entities 套件
包含 Azure Machine Learning SDKv2 的實體和 SDK 物件。
主要領域包括管理計算目標、建立/管理工作區和作業,以及提交/存取模型、執行和執行輸出/記錄等。
類別
AccessKeyConfiguration |
存取金鑰認證。 |
AccountKeyConfiguration |
包含 Azure Machine Learning SDKv2 的實體和 SDK 物件。 主要領域包括管理計算目標、建立/管理工作區和作業,以及提交/存取模型、執行和執行輸出/記錄等。 |
AlertNotification |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 監視作業的警示通知設定 |
AmlCompute |
AzureML 計算資源。 |
AmlComputeNodeInfo |
與 AmlCompute 相關的計算節點資訊。 |
AmlComputeSshSettings |
用來存取 AML 計算目標的 SSH 設定。 設定 AmlComputeSshSettings 物件。
|
AmlTokenConfiguration |
AzureML 權杖身分識別設定。 |
ApiKeyConfiguration |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 Api 金鑰認證。 |
Asset |
資產的基類。 此類別不應該直接具現化。 請改用其中一個子類別。 |
AssignedUserConfiguration |
代表其他使用者建立計算資源的設定。 |
AutoPauseSettings |
Synapse Spark 計算的自動暫停設定。 |
AutoScaleSettings |
Synapse Spark 計算的自動調整設定。 |
AzureBlobDatastore |
連結至 Azure ML 工作區的 Azure Blob 儲存體。 |
AzureDataLakeGen1Datastore |
Azure Data Lake aka Gen 1 資料存放區,連結至 Azure ML 工作區。 |
AzureDataLakeGen2Datastore |
連結至 Azure ML 工作區的 Azure Data Lake gen 2。 |
AzureFileDatastore |
連結至 Azure ML 工作區的 Azure 檔案共用。 |
AzureMLBatchInferencingServer |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 Azure ML 批次推斷組態。 |
AzureMLOnlineInferencingServer |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 Azure ML 線上推斷組態。 |
BaseEnvironment |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 基底環境類型。 必須填入所有必要的參數,才能傳送至 Azure。 |
BaselineDataRange |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
BatchDeployment |
Batch 端點部署實體。 |
BatchEndpoint |
Batch 端點實體。 |
BatchJob |
使用批次部署/端點調用所建立的批次作業。 此類別不應直接具現化。 相反地,它會作為批次部署/端點調用和作業清單的傳回類型。 |
BatchRetrySettings |
重試批次部署的設定。 |
BuildContext |
環境的 Docker 建置內容。 |
CategoricalDriftMetrics |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
CertificateConfiguration |
包含 Azure Machine Learning SDKv2 的實體和 SDK 物件。 主要領域包括管理計算目標、建立/管理工作區和作業,以及提交/存取模型、執行和執行輸出/記錄等。 |
Choice |
選擇散發組態。 |
CodeConfiguration |
評分作業的程式碼組態。 |
Command |
命令節點的基類,用於命令元件版本取用。 您不應該直接具現化此類別。 相反地,您應該使用 builder 函式建立它:command () 。 |
CommandComponent |
用來定義命令元件或作業的命令元件版本。 |
CommandJob |
命令作業。 |
CommandJobLimits |
命令作業的限制。 |
Component |
元件版本的基類,用來定義元件。 無法直接具現化。 |
Compute |
計算資源的基類。 此類別不應該直接具現化。 請改用其中一個子類別。 |
ComputeConfiguration |
計算資源組態 |
ComputeInstance |
計算實例資源。 |
ComputeInstanceSshSettings |
系統管理員使用者帳戶的認證,可透過 SSH 連線到計算節點。 只有在計算資源上 ssh_public_access_enabled 設定為 true 時,才能進行設定。 |
ComputeRuntime |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 Spark 計算執行時間組態。 |
ComputeSchedules |
計算排程。 |
ComputeStartStopSchedule |
計算啟動或停止案例的排程。 |
ContainerRegistryCredential |
與指定工作區相關聯的 ACR 金鑰。 |
CronTrigger |
工作排程的 Cron 觸發程式。 |
CustomApplications |
指定自訂服務應用程式組態。 |
CustomInferencingServer |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 自訂推斷組態。 |
CustomMonitoringMetricThreshold |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 特徵屬性漂移計量閾值 |
CustomMonitoringSignal |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 自訂監視訊號。 |
CustomerManagedKey |
包含 Azure Machine Learning SDKv2 的實體和 SDK 物件。 主要領域包括管理計算目標、建立/管理工作區和作業,以及提交/存取模型、執行和執行輸出/記錄等。 |
Data |
定型和評分的資料。 |
DataCollector |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 資料擷取部署實體。 |
DataColumn |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 資料框架資料行:p aram 名稱:資料行名稱:type name: str,必要:p aram 類型:資料行資料類型 :type type: str,其中一個 [string, integer, long, float, double, binary, datetime, boolean] 或 ~azure.ai.ml.entities.DataColumnType, optional |
DataDriftMetricThreshold |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 資料漂移計量閾值 |
DataDriftSignal |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 資料漂移訊號。 :p aram metric_thresholds:要計算的計量清單及其相關聯的閾值 |
DataImport |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 具有建立資料匯入作業的資料資產。 |
DataQualityMetricThreshold |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 資料品質計量閾值 |
DataQualityMetricsCategorical |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
DataQualityMetricsNumerical |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
DataQualitySignal |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 資料品質訊號 |
DataSegment |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 用於監視的資料區段。 |
Datastore |
Azure ML 工作區的資料存放區,抽象類別。 |
DefaultScaleSettings |
預設縮放設定。 |
Deployment |
Endpoint Deployment 基類。 Endpoint Deployment 基類。 Endpoint Deployment 基類的建構函式。 |
DeploymentCollection |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 集合實體 |
DiagnoseRequestProperties |
DiagnoseRequestProperties。 |
DiagnoseResponseResult |
DiagnoseResponseResult。 |
DiagnoseResponseResultValue |
DiagnoseResponseResultValue。 |
DiagnoseResult |
診斷的結果。 |
DiagnoseWorkspaceParameters |
用來診斷工作區的參數。 |
Endpoint |
端點基類。 端點基類。 Endpoint 基類的建構函式。 |
EndpointAuthKeys |
端點驗證的金鑰。 端點驗證金鑰的建構函式。 |
EndpointAuthToken |
端點驗證權杖。 端點驗證權杖的 Constuctor。 |
EndpointConnection |
包含 Azure Machine Learning SDKv2 的實體和 SDK 物件。 主要領域包括管理計算目標、建立/管理工作區和作業,以及提交/存取模型、執行和執行輸出/記錄等。 |
EndpointsSettings |
指定自訂應用程式的端點組態。 |
Environment |
用於定型的環境。 |
FADProductionData |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 特徵屬性生產資料 :keyword pre_processing_component:用來前置處理資料之元件資源的 ARM (Azure Resource Manager) 資源識別碼。 |
Feature |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
FeatureAttributionDriftMetricThreshold |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 特徵屬性漂移計量閾值 |
FeatureAttributionDriftSignal |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 特徵屬性漂移訊號 |
FeatureSet |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
FeatureSetBackfillMetadata |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
FeatureSetBackfillRequest |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
FeatureSetMaterializationMetadata |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
FeatureSetSpecification |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
FeatureStore |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 FeatureStore。 |
FeatureStoreEntity |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
FeatureStoreSettings |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
FixedInputData |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
FqdnDestination |
代表 FQDN 輸出規則的類別。 |
GenerationSafetyQualityMonitoringMetricThreshold |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 產生安全性品質計量閾值 |
GenerationSafetyQualitySignal |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 產生安全性品質監視訊號。 |
IdentityConfiguration |
用來代表計算、端點和登錄資源的身分識別屬性的身分識別組態。 |
ImageMetadata |
計算實例作業系統映射的相關中繼資料。 |
ImageSettings |
指定自訂應用程式的映射組態。 |
ImportDataSchedule |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 ImportDataSchedule 物件。 |
InputPort |
包含 Azure Machine Learning SDKv2 的實體和 SDK 物件。 主要領域包括管理計算目標、建立/管理工作區和作業,以及提交/存取模型、執行和執行輸出/記錄等。 |
IntellectualProperty |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 智慧財產權設定定義。 |
IsolationMode |
工作區受控網路的 IsolationMode。 |
Job |
作業的基類。 此類別不應該直接具現化。 請改用其中一個子類別。 |
JobResourceConfiguration |
作業資源組態類別,繼承和擴充了 ResourceConfiguration 的功能。 |
JobSchedule |
用於管理作業排程的類別。 |
JobService |
用於回溯相容性的基本作業服務組態。 這個類別不打算直接提供使用。 請改用作業類型特定的其中一個子類別。 |
JupyterLabJobService |
JupyterLab 作業服務組態。 |
KubernetesCompute |
Kubernetes 計算資源。 |
KubernetesOnlineDeployment |
Kubernetes Online 端點部署實體。 Kubernetes Online 端點部署實體。 Kubernetes Online 端點部署實體的建構函式。 |
KubernetesOnlineEndpoint |
K8s Online 端點實體。 K8s Online 端點實體。 K8s Online 端點實體的建構函式。 |
LlmData |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 LLM 要求回應資料 |
LogNormal |
LogNormal 散發組態。 |
LogUniform |
LogUniform 散發組態。 |
ManagedIdentityConfiguration |
受控識別認證組態。 |
ManagedNetwork |
包含 Azure Machine Learning SDKv2 的實體和 SDK 物件。 主要領域包括管理計算目標、建立/管理工作區和作業,以及提交/存取模型、執行和執行輸出/記錄等。 |
ManagedNetworkProvisionStatus |
ManagedNetworkProvisionStatus。 |
ManagedOnlineDeployment |
受控線上端點部署實體。 受控線上端點部署實體。 Managed Online 端點部署實體的建構函式。 |
ManagedOnlineEndpoint |
受控線上端點實體。 受控線上端點實體。 Managed Online 端點實體的建構函式。 |
MaterializationComputeResource |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 具體化計算資源 |
MaterializationSettings |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 定義具體化設定。 |
MaterializationStore |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 具體化存放區。 :p aram 類型:存放區類型。 :type type: str :p aram target: store target. :type target: str |
Model |
定型和評分的模型。 |
ModelBatchDeployment |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 作業定義實體。 |
ModelBatchDeploymentSettings |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 模型批次部署設定實體。 |
ModelConfiguration |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 ModelConfiguration。 |
ModelPackage |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 模型套件。 |
ModelPackageInput |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 模型套件輸入。 |
MonitorDefinition |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 監視定義 |
MonitorFeatureFilter |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 監視功能篩選 |
MonitorInputData |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 監視輸入資料。 |
MonitorSchedule |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 監視排程。 |
MonitoringTarget |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 監視目標。 |
NetworkSettings |
計算資源的網路設定。 |
NoneCredentialConfiguration |
無認證組態。 |
Normal |
常態分佈組態。 |
NotebookAccessKeys |
與指定工作區相關聯的筆記本資源索引鍵。 |
Notification |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 通知的組態。 |
NumericalDriftMetrics |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
OneLakeArtifact |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 OneLake 成品 (資料來源) 備份 OneLake 工作區。 |
OneLakeDatastore |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 連結到 Azure ML 工作區的 OneLake 資料存放區。 |
OnlineDeployment |
線上端點部署實體。 線上端點部署實體。 線上端點部署實體的建構函式 |
OnlineEndpoint |
線上端點實體。 線上端點實體。 線上端點實體的建構函式。 |
OnlineRequestSettings |
要求設定實體。 |
OnlineScaleSettings |
線上部署的調整設定。 |
OutboundRule |
輸出規則的基類無法直接具現化。 |
PackageInputPathId |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 使用資源識別碼指定的封裝輸入路徑。 |
PackageInputPathUrl |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 使用 URL 指定的封裝輸入路徑。 |
PackageInputPathVersion |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 使用資源名稱和版本指定的套件輸入路徑。 |
Parallel |
平行節點的基類,用於平行元件版本耗用量。 您不應該直接具現化此類別。 相反地,您應該從產生器函式建立:parallel。 |
ParallelComponent |
平行元件版本,用來定義平行元件。 |
ParallelTask |
平行工作。 |
ParameterizedCommand |
包含命令元件或作業之命令和支援參數的命令元件版本。 此類別不應該直接具現化。 請改用子類別 ~azure.ai.ml.entities.CommandComponent。 |
PatTokenConfiguration |
個人存取權杖認證。 |
Pipeline |
管線節點的基類,用於管線元件版本耗用量。 您不應該直接具現化此類別。 相反地,您應該使用 @pipeline 裝飾專案來建立管線節點。 |
PipelineComponent |
管線元件,目前用來將元件儲存在 azure.ai.ml.dsl.pipeline 中。 |
PipelineComponentBatchDeployment |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 作業定義實體。 |
PipelineJob |
管線作業。 您不應該直接具現化此類別。 相反地,您應該使用 @pipeline 裝飾專案來建立 PipelineJob。 ] :p aram 計算:所建置管線的計算目標名稱。 預設為 None :type compute: str :p aram 標籤:標記字典。 標記可以新增、移除和更新。 預設為 None :type tags: dict[str, str] :p aram kwargs:其他組態參數的字典。 預設值為 None :type kwargs: dict |
PipelineJobSettings |
PipelineJob 的設定包括default_datastore、default_compute、continue_on_step_failure和force_rerun。 |
PredictionDriftMetricThreshold |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 預測漂移計量閾值 |
PredictionDriftSignal |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 預測漂移訊號。 |
PrivateEndpoint |
包含 Azure Machine Learning SDKv2 的實體和 SDK 物件。 主要領域包括管理計算目標、建立/管理工作區和作業,以及提交/存取模型、執行和執行輸出/記錄等。 |
PrivateEndpointDestination |
代表私人端點輸出規則的類別。 |
ProbeSettings |
如何探查端點的設定。 |
ProductionData |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 生產資料:p aram input_data:將計算漂移的資料 :type Input: ~azure.ai.ml.entities._input_outputs :p aram data_coNtext:要針對 :type MonitorDatasetCoNtext 計算漂移的資料:~azure.ai.ml.constants._monitoring :p aram pre_processing_component: :type pre_processing_component: string :p aram data_window_size: :type data_window_size: string |
QLogNormal |
QLogNormal 散發組態。 |
QLogUniform |
QLogUniform 散發組態。 |
QNormal |
QNormal 散發組態。 |
QUniform |
QUniform 散發組態。 |
QueueSettings |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 管線作業的佇列設定。 |
Randint |
Randint 散發組態。 |
RecurrencePattern |
作業排程的週期模式。 |
RecurrenceTrigger |
作業排程的週期觸發程式。 |
ReferenceData |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 參考資料:p aram input_data:將計算漂移的資料:輸入:~azure.ai.ml.entities._input_outputs :p aram data_coNtext:要針對 :type MonitorDatasetCoNtext 計算漂移的資料:~azure.ai.ml.constants._monitoring :p aram pre_processing_component: :type pre_processing_component: string :p aram target_column_name: :type target_column_name: string :p aram data_window: :type data_window_size: BaselineDataRange |
Registry |
Azure ML 登錄。 |
RegistryRegionDetails |
登錄所在的每個區域詳細資料。 |
RequestLogging |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 要求記錄部署實體。 |
Resource |
實體類別的基類。 Resource 是抽象物件,可作為建立資源的基底。 其中包含所有資源的通用屬性和方法。 此類別不應該直接具現化。 請改用其中一個子類別。 |
ResourceConfiguration |
作業的資源組態。 此類別不應該直接具現化。 請改用其子類別。 |
ResourceRequirementsSettings |
容器的資源需求設定。 |
ResourceSettings |
容器的資源設定。 這個類別使用 Kubernetes 資源單位格式。 如需詳細資訊,請參閱https://kubernetes.io/docs/concepts/configuration/manage-resources-containers/。 |
RetrySettings |
平行 RetrySettings。 |
Route |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 路線。 |
SasTokenConfiguration |
包含 Azure Machine Learning SDKv2 的實體和 SDK 物件。 主要領域包括管理計算目標、建立/管理工作區和作業,以及提交/存取模型、執行和執行輸出/記錄等。 |
Schedule |
用來建立和管理排程的 Schedule 物件。 此類別不應該直接具現化。 請改用子類別。 |
ScriptReference |
腳本參考。 |
ServerlessSparkCompute |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
ServiceInstance |
服務實例結果。 |
ServicePrincipalConfiguration |
服務主體認證組態。 |
ServiceTagDestination |
代表服務標記輸出規則的類別。 |
SetupScripts |
自訂的安裝腳本。 |
Spark |
Spark 節點的基類,用於 Spark 元件版本耗用量。 您不應該直接具現化此類別。 相反地,您應該從建立器函式建立它:spark。 ] :p aram 輸出:輸出名稱與作業中使用的輸出資料來源對應。 :type output: Dict[str, Union[str, ~azure.ai.ml.Output]] :p aram args:作業的引數。 :type args: str :p aram compute:作業執行的計算資源。 :type compute: str :p aram 資源:作業的計算資源組態。 :type resources: Union[Dict, ~azure.ai.ml.entities.SparkResourceConfiguration] :p aram 專案:檔案或類別進入點。 :type entry: Dict[str, str] :p aram py_files:要放在 Python 應用程式的 PYTHONPATH 上 .zip、.egg 或 .py 檔案清單。 :type py_files: List[str] :p aram jars:清單。要包含在驅動程式和執行程式類別路徑上的 JAR 檔案。 :type jars: List[str] :p aram 檔案:要放在每個執行程式的工作目錄中的檔案清單。 :type files: List[str] :p aram 封存:要擷取到每個執行程式的工作目錄中的封存清單。 :type archives: List[str] |
SparkComponent |
用來定義 Spark 元件或作業的 Spark 元件版本。 |
SparkJob |
獨立 Spark 作業。 |
SparkJobEntry |
Spark 作業的專案。 |
SparkJobEntryType |
Spark 作業專案的類型。 可能是 Python 檔案專案或 Scala 類別專案。 |
SparkResourceConfiguration |
Spark 元件或作業的計算資源組態。 |
SshJobService |
SSH 作業服務組態。 |
StaticInputData |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
Sweep |
掃掠節點的基類。 此類別不應該直接具現化。 相反地,它應該透過建立器函式建立:掃掠。 |
SynapseSparkCompute |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 SynapseSpark 計算資源。 |
SystemCreatedAcrAccount |
Azure ML ACR 帳戶。 |
SystemCreatedStorageAccount |
包含 Azure Machine Learning SDKv2 的實體和 SDK 物件。 主要領域包括管理計算目標、建立/管理工作區和作業,以及提交/存取模型、執行和執行輸出/記錄等。 |
SystemData |
與建立和最近修改資源相關的中繼資料。 |
TargetUtilizationScaleSettings |
自動調整設定。 |
TensorBoardJobService |
TensorBoard 作業服務組態。 |
TrailingInputData |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
TritonInferencingServer |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 Azure ML 三元推斷組態。 |
Uniform |
統一散發組態。 |
UnsupportedCompute |
不支援的計算資源。 僅用於顯示 SDK 中未完全支援之資源的計算屬性。 |
Usage |
AzureML 資源使用量。 |
UsageName |
使用方式名稱。 |
UserIdentityConfiguration |
使用者身分識別組態。 |
UsernamePasswordConfiguration |
使用者名稱和密碼認證。 |
ValidationResult |
表示作業/資產驗證的結果。 這個類別可用來在公開診斷之前,先從兩個用戶端 & 伺服器端組織及剖析診斷。 結果不可變。 |
VirtualMachineCompute |
虛擬機器計算資源。 |
VirtualMachineSshSettings |
虛擬機器的 SSH 設定。 |
VmSize |
虛擬機器大小。 |
VolumeSettings |
指定自訂應用程式的系結掛接設定。 |
VsCodeJobService |
VS Code 作業服務組態。 |
Workspace |
Azure ML 工作區。 |
WorkspaceConnection |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 Azure ML 工作區連線提供安全的方式來儲存連線及與外部資源互動所需的驗證和設定資訊。 |
WorkspaceHub |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 WorkspaceHub。 |
WorkspaceHubConfig |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 WorkspaceHubConfig。 |
WorkspaceKeys |
工作區金鑰。 :type container_registry_credentials:ContainerRegistryCredential :p aram notebook_access_keys:與指定工作區相關聯的筆記本資源金鑰 :type notebook_access_keys:NotebookAccessKeys |
列舉
ComputePowerAction |
[必要]計算能力動作。 |
CreatedByType |
建立資源的身分識別類型。 |
DataColumnType |
注意 這是實驗性類別,可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
MaterializationType |
注意 這是實驗性類別,隨時可能會變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。 |
UsageUnit |
描述使用量度量單位的列舉。 |
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應