | 'Command' "Очистка" (обязательно) |
timeout | Максимальная продолжительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживает только длительность с точностью до секунд. | строка |
CommandJobOutputs
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | JobOutput |
PipelineJob
Имя | Описание | Значение |
---|---|---|
jobType | [Обязательно] Указывает тип задания. | Pipeline (обязательно) |
Ввод данных | Входные данные для задания конвейера. | PipelineJobInputs |
jobs | Задания создают задание конвейера. | PipelineJobJobs |
outputs | Выходные данные для задания конвейера | PipelineJobOutputs |
Параметры | Параметры конвейера для таких вещей, как ContinueRunOnStepFailure и т. д. | |
sourceJobId | Идентификатор ресурса ARM исходного задания. | строка |
PipelineJobInputs
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | JobInput |
PipelineJobJobs
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} |
PipelineJobOutputs
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | JobOutput |
SweepJob
Имя | Описание | Значение |
---|---|---|
jobType | [Обязательно] Указывает тип задания. | "Очистка" (обязательно) |
ранняятерминация | Политики раннего завершения позволяют отменять низкопроизводительные запуски до их завершения. | EarlyTerminationPolicy |
Ввод данных | Сопоставление привязок входных данных, используемых в задании. | SweepJobInputs |
ограничения | Ограничение задания очистки. | SweepJobLimits |
objective. | [Обязательно] Цель оптимизации. | Цель (обязательно) |
outputs | Сопоставление привязок выходных данных, используемых в задании. | SweepJobOutputs |
queueSettings | Параметры очереди для задания | QueueSettings |
samplingAlgorithm | [Обязательно] Алгоритм выборки гиперпараметров | SamplingAlgorithm (обязательно) |
searchSpace | [Обязательно] Словарь, содержащий каждый параметр и его распределение. Ключ словаря — это имя параметра. | |
trial | [Обязательно] Определение пробного компонента. | TrialComponent (обязательно) |
SweepJobInputs
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | JobInput |
SweepJobLimits
Имя | Описание | Значение |
---|---|---|
jobLimitsType | [Обязательно] Тип JobLimit. | 'Command' "Очистка" (обязательно) |
maxConcurrentTrials | Очистка задания максимальное количество одновременных проб. | INT |
maxTotalTrials | Максимальное количество пробных версий задания очистки. | INT |
timeout | Максимальная продолжительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживает только длительность с точностью до секунд. | строка |
trialTimeout | Значение времени ожидания пробной версии задания очистки. | строка |
Назначение
Имя | Описание | Значение |
---|---|---|
goal | [Обязательно] Определяет поддерживаемые цели метрик для настройки гиперпараметров | "Развернуть" "Свернуть" (обязательно) |
primaryMetric | [Обязательно] Имя метрики для оптимизации. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
SweepJobOutputs
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | JobOutput |
SamplingAlgorithm
Имя | Описание | Значение |
---|---|---|
samplingAlgorithmType | Установка типа объекта | Байесовский Grid Случайный (обязательный) |
BayesianSamplingAlgorithm
Имя | Описание | Значение |
---|---|---|
samplingAlgorithmType | [Обязательно] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | 'Байесов' (обязательно) |
GridSamplingAlgorithm
Имя | Описание | Значение |
---|---|---|
samplingAlgorithmType | [Обязательно] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | Grid (обязательно) |
RandomSamplingAlgorithm
Имя | Описание | Значение |
---|---|---|
samplingAlgorithmType | [Обязательно] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | "Random" (обязательно) |
правило | Конкретный тип случайного алгоритма | "Случайный" "Соболь" |
seed | Необязательное целое число, используемое в качестве начального значения для создания случайных чисел. | INT |
TrialComponent
Имя | Описание | Значение |
---|---|---|
codeId | Идентификатор ресурса ARM ресурса кода. | строка |
. | [Обязательно] Команда, выполняемая при запуске задания. Например: "python train.py" | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
распределение | Конфигурация распределения задания. Если задано значение , это должен быть один из Mpi, Tensorflow, PyTorch или null. | DistributionConfiguration |
environmentId | [Обязательно] Идентификатор ресурса ARM спецификации среды для задания. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
environmentVariables | Переменные среды, включенные в задание. | TrialComponentEnvironmentVariables |
ресурсов | Конфигурация вычислительного ресурса для задания. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | строка |
CreateMonitorAction
Имя | Описание | Значение |
---|---|---|
actionType | [Обязательный параметр] Указывает тип действия расписания. | CreateMonitor (обязательно) |
monitorDefinition | [Обязательный параметр] Определяет монитор. | MonitorDefinition (обязательно) |
MonitorDefinition
Имя | Описание | Значение |
---|---|---|
alertNotificationSettings | Параметры уведомлений монитора. | MonitorNotificationSettings |
computeConfiguration | [Обязательный параметр] Идентификатор ресурса ARM для вычислительного ресурса, в который будет выполняться задание мониторинга. | MonitorComputeConfigurationBase (обязательно) |
monitoringTarget | Сущности, на которые нацелен монитор. | MonitoringTarget |
сигналы | [Обязательный параметр] Отслеживаемые сигналы. | MonitorDefinitionSignals (обязательно) |
MonitorNotificationSettings
Имя | Описание | Значение |
---|---|---|
emailNotificationSettings | Параметры электронной почты для уведомлений AML. | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
Имя | Описание | Значение |
---|---|---|
emails | Список получателей электронной почты с ограничением в 499 символов. | string[] |
MonitorComputeConfigurationBase
Имя | Описание | Значение |
---|---|---|
computeType | Установка типа объекта | ServerlessSpark (обязательно) |
MonitorServerlessSparkCompute
Имя | Описание | Значение |
---|---|---|
computeType | [Обязательный параметр] Указывает тип отслеживаемого сигнала. | ServerlessSpark (обязательно) |
computeIdentity | [Обязательный параметр] Схема удостоверений, используемая в заданиях Spark, выполняемых в бессерверном Spark. | MonitorComputeIdentityBase (обязательно) |
instanceType | [Обязательный параметр] Тип экземпляра, выполняющая задание Spark. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
runtimeVersion | [Обязательный параметр] Версия среды выполнения Spark. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = ^[0-9]+\.[0-9]+$ |
MonitorComputeIdentityBase
Имя | Описание | Значение |
---|---|---|
computeIdentityType | Установка типа объекта | AmlToken ManagedIdentity (обязательно) |
AmlTokenComputeIdentity
Имя | Описание | Значение |
---|---|---|
computeIdentityType | [Обязательный параметр] Указывает тип удостоверения, используемого в заданиях мониторинга. | AmlToken (обязательно) |
ManagedComputeIdentity
Имя | Описание | Значение |
---|---|---|
computeIdentityType | [Обязательно] Указывает тип удостоверения, используемого в заданиях мониторинга. | ManagedIdentity (обязательно) |
удостоверение | Удостоверение, которое будет использоваться заданиями мониторинга. | Управляемое удостоверение службы |
Управляемое удостоверение службы
Имя | Описание | Значение |
---|---|---|
тип | Тип управляемого удостоверения службы (где разрешены типы SystemAssigned и UserAssigned). | "Нет" SystemAssigned "SystemAssigned,UserAssigned" UserAssigned (обязательно) |
userAssignedIdentities | Набор назначенных пользователем удостоверений, связанных с ресурсом. Ключи словаря userAssignedIdentities будут иметь идентификаторы ресурсов ARM в формате :/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Значения словаря могут быть пустыми объектами ({}) в запросах. | UserAssignedIdentities |
UserAssignedIdentities
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | UserAssignedIdentity |
UserAssignedIdentity
Этот объект не содержит свойств, которые необходимо задать во время развертывания. Все свойства доступны только для чтения.
MonitoringTarget
Имя | Описание | Значение |
---|---|---|
deploymentId | Ссылка на ресурс развертывания, предназначенный для этого монитора. | строка |
modelId | Ссылка на ресурс модели, предназначенный для этого монитора. | строка |
taskType | [Обязательно] Тип задачи машинного обучения отслеживаемой модели. | "Классификация" "Регрессия" (обязательно) |
MonitorDefinitionSignals
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | MonitoringSignalBase |
MonitoringSignalBase
Имя | Описание | Значение |
---|---|---|
notificationTypes | Текущий режим уведомлений для этого сигнала. | Массив строк, содержащий любой из: 'AmlNotification' |
properties | Словарь свойств. Свойства можно добавлять, но не удалять или изменять. | MonitoringSignalBaseProperties |
signalType | Установка типа объекта | Custom DataDrift DataQuality FeatureAttributionDrift PredictionDrift (обязательно) |
MonitoringSignalBaseProperties
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | строка |
CustomMonitoringSignal
Имя | Описание | Значение |
---|---|---|
signalType | [Обязательно] Указывает тип отслеживаемого сигнала. | "Custom" (обязательно) |
componentId | [Обязательно] Ссылка на ресурс компонента, используемый для вычисления пользовательских метрик. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
inputAssets | Мониторинг ресурсов, которые будут приниматься в качестве входных данных. Ключ — это имя порта ввода компонента, значение — ресурс данных. | CustomMonitoringSignalInputAssets |
Ввод данных | Дополнительные параметры компонента, которые будут приниматься в качестве входных данных. Ключ — это имя порта ввода литерала компонента, значение — значение параметра. | CustomMonitoringSignalInputs |
metricThresholds | [Обязательно] Список вычисляемых метрик и связанных с ними пороговых значений. | CustomMetricThreshold[] (обязательно) |
CustomMonitoringSignalInputAssets
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | MonitoringInputDataBase |
MonitoringInputDataBase
Имя | Описание | Значение |
---|---|---|
столбцы | Сопоставление имен столбцов со специальными способами использования. | MonitoringInputDataBaseColumns |
dataContext | Метаданные контекста источника данных. | строка |
jobInputType | [Обязательно] Указывает тип задания. | 'custom_model' "литерал" 'mlflow_model' 'mltable' 'triton_model' 'uri_file' "uri_folder" (обязательно) |
uri | [Обязательно] URI входного ресурса. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
inputDataType | Установка типа объекта | Фиксированный формат Постепенное Static (обязательно) |
MonitoringInputDataBaseColumns
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | строка |
FixedInputData
Имя | Описание | Значение |
---|---|---|
inputDataType | [Обязательно] Указывает тип отслеживаемого сигнала. | "Фиксированное" (обязательно) |
RollingInputData
Имя | Описание | Значение |
---|---|---|
inputDataType | [Обязательно] Указывает тип отслеживаемого сигнала. | "Rolling" (обязательно) |
preprocessingComponentId | Ссылка на ресурс компонента, используемый для предварительной обработки данных. | строка |
windowOffset | [Обязательно] Смещение времени между окончанием окна данных и текущим временем выполнения монитора. | string (обязательно) |
windowSize | [Обязательно] Размер скользящего окна данных. | string (обязательно) |
StaticInputData
Имя | Описание | Значение |
---|---|---|
inputDataType | [Обязательно] Указывает тип отслеживаемого сигнала. | Static (обязательно) |
preprocessingComponentId | Ссылка на ресурс компонента, используемый для предварительной обработки данных. | строка |
windowEnd | [Обязательно] Дата окончания окна данных. | string (обязательно) |
windowStart | [Обязательно] Дата начала окна данных. | string (обязательно) |
CustomMonitoringSignalInputs
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | JobInput |
CustomMetricThreshold
Имя | Описание | Значение |
---|---|---|
Метрика | [Обязательно] Определяемая пользователем метрика для вычисления. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
threshold | Пороговое значение. Если значение равно null, то в зависимости от выбранной метрики будет задано значение по умолчанию. | MonitoringThreshold |
MonitoringThreshold
Имя | Описание | Значение |
---|---|---|
значение | Пороговое значение. Если задано значение NULL, значение по умолчанию зависит от типа метрики. | INT |
DataDriftMonitoringSignal
Имя | Описание | Значение |
---|---|---|
signalType | [Обязательно] Указывает тип отслеживаемого сигнала. | "DataDrift" (обязательно) |
featureDataTypeOverride | Словарь, сопоставляющий имена признаков с соответствующими типами данных. | DataDriftMonitoringSignalFeatureDataTypeOverride |
featureImportanceSettings | Параметры для вычисления важности признаков. | FeatureImportanceSettings |
features | Фильтр признаков, который определяет, какой признак следует вычислить смещением. | MonitoringFeatureFilterBase |
metricThresholds | [Обязательно] Список вычисляемых метрик и связанных с ними пороговых значений. | DataDriftMetricThresholdBase[] (обязательно) |
productionData | [Обязательно] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
referenceData | [Обязательно] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
DataDriftMonitoringSignalFeatureDataTypeOverride
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | "Категориальный" "Числовой" |
FeatureImportanceSettings
Имя | Описание | Значение |
---|---|---|
mode | Режим работы для вычисления важности признаков. | "Отключено" "Включено" |
targetColumn | Имя целевого столбца в ресурсе входных данных. | строка |
MonitoringFeatureFilterBase
Имя | Описание | Значение |
---|---|---|
filterType | Установка типа объекта | AllFeatures FeatureSubset TopNByAttribution (обязательно) |
AllFeatures
Имя | Описание | Значение |
---|---|---|
filterType | [Обязательно] Указывает фильтр признаков, используемый при выборе признаков для вычисления метрик. | AllFeatures (обязательно) |
FeatureSubset
Имя | Описание | Значение |
---|---|---|
filterType | [Обязательно] Указывает фильтр признаков, используемый при выборе признаков для вычисления метрик. | FeatureSubset (обязательно) |
features | [Обязательно] Список функций для включения. | string[] (обязательно) |
TopNFeaturesByAttribution
Имя | Описание | Значение |
---|---|---|
filterType | [Обязательно] Указывает фильтр признаков, используемый при выборе признаков для вычисления метрик. | TopNByAttribution (обязательно) |
top | Количество основных функций для включения. | INT |
DataDriftMetricThresholdBase
Имя | Описание | Значение |
---|---|---|
threshold | Пороговое значение. Если значение равно null, то в зависимости от выбранной метрики будет задано значение по умолчанию. | MonitoringThreshold |
dataType | Установка типа объекта | категориальные; Числовое значение (обязательно) |
CategoricalDataDriftMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательно] Указывает тип данных порогового значения метрики. | "Категориальный" (обязательный) |
Метрика | [Обязательно] Вычисляемая метрика смещения категориальных данных. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' PopulationStabilityIndex (обязательно) |
ЧисловойDataDriftMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательно] Указывает тип данных порогового значения метрики. | "Числовой" (обязательно) |
Метрика | [Обязательно] Вычисляемая метрика смещения числовых данных. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (обязательно) |
DataQualityMonitoringSignal
Имя | Описание | Значение |
---|---|---|
signalType | [Обязательно] Указывает тип отслеживаемого сигнала. | DataQuality (обязательно) |
featureDataTypeOverride | Словарь, сопоставляющий имена признаков с соответствующими типами данных. | DataQualityMonitoringSignalFeatureDataTypeOverride |
featureImportanceSettings | Параметры для вычисления важности признаков. | FeatureImportanceSettings |
features | Признаки для вычисления смещения. | MonitoringFeatureFilterBase |
metricThresholds | [Обязательно] Список вычисляемых метрик и связанных с ними пороговых значений. | DataQualityMetricThresholdBase[] (обязательно) |
productionData | [Обязательно] Данные, создаваемые рабочей службой, для которых будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
referenceData | [Обязательно] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
DataQualityMonitoringSignalFeatureDataTypeOverride
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | "Категориальный" "Числовой" |
DataQualityMetricThresholdBase
Имя | Описание | Значение |
---|---|---|
threshold | Пороговое значение. Если значение равно null, то в зависимости от выбранной метрики будет задано значение по умолчанию. | MonitoringThreshold |
dataType | Установка типа объекта | категориальные; Числовое значение (обязательно) |
CategoricalDataQualityMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательно] Указывает тип данных порогового значения метрики. | "Категориальный" (обязательный) |
Метрика | [Обязательно] Вычисляемая метрика качества категориальных данных. | DataTypeErrorRate NullValueRate OutOfBoundsRate (обязательно) |
ЧисловойdataQualityMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательно] Указывает тип данных порогового значения метрики. | "Числовой" (обязательно) |
Метрика | [Обязательно] Вычисляемая метрика качества числовых данных. | DataTypeErrorRate NullValueRate OutOfBoundsRate (обязательно) |
FeatureAttributionDriftMonitoringSignal
Имя | Описание | Значение |
---|---|---|
signalType | [Обязательно] Указывает тип отслеживаемого сигнала. | FeatureAttributionDrift (обязательно) |
featureDataTypeOverride | Словарь, сопоставляющий имена признаков с соответствующими типами данных. | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
featureImportanceSettings | [Обязательно] Параметры для вычисления важности признаков. | FeatureImportanceSettings (обязательно) |
metricThreshold | [Обязательно] Список вычисляемых метрик и связанных с ними пороговых значений. | FeatureAttributionMetricThreshold (обязательно) |
productionData | [Обязательно] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase[] (обязательно) |
referenceData | [Обязательно] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | "Категориальный" "Числовой" |
FeatureAttributionMetricThreshold
Имя | Описание | Значение |
---|---|---|
Метрика | [Обязательно] Вычисляемая метрика атрибуции признаков. | "NormalizedDiscountedCumulativeGain" (обязательно) |
threshold | Пороговое значение. Если значение равно null, то в зависимости от выбранной метрики будет задано значение по умолчанию. | MonitoringThreshold |
PredictionDriftMonitoringSignal
Имя | Описание | Значение |
---|---|---|
signalType | [Обязательно] Указывает тип отслеживаемого сигнала. | PredictionDrift (обязательно) |
featureDataTypeOverride | Словарь, сопоставляющий имена признаков с соответствующими типами данных. | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
metricThresholds | [Обязательно] Список вычисляемых метрик и связанных с ними пороговых значений. | PredictionDriftMetricThresholdBase[] (обязательно) |
productionData | [Обязательно] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
referenceData | [Обязательно] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | "Категориальный" "Числовой" |
PredictionDriftMetricThresholdBase
Имя | Описание | Значение |
---|---|---|
threshold | Пороговое значение. Если значение равно null, то в зависимости от выбранной метрики будет задано значение по умолчанию. | MonitoringThreshold |
dataType | Установка типа объекта | категориальные; Числовое значение (обязательно) |
CategoricalPredictionDriftMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательно] Указывает тип данных порогового значения метрики. | "Категориальный" (обязательный) |
Метрика | [Обязательно] Вычисляемая метрика смещением категориального прогнозирования. | 'JensenShannonDistance' 'PearsonsChiSquaredTest' PopulationStabilityIndex (обязательно) |
ЧисловаяпредставкаDriftMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательно] Указывает тип данных порогового значения метрики. | "Числовой" (обязательно) |
Метрика | [Обязательно] Вычисляемая метрика смещения числовых прогнозов. | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (обязательно) |
EndpointScheduleAction
Имя | Описание | Значение |
---|---|---|
actionType | [Обязательный параметр] Указывает тип действия расписания. | InvokeBatchEndpoint (обязательно) |
endpointInvocationDefinition | [Обязательный параметр] Определяет сведения об определении действия расписания. {see href="TBD" /} |
TriggerBase
Имя | Описание | Значение |
---|---|---|
endTime | Указывает время окончания расписания в стандарте ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601. .Формат комментариев будет "2022-06-01T00:00:01" Если оно отсутствует, расписание будет выполняться бесконечно |
строка |
startTime | Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC. | строка |
timeZone | Указывает часовой пояс, в котором выполняется расписание. TimeZone должен соответствовать формату часового пояса Windows. См. ссылку: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones /> |
строка |
triggerType | Установка типа объекта | Cron Повторение (обязательно) |
CronTrigger
Имя | Описание | Значение |
---|---|---|
triggerType | [Обязательно] | "Cron" (обязательно) |
expression | [Обязательный параметр] Задает выражение cron расписания. Выражение должно соответствовать формату NCronTab. |
строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
RecurrenceTrigger
Имя | Описание | Значение |
---|---|---|
endTime | Указывает время окончания расписания в стандарте ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601. .Формат комментариев будет "2022-06-01T00:00:01" Если оно отсутствует, расписание будет выполняться бесконечно |
строка |
frequency | [Обязательный параметр] Частота запуска расписания. | "День" "Час" "Minute" "Месяц" Week (обязательно) |
interval | [Обязательный параметр] Указывает интервал расписания в сочетании с частотой | int (обязательно) |
schedule | Расписание повторения. | RecurrenceSchedule |
startTime | Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC. | строка |
timeZone | Указывает часовой пояс, в котором выполняется расписание. TimeZone должен соответствовать формату часового пояса Windows. См. https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones |
строка |
triggerType | [Обязательно] | 'Cron' "Повторение" (обязательно) |
RecurrenceSchedule
Имя | Описание | Значение |
---|---|---|
часы | [Обязательный параметр] Список часов для расписания. | int[] (обязательно) |
minutes | [Обязательный параметр] Список минут для расписания. | int[] (обязательно) |
monthDays | Список дней месяца для расписания | int[] |
weekDays | Список дней для расписания. | Массив строк, содержащий любой из: "Пятница" "Понедельник" "Суббота" "Воскресенье" "Четверг" "Вторник" "Среда" |
Определение ресурса Terraform (поставщик AzAPI)
Тип ресурса workspaces/schedules можно развернуть с помощью операций, предназначенных для:
- Группы ресурсов
Список измененных свойств в каждой версии API см. в журнале изменений.
Формат ресурсов
Чтобы создать ресурс Microsoft.MachineLearningServices/workspaces/schedules, добавьте следующую terraform в шаблон.
resource "azapi_resource" "symbolicname" {
type = "Microsoft.MachineLearningServices/workspaces/schedules@2023-10-01"
name = "string"
parent_id = "string"
body = jsonencode({
properties = {
action = {
actionType = "string"
// For remaining properties, see ScheduleActionBase objects
}
description = "string"
displayName = "string"
isEnabled = bool
properties = {
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
tags = {
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
trigger = {
endTime = "string"
startTime = "string"
timeZone = "string"
triggerType = "string"
// For remaining properties, see TriggerBase objects
}
}
})
}
Объекты ScheduleActionBase
Задайте свойство actionType , чтобы указать тип объекта .
Для CreateJob используйте:
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"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{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"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
{customized property} = "string"
}
jobType = "string"
// For remaining properties, see JobBaseProperties objects
}
Для CreateMonitor используйте:
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 = "AmlNotification"
properties = {
{customized property} = "string"
}
signalType = "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
Для InvokeBatchEndpoint используйте:
actionType = "InvokeBatchEndpoint"
Объекты JobBaseProperties
Задайте свойство jobType , чтобы указать тип объекта.
Для AutoML используйте:
jobType = "AutoML"
environmentId = "string"
environmentVariables = {
{customized property} = "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 = {}
shmSize = "string"
}
taskDetails = {
logVerbosity = "string"
targetColumnName = "string"
trainingData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
taskType = "string"
// For remaining properties, see AutoMLVertical objects
}
В разделе Command используйте следующую команду:
jobType = "Command"
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
limits = {
jobLimitsType = "string"
timeout = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
queueSettings = {
jobTier = "string"
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
properties = {}
shmSize = "string"
}
Для конвейера используйте:
jobType = "Pipeline"
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
jobs = {}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
sourceJobId = "string"
Для очистки используйте:
jobType = "Sweep"
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
limits = {
jobLimitsType = "string"
maxConcurrentTrials = int
maxTotalTrials = int
timeout = "string"
trialTimeout = "string"
}
objective = {
goal = "string"
primaryMetric = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
queueSettings = {
jobTier = "string"
}
samplingAlgorithm = {
samplingAlgorithmType = "string"
// For remaining properties, see SamplingAlgorithm objects
}
trial = {
codeId = "string"
command = "string"
distribution = {
distributionType = "string"
// For remaining properties, see DistributionConfiguration objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
properties = {}
shmSize = "string"
}
}
Объекты IdentityConfiguration
Задайте свойство identityType , чтобы указать тип объекта.
Для AMLToken используйте:
identityType = "AMLToken"
Для управляемого используйте:
identityType = "Managed"
clientId = "string"
objectId = "string"
resourceId = "string"
Для Параметра UserIdentity используйте:
identityType = "UserIdentity"
Объекты Nodes
Задайте свойство nodesValueType , чтобы указать тип объекта .
Для всех используйте:
nodesValueType = "All"
Объекты JobOutput
Задайте свойство jobOutputType , чтобы указать тип объекта .
Для custom_model используйте:
jobOutputType = "custom_model"
mode = "string"
uri = "string"
Для mlflow_model используйте:
jobOutputType = "mlflow_model"
mode = "string"
uri = "string"
Для mltable используйте:
jobOutputType = "mltable"
mode = "string"
uri = "string"
Для triton_model используйте:
jobOutputType = "triton_model"
mode = "string"
uri = "string"
Для uri_file используйте:
jobOutputType = "uri_file"
mode = "string"
uri = "string"
Для uri_folder используйте:
jobOutputType = "uri_folder"
mode = "string"
uri = "string"
Объекты AutoMLVertical
Задайте свойство taskType , чтобы указать тип объекта .
Для классификации используйте:
taskType = "Classification"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"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
}
positiveLabel = "string"
primaryMetric = "string"
testData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
trainingSettings = {
allowedTrainingAlgorithms = [
"string"
]
blockedTrainingAlgorithms = [
"string"
]
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
Для прогнозирования используйте:
taskType = "Forecasting"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
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"
testData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
trainingSettings = {
allowedTrainingAlgorithms = [
"string"
]
blockedTrainingAlgorithms = [
"string"
]
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
Для ImageClassification используйте:
taskType = "ImageClassification"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
momentum = int
nesterov = bool
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
trainingBatchSize = int
trainingCropSize = int
validationBatchSize = int
validationCropSize = int
validationResizeSize = int
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
weightedLoss = int
}
primaryMetric = "string"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
momentum = "string"
nesterov = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
trainingBatchSize = "string"
trainingCropSize = "string"
validationBatchSize = "string"
validationCropSize = "string"
validationResizeSize = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
weightedLoss = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Для ImageClassificationMultilabel используйте:
taskType = "ImageClassificationMultilabel"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
momentum = int
nesterov = bool
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
trainingBatchSize = int
trainingCropSize = int
validationBatchSize = int
validationCropSize = int
validationResizeSize = int
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
weightedLoss = int
}
primaryMetric = "string"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
momentum = "string"
nesterov = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
trainingBatchSize = "string"
trainingCropSize = "string"
validationBatchSize = "string"
validationCropSize = "string"
validationResizeSize = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
weightedLoss = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Для ImageInstanceSegmentation используйте:
taskType = "ImageInstanceSegmentation"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
boxDetectionsPerImage = int
boxScoreThreshold = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
imageSize = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
maxSize = int
minSize = int
modelName = "string"
modelSize = "string"
momentum = int
multiScale = bool
nesterov = bool
nmsIouThreshold = int
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
tileGridSize = "string"
tileOverlapRatio = int
tilePredictionsNmsThreshold = int
trainingBatchSize = int
validationBatchSize = int
validationIouThreshold = int
validationMetricType = "string"
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
}
primaryMetric = "MeanAveragePrecision"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
boxDetectionsPerImage = "string"
boxScoreThreshold = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
imageSize = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
maxSize = "string"
minSize = "string"
modelName = "string"
modelSize = "string"
momentum = "string"
multiScale = "string"
nesterov = "string"
nmsIouThreshold = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
tileGridSize = "string"
tileOverlapRatio = "string"
tilePredictionsNmsThreshold = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
validationIouThreshold = "string"
validationMetricType = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Для ImageObjectDetection используйте:
taskType = "ImageObjectDetection"
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
modelSettings = {
advancedSettings = "string"
amsGradient = bool
augmentations = "string"
beta1 = int
beta2 = int
boxDetectionsPerImage = int
boxScoreThreshold = int
checkpointFrequency = int
checkpointModel = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
checkpointRunId = "string"
distributed = bool
earlyStopping = bool
earlyStoppingDelay = int
earlyStoppingPatience = int
enableOnnxNormalization = bool
evaluationFrequency = int
gradientAccumulationStep = int
imageSize = int
layersToFreeze = int
learningRate = int
learningRateScheduler = "string"
maxSize = int
minSize = int
modelName = "string"
modelSize = "string"
momentum = int
multiScale = bool
nesterov = bool
nmsIouThreshold = int
numberOfEpochs = int
numberOfWorkers = int
optimizer = "string"
randomSeed = int
stepLRGamma = int
stepLRStepSize = int
tileGridSize = "string"
tileOverlapRatio = int
tilePredictionsNmsThreshold = int
trainingBatchSize = int
validationBatchSize = int
validationIouThreshold = int
validationMetricType = "string"
warmupCosineLRCycles = int
warmupCosineLRWarmupEpochs = int
weightDecay = int
}
primaryMetric = "MeanAveragePrecision"
searchSpace = [
{
amsGradient = "string"
augmentations = "string"
beta1 = "string"
beta2 = "string"
boxDetectionsPerImage = "string"
boxScoreThreshold = "string"
distributed = "string"
earlyStopping = "string"
earlyStoppingDelay = "string"
earlyStoppingPatience = "string"
enableOnnxNormalization = "string"
evaluationFrequency = "string"
gradientAccumulationStep = "string"
imageSize = "string"
layersToFreeze = "string"
learningRate = "string"
learningRateScheduler = "string"
maxSize = "string"
minSize = "string"
modelName = "string"
modelSize = "string"
momentum = "string"
multiScale = "string"
nesterov = "string"
nmsIouThreshold = "string"
numberOfEpochs = "string"
numberOfWorkers = "string"
optimizer = "string"
randomSeed = "string"
stepLRGamma = "string"
stepLRStepSize = "string"
tileGridSize = "string"
tileOverlapRatio = "string"
tilePredictionsNmsThreshold = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
validationIouThreshold = "string"
validationMetricType = "string"
warmupCosineLRCycles = "string"
warmupCosineLRWarmupEpochs = "string"
weightDecay = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
Для регрессии используйте:
taskType = "Regression"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"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"
testData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
testDataSize = int
trainingSettings = {
allowedTrainingAlgorithms = [
"string"
]
blockedTrainingAlgorithms = [
"string"
]
enableDnnTraining = bool
enableModelExplainability = bool
enableOnnxCompatibleModels = bool
enableStackEnsemble = bool
enableVoteEnsemble = bool
ensembleModelDownloadTimeout = "string"
stackEnsembleSettings = {
stackMetaLearnerTrainPercentage = int
stackMetaLearnerType = "string"
}
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
Для TextClassification используйте:
taskType = "TextClassification"
featurizationSettings = {
datasetLanguage = "string"
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
primaryMetric = "string"
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
Для TextClassificationMultilabel используйте:
taskType = "TextClassificationMultilabel"
featurizationSettings = {
datasetLanguage = "string"
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
Для TextNER используйте:
taskType = "TextNER"
featurizationSettings = {
datasetLanguage = "string"
}
limitSettings = {
maxConcurrentTrials = int
maxTrials = int
timeout = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
Объекты NCrossValidations
Задайте свойство mode , чтобы указать тип объекта .
Для параметра Auto используйте:
mode = "Auto"
Для настраиваемого используйте:
mode = "Custom"
value = int
Объекты ForecastHorizon
Задайте свойство mode , чтобы указать тип объекта .
Для параметра Auto используйте:
mode = "Auto"
Для настраиваемого используйте:
mode = "Custom"
value = int
Объекты сезонности
Задайте свойство mode , чтобы указать тип объекта .
Для параметра Auto используйте:
mode = "Auto"
Для настраиваемого используйте:
mode = "Custom"
value = int
Объекты TargetLags
Задайте свойство mode , чтобы указать тип объекта .
Для параметра Auto используйте:
mode = "Auto"
Для настраиваемого используйте:
mode = "Custom"
values = [
int
]
Объекты TargetRollingWindowSize
Задайте свойство mode , чтобы указать тип объекта .
Для параметра Auto используйте:
mode = "Auto"
Для настраиваемого используйте:
mode = "Custom"
value = int
Объекты EarlyTerminationPolicy
Задайте свойство policyType , чтобы указать тип объекта.
Для Bandit используйте:
policyType = "Bandit"
slackAmount = int
slackFactor = int
Для MedianStopping используйте:
policyType = "MedianStopping"
Для truncationSelection используйте:
policyType = "TruncationSelection"
truncationPercentage = int
Объекты DistributionConfiguration
Задайте свойство distributionType , чтобы указать тип объекта .
Для Mpi используйте:
distributionType = "Mpi"
processCountPerInstance = int
Для PyTorch используйте:
distributionType = "PyTorch"
processCountPerInstance = int
Для TensorFlow используйте:
distributionType = "TensorFlow"
parameterServerCount = int
workerCount = int
Объекты JobInput
Задайте свойство jobInputType , чтобы указать тип объекта.
Для custom_model используйте:
jobInputType = "custom_model"
mode = "string"
uri = "string"
Для литерала используйте:
jobInputType = "literal"
value = "string"
Для mlflow_model используйте:
jobInputType = "mlflow_model"
mode = "string"
uri = "string"
Для mltable используйте:
jobInputType = "mltable"
mode = "string"
uri = "string"
Для triton_model используйте:
jobInputType = "triton_model"
mode = "string"
uri = "string"
Для uri_file используйте:
jobInputType = "uri_file"
mode = "string"
uri = "string"
Для uri_folder используйте:
jobInputType = "uri_folder"
mode = "string"
uri = "string"
Объекты SamplingAlgorithm
Задайте свойство samplingAlgorithmType , чтобы указать тип объекта.
Для Байеса используйте:
samplingAlgorithmType = "Bayesian"
Для Grid используйте:
samplingAlgorithmType = "Grid"
Для случайного использования используйте:
samplingAlgorithmType = "Random"
rule = "string"
seed = int
Объекты MonitorComputeConfigurationBase
Задайте свойство computeType , чтобы указать тип объекта .
Для serverlessSpark используйте:
computeType = "ServerlessSpark"
computeIdentity = {
computeIdentityType = "string"
// For remaining properties, see MonitorComputeIdentityBase objects
}
instanceType = "string"
runtimeVersion = "string"
Объекты MonitorComputeIdentityBase
Задайте свойство computeIdentityType , чтобы указать тип объекта.
Для AmlToken используйте:
computeIdentityType = "AmlToken"
Для ManagedIdentity используйте:
computeIdentityType = "ManagedIdentity"
identity {
type = "string"
identity_ids = []
}
Объекты MonitoringSignalBase
Задайте свойство signalType , чтобы указать тип объекта.
Для настраиваемого используйте:
signalType = "Custom"
componentId = "string"
inputAssets = {
{customized property} = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
}
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
metricThresholds = [
{
metric = "string"
threshold = {
value = int
}
}
]
Для DataDrift используйте:
signalType = "DataDrift"
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "string"
}
features = {
filterType = "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see DataDriftMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Для DataQuality используйте:
signalType = "DataQuality"
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "string"
}
features = {
filterType = "string"
// For remaining properties, see MonitoringFeatureFilterBase objects
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see DataQualityMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Для FeatureAttributionDrift используйте:
signalType = "FeatureAttributionDrift"
featureDataTypeOverride = {
{customized property} = "string"
}
featureImportanceSettings = {
mode = "string"
targetColumn = "string"
}
metricThreshold = {
metric = "NormalizedDiscountedCumulativeGain"
threshold = {
value = int
}
}
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Для PredictionDrift используйте:
signalType = "PredictionDrift"
featureDataTypeOverride = {
{customized property} = "string"
}
metricThresholds = [
{
threshold = {
value = int
}
dataType = "string"
// For remaining properties, see PredictionDriftMetricThresholdBase objects
}
]
productionData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
referenceData = {
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
Объекты MonitoringInputDataBase
Задайте свойство inputDataType , чтобы указать тип объекта .
Для исправлений используйте:
inputDataType = "Fixed"
Для последовательной последовательности используйте:
inputDataType = "Rolling"
preprocessingComponentId = "string"
windowOffset = "string"
windowSize = "string"
Для static используйте:
inputDataType = "Static"
preprocessingComponentId = "string"
windowEnd = "string"
windowStart = "string"
Объекты MonitoringFeatureFilterBase
Задайте свойство filterType , чтобы указать тип объекта .
Для allFeatures используйте:
filterType = "AllFeatures"
Для FeatureSubset используйте:
filterType = "FeatureSubset"
features = [
"string"
]
Для TopNByAttribution используйте:
filterType = "TopNByAttribution"
top = int
Объекты DataDriftMetricThresholdBase
Задайте свойство dataType , чтобы указать тип объекта.
Для категориальных используйте:
dataType = "Categorical"
metric = "string"
Для числовых значений используйте:
dataType = "Numerical"
metric = "string"
Объекты DataQualityMetricThresholdBase
Задайте свойство dataType , чтобы указать тип объекта.
Для категориальных используйте:
dataType = "Categorical"
metric = "string"
Для числовых значений используйте:
dataType = "Numerical"
metric = "string"
Объекты PredictionDriftMetricThresholdBase
Задайте свойство dataType , чтобы указать тип объекта.
Для категориальных используйте:
dataType = "Categorical"
metric = "string"
Для числовых значений используйте:
dataType = "Numerical"
metric = "string"
Объекты TriggerBase
Задайте свойство triggerType , чтобы указать тип объекта .
Для Cron используйте:
triggerType = "Cron"
expression = "string"
Для повторения используйте:
triggerType = "Recurrence"
frequency = "string"
interval = int
schedule = {
hours = [
int
]
minutes = [
int
]
monthDays = [
int
]
weekDays = [
"string"
]
}
Значения свойств
рабочие области и расписания
Имя | Описание | Значение |
---|---|---|
тип | Тип ресурса | "Microsoft.MachineLearningServices/workspaces/schedules@2023-10-01" |
name | имя ресурса. | string (обязательно) |
parent_id | Идентификатор ресурса, который является родительским для этого ресурса. | Идентификатор ресурса типа: workspaces |
properties | [Обязательно] Дополнительные атрибуты сущности. | ScheduleProperties (обязательно) |
Свойства Schedule
Имя | Описание | Значение |
---|---|---|
action | [Обязательно] Указывает действие расписания. | ScheduleActionBase (обязательно) |
description | Текст описания ресурса. | строка |
displayName | Отображаемое имя расписания. | строка |
isEnabled | Включено ли расписание? | bool |
properties | Словарь свойств ресурса. | Свойства ResourceBase |
tags | Словарь тегов. Теги можно добавлять, удалять и обновлять. | объект |
триггер | [Обязательно] Указывает сведения о триггере. | TriggerBase (обязательно) |
ScheduleActionBase
Имя | Описание | Значение |
---|---|---|
actionType | Установка типа объекта | CreateJob CreateMonitor InvokeBatchEndpoint (обязательно) |
JobScheduleAction
Имя | Описание | Значение |
---|---|---|
actionType | [Обязательно] Указывает тип действия расписания. | "CreateJob" (обязательно) |
jobDefinition | [Обязательно] Определяет сведения об определении действия Расписания. | JobBaseProperties (обязательно) |
Свойства JobBase
Имя | Описание | Значение |
---|---|---|
componentId | Идентификатор ресурса ARM ресурса компонента. | строка |
computeId | Идентификатор ресурса ARM вычислительного ресурса. | строка |
description | Текст описания ресурса. | строка |
displayName | Отображаемое имя задания. | строка |
experimentName | Имя эксперимента, которому принадлежит задание. Если значение не задано, задание помещается в эксперимент "По умолчанию". | строка |
удостоверение | Конфигурация удостоверения. Если задано значение , оно должно иметь значение AmlToken, ManagedIdentity, UserIdentity или null. По умолчанию — AmlToken, если значение null. |
IdentityConfiguration |
isArchived | Архивирован ли ресурс? | bool |
properties | Словарь свойств ресурса. | ResourceBaseProperties |
services; | Список рабочих точек. Для локальных заданий конечная точка задания будет иметь значение конечной точки FileStreamObject. |
JobBaseServices |
tags | Словарь тегов. Теги можно добавлять, удалять и обновлять. | object |
jobType | Установка типа объекта | AutoML Command Конвейер Очистка (обязательно) |
IdentityConfiguration
Имя | Описание | Значение |
---|---|---|
identityType | Установка типа объекта | AMLToken Управляемость UserIdentity (обязательно) |
AmlToken
Имя | Описание | Значение |
---|---|---|
identityType | [Обязательный параметр] Указывает тип платформы удостоверений. | "AMLToken" (обязательно) |
ManagedIdentity
Имя | Описание | Значение |
---|---|---|
identityType | [Обязательный параметр] Указывает тип платформы удостоверений. | "Managed" (обязательно) |
clientid | Указывает удостоверение, назначаемое пользователем, по идентификатору клиента. Для назначаемых системой не устанавливайте это поле. | строка Ограничения: Минимальная длина = 36 Максимальная длина = 36 Шаблон = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
objectId | Указывает назначаемое пользователем удостоверение по идентификатору объекта. Для назначаемых системой не устанавливайте это поле. | строка Ограничения: Минимальная длина = 36 Максимальная длина = 36 Шаблон = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
resourceId | Указывает удостоверение, назначаемое пользователем, по идентификатору ресурса ARM. Для назначаемых системой не устанавливайте это поле. | строка |
UserIdentity
Имя | Описание | Значение |
---|---|---|
identityType | [Обязательный параметр] Указывает тип платформы удостоверений. | UserIdentity (обязательно) |
ResourceBaseProperties
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настроенное свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка | |
{настраиваемое свойство} | строка |
JobBaseServices
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | JobService |
JobService
Имя | Описание | Значение |
---|---|---|
endpoint | URL-адрес конечной точки. | строка |
jobServiceType | Тип конечной точки. | строка |
Узлы | Узлы, на которые пользователь хотел бы запустить службу. Если для Nodes не задано значение NULL, служба будет запущена только на узле-лидере. |
Узлы |
порт | Порт для конечной точки. | INT |
properties | Дополнительные свойства, устанавливаемые в конечной точке. | JobServiceProperties |
Узлы
Имя | Описание | Значение |
---|---|---|
nodesValueType | Установка типа объекта | Все (обязательный) |
AllNodes
Имя | Описание | Значение |
---|---|---|
nodesValueType | [Обязательно] Тип значения Nodes | "Все" (обязательно) |
JobServiceProperties
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | строка |
AutoMLJob
Имя | Описание | Значение |
---|---|---|
jobType | [Обязательно] Указывает тип задания. | "AutoML" (обязательно) |
environmentId | Идентификатор ресурса ARM спецификации среды для задания. Это необязательное значение. Если оно не указано, AutoML будет по умолчанию использовать рабочую версию курируемой среды AutoML при выполнении задания. |
строка |
environmentVariables | Переменные среды, включенные в задание. | AutoMLJobEnvironmentVariables |
outputs | Сопоставление привязок выходных данных, используемых в задании. | AutoMLJobOutputs |
queueSettings | Параметры очереди для задания | QueueSettings |
ресурсов | Конфигурация вычислительного ресурса для задания. | JobResourceConfiguration |
taskDetails | [Обязательно] Это сценарий, который может быть одним из таблиц, NLP или образа. | AutoMLVertical (обязательно) |
AutoMLJobEnvironmentVariables
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | строка |
AutoMLJobOutputs
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | JobOutput |
JobOutput
Имя | Описание | Значение |
---|---|---|
description | Описание выходных данных. | строка |
jobOutputType | Установка типа объекта | custom_model mlflow_model mltable triton_model uri_file uri_folder (обязательно) |
CustomModelJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательно] Указывает тип задания. | "custom_model" (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
MLFlowModelJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательно] Указывает тип задания. | "mlflow_model" (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
MLTableJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательно] Указывает тип задания. | "mltable" (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
TritonModelJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательно] Указывает тип задания. | "triton_model" (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
UriFileJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательно] Указывает тип задания. | "uri_file" (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
UriFolderJobOutput
Имя | Описание | Значение |
---|---|---|
jobOutputType | [Обязательно] Указывает тип задания. | "uri_folder" (обязательно) |
mode | Режим доставки выходных ресурсов. | ReadWriteMount "Отправить" |
uri | URI выходного ресурса. | строка |
QueueSettings
Имя | Описание | Значение |
---|---|---|
jobTier | Управляет уровнем заданий вычислений | "Basic" "Null" "Премиум" "Спот" "Стандартный" |
JobResourceConfiguration
Имя | Описание | Значение |
---|---|---|
dockerArgs | Дополнительные аргументы для передачи команде запуска Docker. Это переопределит все параметры, которые уже были заданы системой или в этом разделе. Этот параметр поддерживается только для типов вычислений Машинного обучения Azure. | строка |
instanceCount | Необязательное число экземпляров или узлов, используемых целевым объектом вычислений. | INT |
instanceType | Необязательный тип виртуальной машины, поддерживаемой целевым объектом вычислений. | строка |
properties | Контейнер дополнительных свойств. | ResourceConfigurationProperties |
shmSize | Размер блока общей памяти контейнера Docker. Значение должно быть в формате (число)(единица), где число больше 0, а единица измерения может быть одной из b(байт), k (килобайт), m(мегабайт) или g(гигабайт). | строка Ограничения: Шаблон = \d+[bBkKmMgG] |
ResourceConfigurationProperties
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | ||
{настраиваемое свойство} |
AutoMLVertical
Имя | Описание | Значение |
---|---|---|
LogVerbosity | Детализация журнала для задания. | "Критический" "Отладка" "Ошибка" "Информация" "NotSet" "Предупреждение" |
targetColumnName | Имя целевого столбца. Это столбец прогнозирующих значений. Также называется именем столбца метки в контексте задач классификации. |
строка |
trainingData | [Обязательно] Входные данные для обучения. | MLTableJobInput (обязательно) |
taskType | Установка типа объекта | Классификация Прогнозирование ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Регрессия TextClassification TextClassificationMultilabel TextNER (обязательно) |
MLTableJobInput
Имя | Описание | Значение |
---|---|---|
description | Описание входных данных. | строка |
jobInputType | [Обязательно] Указывает тип задания. | "custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно) |
mode | Режим доставки входных ресурсов. | "Direct" "Скачать" "EvalDownload" "EvalMount" ReadOnlyMount ReadWriteMount |
uri | [Обязательный параметр] URI входного ресурса. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
Классификация
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательный параметр] Тип задачи для AutoMLJob. | "Classification" (обязательно) |
cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения если набор данных проверки не указан. |
NCrossValidations |
positiveLabel | Положительная метка для вычисления двоичных метрик. | строка |
primaryMetric | Основная метрика для задачи. | "AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" PrecisionScoreWeighted |
testData | Тестирование входных данных. | MLTableJobInput |
testDataSize | Часть тестового набора данных, которую необходимо выделить для целей проверки. Значения между (0,0 , 1,0) Применяется, если не указан проверочный набор данных. |
INT |
trainingSettings | Входные данные для этапа обучения для задания AutoML. | ClassificationTrainingSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которую необходимо выделить для целей проверки. Значения между (0,0 , 1,0) Применяется, если не указан проверочный набор данных. |
INT |
weightColumnName | Имя столбца с весом выборок. Автоматизированное машинное обучение поддерживает взвешенный столбец в качестве входных данных, и в результате вес строк данных меняется в большую или меньшую сторону. | строка |
TableVerticalFeaturizationSettings
Имя | Описание | Значение |
---|---|---|
blockedTransformers | Эти преобразователи не должны использоваться при конструировании признаков. | Массив строк, содержащий любой из: "CatTargetEncoder" "CountVectorizer" "HashOneHotEncoder" LabelEncoder "NaiveBayes" "OneHotEncoder" TextTargetEncoder "TfIdf" "WoETargetEncoder" "WordEmbedding" |
columnNameAndTypes | Словарь имени столбца и его типа (int, float, string, datetime и т. д.). | TableVerticalFeaturizationSettingsColumnNameAndTypes |
datasetLanguage | Язык набора данных, полезный для текстовых данных. | строка |
enableDnnFeaturization | Определяет, следует ли использовать конструкторы признаков на основе Dnn для конструирования признаков данных. | bool |
mode | Режим конструирования признаков. Пользователь может сохранить режим "Auto" по умолчанию, и AutoML позаботится о необходимом преобразовании данных на этапе конструирования признаков. Если выбран параметр "Выкл.", то конструирование признаков не выполняется. Если выбран параметр "Пользовательский", пользователь может указать дополнительные входные данные, чтобы настроить способ создания признаков. |
"Auto" "Custom" "Выкл." |
transformerParams | Пользователь может указать дополнительные преобразователи для использования вместе со столбцами, к которым они будут применены, и параметрами для конструктора преобразователя. | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | строка |
TableVerticalFeaturizationSettingsTransformerParams
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | ColumnTransformer[] |
ColumnTransformer
Имя | Описание | Значение |
---|---|---|
fields | Поля для применения логики преобразователя. | string[] |
параметры | Различные свойства, передаваемые преобразователю. Ожидается, что входные данные — словарь пар "ключ—значение" в формате JSON. |
TableVerticalLimitSettings
Имя | Описание | Значение |
---|---|---|
enableEarlyTermination | Включение раннего завершения определяет, будет ли autoMLJob завершено раньше, если в последних 20 итерациях не улучшилась оценка. | bool |
exitScore | Оценка выхода для задания AutoML. | INT |
maxConcurrentTrials | Максимальное число параллельных итераций. | INT |
maxCoresPerTrial | Максимальное число ядер на итерацию. | INT |
maxTrials | Число итераций. | INT |
timeout | Время ожидания задания AutoML. | строка |
trialTimeout | Время ожидания итерации. | строка |
NCrossValidations
Имя | Описание | Значение |
---|---|---|
mode | Установка типа объекта | Автоматически Пользовательский (обязательный) |
AutoNCrossValidations
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Режим для определения N-Перекрестных проверок. | "Auto" (обязательно) |
CustomNCrossValidations
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Режим для определения N-Перекрестных проверок. | "Custom" (обязательно) |
значение | [Обязательно] Значение N-Перекрестных проверок. | int (обязательно) |
ClassificationTrainingSettings
Имя | Описание | Значение |
---|---|---|
allowedTrainingAlgorithms | Разрешенные модели для задачи классификации. | Массив строк, содержащий любой из: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier" |
blockedTrainingAlgorithms | Заблокированные модели для задачи классификации. | Массив строк, содержащий любой из: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" LinearSVM "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier" |
enableDnnTraining | Включите рекомендации для моделей DNN. | bool |
enableModelExplainability | Флаг для включения объясняемости в оптимальной модели. | bool |
enableOnnxCompatibleModels | Флаг для включения моделей, совместимых с onnx. | bool |
enableStackEnsemble | Включите запуск ансамбля стека. | bool |
enableVoteEnsemble | Включите запуск ансамбля голосования. | bool |
ensembleModelDownloadTimeout | Во время создания моделей VotingEnsemble и StackEnsemble скачиваются несколько установленных моделей из предыдущих дочерних запусков. Если требуется больше времени, настройте для этого параметра значение более 300 секунд. |
строка |
stackEnsembleSettings | Параметры ансамбля стека для выполнения ансамбля стека. | StackEnsembleSettings |
StackEnsembleSettings
Имя | Описание | Значение |
---|---|---|
stackMetaLearnerKWargs | Необязательные параметры, которые передаются инициализатору метаучестика. | |
stackMetaLearnerTrainPercentage | Указывает долю обучающего набора (при выборе типа обучения и проверки обучения), зарезервированного для обучения мета-учащегося. Значение по умолчанию — 0,2. | INT |
stackMetaLearnerType | Метаобучение — это модель, обученная на выходных данных отдельных разнородных моделей. | ElasticNet ElasticNetCV "LightGBMClassifier" "LightGBMRegressor" LinearRegression "LogisticRegression" "LogisticRegressionCV" "None" |
Прогнозирование
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательный параметр] Тип задачи для AutoMLJob. | "Прогнозирование" (обязательно) |
cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
forecastingSettings | Входные данные для конкретных задач прогнозирования. | ForecastingSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения если набор данных проверки не указан. |
NCrossValidations |
primaryMetric | Основная метрика для задачи прогнозирования. | NormalizedMeanAbsoluteError NormalizedRootMeanSquaredError "R2Score" "SpearmanCorrelation" |
testData | Тестирование входных данных. | MLTableJobInput |
testDataSize | Часть тестового набора данных, которую необходимо выделить для целей проверки. Значения между (0,0 , 1,0) Применяется, если не указан проверочный набор данных. |
INT |
trainingSettings | Входные данные для этапа обучения для задания AutoML. | ForecastingTrainingSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которую необходимо выделить для целей проверки. Значения между (0,0 , 1,0) Применяется, если не указан проверочный набор данных. |
INT |
weightColumnName | Имя столбца с весом выборок. Автоматизированное машинное обучение поддерживает взвешенный столбец в качестве входных данных, и в результате вес строк данных меняется в большую или меньшую сторону. | строка |
ForecastingSettings
Имя | Описание | Значение |
---|---|---|
countryOrRegionForHolidays | Страна или регион для праздников для задач прогнозирования. Это должны быть двухбуквенные коды страны и региона по стандарту ISO 3166, например "US" или "GB". |
строка |
cvStepSize | Число периодов между временем начала одной свертки CV и следующей. Для Например, если CVStepSize = 3 для ежедневных данных, время начала для каждой свертки будет равнотри дня друг от друга. |
INT |
featureLags | Флаг для создания задержек для числовых признаков с "auto" или null. | "Auto" "None" |
forecastHorizon | Максимальный требуемый горизонт прогнозирования в единицах периодичности временных рядов. | ПрогнозГоризон |
frequency | При прогнозировании этот параметр представляет собой требуемый период составления прогноза, например, ежедневно, еженедельно, ежегодно и т. п. По умолчанию частота прогнозирования равна частоте набора данных. | строка |
Сезонность | Задайте сезонность временного ряда в виде целого числа, кратного частоте ряда. Если для сезонности задано значение auto, она будет выводиться автоматически. |
Сезонность |
shortSeriesHandlingConfig | Параметр, определяющий, как AutoML должно обрабатывать короткие временные ряды. | "Auto" "Drop" "None" "Pad" |
targetAggregateFunction | Функция, используемая для агрегирования целевого столбца временных рядов в соответствии с заданной пользователем частотой. Если параметр TargetAggregateFunction задан, т. е. не "None", но параметр freq не задан, возникает ошибка. Возможны следующие целевые функции агрегирования: "sum", "max", "min" и "mean". |
"Max" "Среднее" "Min" "None" "Сумма" |
targetLags | Число периодов в прошлом, на которое должно быть определено запаздывание от целевого столбца. | TargetLags |
targetRollingWindowSize | Число периодов в прошлом, используемых для создания среднего значения скользящего интервала для целевого столбца. | TargetRollingWindowSize |
timeColumnName | Имя столбца времени. Это параметр требуется при прогнозировании, чтобы задать столбец даты и времени во входных данных, используемых для создания временного ряда и определения его периодичности. | строка |
timeSeriesIdColumnNames | Имена столбцов, используемых для группирования временных рядов. Можно использовать для создания нескольких рядов. Если интервал не определен, предполагается, что набор данных является одним временным рядом. Этот параметр используется с типом задач forecasting. |
string[] |
useStl | Настройка декомпозиции STL для целевого столбца временных рядов. | "None" "Сезон" "SeasonTrend" |
ПрогнозГоризон
Имя | Описание | Значение |
---|---|---|
mode | Установка типа объекта | Автоматически Пользовательский (обязательно) |
AutoForecastHorizon
Имя | Описание | Значение |
---|---|---|
mode | [Обязательный параметр] Установка режима выбора значения горизонта прогноза. | "Auto" (обязательно) |
CustomForecastHorizon
Имя | Описание | Значение |
---|---|---|
mode | [Обязательный параметр] Установка режима выбора значения горизонта прогноза. | "Custom" (обязательно) |
значение | [Обязательный параметр] Прогноз значения горизонта. | int (обязательно) |
Сезонность
Имя | Описание | Значение |
---|---|---|
mode | Установка типа объекта | Автоматически Пользовательский (обязательно) |
AutoSeasonality
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Режим сезонности. | "Auto" (обязательно) |
CustomSeasonality
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Режим сезонности. | "Custom" (обязательно) |
значение | [Обязательно] Значение сезонности. | int (обязательно) |
TargetLags
Имя | Описание | Значение |
---|---|---|
mode | Установка типа объекта | Автоматически Пользовательский (обязательный) |
AutoTargetLags
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Настройка режима задержки целевого объекта — автоматический или настраиваемый | "Auto" (обязательно) |
CustomTargetLags
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] Настройка режима задержки целевого объекта — автоматический или настраиваемый | "Custom" (обязательно) |
значения | [Обязательно] Установка целевых значений задержки. | int[] (обязательно) |
TargetRollingWindowSize
Имя | Описание | Значение |
---|---|---|
mode | Установка типа объекта | Автоматически Пользовательский (обязательный) |
AutoTargetRollingWindowSize
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] TargetRollingWindowSiz, режим обнаружения. | "Auto" (обязательно) |
CustomTargetRollingWindowSize
Имя | Описание | Значение |
---|---|---|
mode | [Обязательно] TargetRollingWindowSiz, режим обнаружения. | "Custom" (обязательно) |
значение | [Обязательно] TargetRollingWindowSize. | int (обязательно) |
ForecastingTrainingSettings
Имя | Описание | Значение |
---|---|---|
allowedTrainingAlgorithms | Разрешенные модели для задачи прогнозирования. | Массив строк, содержащий любой из: "Аримакс" "AutoArima" "Среднее" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "ЛассоЛарс" "LightGBM" "Наивный" "Пророк" "RandomForest" "SGD" "SeasonalAverage" "SeasonalNaive" "TCNForecaster" "XGBoostRegressor" |
blockedTrainingAlgorithms | Заблокированные модели для задачи прогнозирования. | Массив строк, содержащий любой из: "Аримакс" "AutoArima" "Среднее" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "Наивный" "Пророк" "RandomForest" "SGD" "SeasonalAverage" "SeasonalNaive" "TCNForecaster" "XGBoostRegressor" |
enableDnnTraining | Включите рекомендации для моделей DNN. | bool |
enableModelExplainability | Флаг для включения объясняемости в оптимальной модели. | bool |
enableOnnxCompatibleModels | Флаг для включения моделей, совместимых с onnx. | bool |
enableStackEnsemble | Включите запуск ансамбля стека. | bool |
enableVoteEnsemble | Включите запуск ансамбля голосования. | bool |
ensembleModelDownloadTimeout | Во время создания моделей VotingEnsemble и StackEnsemble скачиваются несколько установленных моделей из предыдущих дочерних запусков. Если требуется больше времени, настройте для этого параметра значение более 300 секунд. |
строка |
stackEnsembleSettings | Параметры ансамбля стека для выполнения ансамбля стека. | StackEnsembleSettings |
ImageClassification
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательный параметр] Тип задачи для AutoMLJob. | ImageClassification (обязательно) |
limitSettings | [Обязательный параметр] Ограничения параметров для задания AutoML. | ImageLimitSettings (обязательно) |
ModelSettings | Параметры, используемые для обучения модели. | ImageModelSettingsClassification |
primaryMetric | Основная метрика для оптимизации для этой задачи. | "AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" PrecisionScoreWeighted |
searchSpace | Поиск места для выборки различных сочетаний моделей и их гиперпараметров. | ImageModelDistributionSettingsClassification[] |
параметры sweepSettings | Очистка модели и гиперпараметров, связанных с параметрами. | ImageSweepSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которую необходимо выделить для целей проверки. Значения между (0,0 , 1,0) Применяется, если не указан проверочный набор данных. |
INT |
ImageLimitSettings
Имя | Описание | Значение |
---|---|---|
maxConcurrentTrials | Максимальное число одновременных итераций AutoML. | INT |
maxTrials | Максимальное число итераций AutoML. | INT |
timeout | Время ожидания задания AutoML. | строка |
ImageModelSettingsClassification
Имя | Описание | Значение |
---|---|---|
advancedSettings | Параметры для расширенных сценариев. | строка |
amsGradient | Включите AMSGrad, если оптимизатор имеет значение adam или adamw. | bool |
расширения | Параметры использования дополнений. | строка |
бета-версия1 | Значение beta1, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | INT |
бета-версия 2 | Значение beta2, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | INT |
checkpointFrequency | Частота сохранения контрольных точек модели. Принимаются только положительные целые числа. | INT |
checkpointModel | Предварительно обученная модель контрольных точек для добавочного обучения. | MLFlowModelJobInput |
checkpointRunId | Идентификатор предыдущего запуска, имеющего предварительно обученную контрольную точку для добавочного обучения. | строка |
распределенные | Следует ли использовать распределенное обучение. | bool |
earlyStopping | Включить алгоритм раннего прекращения логики во время обучения. | bool |
earlyStoppingDelay | Минимальное количество эпох или проверочных оценок для ожидания до улучшения первичной метрики отслеживается для ранней остановки. Принимаются только положительные целые числа. |
INT |
earlyStoppingPatience | Минимальное количество эпох или проверочных оценок без первичного улучшения метрики до выполнение остановлено. Принимаются только положительные целые числа. |
INT |
enableOnnxNormalization | Включить нормализацию при экспорте модели ONNX. | bool |
evaluationFrequency | Частота оценки набора данных проверки для получения оценок метрик. Принимаются только положительные целые числа. | INT |
gradientAccumulationStep | Накопление градиента означает выполнение заданного количества шагов "GradAccumulationStep" без обновление весовых коэффициентов модели с накоплением градиентов этих шагов, а затем с помощью накопленные градиенты для вычисления обновлений веса. Принимаются только положительные целые числа. |
INT |
layersToFreeze | Количество слоев, которые необходимо заморозить для модели. Принимаются только положительные целые числа. Например, передача 2 в качестве значения для "seresnext" означает замораживание layer0 и layer1. Полный список поддерживаемых моделей и сведения о замораживании слоя см. в статье Видеть: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
INT |
learningRate | Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1]. | INT |
learningRateScheduler | Тип планировщика скорости обучения. Должен иметь значение "warmup_cosine" или "шаг". | "None" "Шаг" "WarmupCosine" |
modelName | Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
momentum | Значение импульса, если оптимизатор имеет значение "sgd". Должно быть значением типа float в диапазоне [0, 1]. | INT |
Нестеров | Включите nesterov, если оптимизатор имеет значение "sgd". | bool |
numberOfEpochs | Число эпох обучения. Принимаются только положительные целые числа. | INT |
numberOfWorkers | Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число. | INT |
optimizer | Тип оптимизатора. | "Адам" "Адамв" "None" "Sgd" |
randomSeed | Случайное начальное значение, используемое при использовании детерминированного обучения. | INT |
stepLRGamma | Значение гамма, когда планировщик скорости обучения имеет значение step. Должно быть значением типа float в диапазоне [0, 1]. | INT |
stepLRStepSize | Значение размера шага, если планировщик скорости обучения — "шаг". Принимаются только положительные целые числа. | INT |
trainingBatchSize | Размер пакета, используемого для обучения. Принимаются только положительные целые числа. | INT |
trainingCropSize | Размер обрезки изображения, который является входными данными в нейронную сеть для обучающего набора данных. Принимаются только положительные целые числа. | INT |
validationBatchSize | Размер пакета, используемого для проверки. Принимаются только положительные целые числа. | INT |
validationCropSize | Размер обрезки изображения, входной в нейронную сеть для проверочного набора данных. Принимаются только положительные целые числа. | INT |
validationResizeSize | Размер, до которого необходимо изменить изображение перед обрезкой для набора данных проверки. Принимаются только положительные целые числа. | INT |
warmupCosineLRCycles | Значение цикла косинуса, когда планировщик скорости обучения имеет значение "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1]. | INT |
warmupCosineLRWarmupEpochs | Значение эпох прогрева, когда планировщик скорости обучения имеет значение "warmup_cosine". Принимаются только положительные целые числа. | INT |
weightDecay | Значение распада веса, если оптимизатор имеет значение "sgd", "adam" или "adamw". Должен быть плавающей точкой в диапазоне[0, 1]. | INT |
weightedLoss | Взвешивая потеря. Допустимые значения — 0 для без взвешения потерь. 1 для взвешаемой потери с sqrt. (class_weights). 2 для расчета взвешенной ошибки с помощью class_weights. Значение должно быть 0 или 1 или 2. |
INT |
MLFlowModelJobInput
Имя | Описание | Значение |
---|---|---|
description | Описание входных данных. | строка |
jobInputType | [Обязательно] Указывает тип задания. | "custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно) |
mode | Режим доставки входных ресурсов. | "Direct" "Скачать" "EvalDownload" "EvalMount" ReadOnlyMount ReadWriteMount |
uri | [Обязательно] URI входного ресурса. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
Имя | Описание | Значение |
---|---|---|
amsGradient | Включите AMSGrad, если оптимизатор имеет значение adam или adamw. | строка |
аугментации | Параметры использования дополнений. | строка |
бета-версия1 | Значение beta1, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | строка |
бета-версия 2 | Значение beta2, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | строка |
распределенные | Следует ли использовать обучение распространителя. | строка |
earlyStopping | Включить алгоритм раннего прекращения логики во время обучения. | строка |
earlyStoppingDelay | Минимальное количество эпох или проверочных оценок для ожидания до улучшения первичной метрики отслеживается для ранней остановки. Принимаются только положительные целые числа. |
строка |
earlyStoppingPatience | Минимальное количество эпох или проверочных оценок без первичного улучшения метрики до выполнение остановлено. Принимаются только положительные целые числа. |
строка |
enableOnnxNormalization | Включить нормализацию при экспорте модели ONNX. | строка |
evaluationFrequency | Частота оценки набора данных проверки для получения оценок метрик. Принимаются только положительные целые числа. | строка |
gradientAccumulationStep | Накопление градиента означает выполнение заданного количества шагов "GradAccumulationStep" без обновление весовых коэффициентов модели с накоплением градиентов этих шагов, а затем с помощью накопленные градиенты для вычисления обновлений веса. Принимаются только положительные целые числа. |
строка |
layersToFreeze | Количество слоев, которые необходимо заморозить для модели. Принимаются только положительные целые числа. Например, передача 2 в качестве значения для "seresnext" означает замораживание layer0 и layer1. Полный список поддерживаемых моделей и сведения о замораживании слоя см. в статье Видеть: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
learningRate | Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1]. | строка |
learningRateScheduler | Тип планировщика скорости обучения. Должен иметь значение "warmup_cosine" или "шаг". | строка |
modelName | Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
momentum | Значение импульса, если оптимизатор имеет значение "sgd". Должно быть значением типа float в диапазоне [0, 1]. | строка |
Нестеров | Включите nesterov, если оптимизатор имеет значение "sgd". | строка |
numberOfEpochs | Число эпох обучения. Принимаются только положительные целые числа. | строка |
numberOfWorkers | Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число. | строка |
optimizer | Тип оптимизатора. Должен иметь значение "sgd", "adam" или "adamw". | строка |
randomSeed | Случайное начальное значение, используемое при использовании детерминированного обучения. | строка |
stepLRGamma | Значение гамма, когда планировщик скорости обучения имеет значение step. Должно быть значением типа float в диапазоне [0, 1]. | строка |
stepLRStepSize | Значение размера шага, если планировщик скорости обучения — "шаг". Принимаются только положительные целые числа. | строка |
trainingBatchSize | Размер пакета, используемого для обучения. Принимаются только положительные целые числа. | строка |
trainingCropSize | Размер обрезки изображения, который является входными данными в нейронную сеть для обучающего набора данных. Принимаются только положительные целые числа. | строка |
validationBatchSize | Размер пакета, используемого для проверки. Принимаются только положительные целые числа. | строка |
validationCropSize | Размер обрезки изображения, входной в нейронную сеть для проверочного набора данных. Принимаются только положительные целые числа. | строка |
validationResizeSize | Размер, до которого необходимо изменить изображение перед обрезкой для набора данных проверки. Принимаются только положительные целые числа. | строка |
warmupCosineLRCycles | Значение цикла косинуса, когда планировщик скорости обучения имеет значение "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1]. | строка |
warmupCosineLRWarmupEpochs | Значение эпох прогрева, когда планировщик скорости обучения имеет значение "warmup_cosine". Принимаются только положительные целые числа. | строка |
weightDecay | Значение распада веса, если оптимизатор имеет значение "sgd", "adam" или "adamw". Должен быть плавающей точкой в диапазоне[0, 1]. | строка |
weightedLoss | Взвешивая потеря. Допустимые значения — 0 для без взвешения потерь. 1 для взвешаемой потери с sqrt. (class_weights). 2 для расчета взвешенной ошибки с помощью class_weights. Значение должно быть 0 или 1 или 2. |
строка |
ImageSweepSettings
Имя | Описание | Значение |
---|---|---|
ранняятерминация | Тип политики досрочного завершения. | EarlyTerminationPolicy |
samplingAlgorithm | [Обязательно] Тип алгоритмов выборки гиперпараметров. | "Байесовский" "Сетка" "Random" (обязательно) |
EarlyTerminationPolicy
Имя | Описание | Значение |
---|---|---|
delayEvaluation | Количество интервалов, на которые откладывается первая оценка. | INT |
evaluationInterval | Интервал (количество запусков) между оценками политики. | INT |
policyType | Установка типа объекта | Бандит MedianStopping TruncationSelection (обязательно) |
BanditPolicy
Имя | Описание | Значение |
---|---|---|
policyType | [Обязательно] Имя конфигурации политики | "Bandit" (обязательно) |
slackAmount | Абсолютное расстояние от наиболее производительного выполнения. | INT |
slackFactor | Отношение допустимого расстояния от наиболее производительного выполнения. | INT |
MedianStoppingPolicy
Имя | Описание | Значение |
---|---|---|
policyType | [Обязательно] Имя конфигурации политики | MedianStopping (обязательно) |
TruncationSelectionPolicy
Имя | Описание | Значение |
---|---|---|
policyType | [Обязательно] Имя конфигурации политики | "TruncationSelection" (обязательно) |
truncationPercentage | Процент выполнений для отмены в каждом интервале оценки. | INT |
ImageClassificationMultilabel
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательно] Тип задачи для AutoMLJob. | "ImageClassificationMultilabel" (обязательно) |
limitSettings | [Обязательно] Ограничение параметров для задания AutoML. | ImageLimitSettings (обязательно) |
ModelSettings | Параметры, используемые для обучения модели. | ImageModelSettingsClassification |
primaryMetric | Основная метрика для оптимизации для этой задачи. | "AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted" |
searchSpace | Поиск пространства для выборки различных комбинаций моделей и их гиперпараметров. | ImageModelDistributionSettingsClassification[] |
sweepSettings | Параметры, связанные с очисткой модели и гиперпараметров. | ImageSweepSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которая должна быть выделена для целей проверки. Значения между (0,0 , 1,0) Применяется, если набор данных проверки не указан. |
INT |
ImageInstanceSegmentation
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательно] Тип задачи для AutoMLJob. | "ImageInstanceSegmentation" (обязательно) |
limitSettings | [Обязательно] Ограничение параметров для задания AutoML. | ImageLimitSettings (обязательно) |
ModelSettings | Параметры, используемые для обучения модели. | ImageModelSettingsObjectDetection |
primaryMetric | Основная метрика для оптимизации для этой задачи. | "MeanAveragePrecision" |
searchSpace | Поиск пространства для выборки различных комбинаций моделей и их гиперпараметров. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Параметры, связанные с очисткой модели и гиперпараметров. | ImageSweepSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которая должна быть выделена для целей проверки. Значения между (0,0 , 1,0) Применяется, если набор данных проверки не указан. |
INT |
ImageModelSettingsObjectDetection
Имя | Описание | Значение |
---|---|---|
advancedSettings | Параметры для расширенных сценариев. | строка |
amsGradient | Включите AMSGrad, если оптимизатор имеет значение adam или adamw. | bool |
аугментации | Параметры использования дополнений. | строка |
бета-версия1 | Значение beta1, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | INT |
бета-версия 2 | Значение beta2, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | INT |
boxDetectionsPerImage | Максимальное число обнаружений на каждое изображение для всех классов. Принимаются только положительные целые числа. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
INT |
boxScoreThreshold | Во время вывода возвращаются только предложения с оценкой классификации, превышающей BoxScoreThreshold. Должен быть плавающей точкой в диапазоне[0, 1]. |
INT |
checkpointFrequency | Частота сохранения контрольных точек модели. Принимаются только положительные целые числа. | INT |
checkpointModel | Предварительно обученная модель контрольных точек для добавочного обучения. | MLFlowModelJobInput |
checkpointRunId | Идентификатор предыдущего запуска, имеющего предварительно обученную контрольную точку для добавочного обучения. | строка |
распределенные | Следует ли использовать распределенное обучение. | bool |
earlyStopping | Включить алгоритм раннего прекращения логики во время обучения. | bool |
earlyStoppingDelay | Минимальное количество эпох или проверочных оценок для ожидания до улучшения первичной метрики отслеживается для ранней остановки. Принимаются только положительные целые числа. |
INT |
earlyStoppingPatience | Минимальное количество эпох или проверочных оценок без первичного улучшения метрики до выполнение остановлено. Принимаются только положительные целые числа. |
INT |
enableOnnxNormalization | Включить нормализацию при экспорте модели ONNX. | bool |
evaluationFrequency | Частота оценки набора данных проверки для получения оценок метрик. Принимаются только положительные целые числа. | INT |
gradientAccumulationStep | Накопление градиента означает выполнение заданного количества шагов "GradAccumulationStep" без обновление весовых коэффициентов модели с накоплением градиентов этих шагов, а затем с помощью накопленные градиенты для вычисления обновлений веса. Принимаются только положительные целые числа. |
INT |
imageSize | Размер изображения для обучения и проверки. Принимаются только положительные целые числа. Примечание. Если размер слишком велик, обучающий запуск может попасть в CUDA OOM. Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
INT |
layersToFreeze | Количество слоев, которые необходимо закрепить для модели. Принимаются только положительные целые числа. Например, передача 2 в качестве значения для "seresnext" означает, что замораживание layer0 и layer1. Полный список поддерживаемых моделей и сведения о замораживании слоев см. в статье Видеть: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
INT |
learningRate | Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1]. | INT |
learningRateScheduler | Тип планировщика скорости обучения. Должен иметь значение "warmup_cosine" или "шаг". | "None" "Шаг" "WarmupCosine" |
Maxsize | Максимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Принимаются только положительные целые числа. Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
INT |
minSize | Минимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Принимаются только положительные целые числа. Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
INT |
modelName | Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
modelSize | Размер модели. Должен иметь значение "small", "medium", "large" или "xlarge". Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
"ExtraLarge" "Большой" "Средний" "None" "Маленький" |
momentum | Значение импульса, если оптимизатор имеет значение "sgd". Должно быть значением типа float в диапазоне [0, 1]. | INT |
MultiScale | Включение многомасштабного изображения путем изменения размера изображения на +/- 50 %. Примечание. Если объема памяти на видеокарте недостаточно, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
bool |
Нестеров | Включите nesterov, если оптимизатор имеет значение "sgd". | bool |
nmsIouThreshold | Пороговое значение IOU, используемое во время вывода в постобработке NMS. Должно быть значением типа float в диапазоне [0, 1]. | INT |
numberOfEpochs | Число эпох обучения. Принимаются только положительные целые числа. | INT |
numberOfWorkers | Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число. | INT |
optimizer | Тип оптимизатора. | "Адам" "Адамв" "None" "Sgd" |
randomSeed | Случайное начальное значение, используемое при использовании детерминированного обучения. | INT |
stepLRGamma | Значение гамма, если планировщик скорости обучения имеет значение step. Должно быть значением типа float в диапазоне [0, 1]. | INT |
stepLRStepSize | Значение размера шага, если планировщик скорости обучения имеет значение step. Принимаются только положительные целые числа. | INT |
tileGridSize | Размер сетки, используемый для мозаичного заполнения каждого изображения. Примечание. Параметр TileGridSize не должен иметь значение Нет для включения логики обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
tileOverlapRatio | Коэффициент перекрытия смежных фрагментов в каждом измерении. Должен иметь значение float в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
INT |
tilePredictionsNmsThreshold | Пороговое значение IOU, используемое для выполнения поиска немаксимумов (NMS) при объединении прогнозов из фрагментов и изображения. Используется при проверке или выводе. Должен быть с плавающей точкой в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
INT |
trainingBatchSize | Размер пакета, используемого для обучения. Принимаются только положительные целые числа. | INT |
validationBatchSize | Размер пакета, используемого для проверки. Принимаются только положительные целые числа. | INT |
validationIouThreshold | Пороговое значение OU, используемое при вычислении метрики проверки. Должен быть с плавающей точкой в диапазоне [0, 1]. | INT |
validationMetricType | Метод вычисления метрик, который используется для расчета проверочных метрик. | "Коко" "CocoVoc" "None" "Voc" |
warmupCosineLRCycles | Значение цикла косинуса, когда планировщик скорости обучения имеет значение "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1]. | INT |
warmupCosineLRWarmupEpochs | Значение эпох прогрева, когда планировщик скорости обучения имеет значение "warmup_cosine". Принимаются только положительные целые числа. | INT |
weightDecay | Значение распада веса, если оптимизатор имеет значение "sgd", "adam" или "adamw". Должен быть плавающей точкой в диапазоне[0, 1]. | INT |
ImageModelDistributionSettingsObjectDetection
Имя | Описание | Значение |
---|---|---|
amsGradient | Включите AMSGrad, если оптимизатор имеет значение adam или adamw. | строка |
аугментации | Параметры использования дополнений. | строка |
бета-версия1 | Значение beta1, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | строка |
бета-версия 2 | Значение beta2, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1]. | строка |
boxDetectionsPerImage | Максимальное число обнаружений на каждое изображение для всех классов. Принимаются только положительные целые числа. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
boxScoreThreshold | Во время вывода возвращаются только предложения с оценкой классификации, превышающей BoxScoreThreshold. Должен быть плавающей точкой в диапазоне[0, 1]. |
строка |
распределенные | Следует ли использовать обучение распространителя. | строка |
earlyStopping | Включить алгоритм раннего прекращения логики во время обучения. | строка |
earlyStoppingDelay | Минимальное количество эпох или проверочных оценок для ожидания до улучшения первичной метрики отслеживается для ранней остановки. Принимаются только положительные целые числа. |
строка |
earlyStoppingPatience | Минимальное количество эпох или проверочных оценок без первичного улучшения метрики до выполнение остановлено. Принимаются только положительные целые числа. |
строка |
enableOnnxNormalization | Включить нормализацию при экспорте модели ONNX. | строка |
evaluationFrequency | Частота оценки набора данных проверки для получения оценок метрик. Принимаются только положительные целые числа. | строка |
gradientAccumulationStep | Накопление градиента означает выполнение заданного количества шагов "GradAccumulationStep" без обновление весовых коэффициентов модели с накоплением градиентов этих шагов, а затем с помощью накопленные градиенты для вычисления обновлений веса. Принимаются только положительные целые числа. |
строка |
imageSize | Размер изображения для обучения и проверки. Принимаются только положительные целые числа. Примечание. Если размер слишком велик, обучающий запуск может попасть в CUDA OOM. Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
строка |
layersToFreeze | Количество слоев, которые необходимо заморозить для модели. Принимаются только положительные целые числа. Например, передача 2 в качестве значения для "seresnext" означает замораживание layer0 и layer1. Полный список поддерживаемых моделей и сведения о замораживании слоя см. в статье Видеть: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
learningRate | Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1]. | строка |
learningRateScheduler | Тип планировщика скорости обучения. Должен иметь значение "warmup_cosine" или "шаг". | строка |
Maxsize | Максимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Принимаются только положительные целые числа. Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
minSize | Минимальный размер повторно масштабируемого изображения перед подачей в основную сеть. Принимаются только положительные целые числа. Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
modelName | Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-image-models. |
строка |
modelSize | Размер модели. Должен иметь значение "small", "medium", "large" или "xlarge". Примечание. Если размер слишком большой, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
строка |
momentum | Значение импульса, если оптимизатор имеет значение "sgd". Должно быть значением типа float в диапазоне [0, 1]. | строка |
MultiScale | Включение многомасштабного изображения путем изменения размера изображения на +/- 50 %. Примечание. Если объема памяти на видеокарте недостаточно, в ходе обучения может возникать ошибка CUDA "Недостаточно памяти". Примечание. Эти параметры поддерживаются только для алгоритма yolov5. |
строка |
Нестеров | Включите nesterov, если оптимизатор имеет значение "sgd". | строка |
nmsIouThreshold | Пороговое значение OU, используемое при выводе в послеобработке NMS. Должен быть с плавающей точкой в диапазоне [0, 1]. | строка |
numberOfEpochs | Число эпох обучения. Принимаются только положительные целые числа. | строка |
numberOfWorkers | Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число. | строка |
optimizer | Тип оптимизатора. Должен иметь значение "sgd", "adam" или "adamw". | строка |
randomSeed | Случайное начальное значение, используемое при использовании детерминированного обучения. | строка |
stepLRGamma | Значение гамма, когда планировщик скорости обучения имеет значение step. Должно быть значением типа float в диапазоне [0, 1]. | строка |
stepLRStepSize | Значение размера шага, если планировщик скорости обучения — "шаг". Принимаются только положительные целые числа. | строка |
tileGridSize | Размер сетки, используемый для мозаичного заполнения каждого изображения. Примечание. TileGridSize не должно иметь значение Нет, чтобы включить логику обнаружения небольших объектов. Строка, содержащая два целых числа в формате mxn. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
tileOverlapRatio | Коэффициент перекрытия смежных фрагментов в каждом измерении. Должен быть с плавающей точкой в диапазоне [0, 1). Примечание. Эти параметры не поддерживаются для алгоритма yolov5. |
строка |
tilePredictionsNmsThreshold | Пороговое значение IOU, используемое для выполнения поиска немаксимумов (NMS) при объединении прогнозов из фрагментов и изображения. Используется при проверке или выводе. Должен быть с плавающей точкой в диапазоне [0, 1]. Примечание. Эти параметры не поддерживаются для алгоритма yolov5. NMS: не максимальное подавление |
строка |
trainingBatchSize | Размер пакета, используемого для обучения. Принимаются только положительные целые числа. | строка |
validationBatchSize | Размер пакета, используемого для проверки. Принимаются только положительные целые числа. | строка |
validationIouThreshold | Пороговое значение OU, используемое при вычислении метрики проверки. Должен быть с плавающей точкой в диапазоне [0, 1]. | строка |
validationMetricType | Метод вычисления метрик, который используется для расчета проверочных метрик. Должен иметь значение none, coco, voc или coco_voc. | строка |
warmupCosineLRCycles | Значение цикла косинуса, когда планировщик скорости обучения имеет значение "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1]. | строка |
warmupCosineLRWarmupEpochs | Значение эпох прогрева, когда планировщик скорости обучения имеет значение "warmup_cosine". Принимаются только положительные целые числа. | строка |
weightDecay | Значение распада веса, если оптимизатор имеет значение "sgd", "adam" или "adamw". Должен быть плавающей точкой в диапазоне[0, 1]. | строка |
ImageObjectDetection
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательно] Тип задачи для AutoMLJob. | "ImageObjectDetection" (обязательно) |
limitSettings | [Обязательно] Ограничение параметров для задания AutoML. | ImageLimitSettings (обязательно) |
ModelSettings | Параметры, используемые для обучения модели. | ImageModelSettingsObjectDetection |
primaryMetric | Основная метрика для оптимизации для этой задачи. | "MeanAveragePrecision" |
searchSpace | Поиск пространства для выборки различных комбинаций моделей и их гиперпараметров. | ImageModelDistributionSettingsObjectDetection[] |
sweepSettings | Параметры, связанные с очисткой модели и гиперпараметров. | ImageSweepSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которая должна быть выделена для целей проверки. Значения между (0,0 , 1,0) Применяется, если набор данных проверки не указан. |
INT |
Регрессия
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательно] Тип задачи для AutoMLJob. | "Регрессия" (обязательно) |
cvSplitColumnNames | Столбцы, используемые для данных CVSplit. | string[] |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | TableVerticalFeaturizationSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | TableVerticalLimitSettings |
nCrossValidations | Количество сверток перекрестной проверки, применяемых к набору данных для обучения если набор данных проверки не указан. |
NCrossValidations |
primaryMetric | Основная метрика для задачи регрессии. | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "SpearmanCorrelation" |
testData | Тестовые входные данные. | MLTableJobInput |
testDataSize | Доля тестового набора данных, которая должна быть выделена для целей проверки. Значения между (0,0 , 1,0) Применяется, если набор данных проверки не указан. |
INT |
trainingSettings | Входные данные для этапа обучения для задания AutoML. | RegressionTrainingSettings |
validationData | Входные данные проверки. | MLTableJobInput |
validationDataSize | Часть обучающего набора данных, которая должна быть выделена для целей проверки. Значения между (0,0 , 1,0) Применяется, если набор данных проверки не указан. |
INT |
weightColumnName | Имя столбца с весом выборок. Автоматизированное машинное обучение поддерживает взвешенный столбец в качестве входных данных, и в результате вес строк данных меняется в большую или меньшую сторону. | строка |
RegressionTrainingSettings
Имя | Описание | Значение |
---|---|---|
allowedTrainingAlgorithms | Разрешенные модели для задачи регрессии. | Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor" |
blockedTrainingAlgorithms | Заблокированные модели для задачи регрессии. | Массив строк, содержащий любой из: "DecisionTree" ElasticNet "ExtremeRandomTrees" "GradientBoosting" "KNN" "LassoLars" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor" |
enableDnnTraining | Включите рекомендации для моделей DNN. | bool |
enableModelExplainability | Флаг для включения объясняемости в оптимальной модели. | bool |
enableOnnxCompatibleModels | Флаг для включения моделей, совместимых с onnx. | bool |
enableStackEnsemble | Включите запуск ансамбля стека. | bool |
enableVoteEnsemble | Включите запуск ансамбля голосования. | bool |
ensembleModelDownloadTimeout | Во время создания моделей VotingEnsemble и StackEnsemble скачиваются несколько установленных моделей из предыдущих дочерних запусков. Если требуется больше времени, настройте для этого параметра значение более 300 секунд. |
строка |
stackEnsembleSettings | Параметры ансамбля стека для выполнения ансамбля стека. | StackEnsembleSettings |
TextClassification
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательный параметр] Тип задачи для AutoMLJob. | TextClassification (обязательно) |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
primaryMetric | Основная метрика для задачи Text-Classification. | "AUCWeighted" "Точность" "AveragePrecisionScoreWeighted" "NormMacroRecall" PrecisionScoreWeighted |
validationData | Входные данные проверки. | MLTableJobInput |
NlpVerticalFeaturizationSettings
Имя | Описание | Значение |
---|---|---|
datasetLanguage | Язык набора данных, полезный для текстовых данных. | строка |
NlpVerticalLimitSettings
Имя | Описание | Значение |
---|---|---|
maxConcurrentTrials | Максимальное количество одновременных итераций AutoML. | INT |
maxTrials | Количество итераций AutoML. | INT |
timeout | Время ожидания задания AutoML. | строка |
TextClassificationMultilabel
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательный параметр] Тип задачи для AutoMLJob. | "TextClassificationMultilabel" (обязательно) |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
validationData | Входные данные проверки. | MLTableJobInput |
TextNer
Имя | Описание | Значение |
---|---|---|
taskType | [Обязательный параметр] Тип задачи для AutoMLJob. | TextNER (обязательно) |
featurizationSettings | Входные данные конструирования признаков, необходимые для задания AutoML. | NlpVerticalFeaturizationSettings |
limitSettings | Ограничения выполнения для AutoMLJob. | NlpVerticalLimitSettings |
validationData | Входные данные проверки. | MLTableJobInput |
CommandJob
Имя | Описание | Значение |
---|---|---|
jobType | [Обязательный параметр] Указывает тип задания. | "Command" (обязательно) |
codeId | Идентификатор ресурса ARM ресурса кода. | строка |
. | [Обязательный параметр] Команда, выполняемая при запуске задания. Например: "python train.py" | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
распределение | Конфигурация распределения задания. Если задано значение , это должен быть один из Mpi, Tensorflow, PyTorch или null. | DistributionConfiguration |
environmentId | [Обязательный параметр] Идентификатор ресурса ARM спецификации среды для задания. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
environmentVariables | Переменные среды, включенные в задание. | CommandJobEnvironmentVariables |
Ввод данных | Сопоставление привязок входных данных, используемых в задании. | CommandJobInputs |
ограничения | Ограничение заданий команд. | CommandJobLimits |
outputs | Сопоставление привязок выходных данных, используемых в задании. | CommandJobOutputs |
queueSettings | Параметры очереди для задания | QueueSettings |
ресурсов | Конфигурация вычислительного ресурса для задания. | JobResourceConfiguration |
DistributionConfiguration
Имя | Описание | Значение |
---|---|---|
distributionType | Установка типа объекта | Mpi PyTorch TensorFlow (обязательно) |
Mpi
Имя | Описание | Значение |
---|---|---|
distributionType | [Обязательный параметр] Указывает тип платформы распространения. | "Mpi" (обязательно) |
processCountPerInstance | Количество процессов на узел MPI. | INT |
PyTorch
Имя | Описание | Значение |
---|---|---|
distributionType | [Обязательный параметр] Указывает тип платформы распространения. | PyTorch (обязательно) |
processCountPerInstance | Количество процессов на узле. | INT |
TensorFlow
Имя | Описание | Значение |
---|---|---|
distributionType | [Обязательно] Указывает тип платформы распространения. | "TensorFlow" (обязательно) |
parameterServerCount | Число задач сервера параметров. | INT |
workerCount | Количество рабочих ролей. Если значение не указано, по умолчанию используется число экземпляров. | INT |
CommandJobEnvironmentVariables
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | строка |
CommandJobInputs
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | JobInput |
JobInput
Имя | Описание | Значение |
---|---|---|
description | Описание входных данных. | строка |
jobInputType | Установка типа объекта | custom_model literal mlflow_model mltable triton_model uri_file uri_folder (обязательно) |
CustomModelJobInput
Имя | Описание | Значение |
---|---|---|
jobInputType | [Обязательно] Указывает тип задания. | "custom_model" (обязательно) |
mode | Режим доставки входных ресурсов. | "Direct" "Скачать" "EvalDownload" "EvalMount" ReadOnlyMount ReadWriteMount |
uri | [Обязательно] URI входного ресурса. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
LiteralJobInput
Имя | Описание | Значение |
---|---|---|
jobInputType | [Обязательно] Указывает тип задания. | "literal" (обязательный) |
значение | [Обязательно] Литеральное значение для входных данных. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
TritonModelJobInput
Имя | Описание | Значение |
---|---|---|
jobInputType | [Обязательно] Указывает тип задания. | "triton_model" (обязательно) |
mode | Режим доставки входных ресурсов. | "Direct" "Скачать" "EvalDownload" "EvalMount" ReadOnlyMount ReadWriteMount |
uri | [Обязательно] URI входного ресурса. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
UriFileJobInput
Имя | Описание | Значение |
---|---|---|
jobInputType | [Обязательно] Указывает тип задания. | "uri_file" (обязательно) |
mode | Режим доставки входных ресурсов. | "Direct" "Скачать" "EvalDownload" "EvalMount" ReadOnlyMount ReadWriteMount |
uri | [Обязательно] URI входного ресурса. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
UriFolderJobInput
Имя | Описание | Значение |
---|---|---|
jobInputType | [Обязательно] Указывает тип задания. | "uri_folder" (обязательно) |
mode | Режим доставки входных ресурсов. | "Direct" "Скачать" "EvalDownload" "EvalMount" ReadOnlyMount ReadWriteMount |
uri | [Обязательно] URI входного ресурса. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
CommandJobLimits
Имя | Описание | Значение |
---|---|---|
jobLimitsType | [Обязательно] Тип JobLimit. | "Command" "Очистка" (обязательно) |
timeout | Максимальная продолжительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживает только длительность с точностью до секунд. | строка |
CommandJobOutputs
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | JobOutput |
PipelineJob
Имя | Описание | Значение |
---|---|---|
jobType | [Обязательно] Указывает тип задания. | "Pipeline" (обязательно) |
Ввод данных | Входные данные для задания конвейера. | PipelineJobInputs |
jobs | Задания создают задание конвейера. | PipelineJobJobs |
outputs | Выходные данные для задания конвейера | PipelineJobOutputs |
Параметры | Параметры конвейера для таких вещей, как ContinueRunOnStepFailure и т. д. | |
sourceJobId | Идентификатор ресурса ARM исходного задания. | строка |
PipelineJobInputs
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | JobInput |
PipelineJobJobs
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} |
PipelineJobOutputs
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | JobOutput |
SweepJob
Имя | Описание | Значение |
---|---|---|
jobType | [Обязательно] Указывает тип задания. | "Очистка" (обязательно) |
ранняятерминация | Политики раннего завершения позволяют отменять низкопроизводительные запуски до их завершения. | EarlyTerminationPolicy |
Ввод данных | Сопоставление привязок входных данных, используемых в задании. | SweepJobInputs |
ограничения | Ограничение задания очистки. | SweepJobLimits |
objective. | [Обязательно] Цель оптимизации. | Цель (обязательно) |
outputs | Сопоставление привязок выходных данных, используемых в задании. | SweepJobOutputs |
queueSettings | Параметры очереди для задания | QueueSettings |
samplingAlgorithm | [Обязательно] Алгоритм выборки гиперпараметров | SamplingAlgorithm (обязательно) |
searchSpace | [Обязательно] Словарь, содержащий каждый параметр и его распределение. Ключ словаря — это имя параметра. | |
trial | [Обязательно] Определение пробного компонента. | TrialComponent (обязательно) |
SweepJobInputs
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | JobInput |
SweepJobLimits
Имя | Описание | Значение |
---|---|---|
jobLimitsType | [Обязательно] Тип JobLimit. | "Command" "Очистка" (обязательно) |
maxConcurrentTrials | Очистка задания максимальное количество одновременных проб. | INT |
maxTotalTrials | Максимальное количество пробных версий задания очистки. | INT |
timeout | Максимальная продолжительность выполнения в формате ISO 8601, после которой задание будет отменено. Поддерживает только длительность с точностью до секунд. | строка |
trialTimeout | Значение времени ожидания пробной версии задания очистки. | строка |
Назначение
Имя | Описание | Значение |
---|---|---|
goal | [Обязательно] Определяет поддерживаемые цели метрик для настройки гиперпараметров | "Развернуть" "Свернуть" (обязательно) |
primaryMetric | [Обязательно] Имя метрики для оптимизации. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
SweepJobOutputs
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | JobOutput |
SamplingAlgorithm
Имя | Описание | Значение |
---|---|---|
samplingAlgorithmType | Установка типа объекта | Байесовский Grid Случайный (обязательный) |
BayesianSamplingAlgorithm
Имя | Описание | Значение |
---|---|---|
samplingAlgorithmType | [Обязательно] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | "Байесов" (обязательно) |
GridSamplingAlgorithm
Имя | Описание | Значение |
---|---|---|
samplingAlgorithmType | [Обязательно] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | "Grid" (обязательно) |
RandomSamplingAlgorithm
Имя | Описание | Значение |
---|---|---|
samplingAlgorithmType | [Обязательно] Алгоритм, используемый для создания значений гиперпараметров, а также свойств конфигурации | "Random" (обязательно) |
правило | Конкретный тип случайного алгоритма | "Случайный" "Соболь" |
seed | Необязательное целое число, используемое в качестве начального значения для создания случайных чисел. | INT |
TrialComponent
Имя | Описание | Значение |
---|---|---|
codeId | Идентификатор ресурса ARM ресурса кода. | строка |
. | [Обязательно] Команда, выполняемая при запуске задания. Например: "python train.py" | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
распределение | Конфигурация распределения задания. Если задано значение , это должен быть один из Mpi, Tensorflow, PyTorch или null. | DistributionConfiguration |
environmentId | [Обязательно] Идентификатор ресурса ARM спецификации среды для задания. | string (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
environmentVariables | Переменные среды, включенные в задание. | TrialComponentEnvironmentVariables |
ресурсов | Конфигурация вычислительного ресурса для задания. | JobResourceConfiguration |
TrialComponentEnvironmentVariables
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | строка |
CreateMonitorAction
Имя | Описание | Значение |
---|---|---|
actionType | [Обязательно] Указывает тип действия расписания. | "CreateMonitor" (обязательно) |
monitorDefinition | [Обязательно] Определяет монитор. | MonitorDefinition (обязательно) |
MonitorDefinition
Имя | Описание | Значение |
---|---|---|
alertNotificationSettings | Параметры уведомлений монитора. | MonitorNotificationSettings |
computeConfiguration | [Обязательно] Идентификатор ресурса ARM вычислительного ресурса для запуска задания мониторинга. | MonitorComputeConfigurationBase (обязательно) |
monitoringTarget | Сущности, на которые нацелен монитор. | MonitoringTarget |
сигналы | [Обязательно] Сигналы для отслеживания. | MonitorDefinitionSignals (обязательно) |
MonitorNotificationSettings
Имя | Описание | Значение |
---|---|---|
emailNotificationSettings | Параметры электронной почты уведомлений AML. | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
Имя | Описание | Значение |
---|---|---|
emails | Список получателей электронной почты с ограничением в 499 символов. | string[] |
MonitorComputeConfigurationBase
Имя | Описание | Значение |
---|---|---|
computeType | Установка типа объекта | ServerlessSpark (обязательно) |
MonitorServerlessSparkCompute
Имя | Описание | Значение |
---|---|---|
computeType | [Обязательный параметр] Указывает тип отслеживаемого сигнала. | ServerlessSpark (обязательно) |
computeIdentity | [Обязательный параметр] Схема удостоверений, используемая в заданиях Spark, выполняемых в бессерверном Spark. | MonitorComputeIdentityBase (обязательно) |
instanceType | [Обязательный параметр] Тип экземпляра, выполняющая задание Spark. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
runtimeVersion | [Обязательный параметр] Версия среды выполнения Spark. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = ^[0-9]+\.[0-9]+$ |
MonitorComputeIdentityBase
Имя | Описание | Значение |
---|---|---|
computeIdentityType | Установка типа объекта | AmlToken ManagedIdentity (обязательно) |
AmlTokenComputeIdentity
Имя | Описание | Значение |
---|---|---|
computeIdentityType | [Обязательный параметр] Указывает тип удостоверения, используемого в заданиях мониторинга. | "AmlToken" (обязательно) |
ManagedComputeIdentity
Имя | Описание | Значение |
---|---|---|
computeIdentityType | [Обязательный параметр] Указывает тип удостоверения, используемого в заданиях мониторинга. | ManagedIdentity (обязательно) |
удостоверение | Удостоверение, которое будет использоваться заданиями мониторинга. | Управляемое удостоверение службы |
Управляемое удостоверение службы
Имя | Описание | Значение |
---|---|---|
тип | Тип управляемого удостоверения службы (где разрешены типы SystemAssigned и UserAssigned). | "SystemAssigned" "SystemAssigned,UserAssigned" UserAssigned (обязательно) |
identity_ids | Набор удостоверений, назначаемых пользователем, связанных с ресурсом. Ключи словаря userAssignedIdentities будут иметь идентификаторы ресурсов ARM в формате :/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Значения словаря могут быть пустыми объектами ({}) в запросах. | Массив идентификаторов удостоверений пользователей. |
UserAssignedIdentities
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | UserAssignedIdentity |
UserAssignedIdentity
Этот объект не содержит свойств, которые необходимо задать во время развертывания. Все свойства доступны только для чтения.
MonitoringTarget
Имя | Описание | Значение |
---|---|---|
deploymentId | Ссылка на ресурс развертывания, предназначенный для этого монитора. | строка |
modelId | Ссылка на ресурс модели, предназначенный для этого монитора. | строка |
taskType | [Обязательный параметр] Тип задачи машинного обучения отслеживаемой модели. | "Классификация" "Регрессия" (обязательно) |
MonitorDefinitionSignals
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | MonitoringSignalBase |
MonitoringSignalBase
Имя | Описание | Значение |
---|---|---|
notificationTypes | Текущий режим уведомлений для этого сигнала. | Массив строк, содержащий любой из: "AmlNotification" |
properties | Словарь свойств. Свойства можно добавлять, но не удалять или изменять. | MonitoringSignalBaseProperties |
signalType | Установка типа объекта | Custom DataDrift DataQuality FeatureAttributionDrift PredictionDrift (обязательно) |
MonitoringSignalBaseProperties
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | строка |
CustomMonitoringSignal
Имя | Описание | Значение |
---|---|---|
signalType | [Обязательный параметр] Указывает тип отслеживаемого сигнала. | "Custom" (обязательно) |
componentId | [Обязательный параметр] Ссылка на ресурс компонента, используемый для вычисления пользовательских метрик. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
inputAssets | Мониторинг ресурсов, которые будут приниматься в качестве входных данных. Ключ — это имя порта ввода компонента, значение — ресурс данных. | CustomMonitoringSignalInputAssets |
Ввод данных | Дополнительные параметры компонента, которые будут приниматься в качестве входных данных. Ключ — это имя порта ввода литерала компонента, значение — значение параметра. | CustomMonitoringSignalInputs |
metricThresholds | [Обязательный параметр] Список вычисляемых метрик и связанных с ними пороговых значений. | CustomMetricThreshold[] (обязательно) |
CustomMonitoringSignalInputAssets
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | MonitoringInputDataBase |
MonitoringInputDataBase
Имя | Описание | Значение |
---|---|---|
столбцы | Сопоставление имен столбцов со специальными способами использования. | MonitoringInputDataBaseColumns |
dataContext | Метаданные контекста источника данных. | строка |
jobInputType | [Обязательный параметр] Указывает тип задания. | "custom_model" "литерал" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (обязательно) |
uri | [Обязательный параметр] URI входного ресурса. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
inputDataType | Установка типа объекта | Фиксированный формат Постепенное Static (обязательно) |
MonitoringInputDataBaseColumns
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | строка |
FixedInputData
Имя | Описание | Значение |
---|---|---|
inputDataType | [Обязательный параметр] Указывает тип отслеживаемого сигнала. | "Fixed" (обязательно) |
RollingInputData
Имя | Описание | Значение |
---|---|---|
inputDataType | [Обязательный параметр] Указывает тип отслеживаемого сигнала. | "Rolling" (обязательно) |
preprocessingComponentId | Ссылка на ресурс компонента, используемый для предварительной обработки данных. | строка |
windowOffset | [Обязательный параметр] Смещение времени между окончанием окна данных и текущим временем выполнения монитора. | строка (обязательно) |
windowSize | [Обязательный параметр] Размер скользящего окна данных. | строка (обязательно) |
StaticInputData
Имя | Описание | Значение |
---|---|---|
inputDataType | [Обязательный параметр] Указывает тип отслеживаемого сигнала. | "Static" (обязательно) |
preprocessingComponentId | Ссылка на ресурс компонента, используемый для предварительной обработки данных. | строка |
windowEnd | [Обязательный параметр] Дата окончания окна данных. | строка (обязательно) |
windowStart | [Обязательный параметр] Дата начала окна данных. | строка (обязательно) |
CustomMonitoringSignalInputs
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | JobInput |
CustomMetricThreshold
Имя | Описание | Значение |
---|---|---|
Метрика | [Обязательный параметр] Определяемая пользователем метрика для вычисления. | строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
threshold | Пороговое значение. Если значение равно null, то в зависимости от выбранной метрики будет задано значение по умолчанию. | MonitoringThreshold |
MonitoringThreshold
Имя | Описание | Значение |
---|---|---|
значение | Пороговое значение. Если задано значение null, значение по умолчанию зависит от типа метрики. | INT |
DataDriftMonitoringSignal
Имя | Описание | Значение |
---|---|---|
signalType | [Обязательный параметр] Указывает тип отслеживаемого сигнала. | DataDrift (обязательно) |
featureDataTypeOverride | Словарь, сопоставляющий имена признаков с соответствующими типами данных. | DataDriftMonitoringSignalFeatureDataTypeOverride |
featureImportanceSettings | Параметры для вычисления важности признаков. | FeatureImportanceSettings |
features | Фильтр признаков, определяющий, по какому признаку следует вычислить смещение. | MonitoringFeatureFilterBase |
metricThresholds | [Обязательный параметр] Список вычисляемых метрик и связанных с ними пороговых значений. | DataDriftMetricThresholdBase[] (обязательно) |
productionData | [Обязательный параметр] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
referenceData | [Обязательный параметр] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
DataDriftMonitoringSignalFeatureDataTypeOverride
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | "Категориальный" "Числовой" |
FeatureImportanceSettings
Имя | Описание | Значение |
---|---|---|
mode | Режим работы для вычисления важности признаков. | "Отключено" "Включено" |
targetColumn | Имя целевого столбца в ресурсе входных данных. | строка |
MonitoringFeatureFilterBase
Имя | Описание | Значение |
---|---|---|
filterType | Установка типа объекта | AllFeatures FeatureSubset TopNByAttribution (обязательно) |
AllFeatures
Имя | Описание | Значение |
---|---|---|
filterType | [Обязательный параметр] Указывает фильтр признаков, используемый при выборе признаков для вычисления метрик. | AllFeatures (обязательно) |
FeatureSubset
Имя | Описание | Значение |
---|---|---|
filterType | [Обязательный параметр] Указывает фильтр признаков, используемый при выборе признаков для вычисления метрик. | FeatureSubset (обязательно) |
features | [Обязательный параметр] Список включаемых функций. | string[] (обязательно) |
TopNFeaturesByAttribution
Имя | Описание | Значение |
---|---|---|
filterType | [Обязательный параметр] Указывает фильтр признаков, используемый при выборе признаков для вычисления метрик. | TopNByAttribution (обязательно) |
top | Количество включаемых основных функций. | INT |
DataDriftMetricThresholdBase
Имя | Описание | Значение |
---|---|---|
threshold | Пороговое значение. Если значение равно null, то в зависимости от выбранной метрики будет задано значение по умолчанию. | MonitoringThreshold |
dataType | Установка типа объекта | категориальные; Числовое значение (обязательно) |
CategoricalDataDriftMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательный параметр] Указывает тип данных порогового значения метрики. | "Категориальный" (обязательный) |
Метрика | [Обязательный параметр] Вычисляемая метрика смещения категориальных данных. | "JensenShannonDistance" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (обязательно) |
ЧисловойdataDriftMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательный параметр] Указывает тип данных порогового значения метрики. | "Числовой" (обязательно) |
Метрика | [Обязательный параметр] Вычисляемая метрика смещения числовых данных. | "JensenShannonDistance" "NormalizedWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (обязательно) |
DataQualityMonitoringSignal
Имя | Описание | Значение |
---|---|---|
signalType | [Обязательный параметр] Указывает тип отслеживаемого сигнала. | DataQuality (обязательно) |
featureDataTypeOverride | Словарь, сопоставляющий имена признаков с соответствующими типами данных. | DataQualityMonitoringSignalFeatureDataTypeOverride |
featureImportanceSettings | Параметры для вычисления важности признаков. | FeatureImportanceSettings |
features | Признаки для вычисления смещения. | MonitoringFeatureFilterBase |
metricThresholds | [Обязательный параметр] Список вычисляемых метрик и связанных с ними пороговых значений. | DataQualityMetricThresholdBase[] (обязательно) |
productionData | [Обязательный параметр] Данные, создаваемые рабочей службой, для которых будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
referenceData | [Обязательный параметр] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
DataQualityMonitoringSignalFeatureDataTypeOverride
Имя | Описание | Значение |
---|---|---|
{настроенное свойство} | "Категориальный" "Числовой" |
DataQualityMetricThresholdBase
Имя | Описание | Значение |
---|---|---|
threshold | Пороговое значение. Если значение равно null, то в зависимости от выбранной метрики будет задано значение по умолчанию. | MonitoringThreshold |
dataType | Установка типа объекта | категориальные; Числовое значение (обязательно) |
CategoricalDataQualityMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательно] Указывает тип данных порогового значения метрики. | "Категориальный" (обязательный) |
Метрика | [Обязательно] Вычисляемая метрика качества категориальных данных. | "DataTypeErrorRate" "NullValueRate" OutOfBoundsRate (обязательно) |
ЧисловойdataQualityMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательно] Указывает тип данных порогового значения метрики. | "Числовой" (обязательно) |
Метрика | [Обязательно] Вычисляемая метрика качества числовых данных. | "DataTypeErrorRate" "NullValueRate" OutOfBoundsRate (обязательно) |
FeatureAttributionDriftMonitoringSignal
Имя | Описание | Значение |
---|---|---|
signalType | [Обязательно] Указывает тип отслеживаемого сигнала. | FeatureAttributionDrift (обязательно) |
featureDataTypeOverride | Словарь, сопоставляющий имена признаков с соответствующими типами данных. | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
featureImportanceSettings | [Обязательно] Параметры для вычисления важности признаков. | FeatureImportanceSettings (обязательно) |
metricThreshold | [Обязательно] Список вычисляемых метрик и связанных с ними пороговых значений. | FeatureAttributionMetricThreshold (обязательно) |
productionData | [Обязательно] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase[] (обязательно) |
referenceData | [Обязательно] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | "Категориальный" "Числовой" |
FeatureAttributionMetricThreshold
Имя | Описание | Значение |
---|---|---|
Метрика | [Обязательно] Вычисляемая метрика атрибуции признаков. | "NormalizedDiscountedCumulativeGain" (обязательно) |
threshold | Пороговое значение. Если значение равно null, то в зависимости от выбранной метрики будет задано значение по умолчанию. | MonitoringThreshold |
PredictionDriftMonitoringSignal
Имя | Описание | Значение |
---|---|---|
signalType | [Обязательно] Указывает тип отслеживаемого сигнала. | "PredictionDrift" (обязательно) |
featureDataTypeOverride | Словарь, сопоставляющий имена признаков с соответствующими типами данных. | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
metricThresholds | [Обязательно] Список вычисляемых метрик и связанных с ними пороговых значений. | PredictionDriftMetricThresholdBase[] (обязательно) |
productionData | [Обязательно] Данные, для которых будет вычисляться смещение. | MonitoringInputDataBase (обязательно) |
referenceData | [Обязательно] Данные для вычисления смещения. | MonitoringInputDataBase (обязательно) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
Имя | Описание | Значение |
---|---|---|
{настраиваемое свойство} | "Категориальный" "Числовой" |
PredictionDriftMetricThresholdBase
Имя | Описание | Значение |
---|---|---|
threshold | Пороговое значение. Если значение равно null, то в зависимости от выбранной метрики будет задано значение по умолчанию. | MonitoringThreshold |
dataType | Установка типа объекта | категориальные; Числовое значение (обязательно) |
CategoricalPredictionDriftMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательный параметр] Указывает тип данных порогового значения метрики. | "Категориальный" (обязательный) |
Метрика | [Обязательный параметр] Вычисляемая метрика смещения прогноза категорий. | "JensenShannonDistance" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (обязательно) |
ЧисловаяпредставкаDriftMetricThreshold
Имя | Описание | Значение |
---|---|---|
dataType | [Обязательный параметр] Указывает тип данных порогового значения метрики. | "Числовой" (обязательно) |
Метрика | [Обязательный параметр] Вычисляемая метрика смещения с числовым прогнозом. | "JensenShannonDistance" "NormalizedWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (обязательно) |
EndpointScheduleAction
Имя | Описание | Значение |
---|---|---|
actionType | [Обязательный параметр] Указывает тип действия расписания. | "InvokeBatchEndpoint" (обязательно) |
endpointInvocationDefinition | [Обязательный параметр] Определяет сведения об определении действия расписания. {see href="TBD" /} |
TriggerBase
Имя | Описание | Значение |
---|---|---|
endTime | Указывает время окончания расписания в стандарте ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601. .Формат комментариев будет "2022-06-01T00:00:01" Если оно отсутствует, расписание будет выполняться бесконечно |
строка |
startTime | Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC. | строка |
timeZone | Указывает часовой пояс, в котором выполняется расписание. TimeZone должен соответствовать формату часового пояса Windows. См. ссылку: https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones /> |
строка |
triggerType | Установка типа объекта | Cron Повторение (обязательно) |
CronTrigger
Имя | Описание | Значение |
---|---|---|
triggerType | [Обязательно] | "Cron" (обязательно) |
expression | [Обязательный параметр] Задает выражение cron расписания. Выражение должно соответствовать формату NCronTab. |
строка (обязательно) Ограничения: Минимальная длина = 1 Шаблон = [a-zA-Z0-9_] |
RecurrenceTrigger
Имя | Описание | Значение |
---|---|---|
endTime | Указывает время окончания расписания в стандарте ISO 8601, но без смещения в формате UTC. См. https://en.wikipedia.org/wiki/ISO_8601. .Формат комментариев будет "2022-06-01T00:00:01" Если оно отсутствует, расписание будет выполняться бесконечно |
строка |
frequency | [Обязательный параметр] Частота запуска расписания. | "День" "Час" "Minute" "Месяц" "Week" (обязательно) |
interval | [Обязательный параметр] Указывает интервал расписания в сочетании с частотой | int (обязательно) |
schedule | Расписание повторения. | ПовторениеПлан |
startTime | Указывает время начала расписания в формате ISO 8601, но без смещения в формате UTC. | строка |
timeZone | Указывает часовой пояс, в котором выполняется расписание. Часовой пояс должен соответствовать формату часового пояса Windows. См. https://docs.microsoft.com/windows-hardware/manufacture/desktop/default-time-zones |
строка |
triggerType | [Обязательно] | "Cron" "Повторение" (обязательно) |
ПовторениеПлан
Имя | Описание | Значение |
---|---|---|
часы | [Обязательно] Список часов для расписания. | int[] (обязательно) |
minutes | [Обязательно] Список минут для расписания. | int[] (обязательно) |
monthDays | Список дней месяца для расписания | int[] |
weekDays | Список дней для расписания. | Массив строк, содержащий любой из: Пятница Понедельник Суббота Воскресенье Четверг Вторник Среда |
Обратная связь
https://aka.ms/ContentUserFeedback.
Ожидается в ближайшее время: в течение 2024 года мы постепенно откажемся от GitHub Issues как механизма обратной связи для контента и заменим его новой системой обратной связи. Дополнительные сведения см. в разделеОтправить и просмотреть отзыв по