Microsoft.MachineLearningServices workspaces/schedules 2023-10-01

• Актуальная
• 2023-10-01
• 2023-08-01-preview
• 2023-06-01-preview
• 2023-04-01
• 2023-04-01-preview
• 2023-02-01-preview
• 2022-12-01-preview
• 2022-10-01
• 2022-10-01-preview
• 2022-06-01-preview

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 равно три 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 будет три 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 равно три 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