Microsoft.MachineLearningServices workspaces/schedules 2023-08-01-preview
Bicep リソース定義
ワークスペース/スケジュール リソースの種類は、次をターゲットとする操作でデプロイできます。
- リソース グループの - リソース グループのデプロイ コマンド 参照
各 API バージョンで変更されたプロパティの一覧については、変更ログの
リソースの形式
Microsoft.MachineLearningServices/workspaces/schedules リソースを作成するには、次の Bicep をテンプレートに追加します。
resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2023-08-01-preview' = {
name: 'string'
parent: resourceSymbolicName
properties: {
action: {
actionType: 'string'
// For remaining properties, see ScheduleActionBase objects
}
description: 'string'
displayName: 'string'
isEnabled: bool
properties: {
{customized property}: 'string'
}
tags: {}
trigger: {
endTime: 'string'
startTime: 'string'
timeZone: 'string'
triggerType: 'string'
// For remaining properties, see TriggerBase objects
}
}
}
ScheduleActionBase オブジェクト
actionType プロパティを設定して、オブジェクトの種類を指定します。
CreateJob
actionType: 'CreateJob'
jobDefinition: {
componentId: 'string'
computeId: 'string'
description: 'string'
displayName: 'string'
experimentName: 'string'
identity: {
identityType: 'string'
// For remaining properties, see IdentityConfiguration objects
}
isArchived: bool
notificationSetting: {
emailOn: [
'string'
]
emails: [
'string'
]
webhooks: {
{customized property}: {
eventType: 'string'
webhookType: 'string'
// For remaining properties, see Webhook objects
}
}
}
properties: {
{customized property}: 'string'
}
secretsConfiguration: {
{customized property}: {
uri: 'string'
workspaceSecretName: 'string'
}
}
services: {
{customized property}: {
endpoint: 'string'
jobServiceType: 'string'
nodes: {
nodesValueType: 'string'
// For remaining properties, see Nodes objects
}
port: int
properties: {
{customized property}: 'string'
}
}
}
tags: {}
jobType: 'string'
// For remaining properties, see JobBaseProperties objects
}
CreateMonitorの場合は、次のコマンドを使用します。
actionType: 'CreateMonitor'
monitorDefinition: {
alertNotificationSettings: {
emailNotificationSettings: {
emails: [
'string'
]
}
}
computeConfiguration: {
computeType: 'string'
// For remaining properties, see MonitorComputeConfigurationBase objects
}
monitoringTarget: {
deploymentId: 'string'
modelId: 'string'
taskType: 'string'
}
signals: {
{customized property}: {
notificationTypes: [
'string'
]
properties: {
{customized property}: 'string'
}
signalType: 'string'
// For remaining properties, see MonitoringSignalBase objects
}
}
}
ImportDataを
actionType: 'ImportData'
dataImportDefinition: {
assetName: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
dataType: 'string'
dataUri: 'string'
description: 'string'
intellectualProperty: {
protectionLevel: 'string'
publisher: 'string'
}
isAnonymous: bool
isArchived: bool
properties: {
{customized property}: 'string'
}
source: {
connection: 'string'
sourceType: 'string'
// For remaining properties, see DataImportSource objects
}
stage: 'string'
tags: {}
}
InvokeBatchEndpointの場合は、次の値を使用します。
actionType: 'InvokeBatchEndpoint'
endpointInvocationDefinition: any()
JobBaseProperties オブジェクト
オブジェクトの種類を指定するには、jobType プロパティを設定します。
AutoMLの場合は、次を使用します。
jobType: 'AutoML'
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
queueSettings: {
jobTier: 'string'
priority: int
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
locations: [
'string'
]
maxInstanceCount: int
properties: {
{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
}
コマンドの場合は、次のコマンドを使用します。
jobType: 'Command'
autologgerSettings: {
mlflowAutologger: 'string'
}
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'
priority: int
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
locations: [
'string'
]
maxInstanceCount: int
properties: {
{customized property}: any()
}
shmSize: 'string'
}
ラベル付けの場合は、次を使用します。
jobType: 'Labeling'
dataConfiguration: {
dataId: 'string'
incrementalDataRefresh: 'string'
}
jobInstructions: {
uri: 'string'
}
labelCategories: {
{customized property}: {
classes: {
{customized property}: {
displayName: 'string'
subclasses: {
{customized property}: {}
}
}
displayName: 'string'
multiSelect: 'string'
}
}
labelingJobMediaProperties: {
mediaType: 'string'
// For remaining properties, see LabelingJobMediaProperties objects
}
mlAssistConfiguration: {
mlAssist: 'string'
// For remaining properties, see MLAssistConfiguration objects
}
パイプラインの場合は、次を使用します。
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'
Sparkの場合は、次の値を使用します。
jobType: 'Spark'
archives: [
'string'
]
args: 'string'
codeId: 'string'
conf: {
{customized property}: 'string'
}
entry: {
sparkJobEntryType: 'string'
// For remaining properties, see SparkJobEntry objects
}
environmentId: 'string'
environmentVariables: {
{customized property}: 'string'
}
files: [
'string'
]
inputs: {
{customized property}: {
description: 'string'
jobInputType: 'string'
// For remaining properties, see JobInput objects
}
}
jars: [
'string'
]
outputs: {
{customized property}: {
description: 'string'
jobOutputType: 'string'
// For remaining properties, see JobOutput objects
}
}
pyFiles: [
'string'
]
queueSettings: {
jobTier: 'string'
priority: int
}
resources: {
instanceType: 'string'
runtimeVersion: 'string'
}
スイープ
jobType: 'Sweep'
componentConfiguration: {
pipelineSettings: any()
}
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'
priority: int
}
resources: {
dockerArgs: 'string'
instanceCount: int
instanceType: 'string'
locations: [
'string'
]
maxInstanceCount: int
properties: {
{customized property}: any()
}
shmSize: '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'
locations: [
'string'
]
maxInstanceCount: int
properties: {
{customized property}: any()
}
shmSize: 'string'
}
}
IdentityConfiguration オブジェクト
identityType プロパティを設定して、オブジェクトの種類を指定します。
AMLTokenを
identityType: 'AMLToken'
マネージドの場合は、次を使用します。
identityType: 'Managed'
clientId: 'string'
objectId: 'string'
resourceId: 'string'
UserIdentityの場合は、次の値を使用します。
identityType: 'UserIdentity'
Webhook オブジェクト
webhookType プロパティを設定して、オブジェクトの種類を指定します。
AzureDevOpsを
webhookType: 'AzureDevOps'
Nodes オブジェクト
nodesValueType プロパティを設定して、オブジェクトの種類を指定します。
[すべてのを
nodesValueType: 'All'
JobOutput オブジェクト
オブジェクトの種類を指定するには、jobOutputType プロパティを設定します。
custom_modelの場合は、次を使用します。
jobOutputType: 'custom_model'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
mlflow_modelの場合は、次を使用します。
jobOutputType: 'mlflow_model'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
mltableを
jobOutputType: 'mltable'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
triton_modelの場合は、次を使用します。
jobOutputType: 'triton_model'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
uri_fileの場合は、次を使用します。
jobOutputType: 'uri_file'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
uri_folderの場合は、次を使用します。
jobOutputType: 'uri_folder'
assetName: 'string'
assetVersion: 'string'
autoDeleteSetting: {
condition: 'string'
value: 'string'
}
mode: 'string'
uri: 'string'
AutoMLVertical オブジェクト
taskType プロパティを設定して、オブジェクトの種類を指定します。
分類の場合は、次を使用します。
taskType: 'Classification'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
fixedParameters: {
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: int
maxBin: int
maxDepth: int
maxLeaves: int
minDataInLeaf: int
minSplitGain: int
modelName: 'string'
nEstimators: int
numLeaves: int
preprocessorName: 'string'
regAlpha: int
regLambda: int
subsample: int
subsampleFreq: int
treeMethod: 'string'
withMean: bool
withStd: bool
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxNodes: int
maxTrials: int
sweepConcurrentTrials: int
sweepTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
positiveLabel: 'string'
primaryMetric: 'string'
searchSpace: [
{
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: 'string'
maxBin: 'string'
maxDepth: 'string'
maxLeaves: 'string'
minDataInLeaf: 'string'
minSplitGain: 'string'
modelName: 'string'
nEstimators: 'string'
numLeaves: 'string'
preprocessorName: 'string'
regAlpha: 'string'
regLambda: 'string'
subsample: 'string'
subsampleFreq: 'string'
treeMethod: 'string'
withMean: 'string'
withStd: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: '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'
}
trainingMode: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
予測の場合は、次の値を使用します。
taskType: 'Forecasting'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
fixedParameters: {
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: int
maxBin: int
maxDepth: int
maxLeaves: int
minDataInLeaf: int
minSplitGain: int
modelName: 'string'
nEstimators: int
numLeaves: int
preprocessorName: 'string'
regAlpha: int
regLambda: int
subsample: int
subsampleFreq: int
treeMethod: 'string'
withMean: bool
withStd: bool
}
forecastingSettings: {
countryOrRegionForHolidays: 'string'
cvStepSize: int
featureLags: 'string'
featuresUnknownAtForecastTime: [
'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
maxNodes: int
maxTrials: int
sweepConcurrentTrials: int
sweepTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
primaryMetric: 'string'
searchSpace: [
{
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: 'string'
maxBin: 'string'
maxDepth: 'string'
maxLeaves: 'string'
minDataInLeaf: 'string'
minSplitGain: 'string'
modelName: 'string'
nEstimators: 'string'
numLeaves: 'string'
preprocessorName: 'string'
regAlpha: 'string'
regLambda: 'string'
subsample: 'string'
subsampleFreq: 'string'
treeMethod: 'string'
withMean: 'string'
withStd: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: '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'
}
trainingMode: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
ImageClassificationの場合は、次を使用します。
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
ImageClassificationMultilabelを
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
ImageInstanceSegmentationを
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'
logTrainingMetrics: 'string'
logValidationLoss: '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
ImageObjectDetectionの場合は、次の値を使用します。
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'
logTrainingMetrics: 'string'
logValidationLoss: '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
回帰の場合は、次の値を使用します。
taskType: 'Regression'
cvSplitColumnNames: [
'string'
]
featurizationSettings: {
blockedTransformers: [
'string'
]
columnNameAndTypes: {
{customized property}: 'string'
}
datasetLanguage: 'string'
enableDnnFeaturization: bool
mode: 'string'
transformerParams: {
{customized property}: [
{
fields: [
'string'
]
parameters: any()
}
]
}
}
fixedParameters: {
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: int
maxBin: int
maxDepth: int
maxLeaves: int
minDataInLeaf: int
minSplitGain: int
modelName: 'string'
nEstimators: int
numLeaves: int
preprocessorName: 'string'
regAlpha: int
regLambda: int
subsample: int
subsampleFreq: int
treeMethod: 'string'
withMean: bool
withStd: bool
}
limitSettings: {
enableEarlyTermination: bool
exitScore: int
maxConcurrentTrials: int
maxCoresPerTrial: int
maxNodes: int
maxTrials: int
sweepConcurrentTrials: int
sweepTrials: int
timeout: 'string'
trialTimeout: 'string'
}
nCrossValidations: {
mode: 'string'
// For remaining properties, see NCrossValidations objects
}
primaryMetric: 'string'
searchSpace: [
{
booster: 'string'
boostingType: 'string'
growPolicy: 'string'
learningRate: 'string'
maxBin: 'string'
maxDepth: 'string'
maxLeaves: 'string'
minDataInLeaf: 'string'
minSplitGain: 'string'
modelName: 'string'
nEstimators: 'string'
numLeaves: 'string'
preprocessorName: 'string'
regAlpha: 'string'
regLambda: 'string'
subsample: 'string'
subsampleFreq: 'string'
treeMethod: 'string'
withMean: 'string'
withStd: 'string'
}
]
sweepSettings: {
earlyTermination: {
delayEvaluation: int
evaluationInterval: int
policyType: 'string'
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm: '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'
}
trainingMode: 'string'
}
validationData: {
description: 'string'
jobInputType: 'string'
mode: 'string'
uri: 'string'
}
validationDataSize: int
weightColumnName: 'string'
TextClassificationの場合は、次を使用します。
taskType: 'TextClassification'
featurizationSettings: {
datasetLanguage: 'string'
}
fixedParameters: {
gradientAccumulationSteps: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: int
trainingBatchSize: int
validationBatchSize: int
warmupRatio: int
weightDecay: int
}
limitSettings: {
maxConcurrentTrials: int
maxNodes: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
primaryMetric: 'string'
searchSpace: [
{
gradientAccumulationSteps: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
warmupRatio: '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'
}
TextClassificationMultilabelを
taskType: 'TextClassificationMultilabel'
featurizationSettings: {
datasetLanguage: 'string'
}
fixedParameters: {
gradientAccumulationSteps: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: int
trainingBatchSize: int
validationBatchSize: int
warmupRatio: int
weightDecay: int
}
limitSettings: {
maxConcurrentTrials: int
maxNodes: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
searchSpace: [
{
gradientAccumulationSteps: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
warmupRatio: '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'
}
TextNERの場合は、次を使用します。
taskType: 'TextNER'
featurizationSettings: {
datasetLanguage: 'string'
}
fixedParameters: {
gradientAccumulationSteps: int
learningRate: int
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: int
trainingBatchSize: int
validationBatchSize: int
warmupRatio: int
weightDecay: int
}
limitSettings: {
maxConcurrentTrials: int
maxNodes: int
maxTrials: int
timeout: 'string'
trialTimeout: 'string'
}
searchSpace: [
{
gradientAccumulationSteps: 'string'
learningRate: 'string'
learningRateScheduler: 'string'
modelName: 'string'
numberOfEpochs: 'string'
trainingBatchSize: 'string'
validationBatchSize: 'string'
warmupRatio: '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'
}
NCrossValidations オブジェクト
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode: 'Auto'
カスタムを
mode: 'Custom'
value: int
EarlyTerminationPolicy オブジェクト
policyType プロパティを設定して、オブジェクトの種類を指定します。
バンディット
policyType: 'Bandit'
slackAmount: int
slackFactor: int
MedianStopping の場合は、次の値を使用します。
policyType: 'MedianStopping'
TruncationSelectionの場合は、次のコマンドを使用します。
policyType: 'TruncationSelection'
truncationPercentage: int
ForecastHorizon オブジェクト
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode: 'Auto'
カスタムを
mode: 'Custom'
value: int
季節性オブジェクト
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode: 'Auto'
カスタムを
mode: 'Custom'
value: int
TargetLags オブジェクト
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode: 'Auto'
カスタムを
mode: 'Custom'
values: [
int
]
TargetRollingWindowSize オブジェクト
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode: 'Auto'
カスタムを
mode: 'Custom'
value: int
DistributionConfiguration オブジェクト
オブジェクトの種類を指定するには、distributionType プロパティを設定します。
Mpiの場合は、次を使用します。
distributionType: 'Mpi'
processCountPerInstance: int
PyTorchを
distributionType: 'PyTorch'
processCountPerInstance: int
Rayの場合は、次を使用します。
distributionType: 'Ray'
address: 'string'
dashboardPort: int
headNodeAdditionalArgs: 'string'
includeDashboard: bool
port: int
workerNodeAdditionalArgs: 'string'
TensorFlowの場合は、次を使用します。
distributionType: 'TensorFlow'
parameterServerCount: int
workerCount: int
JobInput オブジェクト
jobInputType プロパティを設定して、オブジェクトの種類を指定します。
custom_modelの場合は、次を使用します。
jobInputType: 'custom_model'
mode: 'string'
uri: 'string'
リテラル の場合は、次の値を使用します。
jobInputType: 'literal'
value: 'string'
mlflow_modelの場合は、次を使用します。
jobInputType: 'mlflow_model'
mode: 'string'
uri: 'string'
mltableを
jobInputType: 'mltable'
mode: 'string'
uri: 'string'
triton_modelの場合は、次を使用します。
jobInputType: 'triton_model'
mode: 'string'
uri: 'string'
uri_fileの場合は、次を使用します。
jobInputType: 'uri_file'
mode: 'string'
uri: 'string'
uri_folderの場合は、次を使用します。
jobInputType: 'uri_folder'
mode: 'string'
uri: 'string'
LabelingJobMediaProperties オブジェクト
mediaType プロパティを設定して、オブジェクトの種類を指定します。
Imageの場合は、次を使用します。
mediaType: 'Image'
annotationType: 'string'
テキストの場合は、次を使用します。
mediaType: 'Text'
annotationType: 'string'
MLAssistConfiguration オブジェクト
mlAssist プロパティを設定して、オブジェクトの種類を指定します。
無効の場合は、次の値を使用します。
mlAssist: 'Disabled'
[有効 の場合は、次を使用します。
mlAssist: 'Enabled'
inferencingComputeBinding: 'string'
trainingComputeBinding: 'string'
SparkJobEntry オブジェクト
sparkJobEntryType プロパティを設定して、オブジェクトの種類を指定します。
SparkJobPythonEntryの場合は、次の値を使用します。
sparkJobEntryType: 'SparkJobPythonEntry'
file: 'string'
SparkJobScalaEntryの場合は、次の値を使用します。
sparkJobEntryType: 'SparkJobScalaEntry'
className: 'string'
SamplingAlgorithm オブジェクト
samplingAlgorithmType プロパティを設定して、オブジェクトの種類を指定します。
ベイジアン の場合は、次を使用します。
samplingAlgorithmType: 'Bayesian'
Gridの場合は、次を使用します。
samplingAlgorithmType: 'Grid'
ランダム
samplingAlgorithmType: 'Random'
logbase: 'string'
rule: 'string'
seed: int
MonitorComputeConfigurationBase オブジェクト
computeType プロパティを設定して、オブジェクトの種類を指定します。
ServerlessSparkの場合は、次を使用します。
computeType: 'ServerlessSpark'
computeIdentity: {
computeIdentityType: 'string'
// For remaining properties, see MonitorComputeIdentityBase objects
}
instanceType: 'string'
runtimeVersion: 'string'
MonitorComputeIdentityBase オブジェクト
computeIdentityType プロパティを設定して、オブジェクトの種類を指定します。
AmlTokenの場合は、次を使用します。
computeIdentityType: 'AmlToken'
ManagedIdentityの場合は、次の値を使用します。
computeIdentityType: 'ManagedIdentity'
identity: {
type: 'string'
userAssignedIdentities: {
{customized property}: {}
}
}
MonitoringSignalBase オブジェクト
signalType プロパティを設定して、オブジェクトの種類を指定します。
カスタムを
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
}
}
]
workspaceConnection: {
environmentVariables: {
{customized property}: 'string'
}
secrets: {
{customized property}: 'string'
}
}
DataDriftの場合は、次の値を使用します。
signalType: 'DataDrift'
dataSegment: {
feature: 'string'
values: [
'string'
]
}
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
}
DataQualityの場合は、次の値を使用します。
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
}
FeatureAttributionDriftを
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
}
GenerationSafetyQualityの場合は、次の値を使用します。
signalType: 'GenerationSafetyQuality'
metricThresholds: [
{
metric: 'string'
threshold: {
value: int
}
}
]
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
samplingRate: int
workspaceConnectionId: 'string'
GenerationTokenStatisticsの場合は、次を使用します。
signalType: 'GenerationTokenStatistics'
metricThresholds: [
{
metric: 'string'
threshold: {
value: int
}
}
]
productionData: [
{
columns: {
{customized property}: 'string'
}
dataContext: 'string'
jobInputType: 'string'
uri: 'string'
inputDataType: 'string'
// For remaining properties, see MonitoringInputDataBase objects
}
]
samplingRate: int
ModelPerformanceの場合は、次の値を使用します。
signalType: 'ModelPerformance'
dataSegment: {
feature: 'string'
values: [
'string'
]
}
metricThreshold: {
threshold: {
value: int
}
modelType: 'string'
// For remaining properties, see ModelPerformanceMetricThresholdBase 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
}
PredictionDriftの場合は、次の値を使用します。
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
}
MonitoringInputDataBase オブジェクト
inputDataType プロパティを設定して、オブジェクトの種類を指定します。
固定の場合は、次の値を使用します。
inputDataType: 'Fixed'
ローリングの場合は、次を使用します。
inputDataType: 'Rolling'
preprocessingComponentId: 'string'
windowOffset: 'string'
windowSize: 'string'
静的を
inputDataType: 'Static'
preprocessingComponentId: 'string'
windowEnd: 'string'
windowStart: 'string'
MonitoringFeatureFilterBase オブジェクト
filterType プロパティを設定して、オブジェクトの種類を指定します。
AllFeaturesを
filterType: 'AllFeatures'
FeatureSubsetを
filterType: 'FeatureSubset'
features: [
'string'
]
TopNByAttributionを
filterType: 'TopNByAttribution'
top: int
DataDriftMetricThresholdBase オブジェクト
dataType プロパティを設定して、オブジェクトの種類を指定します。
カテゴリ
dataType: 'Categorical'
metric: 'string'
数値の場合は、次の値を使用します。
dataType: 'Numerical'
metric: 'string'
DataQualityMetricThresholdBase オブジェクト
dataType プロパティを設定して、オブジェクトの種類を指定します。
カテゴリ
dataType: 'Categorical'
metric: 'string'
数値の場合は、次の値を使用します。
dataType: 'Numerical'
metric: 'string'
ModelPerformanceMetricThresholdBase オブジェクト
modelType プロパティを設定して、オブジェクトの種類を指定します。
分類の場合は、次を使用します。
modelType: 'Classification'
metric: 'string'
回帰の場合は、次の値を使用します。
modelType: 'Regression'
metric: 'string'
PredictionDriftMetricThresholdBase オブジェクト
dataType プロパティを設定して、オブジェクトの種類を指定します。
カテゴリ
dataType: 'Categorical'
metric: 'string'
数値の場合は、次の値を使用します。
dataType: 'Numerical'
metric: 'string'
DataImportSource オブジェクト
sourceType プロパティを設定して、オブジェクトの種類を指定します。
データベースの場合は、次を使用します。
sourceType: 'database'
query: 'string'
storedProcedure: 'string'
storedProcedureParams: [
{
{customized property}: 'string'
}
]
tableName: 'string'
file_systemの場合は、次を使用します。
sourceType: 'file_system'
path: 'string'
TriggerBase オブジェクト
triggerType プロパティを設定して、オブジェクトの種類を指定します。
Cronの場合は、次を使用します。
triggerType: 'Cron'
expression: 'string'
繰り返しの場合は、次の値を使用します。
triggerType: 'Recurrence'
frequency: 'string'
interval: int
schedule: {
hours: [
int
]
minutes: [
int
]
monthDays: [
int
]
weekDays: [
'string'
]
}
プロパティ値
workspaces/schedules
| 名前 | 形容 | 価値 |
|---|---|---|
| 名前 | リソース名 Bicepで子リソースの名前と種類 |
string (必須) |
| 親 | Bicep では、子リソースの親リソースを指定できます。 このプロパティを追加する必要があるのは、子リソースが親リソースの外部で宣言されている場合のみです。 詳細については、「親リソースの外部 |
種類のリソースのシンボリック名: ワークスペース |
| プロパティ | [必須]エンティティの追加の属性。 | ScheduleProperties (必須) |
ScheduleProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| アクション | [必須]スケジュールのアクションを指定します | ScheduleActionBase (必須) |
| 形容 | 資産の説明テキスト。 | 糸 |
| displayName | スケジュールの表示名。 | 糸 |
| isEnabled | スケジュールは有効になっていますか? | bool |
| プロパティ | 資産プロパティ ディクショナリ。 | ResourceBaseProperties |
| タグ | タグ ディクショナリ。 タグは追加、削除、更新できます。 | オブジェクト |
| トリガー | [必須]トリガーの詳細を指定します | TriggerBase (必須) |
ScheduleActionBase
| 名前 | 形容 | 価値 |
|---|---|---|
| actionType | オブジェクトの種類を設定する | CreateJob の CreateMonitor ImportData InvokeBatchEndpoint (必須) |
JobScheduleAction
| 名前 | 形容 | 価値 |
|---|---|---|
| actionType | [必須]スケジュールのアクションの種類を指定します | 'CreateJob' (必須) |
| jobDefinition | [必須]スケジュール アクション定義の詳細を定義します。 | JobBaseProperties (必須) |
JobBaseProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| componentId | コンポーネント リソースの ARM リソース ID。 | 糸 |
| computeId | コンピューティング リソースの ARM リソース ID。 | 糸 |
| 形容 | 資産の説明テキスト。 | 糸 |
| displayName | ジョブの表示名。 | 糸 |
| experimentName | ジョブが属する実験の名前。 設定されていない場合、ジョブは "既定" の実験に配置されます。 | 糸 |
| 同一性 | ID の構成。 設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。 |
IdentityConfiguration |
| isArchived | 資産はアーカイブされていますか? | bool |
| notificationSetting | ジョブの通知設定 | NotificationSetting |
| プロパティ | 資産プロパティ ディクショナリ。 | ResourceBaseProperties |
| secretsConfiguration | 実行時に使用可能にするシークレットの構成。 | JobBaseSecretsConfiguration |
| サービス | JobEndpoints の一覧。 ローカル ジョブの場合、ジョブ エンドポイントのエンドポイント値は FileStreamObject になります。 |
JobBaseServices |
| タグ | タグ ディクショナリ。 タグは追加、削除、更新できます。 | オブジェクト |
| jobType | オブジェクトの種類を設定する | AutoML の コマンド ラベル付け パイプラインの Spark スイープ (必須) |
IdentityConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| identityType | オブジェクトの種類を設定する | AMLToken を マネージド UserIdentity (必須) |
AmlToken
| 名前 | 形容 | 価値 |
|---|---|---|
| identityType | [必須]ID フレームワークの種類を指定します。 | 'AMLToken' (必須) |
ManagedIdentity
| 名前 | 形容 | 価値 |
|---|---|---|
| identityType | [必須]ID フレームワークの種類を指定します。 | 'Managed' (必須) |
| clientId | クライアント ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 制約： 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| objectId | ユーザー割り当て ID をオブジェクト ID で指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 制約： 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| resourceId | ARM リソース ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 |
UserIdentity
| 名前 | 形容 | 価値 |
|---|---|---|
| identityType | [必須]ID フレームワークの種類を指定します。 | 'UserIdentity' (必須) |
NotificationSetting
| 名前 | 形容 | 価値 |
|---|---|---|
| emailOn | 指定した通知の種類でユーザーに電子メール通知を送信する | 次のいずれかを含む文字列配列: 'JobCancelled' 'JobCompleted' 'JobFailed' |
| emails | これは、コンマ区切り記号付きの合計 concat で 499 文字の制限がある電子メール受信者リストです | string[] |
| webhooks | Webhook コールバックをサービスに送信します。 キーは、Webhook のユーザー指定の名前です。 | NotificationSettingWebhooks の |
NotificationSettingWebhooks
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | Webhook |
Webhook
| 名前 | 形容 | 価値 |
|---|---|---|
| eventType | 指定した通知イベントのコールバックを送信する | 糸 |
| webhookType | オブジェクトの種類を設定する | AzureDevOps (必須) |
AzureDevOpsWebhook
| 名前 | 形容 | 価値 |
|---|---|---|
| webhookType | [必須]コールバックを送信するサービスの種類を指定します | 'AzureDevOps' (必須) |
ResourceBaseProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
JobBaseSecretsConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | SecretConfiguration |
SecretConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| uri | シークレット URI。 サンプル URI: https://myvault.vault.azure.net/secrets/mysecretname/secretversion |
糸 |
| workspaceSecretName | ワークスペース キー コンテナー内のシークレットの名前。 | 糸 |
JobBaseServices
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobService |
JobService
| 名前 | 形容 | 価値 |
|---|---|---|
| エンドポイント | エンドポイントの URL。 | 糸 |
| jobServiceType | エンドポイントの種類。 | 糸 |
| ノード | ユーザーがサービスを開始するノード。 ノードが設定されていないか、null に設定されていない場合、サービスはリーダー ノードでのみ開始されます。 |
ノード |
| 港 | ユーザーによって設定されたエンドポイントのポート。 | int |
| プロパティ | エンドポイントに設定する追加のプロパティ。 | JobServiceProperties |
ノード
| 名前 | 形容 | 価値 |
|---|---|---|
| nodesValueType | オブジェクトの種類を設定する | すべての (必須) |
AllNodes
| 名前 | 形容 | 価値 |
|---|---|---|
| nodesValueType | [必須]ノード値の型 | 'All' (必須) |
JobServiceProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
AutoMLJob
| 名前 | 形容 | 価値 |
|---|---|---|
| jobType | [必須]ジョブの種類を指定します。 | 'AutoML' (必須) |
| environmentId | ジョブの環境仕様の ARM リソース ID。 これは省略可能な値です。指定しない場合、AutoML はジョブの実行時に既定で運用環境の AutoML キュレーション環境バージョンに設定されます。 |
糸 |
| environmentVariables | ジョブに含まれる環境変数。 | AutoMLJobEnvironmentVariables の |
| 出力 | ジョブで使用される出力データ バインディングのマッピング。 | AutoMLJobOutputs の |
| queueSettings | ジョブのキュー設定 | QueueSettings の |
| リソース | ジョブのコンピューティング リソース構成。 | JobResourceConfiguration |
| taskDetails | [必須]これは、テーブル/NLP/イメージのいずれかである可能性があるシナリオを表します | AutoMLVertical (必須) |
AutoMLJobEnvironmentVariables
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
AutoMLJobOutputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobOutput |
JobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| 形容 | 出力の説明。 | 糸 |
| jobOutputType | オブジェクトの種類を設定する |
custom_model mlflow_model mltable を triton_model uri_file uri_folder (必須) |
CustomModelJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | 'custom_model' (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | 'Direct' 'ReadWriteMount' 'Upload' |
| uri | 出力アセット URI。 | 糸 |
AutoDeleteSetting
| 名前 | 形容 | 価値 |
|---|---|---|
| 条件 | 資産の有効期限が切れているかどうかを確認するタイミング | 'CreatedGreaterThan' 'LastAccessedGreaterThan' |
| 価値 | 有効期限条件の値。 | 糸 |
MLFlowModelJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | 'mlflow_model' (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | 'Direct' 'ReadWriteMount' 'Upload' |
| uri | 出力アセット URI。 | 糸 |
MLTableJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | 'mltable' (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | 'Direct' 'ReadWriteMount' 'Upload' |
| uri | 出力アセット URI。 | 糸 |
TritonModelJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | 'triton_model' (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | 'Direct' 'ReadWriteMount' 'Upload' |
| uri | 出力アセット URI。 | 糸 |
UriFileJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | 'uri_file' (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | 'Direct' 'ReadWriteMount' 'Upload' |
| uri | 出力アセット URI。 | 糸 |
UriFolderJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | 'uri_folder' (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | 'Direct' 'ReadWriteMount' 'Upload' |
| uri | 出力アセット URI。 | 糸 |
QueueSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| jobTier | コンピューティング ジョブレベルを制御します。 | 'Basic' 'Null' 'Premium' 'Spot' 'Standard' |
| 優先権 | コンピューティングでのジョブの優先順位を制御します。 | int |
JobResourceConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| dockerArgs | Docker run コマンドに渡す追加の引数。 これにより、システムまたはこのセクションで既に設定されているパラメーターがオーバーライドされます。 このパラメーターは、Azure ML コンピューティングの種類でのみサポートされます。 | 糸 |
| instanceCount | コンピューティング 先で使用されるインスタンスまたはノードの数 (省略可能)。 | int |
| instanceType | コンピューティング 先でサポートされている VM のオプションの種類。 | 糸 |
| 場所 | ジョブを実行できる場所。 | string[] |
| maxInstanceCount | コンピューティング 先で使用できるインスタンスまたはノードの最大数 (省略可能)。 エラスティック トレーニングで使用する場合は、現在 PyTorch ディストリビューションの種類でのみサポートされています。 |
int |
| プロパティ | 追加のプロパティ バッグ。 | ResourceConfigurationProperties |
| shmSize | Docker コンテナーの共有メモリ ブロックのサイズ。 これは (number)(unit) の形式で指定する必要があります。数値は 0 より大きく、単位は b(バイト)、k(キロバイト)、m(メガバイト)、または g(ギガバイト) のいずれかです。 | 糸 制約： パターン = \d+[bBkKmMgG] |
ResourceConfigurationProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | Bicep の場合は、any() 関数を使用できます。 |
AutoMLVertical
| 名前 | 形容 | 価値 |
|---|---|---|
| logVerbosity | ジョブの詳細度をログに記録します。 | 'Critical' 'Debug' 'Error' 'Info' 'NotSet' 'Warning' |
| targetColumnName | ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。 |
糸 |
| trainingData | [必須]トレーニング データの入力。 | MLTableJobInput の |
| taskType | オブジェクトの種類を設定する |
分類 予測 ImageClassification ImageClassificationMultilabel の ImageInstanceSegmentation ImageObjectDetection 回帰 TextClassification TextClassificationMultilabel TextNER (必須) |
MLTableJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| 形容 | 入力の説明。 | 糸 |
| jobInputType | [必須]ジョブの種類を指定します。 | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (必須) |
| モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
分類
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'Classification' (必須) |
| cvSplitColumnNames | CVSplit データに使用する列。 | string[] |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | TableFixedParameters の |
| limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
| nCrossValidations | トレーニング データセットに適用されるクロス検証フォールドの数 検証データセットが指定されていない場合。 |
NCrossValidations |
| positiveLabel | バイナリ メトリック計算の正のラベル。 | 糸 |
| primaryMetric | タスクのプライマリ メトリック。 | 'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | TableParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | TableSweepSettings の |
| testData | データ入力をテストします。 | MLTableJobInput の |
| testDataSize | 検証のために確保する必要があるテスト データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | ClassificationTrainingSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| weightColumnName | サンプルの重み列の名前。 自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。 | 糸 |
TableVerticalFeaturizationSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| blockedTransformers | これらのトランスは特徴付けには使用しないでください。 | 次のいずれかを含む文字列配列: 'CatTargetEncoder' 'CountVectorizer' 'HashOneHotEncoder' 'LabelEncoder' 'NaiveBayes' 'OneHotEncoder' 'TextTargetEncoder' 'TfIdf' 'WoETargetEncoder' 'WordEmbedding' |
| columnNameAndTypes | 列名とその型 (int、float、string、datetime など) のディクショナリ。 | TableVerticalFeaturizationSettingsColumnNameAndTypes |
| datasetLanguage | テキスト データに役立つデータセット言語。 | 糸 |
| enableDnnFeaturization | データ特徴付けに Dnn ベースの特徴付け器を使用するかどうかを決定します。 | bool |
| モード | 特徴量化モード - ユーザーは既定の "自動" モードを維持でき、AutoML は特徴量化フェーズでのデータの必要な変換を処理します。 [オフ] が選択されている場合、特徴量化は行われません。 [カスタム] が選択されている場合、ユーザーは追加の入力を指定して、特徴付けの実行方法をカスタマイズできます。 |
'Auto' 'Custom' 'Off' |
| transformerParams | ユーザーは、使用する追加のトランスフォーマーと、それが適用される列、およびトランスフォーマー コンストラクターのパラメーターを指定できます。 | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
TableVerticalFeaturizationSettingsTransformerParams
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | ColumnTransformer[] |
ColumnTransformer
| 名前 | 形容 | 価値 |
|---|---|---|
| 田畑 | トランスフォーマー ロジックを適用するフィールド。 | string[] |
| パラメーター | トランスフォーマーに渡されるさまざまなプロパティ。 必要な入力は、JSON 形式のキーと値のペアのディクショナリです。 |
Bicep の場合は、any() 関数を使用できます。 |
TableFixedParameters
| 名前 | 形容 | 価値 |
|---|---|---|
| ブースター | ブーストの種類 (XGBoost の場合は gbdt など) を指定します。 | 糸 |
| boostingType | ブーストの種類 (LightGBM の場合は gbdt など) を指定します。 | 糸 |
| growPolicy | 新しいノードをツリーに追加する方法を制御する拡張ポリシーを指定します。 | 糸 |
| learningRate | トレーニング手順の学習率。 | int |
| maxBin | 連続フィーチャをバケットする個別ビンの最大数を指定します。 | int |
| maxDepth | ツリーの深さを明示的に制限する最大深度を指定します。 | int |
| maxLeaves | ツリーの葉を明示的に制限するには、最大リーフを指定します。 | int |
| minDataInLeaf | リーフあたりのデータの最小数。 | int |
| minSplitGain | ツリーのリーフ ノードにさらにパーティションを作成するために必要な最小損失削減。 | int |
| modelName | トレーニングするモデルの名前。 | 糸 |
| nEstimators | モデル内のツリー (または丸め) の数を指定します。 | int |
| numLeaves | 葉の数を指定します。 | int |
| プリプロセッサ名 | 使用するプリプロセッサの名前。 | 糸 |
| regAlpha | 重みの L1 正則化項。 | int |
| regLambda | 重みの L2 正則化項。 | int |
| subsample | トレーニング インスタンスのサブサンプル比率。 | int |
| subsampleFreq | サブサンプルの頻度。 | int |
| treeMethod | ツリー メソッドを指定します。 | 糸 |
| withMean | true の場合は、StandardScalar を使用してデータをスケーリングする前に中央揃えにします。 | bool |
| withStd | true の場合、StandardScalar を使用して単位分散を使用してデータをスケーリングします。 | bool |
TableVerticalLimitSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| enableEarlyTermination | 早期終了を有効にし、過去 20 回のイテレーションでスコアの改善がない場合に AutoMLJob が早期に終了するかどうかを決定します。 | bool |
| exitScore | AutoML ジョブの終了スコア。 | int |
| maxConcurrentTrials | 最大同時反復数。 | int |
| maxCoresPerTrial | イテレーションあたりの最大コア数。 | int |
| maxNodes | 実験に使用する最大ノード数。 | int |
| maxTrials | 反復回数。 | int |
| sweepConcurrentTrials | ユーザーがトリガーする同時スイープ実行の数。 | int |
| sweepTrials | ユーザーがトリガーするスイープ実行の数。 | int |
| タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
| trialTimeout | 繰り返しタイムアウト。 | 糸 |
NCrossValidations
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
AutoNCrossValidations
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]N クロス検証を決定するためのモード。 | 'Auto' (必須) |
CustomNCrossValidations
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]N クロス検証を決定するためのモード。 | 'Custom' (必須) |
| 価値 | [必須]N クロス検証値。 | int (必須) |
TableParameterSubspace
| 名前 | 形容 | 価値 |
|---|---|---|
| ブースター | ブーストの種類 (XGBoost の場合は gbdt など) を指定します。 | 糸 |
| boostingType | ブーストの種類 (LightGBM の場合は gbdt など) を指定します。 | 糸 |
| growPolicy | 新しいノードをツリーに追加する方法を制御する拡張ポリシーを指定します。 | 糸 |
| learningRate | トレーニング手順の学習率。 | 糸 |
| maxBin | 連続フィーチャをバケットする個別ビンの最大数を指定します。 | 糸 |
| maxDepth | ツリーの深さを明示的に制限する最大深度を指定します。 | 糸 |
| maxLeaves | ツリーの葉を明示的に制限するには、最大リーフを指定します。 | 糸 |
| minDataInLeaf | リーフあたりのデータの最小数。 | 糸 |
| minSplitGain | ツリーのリーフ ノードにさらにパーティションを作成するために必要な最小損失削減。 | 糸 |
| modelName | トレーニングするモデルの名前。 | 糸 |
| nEstimators | モデル内のツリー (または丸め) の数を指定します。 | 糸 |
| numLeaves | 葉の数を指定します。 | 糸 |
| プリプロセッサ名 | 使用するプリプロセッサの名前。 | 糸 |
| regAlpha | 重みの L1 正則化項。 | 糸 |
| regLambda | 重みの L2 正則化項。 | 糸 |
| subsample | トレーニング インスタンスのサブサンプル比率。 | 糸 |
| subsampleFreq | サブサンプルの頻度 | 糸 |
| treeMethod | ツリー メソッドを指定します。 | 糸 |
| withMean | true の場合は、StandardScalar を使用してデータをスケーリングする前に中央揃えにします。 | 糸 |
| withStd | true の場合、StandardScalar を使用して単位分散を使用してデータをスケーリングします。 | 糸 |
TableSweepSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| earlyTermination | スイープ ジョブの早期終了ポリシーの種類。 | EarlyTerminationPolicy |
| samplingAlgorithm | [必須]サンプリング アルゴリズムの種類。 | 'Bayesian' 'Grid' 'Random' (必須) |
EarlyTerminationPolicy
| 名前 | 形容 | 価値 |
|---|---|---|
| delayEvaluation | 最初の評価を遅らせる間隔の数。 | int |
| evaluationInterval | ポリシー評価間の間隔 (実行回数)。 | int |
| policyType | オブジェクトの種類を設定する |
バンディット MedianStopping TruncationSelection (必須) |
BanditPolicy
| 名前 | 形容 | 価値 |
|---|---|---|
| policyType | [必須]ポリシー構成の名前 | 'Bandit' (必須) |
| slackAmount | 最高のパフォーマンスを発揮する実行から許容される絶対距離。 | int |
| slackFactor | 最もパフォーマンスの高い実行からの許容距離の比率。 | int |
MedianStoppingPolicy
| 名前 | 形容 | 価値 |
|---|---|---|
| policyType | [必須]ポリシー構成の名前 | 'MedianStopping' (必須) |
TruncationSelectionPolicy
| 名前 | 形容 | 価値 |
|---|---|---|
| policyType | [必須]ポリシー構成の名前 | 'TruncationSelection' (必須) |
| truncationPercentage | 各評価間隔で取り消す実行の割合。 | int |
ClassificationTrainingSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| allowedTrainingAlgorithms | 分類タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier' |
| blockedTrainingAlgorithms | 分類タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier' |
| enableDnnTraining | DNN モデルの推奨事項を有効にします。 | bool |
| enableModelExplainability | 最適なモデルで説明可能性を有効にするフラグ。 | bool |
| enableOnnxCompatibleModels | onnx 互換モデルを有効にするフラグ。 | bool |
| enableStackEnsemble | スタック アンサンブル実行を有効にします。 | bool |
| enableVoteEnsemble | 投票アンサンブル実行を有効にします。 | bool |
| ensembleModelDownloadTimeout | VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。 |
糸 |
| stackEnsembleSettings | スタック アンサンブル実行のスタック アンサンブル設定。 | StackEnsembleSettings |
| trainingMode | TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティック ベースのモードが選択される可能性があります。 既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。 |
'Auto' 'Distributed' 'NonDistributed' |
StackEnsembleSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| stackMetaLearnerKWargs | メタ学習者の初期化子に渡す省略可能なパラメーター。 | Bicep の場合は、any() 関数を使用できます。 |
| stackMetaLearnerTrainPercentage | メタ学習者のトレーニング用に予約するトレーニング セット (トレーニングのトレーニングと検証の種類を選択する場合) の割合を指定します。 既定値は 0.2 です。 | int |
| stackMetaLearnerType | メタ学習者は、個々の異種モデルの出力でトレーニングされたモデルです。 | 'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'None' |
予測
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'Forecasting' (必須) |
| cvSplitColumnNames | CVSplit データに使用する列。 | string[] |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | TableFixedParameters の |
| forecastingSettings | 予測タスク固有の入力。 | ForecastingSettings |
| limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
| nCrossValidations | トレーニング データセットに適用されるクロス検証フォールドの数 検証データセットが指定されていない場合。 |
NCrossValidations |
| primaryMetric | 予測タスクの主要メトリック。 | 'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'スピアマンコレレーション' |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | TableParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | TableSweepSettings の |
| testData | データ入力をテストします。 | MLTableJobInput の |
| testDataSize | 検証のために確保する必要があるテスト データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | ForecastingTrainingSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| weightColumnName | サンプルの重み列の名前。 自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。 | 糸 |
ForecastingSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| countryOrRegionForHolidays | 予測タスクの休日の国または地域。 これらは、ISO 3166 の 2 文字の国/地域コード ("US" や "GB" など) である必要があります。 |
糸 |
| cvStepSize | 1 つの CV フォールドの原点時間と次のフォールドの間の期間の数。 対して たとえば、日次データの CVStepSize = 3 の場合、各フォールドの起点時間は3 日分離します。 |
int |
| featureLags | 'auto' または null を持つ数値特徴のラグを生成するためのフラグ。 | 'Auto' 'None' |
| featuresUnknownAtForecastTime | 予測/推論時にトレーニングに使用できるが不明な特徴列。 features_unknown_at_forecast_timeが設定されていない場合、データセット内のすべての特徴列が推論時に既知であると見なされます。 |
string[] |
| forecastHorizon | 時系列の頻度の単位で求められる最大予測期間。 | ForecastHorizon |
| 周波数 | 予測の場合、このパラメーターは、日単位、週単位、年単位など、予測が必要な期間を表します。予測頻度は、既定ではデータセットの頻度です。 | 糸 |
| 季節 | 時系列の季節性を、系列の頻度の整数倍数として設定します。 季節性が 'auto' に設定されている場合は、推論されます。 |
季節性 |
| shortSeriesHandlingConfig | AutoML で短い時系列を処理する方法を定義するパラメーター。 | 'Auto' 'Drop' 'None' 'Pad' |
| targetAggregateFunction | ユーザーが指定した頻度に準拠するように時系列ターゲット列を集計するために使用する関数。 TargetAggregateFunction が 'None' ではなく設定されているが、freq パラメーターが設定されていない場合、エラーが発生します。 可能なターゲット集計関数は、"sum"、"max"、"min"、"mean" です。 |
'Max' 'Mean' 'Min' 'None' 'Sum' |
| targetLags | ターゲット列から遅延する過去の期間の数。 | TargetLags |
| targetRollingWindowSize | ターゲット列のローリング ウィンドウ平均の作成に使用された過去の期間の数。 | TargetRollingWindowSize |
| timeColumnName | 時刻列の名前。 このパラメーターは、時系列の構築とその頻度の推論に使用される入力データの datetime 列を予測する場合に必要です。 | 糸 |
| timeSeriesIdColumnNames | 時系列をグループ化するために使用される列の名前。 複数の系列を作成するために使用できます。 グレインが定義されていない場合、データ セットは 1 つの時系列であると見なされます。 このパラメーターは、タスクの種類の予測で使用されます。 |
string[] |
| useStl | 時系列ターゲット列の STL 分解を構成します。 | 'None' 'Season' 'SeasonTrend' |
ForecastHorizon
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
AutoForecastHorizon
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]予測期間値の選択モードを設定します。 | 'Auto' (必須) |
CustomForecastHorizon
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]予測期間値の選択モードを設定します。 | 'Custom' (必須) |
| 価値 | [必須]予測期間の値。 | int (必須) |
季節
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
AutoSeasonality
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]季節性モード。 | 'Auto' (必須) |
CustomSeasonality
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]季節性モード。 | 'Custom' (必須) |
| 価値 | [必須]季節性の値。 | int (必須) |
TargetLags
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
AutoTargetLags
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]ターゲット ラグ モードの設定 - 自動/カスタム | 'Auto' (必須) |
CustomTargetLags
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]ターゲット ラグ モードの設定 - 自動/カスタム | 'Custom' (必須) |
| 価値観 | [必須]ターゲットラグ値を設定します。 | int[] (必須) |
TargetRollingWindowSize
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
AutoTargetRollingWindowSize
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]TargetRollingWindowSiz 検出モード。 | 'Auto' (必須) |
CustomTargetRollingWindowSize
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]TargetRollingWindowSiz 検出モード。 | 'Custom' (必須) |
| 価値 | [必須]TargetRollingWindowSize 値。 | int (必須) |
ForecastingTrainingSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| allowedTrainingAlgorithms | 予測タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'Naive' 'Prophet' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor' |
| blockedTrainingAlgorithms | 予測タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'Naive' 'Prophet' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor' |
| enableDnnTraining | DNN モデルの推奨事項を有効にします。 | bool |
| enableModelExplainability | 最適なモデルで説明可能性を有効にするフラグ。 | bool |
| enableOnnxCompatibleModels | onnx 互換モデルを有効にするフラグ。 | bool |
| enableStackEnsemble | スタック アンサンブル実行を有効にします。 | bool |
| enableVoteEnsemble | 投票アンサンブル実行を有効にします。 | bool |
| ensembleModelDownloadTimeout | VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。 |
糸 |
| stackEnsembleSettings | スタック アンサンブル実行のスタック アンサンブル設定。 | StackEnsembleSettings |
| trainingMode | TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティック ベースのモードが選択される可能性があります。 既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。 |
'Auto' 'Distributed' 'NonDistributed' |
ImageClassification
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'ImageClassification' (必須) |
| limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
| modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsClassification の |
| primaryMetric | このタスク用に最適化する主要メトリック。 | 'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsClassification[] |
| sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
ImageLimitSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| maxConcurrentTrials | 同時 AutoML イテレーションの最大数。 | int |
| maxTrials | AutoML イテレーションの最大数。 | int |
| タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
ImageModelSettingsClassification
| 名前 | 形容 | 価値 |
|---|---|---|
| advancedSettings | 高度なシナリオの設定。 | 糸 |
| amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | bool |
| 拡張 | 拡張を使用するための設定。 | 糸 |
| beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | int |
| beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | int |
| checkpointFrequency | モデル チェックポイントを格納する頻度。 正の整数にする必要があります。 | int |
| checkpointModel | 増分トレーニング用の事前トレーニング済みチェックポイント モデル。 | MLFlowModelJobInput の |
| checkpointRunId | 増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。 | 糸 |
| 分散 | 分散トレーニングを使用するかどうか。 | bool |
| earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | bool |
| earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
int |
| earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
int |
| enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | bool |
| evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | int |
| gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
int |
| layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
int |
| learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | int |
| learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 'None' 'Step' 'WarmupCosine' |
| modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
| 運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | int |
| nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | bool |
| numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | int |
| numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | int |
| オプティマイザ | オプティマイザーの種類。 | 'Adam' 'Adamw' 'None' 'Sgd' |
| randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | int |
| stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | int |
| stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | int |
| trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | int |
| trainingCropSize | トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | int |
| validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | int |
| validationCropSize | 検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | int |
| validationResizeSize | 検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。 | int |
| warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | int |
| warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | int |
| weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | int |
| weightedLoss | 加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。 |
int |
MLFlowModelJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| 形容 | 入力の説明。 | 糸 |
| jobInputType | [必須]ジョブの種類を指定します。 | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (必須) |
| モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
| 名前 | 形容 | 価値 |
|---|---|---|
| amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | 糸 |
| 拡張 | 拡張を使用するための設定。 | 糸 |
| beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| 分散 | 配布者トレーニングを使用するかどうか。 | 糸 |
| earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | 糸 |
| earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
糸 |
| earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
糸 |
| enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | 糸 |
| evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | 糸 |
| gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
糸 |
| layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
糸 |
| learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | 糸 |
| learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 糸 |
| modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
| 運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | 糸 |
| numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | 糸 |
| numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | 糸 |
| オプティマイザ | オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。 | 糸 |
| randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | 糸 |
| stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | 糸 |
| trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | 糸 |
| trainingCropSize | トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | 糸 |
| validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | 糸 |
| validationCropSize | 検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | 糸 |
| validationResizeSize | 検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。 | 糸 |
| warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | 糸 |
| weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| weightedLoss | 加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。 |
糸 |
ImageSweepSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| earlyTermination | 早期終了ポリシーの種類。 | EarlyTerminationPolicy |
| samplingAlgorithm | [必須]ハイパーパラメーター サンプリング アルゴリズムの種類。 | 'Bayesian' 'Grid' 'Random' (必須) |
ImageClassificationMultilabel
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'ImageClassificationMultilabel' (必須) |
| limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
| modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsClassification の |
| primaryMetric | このタスク用に最適化する主要メトリック。 | 'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsClassification[] |
| sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
ImageInstanceSegmentation
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'ImageInstanceSegmentation' (必須) |
| limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
| modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsObjectDetection |
| primaryMetric | このタスク用に最適化する主要メトリック。 | 'MeanAveragePrecision' |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsObjectDetection[] |
| sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
ImageModelSettingsObjectDetection
| 名前 | 形容 | 価値 |
|---|---|---|
| advancedSettings | 高度なシナリオの設定。 | 糸 |
| amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | bool |
| 拡張 | 拡張を使用するための設定。 | 糸 |
| beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | int |
| beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | int |
| boxDetectionsPerImage | すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
| boxScoreThreshold | 推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。 |
int |
| checkpointFrequency | モデル チェックポイントを格納する頻度。 正の整数にする必要があります。 | int |
| checkpointModel | 増分トレーニング用の事前トレーニング済みチェックポイント モデル。 | MLFlowModelJobInput の |
| checkpointRunId | 増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。 | 糸 |
| 分散 | 分散トレーニングを使用するかどうか。 | bool |
| earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | bool |
| earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
int |
| earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
int |
| enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | bool |
| evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | int |
| gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
int |
| imageSize | トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
int |
| layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
int |
| learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | int |
| learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 'None' 'Step' 'WarmupCosine' |
| logTrainingMetrics | トレーニング メトリックのコンピューティングとログ記録を有効にします。 | 'Disable' 'Enable' |
| logValidationLoss | コンピューティングとログの検証の損失を有効にします。 | 'Disable' 'Enable' |
| maxSize | バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
| minSize | バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
| modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
| modelSize | モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
'ExtraLarge' 'Large' 'Medium' 'None' 'Small' |
| 運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | int |
| multiScale | イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
bool |
| nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | bool |
| nmsIouThreshold | NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] の float である必要があります。 | int |
| numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | int |
| numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | int |
| オプティマイザ | オプティマイザーの種類。 | 'Adam' 'Adamw' 'None' 'Sgd' |
| randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | int |
| stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | int |
| stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | int |
| tileGridSize | 各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| tileOverlapRatio | 各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
| tilePredictionsNmsThreshold | タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
| trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | int |
| validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | int |
| validationIouThreshold | 検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | int |
| validationMetricType | 検証メトリックに使用するメトリック計算方法。 | 'Coco' 'CocoVoc' 'None' 'Voc' |
| warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | int |
| warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | int |
| weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | int |
ImageModelDistributionSettingsObjectDetection
| 名前 | 形容 | 価値 |
|---|---|---|
| amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | 糸 |
| 拡張 | 拡張を使用するための設定。 | 糸 |
| beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| boxDetectionsPerImage | すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| boxScoreThreshold | 推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。 |
糸 |
| 分散 | 配布者トレーニングを使用するかどうか。 | 糸 |
| earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | 糸 |
| earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
糸 |
| earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
糸 |
| enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | 糸 |
| evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | 糸 |
| gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
糸 |
| imageSize | トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
| layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
糸 |
| learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | 糸 |
| learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 糸 |
| maxSize | バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| minSize | バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
| modelSize | モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
| 運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| multiScale | イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
| nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | 糸 |
| nmsIouThreshold | NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | 糸 |
| numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | 糸 |
| numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | 糸 |
| オプティマイザ | オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。 | 糸 |
| randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | 糸 |
| stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | 糸 |
| tileGridSize | 各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| tileOverlapRatio | 各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| tilePredictionsNmsThreshold | タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 NMS: 非最大抑制 |
糸 |
| trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | 糸 |
| validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | 糸 |
| validationIouThreshold | 検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | 糸 |
| validationMetricType | 検証メトリックに使用するメトリック計算方法。 'none'、'coco'、'voc'、または 'coco_voc' である必要があります。 | 糸 |
| warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | 糸 |
| weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
ImageObjectDetection
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'ImageObjectDetection' (必須) |
| limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
| modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsObjectDetection |
| primaryMetric | このタスク用に最適化する主要メトリック。 | 'MeanAveragePrecision' |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsObjectDetection[] |
| sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
回帰
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'Regression' (必須) |
| cvSplitColumnNames | CVSplit データに使用する列。 | string[] |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | TableFixedParameters の |
| limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
| nCrossValidations | トレーニング データセットに適用されるクロス検証フォールドの数 検証データセットが指定されていない場合。 |
NCrossValidations |
| primaryMetric | 回帰タスクの主要メトリック。 | 'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'スピアマンコレレーション' |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | TableParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | TableSweepSettings の |
| testData | データ入力をテストします。 | MLTableJobInput の |
| testDataSize | 検証のために確保する必要があるテスト データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | RegressionTrainingSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| weightColumnName | サンプルの重み列の名前。 自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。 | 糸 |
RegressionTrainingSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| allowedTrainingAlgorithms | 回帰タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor' |
| blockedTrainingAlgorithms | 回帰タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor' |
| enableDnnTraining | DNN モデルの推奨事項を有効にします。 | bool |
| enableModelExplainability | 最適なモデルで説明可能性を有効にするフラグ。 | bool |
| enableOnnxCompatibleModels | onnx 互換モデルを有効にするフラグ。 | bool |
| enableStackEnsemble | スタック アンサンブル実行を有効にします。 | bool |
| enableVoteEnsemble | 投票アンサンブル実行を有効にします。 | bool |
| ensembleModelDownloadTimeout | VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。 |
糸 |
| stackEnsembleSettings | スタック アンサンブル実行のスタック アンサンブル設定。 | StackEnsembleSettings |
| trainingMode | TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティック ベースのモードが選択される可能性があります。 既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。 |
'Auto' 'Distributed' 'NonDistributed' |
TextClassification
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'TextClassification' (必須) |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | NlpFixedParameters |
| limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
| primaryMetric | Text-Classification タスクのプライマリ メトリック。 | 'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | NlpParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | NlpSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
NlpVerticalFeaturizationSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| datasetLanguage | テキスト データに役立つデータセット言語。 | 糸 |
NlpFixedParameters
| 名前 | 形容 | 価値 |
|---|---|---|
| gradientAccumulationSteps | 後方パスを実行する前にグラデーションを累積する手順の数。 | int |
| learningRate | トレーニング手順の学習率。 | int |
| learningRateScheduler | トレーニング手順中に使用する学習率スケジュールの種類。 | 'Constant' 'ConstantWithWarmup' 'Cosine' 'CosineWithRestarts' 'Linear' 'None' '多項式' |
| modelName | トレーニングするモデルの名前。 | 糸 |
| numberOfEpochs | トレーニング エポックの数。 | int |
| trainingBatchSize | トレーニング 手順のバッチ サイズ。 | int |
| validationBatchSize | 評価中に使用するバッチ サイズ。 | int |
| warmupRatio | LrSchedulerType と共に使用されるウォームアップ比。 | int |
| weightDecay | トレーニング手順の重量の減衰。 | int |
NlpVerticalLimitSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| maxConcurrentTrials | AutoML の同時実行の最大イテレーション数。 | int |
| maxNodes | 実験に使用する最大ノード数。 | int |
| maxTrials | AutoML イテレーションの数。 | int |
| タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
| trialTimeout | 個々の HD 試用版のタイムアウト。 | 糸 |
NlpParameterSubspace
| 名前 | 形容 | 価値 |
|---|---|---|
| gradientAccumulationSteps | 後方パスを実行する前にグラデーションを累積する手順の数。 | 糸 |
| learningRate | トレーニング手順の学習率。 | 糸 |
| learningRateScheduler | トレーニング手順中に使用する学習率スケジュールの種類。 | 糸 |
| modelName | トレーニングするモデルの名前。 | 糸 |
| numberOfEpochs | トレーニング エポックの数。 | 糸 |
| trainingBatchSize | トレーニング 手順のバッチ サイズ。 | 糸 |
| validationBatchSize | 評価中に使用するバッチ サイズ。 | 糸 |
| warmupRatio | LrSchedulerType と共に使用されるウォームアップ比。 | 糸 |
| weightDecay | トレーニング手順の重量の減衰。 | 糸 |
NlpSweepSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| earlyTermination | スイープ ジョブの早期終了ポリシーの種類。 | EarlyTerminationPolicy |
| samplingAlgorithm | [必須]サンプリング アルゴリズムの種類。 | 'Bayesian' 'Grid' 'Random' (必須) |
TextClassificationMultilabel
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'TextClassificationMultilabel' (必須) |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | NlpFixedParameters |
| limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | NlpParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | NlpSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
TextNer
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'TextNER' (必須) |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | NlpFixedParameters |
| limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | NlpParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | NlpSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
CommandJob
| 名前 | 形容 | 価値 |
|---|---|---|
| jobType | [必須]ジョブの種類を指定します。 | 'Command' (必須) |
| autologgerSettings | ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。 | AutologgerSettings |
| codeId | コード資産の ARM リソース ID。 | 糸 |
| 命令 | [必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py" | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| 流通 | ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、Ray、または null のいずれかである必要があります。 | DistributionConfiguration |
| environmentId | [必須]ジョブの環境仕様の ARM リソース ID。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| environmentVariables | ジョブに含まれる環境変数。 | CommandJobEnvironmentVariables |
| 入力 | ジョブで使用される入力データ バインディングのマッピング。 | CommandJobInputs |
| 切り | コマンド ジョブの制限。 | CommandJobLimits |
| 出力 | ジョブで使用される出力データ バインディングのマッピング。 | CommandJobOutputs |
| queueSettings | ジョブのキュー設定 | QueueSettings の |
| リソース | ジョブのコンピューティング リソース構成。 | JobResourceConfiguration |
AutologgerSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| mlflowAutologger | [必須]mlflow 自動ロガーが有効かどうかを示します。 | 'Disabled' 'Enabled' (必須) |
DistributionConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| distributionType | オブジェクトの種類を設定する |
Mpi PyTorch を Ray TensorFlow (必須) |
Mpi
| 名前 | 形容 | 価値 |
|---|---|---|
| distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | 'Mpi' (必須) |
| processCountPerInstance | MPI ノードあたりのプロセス数。 | int |
PyTorch
| 名前 | 形容 | 価値 |
|---|---|---|
| distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | 'PyTorch' (必須) |
| processCountPerInstance | ノードあたりのプロセス数。 | int |
鱏
| 名前 | 形容 | 価値 |
|---|---|---|
| distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | 'Ray' (必須) |
| 住所 | Ray ヘッド ノードのアドレス。 | 糸 |
| dashboardPort | ダッシュボード サーバーをバインドするポート。 | int |
| headNodeAdditionalArgs | ヘッド ノードの光線開始に渡される追加の引数。 | 糸 |
| includeDashboard | Ray ダッシュボード GUI を開始するには、この引数を指定します。 | bool |
| 港 | ヘッド レイ プロセスのポート。 | int |
| workerNodeAdditionalArgs | ワーカー ノードで光線開始に渡される追加の引数。 | 糸 |
TensorFlow
| 名前 | 形容 | 価値 |
|---|---|---|
| distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | 'TensorFlow' (必須) |
| parameterServerCount | パラメーター サーバー タスクの数。 | int |
| workerCount | ワーカーの数。 指定しない場合は、既定でインスタンス数が設定されます。 | int |
CommandJobEnvironmentVariables
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
CommandJobInputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobInput を |
JobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| 形容 | 入力の説明。 | 糸 |
| jobInputType | オブジェクトの種類を設定する |
custom_model リテラル mlflow_model mltable triton_model uri_file uri_folder (必須) |
CustomModelJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobInputType | [必須]ジョブの種類を指定します。 | 'custom_model' (必須) |
| モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
LiteralJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobInputType | [必須]ジョブの種類を指定します。 | 'literal' (必須) |
| 価値 | [必須]入力のリテラル値。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
TritonModelJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobInputType | [必須]ジョブの種類を指定します。 | 'triton_model' (必須) |
| モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
UriFileJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobInputType | [必須]ジョブの種類を指定します。 | 'uri_file' (必須) |
| モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
UriFolderJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobInputType | [必須]ジョブの種類を指定します。 | 'uri_folder' (必須) |
| モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
CommandJobLimits
| 名前 | 形容 | 価値 |
|---|---|---|
| jobLimitsType | [必須]JobLimit 型。 | 'Command' 'Sweep' (必須) |
| タイムアウト | ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。 | 糸 |
CommandJobOutputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobOutput |
LabelingJobProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| componentId | コンポーネント リソースの ARM リソース ID。 | 糸 |
| computeId | コンピューティング リソースの ARM リソース ID。 | 糸 |
| dataConfiguration | ジョブで使用されるデータの構成。 | labelingDataConfiguration の |
| 形容 | 資産の説明テキスト。 | 糸 |
| displayName | ジョブの表示名。 | 糸 |
| experimentName | ジョブが属する実験の名前。 設定されていない場合、ジョブは "既定" の実験に配置されます。 | 糸 |
| 同一性 | ID の構成。 設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。 |
IdentityConfiguration |
| isArchived | 資産はアーカイブされていますか? | bool |
| jobInstructions | ジョブのラベル付け命令。 | LabelingJobInstructions の |
| jobType | [必須]ジョブの種類を指定します。 | 'AutoML' 'Command' 'Labeling' 'Pipeline' 'Spark' 'Sweep' (必須) |
| labelCategories | ジョブのカテゴリにラベルを付けます。 | LabelingJobLabelCategories の |
| labelingJobMediaProperties | ジョブ内のメディアの種類固有のプロパティ。 | labelingJobMediaProperties の |
| mlAssistConfiguration | ジョブでの MLAssist 機能の構成。 | MLAssistConfiguration |
| notificationSetting | ジョブの通知設定 | NotificationSetting |
| プロパティ | 資産プロパティ ディクショナリ。 | ResourceBaseProperties |
| secretsConfiguration | 実行時に使用可能にするシークレットの構成。 | JobBaseSecretsConfiguration |
| サービス | JobEndpoints の一覧。 ローカル ジョブの場合、ジョブ エンドポイントのエンドポイント値は FileStreamObject になります。 |
JobBaseServices |
| タグ | タグ ディクショナリ。 タグは追加、削除、更新できます。 | オブジェクト |
LabelingDataConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| dataId | ラベル付けを実行するデータ資産のリソース ID。 | 糸 |
| incrementalDataRefresh | 増分データ更新を有効にするかどうかを示します。 | 'Disabled' 'Enabled' |
LabelingJobInstructions
| 名前 | 形容 | 価値 |
|---|---|---|
| uri | ラベラーの詳細なラベル付け手順を含むページへのリンク。 | 糸 |
LabelingJobLabelCategories
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | LabelCategory |
LabelCategory
| 名前 | 形容 | 価値 |
|---|---|---|
| クラス | このカテゴリのラベル クラスのディクショナリ。 | LabelCategoryClasses |
| displayName | ラベル カテゴリの表示名。 | 糸 |
| multiSelect | このカテゴリの複数のクラスを選択できるかどうかを示します。 | 'Disabled' 'Enabled' |
LabelCategoryClasses
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | LabelClass |
LabelClass
| 名前 | 形容 | 価値 |
|---|---|---|
| displayName | ラベル クラスの表示名。 | 糸 |
| サブクラス | ラベル クラスのサブクラスのディクショナリ。 | LabelClassSubclasses |
LabelClassSubclasses
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | LabelClass |
LabelingJobMediaProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| mediaType | オブジェクトの種類を設定する |
イメージ テキスト (必須) |
LabelingJobImageProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| mediaType | [必須]ジョブのメディアの種類。 | 'Image' (必須) |
| annotationType | 画像ラベル付けジョブの注釈の種類。 | 'BoundingBox' 'Classification' 'InstanceSegmentation' |
LabelingJobTextProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| mediaType | [必須]ジョブのメディアの種類。 | 'Text' (必須) |
| annotationType | テキスト ラベル付けジョブの注釈の種類。 | 'Classification' 'NamedEntityRecognition' |
MLAssistConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| mlAssist | オブジェクトの種類を設定する |
Disabled Enabled (必須) |
MLAssistConfigurationDisabled
| 名前 | 形容 | 価値 |
|---|---|---|
| mlAssist | [必須]MLAssist 機能が有効かどうかを示します。 | 'Disabled' (必須) |
MLAssistConfigurationEnabled
| 名前 | 形容 | 価値 |
|---|---|---|
| mlAssist | [必須]MLAssist 機能が有効かどうかを示します。 | 'Enabled' (必須) |
| inferencingComputeBinding | [必須]推論で使用される AML コンピューティング バインド。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| trainingComputeBinding | [必須]トレーニングで使用される AML コンピューティング バインド。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
PipelineJob
| 名前 | 形容 | 価値 |
|---|---|---|
| jobType | [必須]ジョブの種類を指定します。 | 'Pipeline' (必須) |
| 入力 | パイプライン ジョブの入力。 | PipelineJobInputs |
| ジョブ | ジョブはパイプライン ジョブを構築します。 | PipelineJobs |
| 出力 | パイプライン ジョブの出力 | PipelineJobOutputs |
| 設定 | ContinueRunOnStepFailure などのパイプライン設定。 | Bicep の場合は、any() 関数を使用できます。 |
| sourceJobId | ソース ジョブの ARM リソース ID。 | 糸 |
PipelineJobInputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobInput を |
PipelineJobs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | Bicep の場合は、any() 関数を使用できます。 |
PipelineJobOutputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobOutput |
SparkJob
| 名前 | 形容 | 価値 |
|---|---|---|
| jobType | [必須]ジョブの種類を指定します。 | 'Spark' (必須) |
| 史料 | ジョブで使用されるアーカイブ ファイル。 | string[] |
| args | ジョブの引数。 | 糸 |
| codeId | [必須]コード資産の ARM リソース ID。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| conf | Spark で構成されたプロパティ。 | SparkJobConf の |
| エントリ | [必須]ジョブの起動時に実行するエントリ。 | SparkJobEntry (必須) |
| environmentId | ジョブの環境仕様の ARM リソース ID。 | 糸 |
| environmentVariables | ジョブに含まれる環境変数。 | SparkJobEnvironmentVariables |
| ファイル | ジョブで使用されるファイル。 | string[] |
| 入力 | ジョブで使用される入力データ バインディングのマッピング。 | SparkJobInputs の |
| 瓶 | ジョブで使用される Jar ファイル。 | string[] |
| 出力 | ジョブで使用される出力データ バインディングのマッピング。 | SparkJobOutputs |
| pyFiles | ジョブで使用される Python ファイル。 | string[] |
| queueSettings | ジョブのキュー設定 | QueueSettings の |
| リソース | ジョブのコンピューティング リソース構成。 | SparkResourceConfiguration の |
SparkJobConf
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
SparkJobEntry
| 名前 | 形容 | 価値 |
|---|---|---|
| sparkJobEntryType | オブジェクトの種類を設定する | SparkJobPythonEntry の SparkJobScalaEntry (必須) |
SparkJobPythonEntry
| 名前 | 形容 | 価値 |
|---|---|---|
| sparkJobEntryType | [必須]ジョブのエントリ ポイントの種類。 | 'SparkJobPythonEntry' (必須) |
| ファイル | [必須]ジョブ エントリ ポイントの相対 Python ファイル パス。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
SparkJobScalaEntry
| 名前 | 形容 | 価値 |
|---|---|---|
| sparkJobEntryType | [必須]ジョブのエントリ ポイントの種類。 | 'SparkJobScalaEntry' (必須) |
| className | [必須]エントリ ポイントとして使用される Scala クラス名。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
SparkJobEnvironmentVariables
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
SparkJobInputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobInput を |
SparkJobOutputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobOutput |
SparkResourceConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| instanceType | コンピューティング 先でサポートされている VM のオプションの種類。 | 糸 |
| runtimeVersion | ジョブに使用される Spark ランタイムのバージョン。 | 糸 |
SweepJob
| 名前 | 形容 | 価値 |
|---|---|---|
| jobType | [必須]ジョブの種類を指定します。 | 'Sweep' (必須) |
| componentConfiguration | コンポーネントに対するスイープのコンポーネント構成 | ComponentConfiguration |
| earlyTermination | 早期終了ポリシーを使用すると、実行が完了する前にパフォーマンスの低い実行を取り消す | EarlyTerminationPolicy |
| 入力 | ジョブで使用される入力データ バインディングのマッピング。 | SweepJobInputs |
| 切り | スイープ ジョブの制限。 | SweepJobLimits |
| 目的 | [必須]最適化の目的。 | 目標 (必須) |
| 出力 | ジョブで使用される出力データ バインディングのマッピング。 | SweepJobOutputs |
| queueSettings | ジョブのキュー設定 | QueueSettings の |
| リソース | ジョブのコンピューティング リソース構成。 | JobResourceConfiguration |
| samplingAlgorithm | [必須]ハイパーパラメーター サンプリング アルゴリズム | SamplingAlgorithm (必須) |
| searchSpace | [必須]各パラメーターとその分布を含むディクショナリ。 ディクショナリ キーはパラメーターの名前です | Bicep の場合は、any() 関数を使用できます。(必須) |
| 裁判 | [必須]試用版コンポーネントの定義。 | TrialComponent (必須) |
ComponentConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| pipelineSettings | ContinueRunOnStepFailure などのパイプライン設定。 | Bicep の場合は、any() 関数を使用できます。 |
SweepJobInputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobInput を |
SweepJobLimits
| 名前 | 形容 | 価値 |
|---|---|---|
| jobLimitsType | [必須]JobLimit 型。 | 'Command' 'Sweep' (必須) |
| maxConcurrentTrials | スイープ ジョブの最大同時試行回数。 | int |
| maxTotalTrials | スイープ ジョブの最大試行回数。 | int |
| タイムアウト | ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。 | 糸 |
| trialTimeout | スイープ ジョブ試用版のタイムアウト値。 | 糸 |
目的
| 名前 | 形容 | 価値 |
|---|---|---|
| ゴール | [必須]ハイパーパラメーター調整でサポートされるメトリックの目標を定義します | '最大化' '最小化' (必須) |
| primaryMetric | [必須]最適化するメトリックの名前。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
SweepJobOutputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobOutput |
SamplingAlgorithm
| 名前 | 形容 | 価値 |
|---|---|---|
| samplingAlgorithmType | オブジェクトの種類を設定する |
ベイジアン Grid ランダム の |
BayesianSamplingAlgorithm
| 名前 | 形容 | 価値 |
|---|---|---|
| samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | 'Bayesian' (必須) |
GridSamplingAlgorithm
| 名前 | 形容 | 価値 |
|---|---|---|
| samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | 'Grid' (必須) |
RandomSamplingAlgorithm
| 名前 | 形容 | 価値 |
|---|---|---|
| samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | 'Random' (必須) |
| logbase | ログ ベースのランダム サンプリングのベースとして使用する文字列形式の省略可能な正の数または e | 糸 |
| 支配 | ランダム アルゴリズムの特定の種類 | 'Random' 'Sobol' |
| 種 | 乱数生成のシードとして使用する省略可能な整数 | int |
TrialComponent
| 名前 | 形容 | 価値 |
|---|---|---|
| codeId | コード資産の ARM リソース ID。 | 糸 |
| 命令 | [必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py" | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| 流通 | ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。 | DistributionConfiguration |
| environmentId | [必須]ジョブの環境仕様の ARM リソース ID。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| environmentVariables | ジョブに含まれる環境変数。 | TrialComponentEnvironmentVariables |
| リソース | ジョブのコンピューティング リソース構成。 | JobResourceConfiguration |
TrialComponentEnvironmentVariables
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
CreateMonitorAction
| 名前 | 形容 | 価値 |
|---|---|---|
| actionType | [必須]スケジュールのアクションの種類を指定します | 'CreateMonitor' (必須) |
| monitorDefinition | [必須]モニターを定義します。 | MonitorDefinition (必須) |
MonitorDefinition
| 名前 | 形容 | 価値 |
|---|---|---|
| alertNotificationSettings | モニターの通知設定。 | MonitorNotificationSettings |
| computeConfiguration | [必須]監視ジョブを実行するコンピューティング リソースの ARM リソース ID。 | MonitorComputeConfigurationBase (必須) |
| monitoringTarget | このモニターの対象となるモデルまたはデプロイの ARM リソース ID。 | MonitoringTarget |
| 信号 | [必須]監視する信号。 | MonitorDefinitionSignals (必須) |
MonitorNotificationSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| emailNotificationSettings | AML 通知の電子メール設定。 | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| emails | これは、合計で 499 文字の制限がある電子メール受信者リストです。 | string[] |
MonitorComputeConfigurationBase
| 名前 | 形容 | 価値 |
|---|---|---|
| computeType | オブジェクトの種類を設定する | ServerlessSpark (必須) |
MonitorServerlessSparkCompute
| 名前 | 形容 | 価値 |
|---|---|---|
| computeType | [必須]監視するシグナルの種類を指定します。 | 'ServerlessSpark' (必須) |
| computeIdentity | [必須]サーバーレス Spark で実行されている Spark ジョブによって利用される ID スキーム。 | MonitorComputeIdentityBase (必須) |
| instanceType | [必須]Spark ジョブを実行しているインスタンスの種類。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| runtimeVersion | [必須]Spark ランタイムのバージョン。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
MonitorComputeIdentityBase
| 名前 | 形容 | 価値 |
|---|---|---|
| computeIdentityType | オブジェクトの種類を設定する | AmlToken を ManagedIdentity (必須) |
AmlTokenComputeIdentity
| 名前 | 形容 | 価値 |
|---|---|---|
| computeIdentityType | [必須]コンピューティング ID の種類の列挙型を監視します。 | 'AmlToken' (必須) |
ManagedComputeIdentity
| 名前 | 形容 | 価値 |
|---|---|---|
| computeIdentityType | [必須]コンピューティング ID の種類の列挙型を監視します。 | 'ManagedIdentity' (必須) |
| 同一性 | マネージド サービス ID (システム割り当て ID またはユーザー割り当て ID) | ManagedServiceIdentity の |
ManagedServiceIdentity
| 名前 | 形容 | 価値 |
|---|---|---|
| 種類 | マネージド サービス ID の種類 (SystemAssigned 型と UserAssigned 型の両方が許可されます)。 | 'None' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (必須) |
| userAssignedIdentities | リソースに関連付けられているユーザー割り当て ID のセット。 userAssignedIdentities ディクショナリ キーは、'/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName} という形式の ARM リソース ID になります。 ディクショナリ値は、要求内の空のオブジェクト ({}) にすることができます。 | UserAssignedIdentities の |
UserAssignedIdentities
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | UserAssignedIdentity の |
UserAssignedIdentity
このオブジェクトには、配置時に設定するプロパティは含まれません。 すべてのプロパティは ReadOnly です。
MonitoringTarget
| 名前 | 形容 | 価値 |
|---|---|---|
| deploymentId | このモニターの対象となるデプロイの ARM リソース ID。 | 糸 |
| modelId | このモニターの対象となるモデルの ARM リソース ID。 | 糸 |
| taskType | [必須]モデルの機械学習タスクの種類。 | 'Classification' 'QuestionAnswering' 'Regression' (必須) |
MonitorDefinitionSignals
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | MonitoringSignalBase |
MonitoringSignalBase
| 名前 | 形容 | 価値 |
|---|---|---|
| notificationTypes | このシグナルの現在の通知モード。 | 次のいずれかを含む文字列配列: 'AmlNotification' 'AzureMonitor' |
| プロパティ | プロパティ ディクショナリ。 プロパティは追加できますが、削除または変更することはできません。 | MonitoringSignalBaseProperties の |
| signalType | オブジェクトの種類を設定する | カスタム の DataDrift DataQuality FeatureAttributionDrift GenerationSafetyQuality GenerationTokenStatistics ModelPerformance PredictionDrift (必須) |
MonitoringSignalBaseProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
CustomMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | 'Custom' (必須) |
| componentId | [必須]カスタム メトリックの計算に使用されるコンポーネント リソースの ARM リソース ID。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| inputAssets | 入力として取得する資産の監視。 キーはコンポーネント入力ポート名、値はデータ資産です。 | CustomMonitoringSignalInputAssets |
| 入力 | 入力として受け取る追加のコンポーネント パラメーター。 キーはコンポーネント リテラル入力ポート名、値はパラメーター値です。 | CustomMonitoringSignalInputs の |
| metricThresholds | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | CustomMetricThreshold[] (必須) |
| workspaceConnection | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | MonitoringWorkspaceConnection (必須) |
CustomMonitoringSignalInputAssets
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | MonitoringInputDataBase の |
MonitoringInputDataBase
| 名前 | 形容 | 価値 |
|---|---|---|
| 列 | 列名と特殊用途のマッピング。 | MonitoringInputDataBaseColumns |
| dataContext | データ ソースのコンテキスト メタデータ。 | 糸 |
| jobInputType | [必須]ジョブの種類を指定します。 | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (必須) |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| inputDataType | オブジェクトの種類を設定する |
固定 ローリング 静的 の |
MonitoringInputDataBaseColumns
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
FixedInputData
| 名前 | 形容 | 価値 |
|---|---|---|
| inputDataType | [必須]監視するシグナルの種類を指定します。 | 'Fixed' (必須) |
RollingInputData
| 名前 | 形容 | 価値 |
|---|---|---|
| inputDataType | [必須]監視するシグナルの種類を指定します。 | 'Rolling' (必須) |
| preprocessingComponentId | データの前処理に使用されるコンポーネント リソースの ARM リソース ID。 | 糸 |
| windowOffset | [必須]データ ウィンドウの終了とモニターの現在の実行時間の間の時間オフセット。 | string (必須) |
| windowSize | [必須]末尾のデータ ウィンドウのサイズ。 | string (必須) |
StaticInputData
| 名前 | 形容 | 価値 |
|---|---|---|
| inputDataType | [必須]監視するシグナルの種類を指定します。 | 'Static' (必須) |
| preprocessingComponentId | データの前処理に使用されるコンポーネント リソースの ARM リソース ID。 | 糸 |
| windowEnd | [必須]データ ウィンドウの終了日。 | string (必須) |
| windowStart | [必須]データ ウィンドウの開始日。 | string (必須) |
CustomMonitoringSignalInputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobInput を |
CustomMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| メトリック | [必須]計算するユーザー定義メトリック。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
MonitoringThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| 価値 | しきい値。 null の場合、既定値はメトリックの種類によって異なります。 | int |
MonitoringWorkspaceConnection
| 名前 | 形容 | 価値 |
|---|---|---|
| environmentVariables | 送信されたジョブに環境変数として格納するワークスペース サービス接続のプロパティ。 キーはワークスペース接続プロパティパス、名前は環境変数キーです。 |
MonitoringWorkspaceConnectionEnvironmentVariables |
| 秘密 | 送信されたジョブにシークレットとして格納するワークスペース サービス接続のプロパティ。 キーはワークスペース接続プロパティパス、名前は秘密鍵です。 |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
MonitoringWorkspaceConnectionSecrets
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
DataDriftMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | 'DataDrift' (必須) |
| dataSegment | データ作成のサブセットのスコープに使用されるデータ セグメント。 | MonitoringDataSegment |
| featureDataTypeOverride | フィーチャ名をそれぞれのデータ型にマップするディクショナリ。 | DataDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | 特徴の重要度を計算するための設定。 | FeatureImportanceSettings の |
| 顔立ち | ドリフトを計算するフィーチャを識別する機能フィルター。 | MonitoringFeatureFilterBase |
| metricThresholds | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | DataDriftMetricThresholdBase[] (必須) |
| productionData | [必須]誤差が計算されるデータ。 | MonitoringInputDataBase (必須) |
| referenceData | [必須]誤差を計算する対象のデータ。 | MonitoringInputDataBase (必須) |
MonitoringDataSegment
| 名前 | 形容 | 価値 |
|---|---|---|
| 特徴 | データをセグメント化する機能。 | 糸 |
| 価値観 | 特定のセグメント化されたフィーチャの指定された値のみをフィルター処理します。 | string[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 'カテゴリ' '数値' |
FeatureImportanceSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | 特徴の重要度を計算するための操作モード。 | 'Disabled' 'Enabled' |
| targetColumn | 入力データ資産内のターゲット列の名前。 | 糸 |
MonitoringFeatureFilterBase
| 名前 | 形容 | 価値 |
|---|---|---|
| filterType | オブジェクトの種類を設定する | AllFeatures を FeatureSubset TopNByAttribution (必須) |
AllFeatures
| 名前 | 形容 | 価値 |
|---|---|---|
| filterType | [必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。 | 'AllFeatures' (必須) |
FeatureSubset
| 名前 | 形容 | 価値 |
|---|---|---|
| filterType | [必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。 | 'FeatureSubset' (必須) |
| 顔立ち | [必須]含める機能の一覧。 | string[] (必須) |
TopNFeaturesByAttribution
| 名前 | 形容 | 価値 |
|---|---|---|
| filterType | [必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。 | 'TopNByAttribution' (必須) |
| ページのトップへ | 含める上位の特徴の数。 | int |
DataDriftMetricThresholdBase
| 名前 | 形容 | 価値 |
|---|---|---|
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
| dataType | オブジェクトの種類を設定する | カテゴリ の 数値 (必須) |
CategoricalDataDriftMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | 'カテゴリ' (必須) |
| メトリック | [必須]計算するカテゴリ データ ドリフト メトリック。 | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (必須) |
NumericalDataDriftMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | '数値' (必須) |
| メトリック | [必須]計算する数値データ ドリフト メトリック。 | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (必須) |
DataQualityMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | 'DataQuality' (必須) |
| featureDataTypeOverride | フィーチャ名をそれぞれのデータ型にマップするディクショナリ。 | DataQualityMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | 特徴の重要度を計算するための設定。 | FeatureImportanceSettings の |
| 顔立ち | 誤差を計算する特徴。 | MonitoringFeatureFilterBase |
| metricThresholds | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | DataQualityMetricThresholdBase[] (必須) |
| productionData | [必須]誤差が計算される運用サービスによって生成されるデータ。 | MonitoringInputDataBase (必須) |
| referenceData | [必須]誤差を計算する対象のデータ。 | MonitoringInputDataBase (必須) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 'カテゴリ' '数値' |
DataQualityMetricThresholdBase
| 名前 | 形容 | 価値 |
|---|---|---|
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
| dataType | オブジェクトの種類を設定する | カテゴリ の 数値 (必須) |
CategoricalDataQualityMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | 'カテゴリ' (必須) |
| メトリック | [必須]計算するカテゴリ 別データ品質メトリック。 | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (必須) |
NumericalDataQualityMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | '数値' (必須) |
| メトリック | [必須]計算する数値データ品質メトリック。 | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (必須) |
FeatureAttributionDriftMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | 'FeatureAttributionDrift' (必須) |
| featureDataTypeOverride | フィーチャ名をそれぞれのデータ型にマップするディクショナリ。 | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
| featureImportanceSettings | 特徴の重要度を計算するための設定。 | FeatureImportanceSettings の |
| metricThreshold | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | FeatureAttributionMetricThreshold (必須) |
| productionData | [必須]誤差が計算されるデータ。 | MonitoringInputDataBase[] (必須) |
| referenceData | [必須]誤差を計算する対象のデータ。 | MonitoringInputDataBase (必須) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 'カテゴリ' '数値' |
FeatureAttributionMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| メトリック | [必須]計算する特徴属性メトリック。 | 'NormalizedDiscountedCumulativeGain' (必須) |
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
GenerationSafetyQualityMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | 'GenerationSafetyQuality' (必須) |
| metricThresholds | [必須]計算するメトリックと、対応するしきい値を取得または設定します。 | GenerationSafetyQualityMetricThreshold[] (必須) |
| productionData | メトリックを計算するための運用データを取得または設定します。 | MonitoringInputDataBase[] |
| samplingRate | [必須]実稼働データのサンプル レートは、0 より大きく、最大で 1 である必要があります。 | int (必須) |
| workspaceConnectionId | コンテンツ生成エンドポイントへの接続に使用するワークスペース接続 ID を取得または設定します。 | 糸 |
GenerationSafetyQualityMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| メトリック | [必須]計算する特徴属性メトリックを取得または設定します。 | 'AcceptableCoherenceScorePerInstance' 'AcceptableFluencyScorePerInstance' 'AcceptableGroundednessScorePerInstance' 'AcceptableRelevanceScorePerInstance' 'AcceptableSimilarityScorePerInstance' 'AggregatedCoherencePassRate' 'AggregatedFluencyPassRate' 'AggregatedGroundednessPassRate' 'AggregatedRelevancePassRate' 'AggregatedSimilarityPassRate' (必須) |
| 閾 | しきい値を取得または設定します。 null の場合、選択したメトリックに応じて既定値が設定されます。 |
MonitoringThreshold |
GenerationTokenUsageSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | 'GenerationTokenStatistics' (必須) |
| metricThresholds | [必須]計算するメトリックと、対応するしきい値を取得または設定します。 | GenerationTokenUsageMetricThreshold[] (必須) |
| productionData | メトリックを計算するための運用データを取得または設定します。 | MonitoringInputDataBase[] |
| samplingRate | [必須]実稼働データのサンプル レートは、0 より大きく、最大で 1 である必要があります。 | int (必須) |
GenerationTokenUsageMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| メトリック | [必須]計算する特徴属性メトリックを取得または設定します。 | 'TotalTokenCount' 'TotalTokenCountPerGroup' (必須) |
| 閾 | しきい値を取得または設定します。 null の場合、選択したメトリックに応じて既定値が設定されます。 |
MonitoringThreshold |
ModelPerformanceSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | 'ModelPerformance' (必須) |
| dataSegment | データ セグメント。 | MonitoringDataSegment |
| metricThreshold | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | ModelPerformanceMetricThresholdBase (必須) |
| productionData | [必須]パフォーマンスが計算される運用サービスによって生成されるデータ。 | MonitoringInputDataBase[] (必須) |
| referenceData | [必須]モデルのパフォーマンスを計算するための基礎として使用される参照データ。 | MonitoringInputDataBase (必須) |
ModelPerformanceMetricThresholdBase
| 名前 | 形容 | 価値 |
|---|---|---|
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
| modelType | オブジェクトの種類を設定する |
分類 回帰 (必須) |
ClassificationModelPerformanceMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| modelType | [必須]メトリックしきい値のデータ型を指定します。 | 'Classification' (必須) |
| メトリック | [必須]計算する分類モデルのパフォーマンス。 | 'Accuracy' 'Precision' 'Recall' (必須) |
RegressionModelPerformanceMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| modelType | [必須]メトリックしきい値のデータ型を指定します。 | 'Regression' (必須) |
| メトリック | [必須]計算する回帰モデルのパフォーマンス メトリック。 | 'MeanAbsoluteError' 'MeanSquaredError' 'RootMeanSquaredError' (必須) |
PredictionDriftMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | 'PredictionDrift' (必須) |
| featureDataTypeOverride | フィーチャ名をそれぞれのデータ型にマップするディクショナリ。 | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
| metricThresholds | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | PredictionDriftMetricThresholdBase[] (必須) |
| productionData | [必須]誤差が計算されるデータ。 | MonitoringInputDataBase (必須) |
| referenceData | [必須]誤差を計算する対象のデータ。 | MonitoringInputDataBase (必須) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 'カテゴリ' '数値' |
PredictionDriftMetricThresholdBase
| 名前 | 形容 | 価値 |
|---|---|---|
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
| dataType | オブジェクトの種類を設定する | カテゴリ の 数値 (必須) |
CategoricalPredictionDriftMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | 'カテゴリ' (必須) |
| メトリック | [必須]計算するカテゴリ予測誤差メトリック。 | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (必須) |
NumericalPredictionDriftMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | '数値' (必須) |
| メトリック | [必須]計算する数値予測誤差メトリック。 | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (必須) |
ImportDataAction
| 名前 | 形容 | 価値 |
|---|---|---|
| actionType | [必須]スケジュールのアクションの種類を指定します | 'ImportData' (必須) |
| dataImportDefinition | [必須]スケジュール アクション定義の詳細を定義します。 | DataImport (必須) |
DataImport
| 名前 | 形容 | 価値 |
|---|---|---|
| assetName | 作成するデータ インポート ジョブの資産の名前 | 糸 |
| autoDeleteSetting | マネージド データ資産のライフサイクル設定を指定します。 | AutoDeleteSetting の |
| dataType | [必須]データの種類を指定します。 | 'mltable' 'uri_file' 'uri_folder' (必須) |
| dataUri | [必須]データの URI。 例: https://go.microsoft.com/fwlink/?linkid=2202330 |
string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| 形容 | 資産の説明テキスト。 | 糸 |
| intellectualProperty | 知的財産の詳細。 データが知的財産である場合に使用されます。 | IntellectualProperty |
| isAnonymous | 名前のバージョンがシステムによって生成された場合 (匿名登録)。 Stage が定義されている型の場合、Stage が指定されている場合は IsAnonymous の設定に使用されます | bool |
| isArchived | 資産はアーカイブされていますか? Stage が定義されている型の場合、Stage が指定されている場合は IsArchived の設定に使用されます | bool |
| プロパティ | 資産プロパティ ディクショナリ。 | ResourceBaseProperties |
| 源 | インポート元の資産のソース データ | DataImportSource の |
| 舞台 | このデータ資産に割り当てられたデータ ライフサイクルのステージ | 糸 |
| タグ | タグ ディクショナリ。 タグは追加、削除、更新できます。 | オブジェクト |
IntellectualProperty
| 名前 | 形容 | 価値 |
|---|---|---|
| protectionLevel | 知的財産の保護レベル。 | 'All' 'None' |
| 発行者 | [必須]知的財産の発行元。 レジストリ発行者名と同じである必要があります。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
DataImportSource
| 名前 | 形容 | 価値 |
|---|---|---|
| 接続 | データ インポート ソース ストレージのワークスペース接続 | 糸 |
| sourceType | オブジェクトの種類を設定する | データベース を file_system (必須) |
DatabaseSource
| 名前 | 形容 | 価値 |
|---|---|---|
| sourceType | [必須]データの種類を指定します。 | 'database' (必須) |
| クエリ | データ インポート データベース ソースの SQL Query ステートメント | 糸 |
| storedProcedure | データ インポート データベース ソースの SQL StoredProcedure | 糸 |
| storedProcedureParams | SQL StoredProcedure パラメーター | DatabaseSourceStoredProcedureParamsItem[] |
| tableName | データ インポート データベース ソースのテーブルの名前 | 糸 |
DatabaseSourceStoredProcedureParamsItem
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
FileSystemSource
| 名前 | 形容 | 価値 |
|---|---|---|
| sourceType | [必須]データの種類を指定します。 | 'file_system' (必須) |
| パス | データ インポート FileSystem ソースのパス | 糸 |
EndpointScheduleAction
| 名前 | 形容 | 価値 |
|---|---|---|
| actionType | [必須]スケジュールのアクションの種類を指定します | 'InvokeBatchEndpoint' (必須) |
| endpointInvocationDefinition | [必須]スケジュール アクション定義の詳細を定義します。 {see href="TBD" /} |
Bicep の場合は、any() 関数を使用できます。(必須) |
TriggerBase
| 名前 | 形容 | 価値 |
|---|---|---|
| endTime | スケジュールの終了時刻を ISO 8601 で指定しますが、UTC オフセットは指定しません。
https://en.wikipedia.org/wiki/ISO_8601. を参照してください再コメント形式は "2022-06-01T00:00:01" になります 存在しない場合、スケジュールは無期限に実行されます |
糸 |
| startTime | スケジュールの開始時刻を ISO 8601 形式で指定しますが、UTC オフセットは指定しません。 | 糸 |
| timeZone | スケジュールを実行するタイム ゾーンを指定します。 TimeZone は、Windows のタイム ゾーン形式に従う必要があります。 参照: /windows-hardware/manufacture/desktop/default-time-zones /> |
糸 |
| triggerType | オブジェクトの種類を設定する |
Cron 繰り返し (必須) |
CronTrigger
| 名前 | 形容 | 価値 |
|---|---|---|
| triggerType | [必須] | 'Cron' (必須) |
| 表現 | [必須]スケジュールの cron 式を指定します。 式は NCronTab 形式に従う必要があります。 |
string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
RecurrenceTrigger
| 名前 | 形容 | 価値 |
|---|---|---|
| endTime | スケジュールの終了時刻を ISO 8601 で指定しますが、UTC オフセットは指定しません。
https://en.wikipedia.org/wiki/ISO_8601. を参照してください再コメント形式は "2022-06-01T00:00:01" になります 存在しない場合、スケジュールは無期限に実行されます |
糸 |
| 周波数 | [必須]スケジュールをトリガーする頻度。 | 'Day' 'Hour' 'Minute' 'Month' 'Week' (必須) |
| 間 | [必須]スケジュール間隔を頻度と組み合わせて指定します | int (必須) |
| 計画 | 繰り返しスケジュール。 | RecurrenceSchedule |
| startTime | スケジュールの開始時刻を ISO 8601 形式で指定しますが、UTC オフセットは指定しません。 | 糸 |
| timeZone | スケジュールを実行するタイム ゾーンを指定します。 TimeZone は、Windows のタイム ゾーン形式に従う必要があります。 参照: /windows-hardware/manufacture/desktop/default-time-zones |
糸 |
| triggerType | [必須] | 'Cron' 'Recurrence' (必須) |
RecurrenceSchedule
| 名前 | 形容 | 価値 |
|---|---|---|
| 時間 | [必須]スケジュールの時間の一覧。 | int[] (必須) |
| 議事録 | [必須]スケジュールの分の一覧。 | int[] (必須) |
| monthDays | スケジュールの月日の一覧 | int[] |
| 平日 | スケジュールの日数の一覧。 | 次のいずれかを含む文字列配列: 'Friday' 'Monday' 'Saturday' 'Sunday' 'Thursday' 'Tuesday' 'Wednesday' |
ARM テンプレート リソース定義
ワークスペース/スケジュール リソースの種類は、次をターゲットとする操作でデプロイできます。
- リソース グループの - リソース グループのデプロイ コマンド 参照
各 API バージョンで変更されたプロパティの一覧については、変更ログの
リソースの形式
Microsoft.MachineLearningServices/workspaces/schedules リソースを作成するには、次の JSON をテンプレートに追加します。
{
"type": "Microsoft.MachineLearningServices/workspaces/schedules",
"apiVersion": "2023-08-01-preview",
"name": "string",
"properties": {
"action": {
"actionType": "string"
// For remaining properties, see ScheduleActionBase objects
},
"description": "string",
"displayName": "string",
"isEnabled": "bool",
"properties": {
"{customized property}": "string"
},
"tags": {},
"trigger": {
"endTime": "string",
"startTime": "string",
"timeZone": "string",
"triggerType": "string"
// For remaining properties, see TriggerBase objects
}
}
}
ScheduleActionBase オブジェクト
actionType プロパティを設定して、オブジェクトの種類を指定します。
CreateJob
"actionType": "CreateJob",
"jobDefinition": {
"componentId": "string",
"computeId": "string",
"description": "string",
"displayName": "string",
"experimentName": "string",
"identity": {
"identityType": "string"
// For remaining properties, see IdentityConfiguration objects
},
"isArchived": "bool",
"notificationSetting": {
"emailOn": [ "string" ],
"emails": [ "string" ],
"webhooks": {
"{customized property}": {
"eventType": "string",
"webhookType": "string"
// For remaining properties, see Webhook objects
}
}
},
"properties": {
"{customized property}": "string"
},
"secretsConfiguration": {
"{customized property}": {
"uri": "string",
"workspaceSecretName": "string"
}
},
"services": {
"{customized property}": {
"endpoint": "string",
"jobServiceType": "string",
"nodes": {
"nodesValueType": "string"
// For remaining properties, see Nodes objects
},
"port": "int",
"properties": {
"{customized property}": "string"
}
}
},
"tags": {},
"jobType": "string"
// For remaining properties, see JobBaseProperties objects
}
CreateMonitorの場合は、次のコマンドを使用します。
"actionType": "CreateMonitor",
"monitorDefinition": {
"alertNotificationSettings": {
"emailNotificationSettings": {
"emails": [ "string" ]
}
},
"computeConfiguration": {
"computeType": "string"
// For remaining properties, see MonitorComputeConfigurationBase objects
},
"monitoringTarget": {
"deploymentId": "string",
"modelId": "string",
"taskType": "string"
},
"signals": {
"{customized property}": {
"notificationTypes": [ "string" ],
"properties": {
"{customized property}": "string"
},
"signalType": "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
ImportDataを
"actionType": "ImportData",
"dataImportDefinition": {
"assetName": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"dataType": "string",
"dataUri": "string",
"description": "string",
"intellectualProperty": {
"protectionLevel": "string",
"publisher": "string"
},
"isAnonymous": "bool",
"isArchived": "bool",
"properties": {
"{customized property}": "string"
},
"source": {
"connection": "string",
"sourceType": "string"
// For remaining properties, see DataImportSource objects
},
"stage": "string",
"tags": {}
}
InvokeBatchEndpointの場合は、次の値を使用します。
"actionType": "InvokeBatchEndpoint",
"endpointInvocationDefinition": {}
JobBaseProperties オブジェクト
オブジェクトの種類を指定するには、jobType プロパティを設定します。
AutoMLの場合は、次を使用します。
"jobType": "AutoML",
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"queueSettings": {
"jobTier": "string",
"priority": "int"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"locations": [ "string" ],
"maxInstanceCount": "int",
"properties": {
"{customized property}": {}
},
"shmSize": "string"
},
"taskDetails": {
"logVerbosity": "string",
"targetColumnName": "string",
"trainingData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"taskType": "string"
// For remaining properties, see AutoMLVertical objects
}
コマンドの場合は、次のコマンドを使用します。
"jobType": "Command",
"autologgerSettings": {
"mlflowAutologger": "string"
},
"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",
"priority": "int"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"locations": [ "string" ],
"maxInstanceCount": "int",
"properties": {
"{customized property}": {}
},
"shmSize": "string"
}
ラベル付けの場合は、次を使用します。
"jobType": "Labeling",
"dataConfiguration": {
"dataId": "string",
"incrementalDataRefresh": "string"
},
"jobInstructions": {
"uri": "string"
},
"labelCategories": {
"{customized property}": {
"classes": {
"{customized property}": {
"displayName": "string",
"subclasses": {
"{customized property}": {}
}
},
"displayName": "string",
"multiSelect": "string"
}
},
"labelingJobMediaProperties": {
"mediaType": "string"
// For remaining properties, see LabelingJobMediaProperties objects
},
"mlAssistConfiguration": {
"mlAssist": "string"
// For remaining properties, see MLAssistConfiguration objects
}
パイプラインの場合は、次を使用します。
"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"
Sparkの場合は、次の値を使用します。
"jobType": "Spark",
"archives": [ "string" ],
"args": "string",
"codeId": "string",
"conf": {
"{customized property}": "string"
},
"entry": {
"sparkJobEntryType": "string"
// For remaining properties, see SparkJobEntry objects
},
"environmentId": "string",
"environmentVariables": {
"{customized property}": "string"
},
"files": [ "string" ],
"inputs": {
"{customized property}": {
"description": "string",
"jobInputType": "string"
// For remaining properties, see JobInput objects
}
},
"jars": [ "string" ],
"outputs": {
"{customized property}": {
"description": "string",
"jobOutputType": "string"
// For remaining properties, see JobOutput objects
}
},
"pyFiles": [ "string" ],
"queueSettings": {
"jobTier": "string",
"priority": "int"
},
"resources": {
"instanceType": "string",
"runtimeVersion": "string"
}
スイープ
"jobType": "Sweep",
"componentConfiguration": {
"pipelineSettings": {}
},
"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",
"priority": "int"
},
"resources": {
"dockerArgs": "string",
"instanceCount": "int",
"instanceType": "string",
"locations": [ "string" ],
"maxInstanceCount": "int",
"properties": {
"{customized property}": {}
},
"shmSize": "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",
"locations": [ "string" ],
"maxInstanceCount": "int",
"properties": {
"{customized property}": {}
},
"shmSize": "string"
}
}
IdentityConfiguration オブジェクト
identityType プロパティを設定して、オブジェクトの種類を指定します。
AMLTokenを
"identityType": "AMLToken"
マネージドの場合は、次を使用します。
"identityType": "Managed",
"clientId": "string",
"objectId": "string",
"resourceId": "string"
UserIdentityの場合は、次の値を使用します。
"identityType": "UserIdentity"
Webhook オブジェクト
webhookType プロパティを設定して、オブジェクトの種類を指定します。
AzureDevOpsを
"webhookType": "AzureDevOps"
Nodes オブジェクト
nodesValueType プロパティを設定して、オブジェクトの種類を指定します。
[すべてのを
"nodesValueType": "All"
JobOutput オブジェクト
オブジェクトの種類を指定するには、jobOutputType プロパティを設定します。
custom_modelの場合は、次を使用します。
"jobOutputType": "custom_model",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
mlflow_modelの場合は、次を使用します。
"jobOutputType": "mlflow_model",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
mltableを
"jobOutputType": "mltable",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
triton_modelの場合は、次を使用します。
"jobOutputType": "triton_model",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
uri_fileの場合は、次を使用します。
"jobOutputType": "uri_file",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
uri_folderの場合は、次を使用します。
"jobOutputType": "uri_folder",
"assetName": "string",
"assetVersion": "string",
"autoDeleteSetting": {
"condition": "string",
"value": "string"
},
"mode": "string",
"uri": "string"
AutoMLVertical オブジェクト
taskType プロパティを設定して、オブジェクトの種類を指定します。
分類の場合は、次を使用します。
"taskType": "Classification",
"cvSplitColumnNames": [ "string" ],
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"fixedParameters": {
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "int",
"maxBin": "int",
"maxDepth": "int",
"maxLeaves": "int",
"minDataInLeaf": "int",
"minSplitGain": "int",
"modelName": "string",
"nEstimators": "int",
"numLeaves": "int",
"preprocessorName": "string",
"regAlpha": "int",
"regLambda": "int",
"subsample": "int",
"subsampleFreq": "int",
"treeMethod": "string",
"withMean": "bool",
"withStd": "bool"
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxNodes": "int",
"maxTrials": "int",
"sweepConcurrentTrials": "int",
"sweepTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"positiveLabel": "string",
"primaryMetric": "string",
"searchSpace": [
{
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "string",
"maxBin": "string",
"maxDepth": "string",
"maxLeaves": "string",
"minDataInLeaf": "string",
"minSplitGain": "string",
"modelName": "string",
"nEstimators": "string",
"numLeaves": "string",
"preprocessorName": "string",
"regAlpha": "string",
"regLambda": "string",
"subsample": "string",
"subsampleFreq": "string",
"treeMethod": "string",
"withMean": "string",
"withStd": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "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"
},
"trainingMode": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
予測の場合は、次の値を使用します。
"taskType": "Forecasting",
"cvSplitColumnNames": [ "string" ],
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"fixedParameters": {
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "int",
"maxBin": "int",
"maxDepth": "int",
"maxLeaves": "int",
"minDataInLeaf": "int",
"minSplitGain": "int",
"modelName": "string",
"nEstimators": "int",
"numLeaves": "int",
"preprocessorName": "string",
"regAlpha": "int",
"regLambda": "int",
"subsample": "int",
"subsampleFreq": "int",
"treeMethod": "string",
"withMean": "bool",
"withStd": "bool"
},
"forecastingSettings": {
"countryOrRegionForHolidays": "string",
"cvStepSize": "int",
"featureLags": "string",
"featuresUnknownAtForecastTime": [ "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",
"maxNodes": "int",
"maxTrials": "int",
"sweepConcurrentTrials": "int",
"sweepTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"primaryMetric": "string",
"searchSpace": [
{
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "string",
"maxBin": "string",
"maxDepth": "string",
"maxLeaves": "string",
"minDataInLeaf": "string",
"minSplitGain": "string",
"modelName": "string",
"nEstimators": "string",
"numLeaves": "string",
"preprocessorName": "string",
"regAlpha": "string",
"regLambda": "string",
"subsample": "string",
"subsampleFreq": "string",
"treeMethod": "string",
"withMean": "string",
"withStd": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "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"
},
"trainingMode": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
ImageClassificationの場合は、次を使用します。
"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"
ImageClassificationMultilabelを
"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"
ImageInstanceSegmentationを
"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",
"logTrainingMetrics": "string",
"logValidationLoss": "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"
ImageObjectDetectionの場合は、次の値を使用します。
"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",
"logTrainingMetrics": "string",
"logValidationLoss": "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"
回帰の場合は、次の値を使用します。
"taskType": "Regression",
"cvSplitColumnNames": [ "string" ],
"featurizationSettings": {
"blockedTransformers": [ "string" ],
"columnNameAndTypes": {
"{customized property}": "string"
},
"datasetLanguage": "string",
"enableDnnFeaturization": "bool",
"mode": "string",
"transformerParams": {
"{customized property}": [
{
"fields": [ "string" ],
"parameters": {}
}
]
}
},
"fixedParameters": {
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "int",
"maxBin": "int",
"maxDepth": "int",
"maxLeaves": "int",
"minDataInLeaf": "int",
"minSplitGain": "int",
"modelName": "string",
"nEstimators": "int",
"numLeaves": "int",
"preprocessorName": "string",
"regAlpha": "int",
"regLambda": "int",
"subsample": "int",
"subsampleFreq": "int",
"treeMethod": "string",
"withMean": "bool",
"withStd": "bool"
},
"limitSettings": {
"enableEarlyTermination": "bool",
"exitScore": "int",
"maxConcurrentTrials": "int",
"maxCoresPerTrial": "int",
"maxNodes": "int",
"maxTrials": "int",
"sweepConcurrentTrials": "int",
"sweepTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"nCrossValidations": {
"mode": "string"
// For remaining properties, see NCrossValidations objects
},
"primaryMetric": "string",
"searchSpace": [
{
"booster": "string",
"boostingType": "string",
"growPolicy": "string",
"learningRate": "string",
"maxBin": "string",
"maxDepth": "string",
"maxLeaves": "string",
"minDataInLeaf": "string",
"minSplitGain": "string",
"modelName": "string",
"nEstimators": "string",
"numLeaves": "string",
"preprocessorName": "string",
"regAlpha": "string",
"regLambda": "string",
"subsample": "string",
"subsampleFreq": "string",
"treeMethod": "string",
"withMean": "string",
"withStd": "string"
}
],
"sweepSettings": {
"earlyTermination": {
"delayEvaluation": "int",
"evaluationInterval": "int",
"policyType": "string"
// For remaining properties, see EarlyTerminationPolicy objects
},
"samplingAlgorithm": "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"
},
"trainingMode": "string"
},
"validationData": {
"description": "string",
"jobInputType": "string",
"mode": "string",
"uri": "string"
},
"validationDataSize": "int",
"weightColumnName": "string"
TextClassificationの場合は、次を使用します。
"taskType": "TextClassification",
"featurizationSettings": {
"datasetLanguage": "string"
},
"fixedParameters": {
"gradientAccumulationSteps": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"warmupRatio": "int",
"weightDecay": "int"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxNodes": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"primaryMetric": "string",
"searchSpace": [
{
"gradientAccumulationSteps": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"warmupRatio": "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"
}
TextClassificationMultilabelを
"taskType": "TextClassificationMultilabel",
"featurizationSettings": {
"datasetLanguage": "string"
},
"fixedParameters": {
"gradientAccumulationSteps": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"warmupRatio": "int",
"weightDecay": "int"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxNodes": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"searchSpace": [
{
"gradientAccumulationSteps": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"warmupRatio": "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"
}
TextNERの場合は、次を使用します。
"taskType": "TextNER",
"featurizationSettings": {
"datasetLanguage": "string"
},
"fixedParameters": {
"gradientAccumulationSteps": "int",
"learningRate": "int",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "int",
"trainingBatchSize": "int",
"validationBatchSize": "int",
"warmupRatio": "int",
"weightDecay": "int"
},
"limitSettings": {
"maxConcurrentTrials": "int",
"maxNodes": "int",
"maxTrials": "int",
"timeout": "string",
"trialTimeout": "string"
},
"searchSpace": [
{
"gradientAccumulationSteps": "string",
"learningRate": "string",
"learningRateScheduler": "string",
"modelName": "string",
"numberOfEpochs": "string",
"trainingBatchSize": "string",
"validationBatchSize": "string",
"warmupRatio": "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"
}
NCrossValidations オブジェクト
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
"mode": "Auto"
カスタムを
"mode": "Custom",
"value": "int"
EarlyTerminationPolicy オブジェクト
policyType プロパティを設定して、オブジェクトの種類を指定します。
バンディット
"policyType": "Bandit",
"slackAmount": "int",
"slackFactor": "int"
MedianStopping の場合は、次の値を使用します。
"policyType": "MedianStopping"
TruncationSelectionの場合は、次のコマンドを使用します。
"policyType": "TruncationSelection",
"truncationPercentage": "int"
ForecastHorizon オブジェクト
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
"mode": "Auto"
カスタムを
"mode": "Custom",
"value": "int"
季節性オブジェクト
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
"mode": "Auto"
カスタムを
"mode": "Custom",
"value": "int"
TargetLags オブジェクト
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
"mode": "Auto"
カスタムを
"mode": "Custom",
"values": [ "int" ]
TargetRollingWindowSize オブジェクト
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
"mode": "Auto"
カスタムを
"mode": "Custom",
"value": "int"
DistributionConfiguration オブジェクト
オブジェクトの種類を指定するには、distributionType プロパティを設定します。
Mpiの場合は、次を使用します。
"distributionType": "Mpi",
"processCountPerInstance": "int"
PyTorchを
"distributionType": "PyTorch",
"processCountPerInstance": "int"
Rayの場合は、次を使用します。
"distributionType": "Ray",
"address": "string",
"dashboardPort": "int",
"headNodeAdditionalArgs": "string",
"includeDashboard": "bool",
"port": "int",
"workerNodeAdditionalArgs": "string"
TensorFlowの場合は、次を使用します。
"distributionType": "TensorFlow",
"parameterServerCount": "int",
"workerCount": "int"
JobInput オブジェクト
jobInputType プロパティを設定して、オブジェクトの種類を指定します。
custom_modelの場合は、次を使用します。
"jobInputType": "custom_model",
"mode": "string",
"uri": "string"
リテラル の場合は、次の値を使用します。
"jobInputType": "literal",
"value": "string"
mlflow_modelの場合は、次を使用します。
"jobInputType": "mlflow_model",
"mode": "string",
"uri": "string"
mltableを
"jobInputType": "mltable",
"mode": "string",
"uri": "string"
triton_modelの場合は、次を使用します。
"jobInputType": "triton_model",
"mode": "string",
"uri": "string"
uri_fileの場合は、次を使用します。
"jobInputType": "uri_file",
"mode": "string",
"uri": "string"
uri_folderの場合は、次を使用します。
"jobInputType": "uri_folder",
"mode": "string",
"uri": "string"
LabelingJobMediaProperties オブジェクト
mediaType プロパティを設定して、オブジェクトの種類を指定します。
Imageの場合は、次を使用します。
"mediaType": "Image",
"annotationType": "string"
テキストの場合は、次を使用します。
"mediaType": "Text",
"annotationType": "string"
MLAssistConfiguration オブジェクト
mlAssist プロパティを設定して、オブジェクトの種類を指定します。
無効の場合は、次の値を使用します。
"mlAssist": "Disabled"
[有効 の場合は、次を使用します。
"mlAssist": "Enabled",
"inferencingComputeBinding": "string",
"trainingComputeBinding": "string"
SparkJobEntry オブジェクト
sparkJobEntryType プロパティを設定して、オブジェクトの種類を指定します。
SparkJobPythonEntryの場合は、次の値を使用します。
"sparkJobEntryType": "SparkJobPythonEntry",
"file": "string"
SparkJobScalaEntryの場合は、次の値を使用します。
"sparkJobEntryType": "SparkJobScalaEntry",
"className": "string"
SamplingAlgorithm オブジェクト
samplingAlgorithmType プロパティを設定して、オブジェクトの種類を指定します。
ベイジアン の場合は、次を使用します。
"samplingAlgorithmType": "Bayesian"
Gridの場合は、次を使用します。
"samplingAlgorithmType": "Grid"
ランダム
"samplingAlgorithmType": "Random",
"logbase": "string",
"rule": "string",
"seed": "int"
MonitorComputeConfigurationBase オブジェクト
computeType プロパティを設定して、オブジェクトの種類を指定します。
ServerlessSparkの場合は、次を使用します。
"computeType": "ServerlessSpark",
"computeIdentity": {
"computeIdentityType": "string"
// For remaining properties, see MonitorComputeIdentityBase objects
},
"instanceType": "string",
"runtimeVersion": "string"
MonitorComputeIdentityBase オブジェクト
computeIdentityType プロパティを設定して、オブジェクトの種類を指定します。
AmlTokenの場合は、次を使用します。
"computeIdentityType": "AmlToken"
ManagedIdentityの場合は、次の値を使用します。
"computeIdentityType": "ManagedIdentity",
"identity": {
"type": "string",
"userAssignedIdentities": {
"{customized property}": {}
}
}
MonitoringSignalBase オブジェクト
signalType プロパティを設定して、オブジェクトの種類を指定します。
カスタムを
"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"
}
}
],
"workspaceConnection": {
"environmentVariables": {
"{customized property}": "string"
},
"secrets": {
"{customized property}": "string"
}
}
DataDriftの場合は、次の値を使用します。
"signalType": "DataDrift",
"dataSegment": {
"feature": "string",
"values": [ "string" ]
},
"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
}
DataQualityの場合は、次の値を使用します。
"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
}
FeatureAttributionDriftを
"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
}
GenerationSafetyQualityの場合は、次の値を使用します。
"signalType": "GenerationSafetyQuality",
"metricThresholds": [
{
"metric": "string",
"threshold": {
"value": "int"
}
}
],
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"samplingRate": "int",
"workspaceConnectionId": "string"
GenerationTokenStatisticsの場合は、次を使用します。
"signalType": "GenerationTokenStatistics",
"metricThresholds": [
{
"metric": "string",
"threshold": {
"value": "int"
}
}
],
"productionData": [
{
"columns": {
"{customized property}": "string"
},
"dataContext": "string",
"jobInputType": "string",
"uri": "string",
"inputDataType": "string"
// For remaining properties, see MonitoringInputDataBase objects
}
],
"samplingRate": "int"
ModelPerformanceの場合は、次の値を使用します。
"signalType": "ModelPerformance",
"dataSegment": {
"feature": "string",
"values": [ "string" ]
},
"metricThreshold": {
"threshold": {
"value": "int"
},
"modelType": "string"
// For remaining properties, see ModelPerformanceMetricThresholdBase 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
}
PredictionDriftの場合は、次の値を使用します。
"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
}
MonitoringInputDataBase オブジェクト
inputDataType プロパティを設定して、オブジェクトの種類を指定します。
固定の場合は、次の値を使用します。
"inputDataType": "Fixed"
ローリングの場合は、次を使用します。
"inputDataType": "Rolling",
"preprocessingComponentId": "string",
"windowOffset": "string",
"windowSize": "string"
静的を
"inputDataType": "Static",
"preprocessingComponentId": "string",
"windowEnd": "string",
"windowStart": "string"
MonitoringFeatureFilterBase オブジェクト
filterType プロパティを設定して、オブジェクトの種類を指定します。
AllFeaturesを
"filterType": "AllFeatures"
FeatureSubsetを
"filterType": "FeatureSubset",
"features": [ "string" ]
TopNByAttributionを
"filterType": "TopNByAttribution",
"top": "int"
DataDriftMetricThresholdBase オブジェクト
dataType プロパティを設定して、オブジェクトの種類を指定します。
カテゴリ
"dataType": "Categorical",
"metric": "string"
数値の場合は、次の値を使用します。
"dataType": "Numerical",
"metric": "string"
DataQualityMetricThresholdBase オブジェクト
dataType プロパティを設定して、オブジェクトの種類を指定します。
カテゴリ
"dataType": "Categorical",
"metric": "string"
数値の場合は、次の値を使用します。
"dataType": "Numerical",
"metric": "string"
ModelPerformanceMetricThresholdBase オブジェクト
modelType プロパティを設定して、オブジェクトの種類を指定します。
分類の場合は、次を使用します。
"modelType": "Classification",
"metric": "string"
回帰の場合は、次の値を使用します。
"modelType": "Regression",
"metric": "string"
PredictionDriftMetricThresholdBase オブジェクト
dataType プロパティを設定して、オブジェクトの種類を指定します。
カテゴリ
"dataType": "Categorical",
"metric": "string"
数値の場合は、次の値を使用します。
"dataType": "Numerical",
"metric": "string"
DataImportSource オブジェクト
sourceType プロパティを設定して、オブジェクトの種類を指定します。
データベースの場合は、次を使用します。
"sourceType": "database",
"query": "string",
"storedProcedure": "string",
"storedProcedureParams": [
{
"{customized property}": "string"
}
],
"tableName": "string"
file_systemの場合は、次を使用します。
"sourceType": "file_system",
"path": "string"
TriggerBase オブジェクト
triggerType プロパティを設定して、オブジェクトの種類を指定します。
Cronの場合は、次を使用します。
"triggerType": "Cron",
"expression": "string"
繰り返しの場合は、次の値を使用します。
"triggerType": "Recurrence",
"frequency": "string",
"interval": "int",
"schedule": {
"hours": [ "int" ],
"minutes": [ "int" ],
"monthDays": [ "int" ],
"weekDays": [ "string" ]
}
プロパティ値
workspaces/schedules
| 名前 | 形容 | 価値 |
|---|---|---|
| 種類 | リソースの種類 | 'Microsoft.MachineLearningServices/workspaces/schedules' |
| apiVersion | リソース API のバージョン | '2023-08-01-preview' |
| 名前 | リソース名 JSON ARM テンプレートで子リソースの名前と型 |
string (必須) |
| プロパティ | [必須]エンティティの追加の属性。 | ScheduleProperties (必須) |
ScheduleProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| アクション | [必須]スケジュールのアクションを指定します | ScheduleActionBase (必須) |
| 形容 | 資産の説明テキスト。 | 糸 |
| displayName | スケジュールの表示名。 | 糸 |
| isEnabled | スケジュールは有効になっていますか? | bool |
| プロパティ | 資産プロパティ ディクショナリ。 | ResourceBaseProperties |
| タグ | タグ ディクショナリ。 タグは追加、削除、更新できます。 | オブジェクト |
| トリガー | [必須]トリガーの詳細を指定します | TriggerBase (必須) |
ScheduleActionBase
| 名前 | 形容 | 価値 |
|---|---|---|
| actionType | オブジェクトの種類を設定する | CreateJob の CreateMonitor ImportData InvokeBatchEndpoint (必須) |
JobScheduleAction
| 名前 | 形容 | 価値 |
|---|---|---|
| actionType | [必須]スケジュールのアクションの種類を指定します | 'CreateJob' (必須) |
| jobDefinition | [必須]スケジュール アクション定義の詳細を定義します。 | JobBaseProperties (必須) |
JobBaseProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| componentId | コンポーネント リソースの ARM リソース ID。 | 糸 |
| computeId | コンピューティング リソースの ARM リソース ID。 | 糸 |
| 形容 | 資産の説明テキスト。 | 糸 |
| displayName | ジョブの表示名。 | 糸 |
| experimentName | ジョブが属する実験の名前。 設定されていない場合、ジョブは "既定" の実験に配置されます。 | 糸 |
| 同一性 | ID の構成。 設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。 |
IdentityConfiguration |
| isArchived | 資産はアーカイブされていますか? | bool |
| notificationSetting | ジョブの通知設定 | NotificationSetting |
| プロパティ | 資産プロパティ ディクショナリ。 | ResourceBaseProperties |
| secretsConfiguration | 実行時に使用可能にするシークレットの構成。 | JobBaseSecretsConfiguration |
| サービス | JobEndpoints の一覧。 ローカル ジョブの場合、ジョブ エンドポイントのエンドポイント値は FileStreamObject になります。 |
JobBaseServices |
| タグ | タグ ディクショナリ。 タグは追加、削除、更新できます。 | オブジェクト |
| jobType | オブジェクトの種類を設定する | AutoML の コマンド ラベル付け パイプラインの Spark スイープ (必須) |
IdentityConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| identityType | オブジェクトの種類を設定する | AMLToken を マネージド UserIdentity (必須) |
AmlToken
| 名前 | 形容 | 価値 |
|---|---|---|
| identityType | [必須]ID フレームワークの種類を指定します。 | 'AMLToken' (必須) |
ManagedIdentity
| 名前 | 形容 | 価値 |
|---|---|---|
| identityType | [必須]ID フレームワークの種類を指定します。 | 'Managed' (必須) |
| clientId | クライアント ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 制約： 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| objectId | ユーザー割り当て ID をオブジェクト ID で指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 制約： 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| resourceId | ARM リソース ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 |
UserIdentity
| 名前 | 形容 | 価値 |
|---|---|---|
| identityType | [必須]ID フレームワークの種類を指定します。 | 'UserIdentity' (必須) |
NotificationSetting
| 名前 | 形容 | 価値 |
|---|---|---|
| emailOn | 指定した通知の種類でユーザーに電子メール通知を送信する | 次のいずれかを含む文字列配列: 'JobCancelled' 'JobCompleted' 'JobFailed' |
| emails | これは、コンマ区切り記号付きの合計 concat で 499 文字の制限がある電子メール受信者リストです | string[] |
| webhooks | Webhook コールバックをサービスに送信します。 キーは、Webhook のユーザー指定の名前です。 | NotificationSettingWebhooks の |
NotificationSettingWebhooks
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | Webhook |
Webhook
| 名前 | 形容 | 価値 |
|---|---|---|
| eventType | 指定した通知イベントのコールバックを送信する | 糸 |
| webhookType | オブジェクトの種類を設定する | AzureDevOps (必須) |
AzureDevOpsWebhook
| 名前 | 形容 | 価値 |
|---|---|---|
| webhookType | [必須]コールバックを送信するサービスの種類を指定します | 'AzureDevOps' (必須) |
ResourceBaseProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
JobBaseSecretsConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | SecretConfiguration |
SecretConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| uri | シークレット URI。 サンプル URI: https://myvault.vault.azure.net/secrets/mysecretname/secretversion |
糸 |
| workspaceSecretName | ワークスペース キー コンテナー内のシークレットの名前。 | 糸 |
JobBaseServices
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobService |
JobService
| 名前 | 形容 | 価値 |
|---|---|---|
| エンドポイント | エンドポイントの URL。 | 糸 |
| jobServiceType | エンドポイントの種類。 | 糸 |
| ノード | ユーザーがサービスを開始するノード。 ノードが設定されていないか、null に設定されていない場合、サービスはリーダー ノードでのみ開始されます。 |
ノード |
| 港 | ユーザーによって設定されたエンドポイントのポート。 | int |
| プロパティ | エンドポイントに設定する追加のプロパティ。 | JobServiceProperties |
ノード
| 名前 | 形容 | 価値 |
|---|---|---|
| nodesValueType | オブジェクトの種類を設定する | すべての (必須) |
AllNodes
| 名前 | 形容 | 価値 |
|---|---|---|
| nodesValueType | [必須]ノード値の型 | 'All' (必須) |
JobServiceProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
AutoMLJob
| 名前 | 形容 | 価値 |
|---|---|---|
| jobType | [必須]ジョブの種類を指定します。 | 'AutoML' (必須) |
| environmentId | ジョブの環境仕様の ARM リソース ID。 これは省略可能な値です。指定しない場合、AutoML はジョブの実行時に既定で運用環境の AutoML キュレーション環境バージョンに設定されます。 |
糸 |
| environmentVariables | ジョブに含まれる環境変数。 | AutoMLJobEnvironmentVariables の |
| 出力 | ジョブで使用される出力データ バインディングのマッピング。 | AutoMLJobOutputs の |
| queueSettings | ジョブのキュー設定 | QueueSettings の |
| リソース | ジョブのコンピューティング リソース構成。 | JobResourceConfiguration |
| taskDetails | [必須]これは、テーブル/NLP/イメージのいずれかである可能性があるシナリオを表します | AutoMLVertical (必須) |
AutoMLJobEnvironmentVariables
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
AutoMLJobOutputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobOutput |
JobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| 形容 | 出力の説明。 | 糸 |
| jobOutputType | オブジェクトの種類を設定する |
custom_model mlflow_model mltable を triton_model uri_file uri_folder (必須) |
CustomModelJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | 'custom_model' (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | 'Direct' 'ReadWriteMount' 'Upload' |
| uri | 出力アセット URI。 | 糸 |
AutoDeleteSetting
| 名前 | 形容 | 価値 |
|---|---|---|
| 条件 | 資産の有効期限が切れているかどうかを確認するタイミング | 'CreatedGreaterThan' 'LastAccessedGreaterThan' |
| 価値 | 有効期限条件の値。 | 糸 |
MLFlowModelJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | 'mlflow_model' (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | 'Direct' 'ReadWriteMount' 'Upload' |
| uri | 出力アセット URI。 | 糸 |
MLTableJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | 'mltable' (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | 'Direct' 'ReadWriteMount' 'Upload' |
| uri | 出力アセット URI。 | 糸 |
TritonModelJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | 'triton_model' (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | 'Direct' 'ReadWriteMount' 'Upload' |
| uri | 出力アセット URI。 | 糸 |
UriFileJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | 'uri_file' (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | 'Direct' 'ReadWriteMount' 'Upload' |
| uri | 出力アセット URI。 | 糸 |
UriFolderJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | 'uri_folder' (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | 'Direct' 'ReadWriteMount' 'Upload' |
| uri | 出力アセット URI。 | 糸 |
QueueSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| jobTier | コンピューティング ジョブレベルを制御します。 | 'Basic' 'Null' 'Premium' 'Spot' 'Standard' |
| 優先権 | コンピューティングでのジョブの優先順位を制御します。 | int |
JobResourceConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| dockerArgs | Docker run コマンドに渡す追加の引数。 これにより、システムまたはこのセクションで既に設定されているパラメーターがオーバーライドされます。 このパラメーターは、Azure ML コンピューティングの種類でのみサポートされます。 | 糸 |
| instanceCount | コンピューティング 先で使用されるインスタンスまたはノードの数 (省略可能)。 | int |
| instanceType | コンピューティング 先でサポートされている VM のオプションの種類。 | 糸 |
| 場所 | ジョブを実行できる場所。 | string[] |
| maxInstanceCount | コンピューティング 先で使用できるインスタンスまたはノードの最大数 (省略可能)。 エラスティック トレーニングで使用する場合は、現在 PyTorch ディストリビューションの種類でのみサポートされています。 |
int |
| プロパティ | 追加のプロパティ バッグ。 | ResourceConfigurationProperties |
| shmSize | Docker コンテナーの共有メモリ ブロックのサイズ。 これは (number)(unit) の形式で指定する必要があります。数値は 0 より大きく、単位は b(バイト)、k(キロバイト)、m(メガバイト)、または g(ギガバイト) のいずれかです。 | 糸 制約： パターン = \d+[bBkKmMgG] |
ResourceConfigurationProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} |
AutoMLVertical
| 名前 | 形容 | 価値 |
|---|---|---|
| logVerbosity | ジョブの詳細度をログに記録します。 | 'Critical' 'Debug' 'Error' 'Info' 'NotSet' 'Warning' |
| targetColumnName | ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。 |
糸 |
| trainingData | [必須]トレーニング データの入力。 | MLTableJobInput の |
| taskType | オブジェクトの種類を設定する |
分類 予測 ImageClassification ImageClassificationMultilabel の ImageInstanceSegmentation ImageObjectDetection 回帰 TextClassification TextClassificationMultilabel TextNER (必須) |
MLTableJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| 形容 | 入力の説明。 | 糸 |
| jobInputType | [必須]ジョブの種類を指定します。 | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (必須) |
| モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
分類
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'Classification' (必須) |
| cvSplitColumnNames | CVSplit データに使用する列。 | string[] |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | TableFixedParameters の |
| limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
| nCrossValidations | トレーニング データセットに適用されるクロス検証フォールドの数 検証データセットが指定されていない場合。 |
NCrossValidations |
| positiveLabel | バイナリ メトリック計算の正のラベル。 | 糸 |
| primaryMetric | タスクのプライマリ メトリック。 | 'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | TableParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | TableSweepSettings の |
| testData | データ入力をテストします。 | MLTableJobInput の |
| testDataSize | 検証のために確保する必要があるテスト データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | ClassificationTrainingSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| weightColumnName | サンプルの重み列の名前。 自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。 | 糸 |
TableVerticalFeaturizationSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| blockedTransformers | これらのトランスは特徴付けには使用しないでください。 | 次のいずれかを含む文字列配列: 'CatTargetEncoder' 'CountVectorizer' 'HashOneHotEncoder' 'LabelEncoder' 'NaiveBayes' 'OneHotEncoder' 'TextTargetEncoder' 'TfIdf' 'WoETargetEncoder' 'WordEmbedding' |
| columnNameAndTypes | 列名とその型 (int、float、string、datetime など) のディクショナリ。 | TableVerticalFeaturizationSettingsColumnNameAndTypes |
| datasetLanguage | テキスト データに役立つデータセット言語。 | 糸 |
| enableDnnFeaturization | データ特徴付けに Dnn ベースの特徴付け器を使用するかどうかを決定します。 | bool |
| モード | 特徴量化モード - ユーザーは既定の "自動" モードを維持でき、AutoML は特徴量化フェーズでのデータの必要な変換を処理します。 [オフ] が選択されている場合、特徴量化は行われません。 [カスタム] が選択されている場合、ユーザーは追加の入力を指定して、特徴付けの実行方法をカスタマイズできます。 |
'Auto' 'Custom' 'Off' |
| transformerParams | ユーザーは、使用する追加のトランスフォーマーと、それが適用される列、およびトランスフォーマー コンストラクターのパラメーターを指定できます。 | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
TableVerticalFeaturizationSettingsTransformerParams
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | ColumnTransformer[] |
ColumnTransformer
| 名前 | 形容 | 価値 |
|---|---|---|
| 田畑 | トランスフォーマー ロジックを適用するフィールド。 | string[] |
| パラメーター | トランスフォーマーに渡されるさまざまなプロパティ。 必要な入力は、JSON 形式のキーと値のペアのディクショナリです。 |
TableFixedParameters
| 名前 | 形容 | 価値 |
|---|---|---|
| ブースター | ブーストの種類 (XGBoost の場合は gbdt など) を指定します。 | 糸 |
| boostingType | ブーストの種類 (LightGBM の場合は gbdt など) を指定します。 | 糸 |
| growPolicy | 新しいノードをツリーに追加する方法を制御する拡張ポリシーを指定します。 | 糸 |
| learningRate | トレーニング手順の学習率。 | int |
| maxBin | 連続フィーチャをバケットする個別ビンの最大数を指定します。 | int |
| maxDepth | ツリーの深さを明示的に制限する最大深度を指定します。 | int |
| maxLeaves | ツリーの葉を明示的に制限するには、最大リーフを指定します。 | int |
| minDataInLeaf | リーフあたりのデータの最小数。 | int |
| minSplitGain | ツリーのリーフ ノードにさらにパーティションを作成するために必要な最小損失削減。 | int |
| modelName | トレーニングするモデルの名前。 | 糸 |
| nEstimators | モデル内のツリー (または丸め) の数を指定します。 | int |
| numLeaves | 葉の数を指定します。 | int |
| プリプロセッサ名 | 使用するプリプロセッサの名前。 | 糸 |
| regAlpha | 重みの L1 正則化項。 | int |
| regLambda | 重みの L2 正則化項。 | int |
| subsample | トレーニング インスタンスのサブサンプル比率。 | int |
| subsampleFreq | サブサンプルの頻度。 | int |
| treeMethod | ツリー メソッドを指定します。 | 糸 |
| withMean | true の場合は、StandardScalar を使用してデータをスケーリングする前に中央揃えにします。 | bool |
| withStd | true の場合、StandardScalar を使用して単位分散を使用してデータをスケーリングします。 | bool |
TableVerticalLimitSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| enableEarlyTermination | 早期終了を有効にし、過去 20 回のイテレーションでスコアの改善がない場合に AutoMLJob が早期に終了するかどうかを決定します。 | bool |
| exitScore | AutoML ジョブの終了スコア。 | int |
| maxConcurrentTrials | 最大同時反復数。 | int |
| maxCoresPerTrial | イテレーションあたりの最大コア数。 | int |
| maxNodes | 実験に使用する最大ノード数。 | int |
| maxTrials | 反復回数。 | int |
| sweepConcurrentTrials | ユーザーがトリガーする同時スイープ実行の数。 | int |
| sweepTrials | ユーザーがトリガーするスイープ実行の数。 | int |
| タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
| trialTimeout | 繰り返しタイムアウト。 | 糸 |
NCrossValidations
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
AutoNCrossValidations
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]N クロス検証を決定するためのモード。 | 'Auto' (必須) |
CustomNCrossValidations
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]N クロス検証を決定するためのモード。 | 'Custom' (必須) |
| 価値 | [必須]N クロス検証値。 | int (必須) |
TableParameterSubspace
| 名前 | 形容 | 価値 |
|---|---|---|
| ブースター | ブーストの種類 (XGBoost の場合は gbdt など) を指定します。 | 糸 |
| boostingType | ブーストの種類 (LightGBM の場合は gbdt など) を指定します。 | 糸 |
| growPolicy | 新しいノードをツリーに追加する方法を制御する拡張ポリシーを指定します。 | 糸 |
| learningRate | トレーニング手順の学習率。 | 糸 |
| maxBin | 連続フィーチャをバケットする個別ビンの最大数を指定します。 | 糸 |
| maxDepth | ツリーの深さを明示的に制限する最大深度を指定します。 | 糸 |
| maxLeaves | ツリーの葉を明示的に制限するには、最大リーフを指定します。 | 糸 |
| minDataInLeaf | リーフあたりのデータの最小数。 | 糸 |
| minSplitGain | ツリーのリーフ ノードにさらにパーティションを作成するために必要な最小損失削減。 | 糸 |
| modelName | トレーニングするモデルの名前。 | 糸 |
| nEstimators | モデル内のツリー (または丸め) の数を指定します。 | 糸 |
| numLeaves | 葉の数を指定します。 | 糸 |
| プリプロセッサ名 | 使用するプリプロセッサの名前。 | 糸 |
| regAlpha | 重みの L1 正則化項。 | 糸 |
| regLambda | 重みの L2 正則化項。 | 糸 |
| subsample | トレーニング インスタンスのサブサンプル比率。 | 糸 |
| subsampleFreq | サブサンプルの頻度 | 糸 |
| treeMethod | ツリー メソッドを指定します。 | 糸 |
| withMean | true の場合は、StandardScalar を使用してデータをスケーリングする前に中央揃えにします。 | 糸 |
| withStd | true の場合、StandardScalar を使用して単位分散を使用してデータをスケーリングします。 | 糸 |
TableSweepSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| earlyTermination | スイープ ジョブの早期終了ポリシーの種類。 | EarlyTerminationPolicy |
| samplingAlgorithm | [必須]サンプリング アルゴリズムの種類。 | 'Bayesian' 'Grid' 'Random' (必須) |
EarlyTerminationPolicy
| 名前 | 形容 | 価値 |
|---|---|---|
| delayEvaluation | 最初の評価を遅らせる間隔の数。 | int |
| evaluationInterval | ポリシー評価間の間隔 (実行回数)。 | int |
| policyType | オブジェクトの種類を設定する |
バンディット MedianStopping TruncationSelection (必須) |
BanditPolicy
| 名前 | 形容 | 価値 |
|---|---|---|
| policyType | [必須]ポリシー構成の名前 | 'Bandit' (必須) |
| slackAmount | 最高のパフォーマンスを発揮する実行から許容される絶対距離。 | int |
| slackFactor | 最もパフォーマンスの高い実行からの許容距離の比率。 | int |
MedianStoppingPolicy
| 名前 | 形容 | 価値 |
|---|---|---|
| policyType | [必須]ポリシー構成の名前 | 'MedianStopping' (必須) |
TruncationSelectionPolicy
| 名前 | 形容 | 価値 |
|---|---|---|
| policyType | [必須]ポリシー構成の名前 | 'TruncationSelection' (必須) |
| truncationPercentage | 各評価間隔で取り消す実行の割合。 | int |
ClassificationTrainingSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| allowedTrainingAlgorithms | 分類タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier' |
| blockedTrainingAlgorithms | 分類タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier' |
| enableDnnTraining | DNN モデルの推奨事項を有効にします。 | bool |
| enableModelExplainability | 最適なモデルで説明可能性を有効にするフラグ。 | bool |
| enableOnnxCompatibleModels | onnx 互換モデルを有効にするフラグ。 | bool |
| enableStackEnsemble | スタック アンサンブル実行を有効にします。 | bool |
| enableVoteEnsemble | 投票アンサンブル実行を有効にします。 | bool |
| ensembleModelDownloadTimeout | VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。 |
糸 |
| stackEnsembleSettings | スタック アンサンブル実行のスタック アンサンブル設定。 | StackEnsembleSettings |
| trainingMode | TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティック ベースのモードが選択される可能性があります。 既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。 |
'Auto' 'Distributed' 'NonDistributed' |
StackEnsembleSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| stackMetaLearnerKWargs | メタ学習者の初期化子に渡す省略可能なパラメーター。 | |
| stackMetaLearnerTrainPercentage | メタ学習者のトレーニング用に予約するトレーニング セット (トレーニングのトレーニングと検証の種類を選択する場合) の割合を指定します。 既定値は 0.2 です。 | int |
| stackMetaLearnerType | メタ学習者は、個々の異種モデルの出力でトレーニングされたモデルです。 | 'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'None' |
予測
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'Forecasting' (必須) |
| cvSplitColumnNames | CVSplit データに使用する列。 | string[] |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | TableFixedParameters の |
| forecastingSettings | 予測タスク固有の入力。 | ForecastingSettings |
| limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
| nCrossValidations | トレーニング データセットに適用されるクロス検証フォールドの数 検証データセットが指定されていない場合。 |
NCrossValidations |
| primaryMetric | 予測タスクの主要メトリック。 | 'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'スピアマンコレレーション' |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | TableParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | TableSweepSettings の |
| testData | データ入力をテストします。 | MLTableJobInput の |
| testDataSize | 検証のために確保する必要があるテスト データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | ForecastingTrainingSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| weightColumnName | サンプルの重み列の名前。 自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。 | 糸 |
ForecastingSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| countryOrRegionForHolidays | 予測タスクの休日の国または地域。 これらは、ISO 3166 の 2 文字の国/地域コード ("US" や "GB" など) である必要があります。 |
糸 |
| cvStepSize | 1 つの CV フォールドの原点時間と次のフォールドの間の期間の数。 対して たとえば、日次データの CVStepSize = 3 の場合、各フォールドの起点時間は3 日分離します。 |
int |
| featureLags | 'auto' または null を持つ数値特徴のラグを生成するためのフラグ。 | 'Auto' 'None' |
| featuresUnknownAtForecastTime | 予測/推論時にトレーニングに使用できるが不明な特徴列。 features_unknown_at_forecast_timeが設定されていない場合、データセット内のすべての特徴列が推論時に既知であると見なされます。 |
string[] |
| forecastHorizon | 時系列の頻度の単位で求められる最大予測期間。 | ForecastHorizon |
| 周波数 | 予測の場合、このパラメーターは、日単位、週単位、年単位など、予測が必要な期間を表します。予測頻度は、既定ではデータセットの頻度です。 | 糸 |
| 季節 | 時系列の季節性を、系列の頻度の整数倍数として設定します。 季節性が 'auto' に設定されている場合は、推論されます。 |
季節性 |
| shortSeriesHandlingConfig | AutoML で短い時系列を処理する方法を定義するパラメーター。 | 'Auto' 'Drop' 'None' 'Pad' |
| targetAggregateFunction | ユーザーが指定した頻度に準拠するように時系列ターゲット列を集計するために使用する関数。 TargetAggregateFunction が 'None' ではなく設定されているが、freq パラメーターが設定されていない場合、エラーが発生します。 可能なターゲット集計関数は、"sum"、"max"、"min"、"mean" です。 |
'Max' 'Mean' 'Min' 'None' 'Sum' |
| targetLags | ターゲット列から遅延する過去の期間の数。 | TargetLags |
| targetRollingWindowSize | ターゲット列のローリング ウィンドウ平均の作成に使用された過去の期間の数。 | TargetRollingWindowSize |
| timeColumnName | 時刻列の名前。 このパラメーターは、時系列の構築とその頻度の推論に使用される入力データの datetime 列を予測する場合に必要です。 | 糸 |
| timeSeriesIdColumnNames | 時系列をグループ化するために使用される列の名前。 複数の系列を作成するために使用できます。 グレインが定義されていない場合、データ セットは 1 つの時系列であると見なされます。 このパラメーターは、タスクの種類の予測で使用されます。 |
string[] |
| useStl | 時系列ターゲット列の STL 分解を構成します。 | 'None' 'Season' 'SeasonTrend' |
ForecastHorizon
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
AutoForecastHorizon
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]予測期間値の選択モードを設定します。 | 'Auto' (必須) |
CustomForecastHorizon
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]予測期間値の選択モードを設定します。 | 'Custom' (必須) |
| 価値 | [必須]予測期間の値。 | int (必須) |
季節
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
AutoSeasonality
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]季節性モード。 | 'Auto' (必須) |
CustomSeasonality
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]季節性モード。 | 'Custom' (必須) |
| 価値 | [必須]季節性の値。 | int (必須) |
TargetLags
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
AutoTargetLags
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]ターゲット ラグ モードの設定 - 自動/カスタム | 'Auto' (必須) |
CustomTargetLags
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]ターゲット ラグ モードの設定 - 自動/カスタム | 'Custom' (必須) |
| 価値観 | [必須]ターゲットラグ値を設定します。 | int[] (必須) |
TargetRollingWindowSize
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
AutoTargetRollingWindowSize
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]TargetRollingWindowSiz 検出モード。 | 'Auto' (必須) |
CustomTargetRollingWindowSize
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]TargetRollingWindowSiz 検出モード。 | 'Custom' (必須) |
| 価値 | [必須]TargetRollingWindowSize 値。 | int (必須) |
ForecastingTrainingSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| allowedTrainingAlgorithms | 予測タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'Naive' 'Prophet' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor' |
| blockedTrainingAlgorithms | 予測タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'Naive' 'Prophet' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor' |
| enableDnnTraining | DNN モデルの推奨事項を有効にします。 | bool |
| enableModelExplainability | 最適なモデルで説明可能性を有効にするフラグ。 | bool |
| enableOnnxCompatibleModels | onnx 互換モデルを有効にするフラグ。 | bool |
| enableStackEnsemble | スタック アンサンブル実行を有効にします。 | bool |
| enableVoteEnsemble | 投票アンサンブル実行を有効にします。 | bool |
| ensembleModelDownloadTimeout | VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。 |
糸 |
| stackEnsembleSettings | スタック アンサンブル実行のスタック アンサンブル設定。 | StackEnsembleSettings |
| trainingMode | TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティック ベースのモードが選択される可能性があります。 既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。 |
'Auto' 'Distributed' 'NonDistributed' |
ImageClassification
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'ImageClassification' (必須) |
| limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
| modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsClassification の |
| primaryMetric | このタスク用に最適化する主要メトリック。 | 'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsClassification[] |
| sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
ImageLimitSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| maxConcurrentTrials | 同時 AutoML イテレーションの最大数。 | int |
| maxTrials | AutoML イテレーションの最大数。 | int |
| タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
ImageModelSettingsClassification
| 名前 | 形容 | 価値 |
|---|---|---|
| advancedSettings | 高度なシナリオの設定。 | 糸 |
| amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | bool |
| 拡張 | 拡張を使用するための設定。 | 糸 |
| beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | int |
| beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | int |
| checkpointFrequency | モデル チェックポイントを格納する頻度。 正の整数にする必要があります。 | int |
| checkpointModel | 増分トレーニング用の事前トレーニング済みチェックポイント モデル。 | MLFlowModelJobInput の |
| checkpointRunId | 増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。 | 糸 |
| 分散 | 分散トレーニングを使用するかどうか。 | bool |
| earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | bool |
| earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
int |
| earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
int |
| enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | bool |
| evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | int |
| gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
int |
| layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
int |
| learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | int |
| learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 'None' 'Step' 'WarmupCosine' |
| modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
| 運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | int |
| nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | bool |
| numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | int |
| numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | int |
| オプティマイザ | オプティマイザーの種類。 | 'Adam' 'Adamw' 'None' 'Sgd' |
| randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | int |
| stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | int |
| stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | int |
| trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | int |
| trainingCropSize | トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | int |
| validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | int |
| validationCropSize | 検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | int |
| validationResizeSize | 検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。 | int |
| warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | int |
| warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | int |
| weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | int |
| weightedLoss | 加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。 |
int |
MLFlowModelJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| 形容 | 入力の説明。 | 糸 |
| jobInputType | [必須]ジョブの種類を指定します。 | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (必須) |
| モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
| 名前 | 形容 | 価値 |
|---|---|---|
| amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | 糸 |
| 拡張 | 拡張を使用するための設定。 | 糸 |
| beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| 分散 | 配布者トレーニングを使用するかどうか。 | 糸 |
| earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | 糸 |
| earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
糸 |
| earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
糸 |
| enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | 糸 |
| evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | 糸 |
| gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
糸 |
| layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
糸 |
| learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | 糸 |
| learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 糸 |
| modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
| 運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | 糸 |
| numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | 糸 |
| numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | 糸 |
| オプティマイザ | オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。 | 糸 |
| randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | 糸 |
| stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | 糸 |
| trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | 糸 |
| trainingCropSize | トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | 糸 |
| validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | 糸 |
| validationCropSize | 検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | 糸 |
| validationResizeSize | 検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。 | 糸 |
| warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | 糸 |
| weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| weightedLoss | 加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。 |
糸 |
ImageSweepSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| earlyTermination | 早期終了ポリシーの種類。 | EarlyTerminationPolicy |
| samplingAlgorithm | [必須]ハイパーパラメーター サンプリング アルゴリズムの種類。 | 'Bayesian' 'Grid' 'Random' (必須) |
ImageClassificationMultilabel
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'ImageClassificationMultilabel' (必須) |
| limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
| modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsClassification の |
| primaryMetric | このタスク用に最適化する主要メトリック。 | 'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsClassification[] |
| sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
ImageInstanceSegmentation
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'ImageInstanceSegmentation' (必須) |
| limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
| modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsObjectDetection |
| primaryMetric | このタスク用に最適化する主要メトリック。 | 'MeanAveragePrecision' |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsObjectDetection[] |
| sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
ImageModelSettingsObjectDetection
| 名前 | 形容 | 価値 |
|---|---|---|
| advancedSettings | 高度なシナリオの設定。 | 糸 |
| amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | bool |
| 拡張 | 拡張を使用するための設定。 | 糸 |
| beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | int |
| beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | int |
| boxDetectionsPerImage | すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
| boxScoreThreshold | 推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。 |
int |
| checkpointFrequency | モデル チェックポイントを格納する頻度。 正の整数にする必要があります。 | int |
| checkpointModel | 増分トレーニング用の事前トレーニング済みチェックポイント モデル。 | MLFlowModelJobInput の |
| checkpointRunId | 増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。 | 糸 |
| 分散 | 分散トレーニングを使用するかどうか。 | bool |
| earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | bool |
| earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
int |
| earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
int |
| enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | bool |
| evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | int |
| gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
int |
| imageSize | トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
int |
| layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
int |
| learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | int |
| learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 'None' 'Step' 'WarmupCosine' |
| logTrainingMetrics | トレーニング メトリックのコンピューティングとログ記録を有効にします。 | 'Disable' 'Enable' |
| logValidationLoss | コンピューティングとログの検証の損失を有効にします。 | 'Disable' 'Enable' |
| maxSize | バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
| minSize | バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
| modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
| modelSize | モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
'ExtraLarge' 'Large' 'Medium' 'None' 'Small' |
| 運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | int |
| multiScale | イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
bool |
| nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | bool |
| nmsIouThreshold | NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] の float である必要があります。 | int |
| numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | int |
| numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | int |
| オプティマイザ | オプティマイザーの種類。 | 'Adam' 'Adamw' 'None' 'Sgd' |
| randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | int |
| stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | int |
| stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | int |
| tileGridSize | 各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| tileOverlapRatio | 各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
| tilePredictionsNmsThreshold | タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
| trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | int |
| validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | int |
| validationIouThreshold | 検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | int |
| validationMetricType | 検証メトリックに使用するメトリック計算方法。 | 'Coco' 'CocoVoc' 'None' 'Voc' |
| warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | int |
| warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | int |
| weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | int |
ImageModelDistributionSettingsObjectDetection
| 名前 | 形容 | 価値 |
|---|---|---|
| amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | 糸 |
| 拡張 | 拡張を使用するための設定。 | 糸 |
| beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| boxDetectionsPerImage | すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| boxScoreThreshold | 推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。 |
糸 |
| 分散 | 配布者トレーニングを使用するかどうか。 | 糸 |
| earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | 糸 |
| earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
糸 |
| earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
糸 |
| enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | 糸 |
| evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | 糸 |
| gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
糸 |
| imageSize | トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
| layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
糸 |
| learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | 糸 |
| learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 糸 |
| maxSize | バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| minSize | バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
| modelSize | モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
| 運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| multiScale | イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
| nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | 糸 |
| nmsIouThreshold | NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | 糸 |
| numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | 糸 |
| numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | 糸 |
| オプティマイザ | オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。 | 糸 |
| randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | 糸 |
| stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | 糸 |
| tileGridSize | 各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| tileOverlapRatio | 各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| tilePredictionsNmsThreshold | タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 NMS: 非最大抑制 |
糸 |
| trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | 糸 |
| validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | 糸 |
| validationIouThreshold | 検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | 糸 |
| validationMetricType | 検証メトリックに使用するメトリック計算方法。 'none'、'coco'、'voc'、または 'coco_voc' である必要があります。 | 糸 |
| warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | 糸 |
| weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
ImageObjectDetection
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'ImageObjectDetection' (必須) |
| limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
| modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsObjectDetection |
| primaryMetric | このタスク用に最適化する主要メトリック。 | 'MeanAveragePrecision' |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsObjectDetection[] |
| sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
回帰
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'Regression' (必須) |
| cvSplitColumnNames | CVSplit データに使用する列。 | string[] |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | TableFixedParameters の |
| limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
| nCrossValidations | トレーニング データセットに適用されるクロス検証フォールドの数 検証データセットが指定されていない場合。 |
NCrossValidations |
| primaryMetric | 回帰タスクの主要メトリック。 | 'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'スピアマンコレレーション' |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | TableParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | TableSweepSettings の |
| testData | データ入力をテストします。 | MLTableJobInput の |
| testDataSize | 検証のために確保する必要があるテスト データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | RegressionTrainingSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| weightColumnName | サンプルの重み列の名前。 自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。 | 糸 |
RegressionTrainingSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| allowedTrainingAlgorithms | 回帰タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor' |
| blockedTrainingAlgorithms | 回帰タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor' |
| enableDnnTraining | DNN モデルの推奨事項を有効にします。 | bool |
| enableModelExplainability | 最適なモデルで説明可能性を有効にするフラグ。 | bool |
| enableOnnxCompatibleModels | onnx 互換モデルを有効にするフラグ。 | bool |
| enableStackEnsemble | スタック アンサンブル実行を有効にします。 | bool |
| enableVoteEnsemble | 投票アンサンブル実行を有効にします。 | bool |
| ensembleModelDownloadTimeout | VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。 |
糸 |
| stackEnsembleSettings | スタック アンサンブル実行のスタック アンサンブル設定。 | StackEnsembleSettings |
| trainingMode | TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティック ベースのモードが選択される可能性があります。 既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。 |
'Auto' 'Distributed' 'NonDistributed' |
TextClassification
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'TextClassification' (必須) |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | NlpFixedParameters |
| limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
| primaryMetric | Text-Classification タスクのプライマリ メトリック。 | 'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted' |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | NlpParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | NlpSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
NlpVerticalFeaturizationSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| datasetLanguage | テキスト データに役立つデータセット言語。 | 糸 |
NlpFixedParameters
| 名前 | 形容 | 価値 |
|---|---|---|
| gradientAccumulationSteps | 後方パスを実行する前にグラデーションを累積する手順の数。 | int |
| learningRate | トレーニング手順の学習率。 | int |
| learningRateScheduler | トレーニング手順中に使用する学習率スケジュールの種類。 | 'Constant' 'ConstantWithWarmup' 'Cosine' 'CosineWithRestarts' 'Linear' 'None' '多項式' |
| modelName | トレーニングするモデルの名前。 | 糸 |
| numberOfEpochs | トレーニング エポックの数。 | int |
| trainingBatchSize | トレーニング 手順のバッチ サイズ。 | int |
| validationBatchSize | 評価中に使用するバッチ サイズ。 | int |
| warmupRatio | LrSchedulerType と共に使用されるウォームアップ比。 | int |
| weightDecay | トレーニング手順の重量の減衰。 | int |
NlpVerticalLimitSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| maxConcurrentTrials | AutoML の同時実行の最大イテレーション数。 | int |
| maxNodes | 実験に使用する最大ノード数。 | int |
| maxTrials | AutoML イテレーションの数。 | int |
| タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
| trialTimeout | 個々の HD 試用版のタイムアウト。 | 糸 |
NlpParameterSubspace
| 名前 | 形容 | 価値 |
|---|---|---|
| gradientAccumulationSteps | 後方パスを実行する前にグラデーションを累積する手順の数。 | 糸 |
| learningRate | トレーニング手順の学習率。 | 糸 |
| learningRateScheduler | トレーニング手順中に使用する学習率スケジュールの種類。 | 糸 |
| modelName | トレーニングするモデルの名前。 | 糸 |
| numberOfEpochs | トレーニング エポックの数。 | 糸 |
| trainingBatchSize | トレーニング 手順のバッチ サイズ。 | 糸 |
| validationBatchSize | 評価中に使用するバッチ サイズ。 | 糸 |
| warmupRatio | LrSchedulerType と共に使用されるウォームアップ比。 | 糸 |
| weightDecay | トレーニング手順の重量の減衰。 | 糸 |
NlpSweepSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| earlyTermination | スイープ ジョブの早期終了ポリシーの種類。 | EarlyTerminationPolicy |
| samplingAlgorithm | [必須]サンプリング アルゴリズムの種類。 | 'Bayesian' 'Grid' 'Random' (必須) |
TextClassificationMultilabel
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'TextClassificationMultilabel' (必須) |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | NlpFixedParameters |
| limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | NlpParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | NlpSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
TextNer
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | 'TextNER' (必須) |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | NlpFixedParameters |
| limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | NlpParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | NlpSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
CommandJob
| 名前 | 形容 | 価値 |
|---|---|---|
| jobType | [必須]ジョブの種類を指定します。 | 'Command' (必須) |
| autologgerSettings | ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。 | AutologgerSettings |
| codeId | コード資産の ARM リソース ID。 | 糸 |
| 命令 | [必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py" | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| 流通 | ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、Ray、または null のいずれかである必要があります。 | DistributionConfiguration |
| environmentId | [必須]ジョブの環境仕様の ARM リソース ID。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| environmentVariables | ジョブに含まれる環境変数。 | CommandJobEnvironmentVariables |
| 入力 | ジョブで使用される入力データ バインディングのマッピング。 | CommandJobInputs |
| 切り | コマンド ジョブの制限。 | CommandJobLimits |
| 出力 | ジョブで使用される出力データ バインディングのマッピング。 | CommandJobOutputs |
| queueSettings | ジョブのキュー設定 | QueueSettings の |
| リソース | ジョブのコンピューティング リソース構成。 | JobResourceConfiguration |
AutologgerSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| mlflowAutologger | [必須]mlflow 自動ロガーが有効かどうかを示します。 | 'Disabled' 'Enabled' (必須) |
DistributionConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| distributionType | オブジェクトの種類を設定する |
Mpi PyTorch を Ray TensorFlow (必須) |
Mpi
| 名前 | 形容 | 価値 |
|---|---|---|
| distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | 'Mpi' (必須) |
| processCountPerInstance | MPI ノードあたりのプロセス数。 | int |
PyTorch
| 名前 | 形容 | 価値 |
|---|---|---|
| distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | 'PyTorch' (必須) |
| processCountPerInstance | ノードあたりのプロセス数。 | int |
鱏
| 名前 | 形容 | 価値 |
|---|---|---|
| distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | 'Ray' (必須) |
| 住所 | Ray ヘッド ノードのアドレス。 | 糸 |
| dashboardPort | ダッシュボード サーバーをバインドするポート。 | int |
| headNodeAdditionalArgs | ヘッド ノードの光線開始に渡される追加の引数。 | 糸 |
| includeDashboard | Ray ダッシュボード GUI を開始するには、この引数を指定します。 | bool |
| 港 | ヘッド レイ プロセスのポート。 | int |
| workerNodeAdditionalArgs | ワーカー ノードで光線開始に渡される追加の引数。 | 糸 |
TensorFlow
| 名前 | 形容 | 価値 |
|---|---|---|
| distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | 'TensorFlow' (必須) |
| parameterServerCount | パラメーター サーバー タスクの数。 | int |
| workerCount | ワーカーの数。 指定しない場合は、既定でインスタンス数が設定されます。 | int |
CommandJobEnvironmentVariables
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
CommandJobInputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobInput を |
JobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| 形容 | 入力の説明。 | 糸 |
| jobInputType | オブジェクトの種類を設定する |
custom_model リテラル mlflow_model mltable triton_model uri_file uri_folder (必須) |
CustomModelJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobInputType | [必須]ジョブの種類を指定します。 | 'custom_model' (必須) |
| モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
LiteralJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobInputType | [必須]ジョブの種類を指定します。 | 'literal' (必須) |
| 価値 | [必須]入力のリテラル値。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
TritonModelJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobInputType | [必須]ジョブの種類を指定します。 | 'triton_model' (必須) |
| モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
UriFileJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobInputType | [必須]ジョブの種類を指定します。 | 'uri_file' (必須) |
| モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
UriFolderJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobInputType | [必須]ジョブの種類を指定します。 | 'uri_folder' (必須) |
| モード | 入力資産配信モード。 | 'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount' |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
CommandJobLimits
| 名前 | 形容 | 価値 |
|---|---|---|
| jobLimitsType | [必須]JobLimit 型。 | 'Command' 'Sweep' (必須) |
| タイムアウト | ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。 | 糸 |
CommandJobOutputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobOutput |
LabelingJobProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| componentId | コンポーネント リソースの ARM リソース ID。 | 糸 |
| computeId | コンピューティング リソースの ARM リソース ID。 | 糸 |
| dataConfiguration | ジョブで使用されるデータの構成。 | labelingDataConfiguration の |
| 形容 | 資産の説明テキスト。 | 糸 |
| displayName | ジョブの表示名。 | 糸 |
| experimentName | ジョブが属する実験の名前。 設定されていない場合、ジョブは "既定" の実験に配置されます。 | 糸 |
| 同一性 | ID の構成。 設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。 |
IdentityConfiguration |
| isArchived | 資産はアーカイブされていますか? | bool |
| jobInstructions | ジョブのラベル付け命令。 | LabelingJobInstructions の |
| jobType | [必須]ジョブの種類を指定します。 | 'AutoML' 'Command' 'Labeling' 'Pipeline' 'Spark' 'Sweep' (必須) |
| labelCategories | ジョブのカテゴリにラベルを付けます。 | LabelingJobLabelCategories の |
| labelingJobMediaProperties | ジョブ内のメディアの種類固有のプロパティ。 | labelingJobMediaProperties の |
| mlAssistConfiguration | ジョブでの MLAssist 機能の構成。 | MLAssistConfiguration |
| notificationSetting | ジョブの通知設定 | NotificationSetting |
| プロパティ | 資産プロパティ ディクショナリ。 | ResourceBaseProperties |
| secretsConfiguration | 実行時に使用可能にするシークレットの構成。 | JobBaseSecretsConfiguration |
| サービス | JobEndpoints の一覧。 ローカル ジョブの場合、ジョブ エンドポイントのエンドポイント値は FileStreamObject になります。 |
JobBaseServices |
| タグ | タグ ディクショナリ。 タグは追加、削除、更新できます。 | オブジェクト |
LabelingDataConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| dataId | ラベル付けを実行するデータ資産のリソース ID。 | 糸 |
| incrementalDataRefresh | 増分データ更新を有効にするかどうかを示します。 | 'Disabled' 'Enabled' |
LabelingJobInstructions
| 名前 | 形容 | 価値 |
|---|---|---|
| uri | ラベラーの詳細なラベル付け手順を含むページへのリンク。 | 糸 |
LabelingJobLabelCategories
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | LabelCategory |
LabelCategory
| 名前 | 形容 | 価値 |
|---|---|---|
| クラス | このカテゴリのラベル クラスのディクショナリ。 | LabelCategoryClasses |
| displayName | ラベル カテゴリの表示名。 | 糸 |
| multiSelect | このカテゴリの複数のクラスを選択できるかどうかを示します。 | 'Disabled' 'Enabled' |
LabelCategoryClasses
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | LabelClass |
LabelClass
| 名前 | 形容 | 価値 |
|---|---|---|
| displayName | ラベル クラスの表示名。 | 糸 |
| サブクラス | ラベル クラスのサブクラスのディクショナリ。 | LabelClassSubclasses |
LabelClassSubclasses
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | LabelClass |
LabelingJobMediaProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| mediaType | オブジェクトの種類を設定する |
イメージ テキスト (必須) |
LabelingJobImageProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| mediaType | [必須]ジョブのメディアの種類。 | 'Image' (必須) |
| annotationType | 画像ラベル付けジョブの注釈の種類。 | 'BoundingBox' 'Classification' 'InstanceSegmentation' |
LabelingJobTextProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| mediaType | [必須]ジョブのメディアの種類。 | 'Text' (必須) |
| annotationType | テキスト ラベル付けジョブの注釈の種類。 | 'Classification' 'NamedEntityRecognition' |
MLAssistConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| mlAssist | オブジェクトの種類を設定する |
Disabled Enabled (必須) |
MLAssistConfigurationDisabled
| 名前 | 形容 | 価値 |
|---|---|---|
| mlAssist | [必須]MLAssist 機能が有効かどうかを示します。 | 'Disabled' (必須) |
MLAssistConfigurationEnabled
| 名前 | 形容 | 価値 |
|---|---|---|
| mlAssist | [必須]MLAssist 機能が有効かどうかを示します。 | 'Enabled' (必須) |
| inferencingComputeBinding | [必須]推論で使用される AML コンピューティング バインド。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| trainingComputeBinding | [必須]トレーニングで使用される AML コンピューティング バインド。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
PipelineJob
| 名前 | 形容 | 価値 |
|---|---|---|
| jobType | [必須]ジョブの種類を指定します。 | 'Pipeline' (必須) |
| 入力 | パイプライン ジョブの入力。 | PipelineJobInputs |
| ジョブ | ジョブはパイプライン ジョブを構築します。 | PipelineJobs |
| 出力 | パイプライン ジョブの出力 | PipelineJobOutputs |
| 設定 | ContinueRunOnStepFailure などのパイプライン設定。 | |
| sourceJobId | ソース ジョブの ARM リソース ID。 | 糸 |
PipelineJobInputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobInput を |
PipelineJobs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} |
PipelineJobOutputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobOutput |
SparkJob
| 名前 | 形容 | 価値 |
|---|---|---|
| jobType | [必須]ジョブの種類を指定します。 | 'Spark' (必須) |
| 史料 | ジョブで使用されるアーカイブ ファイル。 | string[] |
| args | ジョブの引数。 | 糸 |
| codeId | [必須]コード資産の ARM リソース ID。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| conf | Spark で構成されたプロパティ。 | SparkJobConf の |
| エントリ | [必須]ジョブの起動時に実行するエントリ。 | SparkJobEntry (必須) |
| environmentId | ジョブの環境仕様の ARM リソース ID。 | 糸 |
| environmentVariables | ジョブに含まれる環境変数。 | SparkJobEnvironmentVariables |
| ファイル | ジョブで使用されるファイル。 | string[] |
| 入力 | ジョブで使用される入力データ バインディングのマッピング。 | SparkJobInputs の |
| 瓶 | ジョブで使用される Jar ファイル。 | string[] |
| 出力 | ジョブで使用される出力データ バインディングのマッピング。 | SparkJobOutputs |
| pyFiles | ジョブで使用される Python ファイル。 | string[] |
| queueSettings | ジョブのキュー設定 | QueueSettings の |
| リソース | ジョブのコンピューティング リソース構成。 | SparkResourceConfiguration の |
SparkJobConf
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
SparkJobEntry
| 名前 | 形容 | 価値 |
|---|---|---|
| sparkJobEntryType | オブジェクトの種類を設定する | SparkJobPythonEntry の SparkJobScalaEntry (必須) |
SparkJobPythonEntry
| 名前 | 形容 | 価値 |
|---|---|---|
| sparkJobEntryType | [必須]ジョブのエントリ ポイントの種類。 | 'SparkJobPythonEntry' (必須) |
| ファイル | [必須]ジョブ エントリ ポイントの相対 Python ファイル パス。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
SparkJobScalaEntry
| 名前 | 形容 | 価値 |
|---|---|---|
| sparkJobEntryType | [必須]ジョブのエントリ ポイントの種類。 | 'SparkJobScalaEntry' (必須) |
| className | [必須]エントリ ポイントとして使用される Scala クラス名。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
SparkJobEnvironmentVariables
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
SparkJobInputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobInput を |
SparkJobOutputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobOutput |
SparkResourceConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| instanceType | コンピューティング 先でサポートされている VM のオプションの種類。 | 糸 |
| runtimeVersion | ジョブに使用される Spark ランタイムのバージョン。 | 糸 |
SweepJob
| 名前 | 形容 | 価値 |
|---|---|---|
| jobType | [必須]ジョブの種類を指定します。 | 'Sweep' (必須) |
| componentConfiguration | コンポーネントに対するスイープのコンポーネント構成 | ComponentConfiguration |
| earlyTermination | 早期終了ポリシーを使用すると、実行が完了する前にパフォーマンスの低い実行を取り消す | EarlyTerminationPolicy |
| 入力 | ジョブで使用される入力データ バインディングのマッピング。 | SweepJobInputs |
| 切り | スイープ ジョブの制限。 | SweepJobLimits |
| 目的 | [必須]最適化の目的。 | 目標 (必須) |
| 出力 | ジョブで使用される出力データ バインディングのマッピング。 | SweepJobOutputs |
| queueSettings | ジョブのキュー設定 | QueueSettings の |
| リソース | ジョブのコンピューティング リソース構成。 | JobResourceConfiguration |
| samplingAlgorithm | [必須]ハイパーパラメーター サンプリング アルゴリズム | SamplingAlgorithm (必須) |
| searchSpace | [必須]各パラメーターとその分布を含むディクショナリ。 ディクショナリ キーはパラメーターの名前です | |
| 裁判 | [必須]試用版コンポーネントの定義。 | TrialComponent (必須) |
ComponentConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| pipelineSettings | ContinueRunOnStepFailure などのパイプライン設定。 |
SweepJobInputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobInput を |
SweepJobLimits
| 名前 | 形容 | 価値 |
|---|---|---|
| jobLimitsType | [必須]JobLimit 型。 | 'Command' 'Sweep' (必須) |
| maxConcurrentTrials | スイープ ジョブの最大同時試行回数。 | int |
| maxTotalTrials | スイープ ジョブの最大試行回数。 | int |
| タイムアウト | ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。 | 糸 |
| trialTimeout | スイープ ジョブ試用版のタイムアウト値。 | 糸 |
目的
| 名前 | 形容 | 価値 |
|---|---|---|
| ゴール | [必須]ハイパーパラメーター調整でサポートされるメトリックの目標を定義します | '最大化' '最小化' (必須) |
| primaryMetric | [必須]最適化するメトリックの名前。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
SweepJobOutputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobOutput |
SamplingAlgorithm
| 名前 | 形容 | 価値 |
|---|---|---|
| samplingAlgorithmType | オブジェクトの種類を設定する |
ベイジアン Grid ランダム の |
BayesianSamplingAlgorithm
| 名前 | 形容 | 価値 |
|---|---|---|
| samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | 'Bayesian' (必須) |
GridSamplingAlgorithm
| 名前 | 形容 | 価値 |
|---|---|---|
| samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | 'Grid' (必須) |
RandomSamplingAlgorithm
| 名前 | 形容 | 価値 |
|---|---|---|
| samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | 'Random' (必須) |
| logbase | ログ ベースのランダム サンプリングのベースとして使用する文字列形式の省略可能な正の数または e | 糸 |
| 支配 | ランダム アルゴリズムの特定の種類 | 'Random' 'Sobol' |
| 種 | 乱数生成のシードとして使用する省略可能な整数 | int |
TrialComponent
| 名前 | 形容 | 価値 |
|---|---|---|
| codeId | コード資産の ARM リソース ID。 | 糸 |
| 命令 | [必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py" | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| 流通 | ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。 | DistributionConfiguration |
| environmentId | [必須]ジョブの環境仕様の ARM リソース ID。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| environmentVariables | ジョブに含まれる環境変数。 | TrialComponentEnvironmentVariables |
| リソース | ジョブのコンピューティング リソース構成。 | JobResourceConfiguration |
TrialComponentEnvironmentVariables
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
CreateMonitorAction
| 名前 | 形容 | 価値 |
|---|---|---|
| actionType | [必須]スケジュールのアクションの種類を指定します | 'CreateMonitor' (必須) |
| monitorDefinition | [必須]モニターを定義します。 | MonitorDefinition (必須) |
MonitorDefinition
| 名前 | 形容 | 価値 |
|---|---|---|
| alertNotificationSettings | モニターの通知設定。 | MonitorNotificationSettings |
| computeConfiguration | [必須]監視ジョブを実行するコンピューティング リソースの ARM リソース ID。 | MonitorComputeConfigurationBase (必須) |
| monitoringTarget | このモニターの対象となるモデルまたはデプロイの ARM リソース ID。 | MonitoringTarget |
| 信号 | [必須]監視する信号。 | MonitorDefinitionSignals (必須) |
MonitorNotificationSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| emailNotificationSettings | AML 通知の電子メール設定。 | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| emails | これは、合計で 499 文字の制限がある電子メール受信者リストです。 | string[] |
MonitorComputeConfigurationBase
| 名前 | 形容 | 価値 |
|---|---|---|
| computeType | オブジェクトの種類を設定する | ServerlessSpark (必須) |
MonitorServerlessSparkCompute
| 名前 | 形容 | 価値 |
|---|---|---|
| computeType | [必須]監視するシグナルの種類を指定します。 | 'ServerlessSpark' (必須) |
| computeIdentity | [必須]サーバーレス Spark で実行されている Spark ジョブによって利用される ID スキーム。 | MonitorComputeIdentityBase (必須) |
| instanceType | [必須]Spark ジョブを実行しているインスタンスの種類。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| runtimeVersion | [必須]Spark ランタイムのバージョン。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
MonitorComputeIdentityBase
| 名前 | 形容 | 価値 |
|---|---|---|
| computeIdentityType | オブジェクトの種類を設定する | AmlToken を ManagedIdentity (必須) |
AmlTokenComputeIdentity
| 名前 | 形容 | 価値 |
|---|---|---|
| computeIdentityType | [必須]コンピューティング ID の種類の列挙型を監視します。 | 'AmlToken' (必須) |
ManagedComputeIdentity
| 名前 | 形容 | 価値 |
|---|---|---|
| computeIdentityType | [必須]コンピューティング ID の種類の列挙型を監視します。 | 'ManagedIdentity' (必須) |
| 同一性 | マネージド サービス ID (システム割り当て ID またはユーザー割り当て ID) | ManagedServiceIdentity の |
ManagedServiceIdentity
| 名前 | 形容 | 価値 |
|---|---|---|
| 種類 | マネージド サービス ID の種類 (SystemAssigned 型と UserAssigned 型の両方が許可されます)。 | 'None' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (必須) |
| userAssignedIdentities | リソースに関連付けられているユーザー割り当て ID のセット。 userAssignedIdentities ディクショナリ キーは、'/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName} という形式の ARM リソース ID になります。 ディクショナリ値は、要求内の空のオブジェクト ({}) にすることができます。 | UserAssignedIdentities の |
UserAssignedIdentities
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | UserAssignedIdentity の |
UserAssignedIdentity
このオブジェクトには、配置時に設定するプロパティは含まれません。 すべてのプロパティは ReadOnly です。
MonitoringTarget
| 名前 | 形容 | 価値 |
|---|---|---|
| deploymentId | このモニターの対象となるデプロイの ARM リソース ID。 | 糸 |
| modelId | このモニターの対象となるモデルの ARM リソース ID。 | 糸 |
| taskType | [必須]モデルの機械学習タスクの種類。 | 'Classification' 'QuestionAnswering' 'Regression' (必須) |
MonitorDefinitionSignals
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | MonitoringSignalBase |
MonitoringSignalBase
| 名前 | 形容 | 価値 |
|---|---|---|
| notificationTypes | このシグナルの現在の通知モード。 | 次のいずれかを含む文字列配列: 'AmlNotification' 'AzureMonitor' |
| プロパティ | プロパティ ディクショナリ。 プロパティは追加できますが、削除または変更することはできません。 | MonitoringSignalBaseProperties の |
| signalType | オブジェクトの種類を設定する | カスタム の DataDrift DataQuality FeatureAttributionDrift GenerationSafetyQuality GenerationTokenStatistics ModelPerformance PredictionDrift (必須) |
MonitoringSignalBaseProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
CustomMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | 'Custom' (必須) |
| componentId | [必須]カスタム メトリックの計算に使用されるコンポーネント リソースの ARM リソース ID。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| inputAssets | 入力として取得する資産の監視。 キーはコンポーネント入力ポート名、値はデータ資産です。 | CustomMonitoringSignalInputAssets |
| 入力 | 入力として受け取る追加のコンポーネント パラメーター。 キーはコンポーネント リテラル入力ポート名、値はパラメーター値です。 | CustomMonitoringSignalInputs の |
| metricThresholds | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | CustomMetricThreshold[] (必須) |
| workspaceConnection | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | MonitoringWorkspaceConnection (必須) |
CustomMonitoringSignalInputAssets
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | MonitoringInputDataBase の |
MonitoringInputDataBase
| 名前 | 形容 | 価値 |
|---|---|---|
| 列 | 列名と特殊用途のマッピング。 | MonitoringInputDataBaseColumns |
| dataContext | データ ソースのコンテキスト メタデータ。 | 糸 |
| jobInputType | [必須]ジョブの種類を指定します。 | 'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (必須) |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| inputDataType | オブジェクトの種類を設定する |
固定 ローリング 静的 の |
MonitoringInputDataBaseColumns
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
FixedInputData
| 名前 | 形容 | 価値 |
|---|---|---|
| inputDataType | [必須]監視するシグナルの種類を指定します。 | 'Fixed' (必須) |
RollingInputData
| 名前 | 形容 | 価値 |
|---|---|---|
| inputDataType | [必須]監視するシグナルの種類を指定します。 | 'Rolling' (必須) |
| preprocessingComponentId | データの前処理に使用されるコンポーネント リソースの ARM リソース ID。 | 糸 |
| windowOffset | [必須]データ ウィンドウの終了とモニターの現在の実行時間の間の時間オフセット。 | string (必須) |
| windowSize | [必須]末尾のデータ ウィンドウのサイズ。 | string (必須) |
StaticInputData
| 名前 | 形容 | 価値 |
|---|---|---|
| inputDataType | [必須]監視するシグナルの種類を指定します。 | 'Static' (必須) |
| preprocessingComponentId | データの前処理に使用されるコンポーネント リソースの ARM リソース ID。 | 糸 |
| windowEnd | [必須]データ ウィンドウの終了日。 | string (必須) |
| windowStart | [必須]データ ウィンドウの開始日。 | string (必須) |
CustomMonitoringSignalInputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobInput を |
CustomMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| メトリック | [必須]計算するユーザー定義メトリック。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
MonitoringThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| 価値 | しきい値。 null の場合、既定値はメトリックの種類によって異なります。 | int |
MonitoringWorkspaceConnection
| 名前 | 形容 | 価値 |
|---|---|---|
| environmentVariables | 送信されたジョブに環境変数として格納するワークスペース サービス接続のプロパティ。 キーはワークスペース接続プロパティパス、名前は環境変数キーです。 |
MonitoringWorkspaceConnectionEnvironmentVariables |
| 秘密 | 送信されたジョブにシークレットとして格納するワークスペース サービス接続のプロパティ。 キーはワークスペース接続プロパティパス、名前は秘密鍵です。 |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
MonitoringWorkspaceConnectionSecrets
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
DataDriftMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | 'DataDrift' (必須) |
| dataSegment | データ作成のサブセットのスコープに使用されるデータ セグメント。 | MonitoringDataSegment |
| featureDataTypeOverride | フィーチャ名をそれぞれのデータ型にマップするディクショナリ。 | DataDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | 特徴の重要度を計算するための設定。 | FeatureImportanceSettings の |
| 顔立ち | ドリフトを計算するフィーチャを識別する機能フィルター。 | MonitoringFeatureFilterBase |
| metricThresholds | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | DataDriftMetricThresholdBase[] (必須) |
| productionData | [必須]誤差が計算されるデータ。 | MonitoringInputDataBase (必須) |
| referenceData | [必須]誤差を計算する対象のデータ。 | MonitoringInputDataBase (必須) |
MonitoringDataSegment
| 名前 | 形容 | 価値 |
|---|---|---|
| 特徴 | データをセグメント化する機能。 | 糸 |
| 価値観 | 特定のセグメント化されたフィーチャの指定された値のみをフィルター処理します。 | string[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 'カテゴリ' '数値' |
FeatureImportanceSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | 特徴の重要度を計算するための操作モード。 | 'Disabled' 'Enabled' |
| targetColumn | 入力データ資産内のターゲット列の名前。 | 糸 |
MonitoringFeatureFilterBase
| 名前 | 形容 | 価値 |
|---|---|---|
| filterType | オブジェクトの種類を設定する | AllFeatures を FeatureSubset TopNByAttribution (必須) |
AllFeatures
| 名前 | 形容 | 価値 |
|---|---|---|
| filterType | [必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。 | 'AllFeatures' (必須) |
FeatureSubset
| 名前 | 形容 | 価値 |
|---|---|---|
| filterType | [必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。 | 'FeatureSubset' (必須) |
| 顔立ち | [必須]含める機能の一覧。 | string[] (必須) |
TopNFeaturesByAttribution
| 名前 | 形容 | 価値 |
|---|---|---|
| filterType | [必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。 | 'TopNByAttribution' (必須) |
| ページのトップへ | 含める上位の特徴の数。 | int |
DataDriftMetricThresholdBase
| 名前 | 形容 | 価値 |
|---|---|---|
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
| dataType | オブジェクトの種類を設定する | カテゴリ の 数値 (必須) |
CategoricalDataDriftMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | 'カテゴリ' (必須) |
| メトリック | [必須]計算するカテゴリ データ ドリフト メトリック。 | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (必須) |
NumericalDataDriftMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | '数値' (必須) |
| メトリック | [必須]計算する数値データ ドリフト メトリック。 | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (必須) |
DataQualityMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | 'DataQuality' (必須) |
| featureDataTypeOverride | フィーチャ名をそれぞれのデータ型にマップするディクショナリ。 | DataQualityMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | 特徴の重要度を計算するための設定。 | FeatureImportanceSettings の |
| 顔立ち | 誤差を計算する特徴。 | MonitoringFeatureFilterBase |
| metricThresholds | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | DataQualityMetricThresholdBase[] (必須) |
| productionData | [必須]誤差が計算される運用サービスによって生成されるデータ。 | MonitoringInputDataBase (必須) |
| referenceData | [必須]誤差を計算する対象のデータ。 | MonitoringInputDataBase (必須) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 'カテゴリ' '数値' |
DataQualityMetricThresholdBase
| 名前 | 形容 | 価値 |
|---|---|---|
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
| dataType | オブジェクトの種類を設定する | カテゴリ の 数値 (必須) |
CategoricalDataQualityMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | 'カテゴリ' (必須) |
| メトリック | [必須]計算するカテゴリ 別データ品質メトリック。 | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (必須) |
NumericalDataQualityMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | '数値' (必須) |
| メトリック | [必須]計算する数値データ品質メトリック。 | 'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (必須) |
FeatureAttributionDriftMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | 'FeatureAttributionDrift' (必須) |
| featureDataTypeOverride | フィーチャ名をそれぞれのデータ型にマップするディクショナリ。 | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
| featureImportanceSettings | 特徴の重要度を計算するための設定。 | FeatureImportanceSettings の |
| metricThreshold | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | FeatureAttributionMetricThreshold (必須) |
| productionData | [必須]誤差が計算されるデータ。 | MonitoringInputDataBase[] (必須) |
| referenceData | [必須]誤差を計算する対象のデータ。 | MonitoringInputDataBase (必須) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 'カテゴリ' '数値' |
FeatureAttributionMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| メトリック | [必須]計算する特徴属性メトリック。 | 'NormalizedDiscountedCumulativeGain' (必須) |
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
GenerationSafetyQualityMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | 'GenerationSafetyQuality' (必須) |
| metricThresholds | [必須]計算するメトリックと、対応するしきい値を取得または設定します。 | GenerationSafetyQualityMetricThreshold[] (必須) |
| productionData | メトリックを計算するための運用データを取得または設定します。 | MonitoringInputDataBase[] |
| samplingRate | [必須]実稼働データのサンプル レートは、0 より大きく、最大で 1 である必要があります。 | int (必須) |
| workspaceConnectionId | コンテンツ生成エンドポイントへの接続に使用するワークスペース接続 ID を取得または設定します。 | 糸 |
GenerationSafetyQualityMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| メトリック | [必須]計算する特徴属性メトリックを取得または設定します。 | 'AcceptableCoherenceScorePerInstance' 'AcceptableFluencyScorePerInstance' 'AcceptableGroundednessScorePerInstance' 'AcceptableRelevanceScorePerInstance' 'AcceptableSimilarityScorePerInstance' 'AggregatedCoherencePassRate' 'AggregatedFluencyPassRate' 'AggregatedGroundednessPassRate' 'AggregatedRelevancePassRate' 'AggregatedSimilarityPassRate' (必須) |
| 閾 | しきい値を取得または設定します。 null の場合、選択したメトリックに応じて既定値が設定されます。 |
MonitoringThreshold |
GenerationTokenUsageSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | 'GenerationTokenStatistics' (必須) |
| metricThresholds | [必須]計算するメトリックと、対応するしきい値を取得または設定します。 | GenerationTokenUsageMetricThreshold[] (必須) |
| productionData | メトリックを計算するための運用データを取得または設定します。 | MonitoringInputDataBase[] |
| samplingRate | [必須]実稼働データのサンプル レートは、0 より大きく、最大で 1 である必要があります。 | int (必須) |
GenerationTokenUsageMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| メトリック | [必須]計算する特徴属性メトリックを取得または設定します。 | 'TotalTokenCount' 'TotalTokenCountPerGroup' (必須) |
| 閾 | しきい値を取得または設定します。 null の場合、選択したメトリックに応じて既定値が設定されます。 |
MonitoringThreshold |
ModelPerformanceSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | 'ModelPerformance' (必須) |
| dataSegment | データ セグメント。 | MonitoringDataSegment |
| metricThreshold | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | ModelPerformanceMetricThresholdBase (必須) |
| productionData | [必須]パフォーマンスが計算される運用サービスによって生成されるデータ。 | MonitoringInputDataBase[] (必須) |
| referenceData | [必須]モデルのパフォーマンスを計算するための基礎として使用される参照データ。 | MonitoringInputDataBase (必須) |
ModelPerformanceMetricThresholdBase
| 名前 | 形容 | 価値 |
|---|---|---|
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
| modelType | オブジェクトの種類を設定する |
分類 回帰 (必須) |
ClassificationModelPerformanceMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| modelType | [必須]メトリックしきい値のデータ型を指定します。 | 'Classification' (必須) |
| メトリック | [必須]計算する分類モデルのパフォーマンス。 | 'Accuracy' 'Precision' 'Recall' (必須) |
RegressionModelPerformanceMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| modelType | [必須]メトリックしきい値のデータ型を指定します。 | 'Regression' (必須) |
| メトリック | [必須]計算する回帰モデルのパフォーマンス メトリック。 | 'MeanAbsoluteError' 'MeanSquaredError' 'RootMeanSquaredError' (必須) |
PredictionDriftMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | 'PredictionDrift' (必須) |
| featureDataTypeOverride | フィーチャ名をそれぞれのデータ型にマップするディクショナリ。 | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
| metricThresholds | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | PredictionDriftMetricThresholdBase[] (必須) |
| productionData | [必須]誤差が計算されるデータ。 | MonitoringInputDataBase (必須) |
| referenceData | [必須]誤差を計算する対象のデータ。 | MonitoringInputDataBase (必須) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 'カテゴリ' '数値' |
PredictionDriftMetricThresholdBase
| 名前 | 形容 | 価値 |
|---|---|---|
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
| dataType | オブジェクトの種類を設定する | カテゴリ の 数値 (必須) |
CategoricalPredictionDriftMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | 'カテゴリ' (必須) |
| メトリック | [必須]計算するカテゴリ予測誤差メトリック。 | 'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (必須) |
NumericalPredictionDriftMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | '数値' (必須) |
| メトリック | [必須]計算する数値予測誤差メトリック。 | 'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (必須) |
ImportDataAction
| 名前 | 形容 | 価値 |
|---|---|---|
| actionType | [必須]スケジュールのアクションの種類を指定します | 'ImportData' (必須) |
| dataImportDefinition | [必須]スケジュール アクション定義の詳細を定義します。 | DataImport (必須) |
DataImport
| 名前 | 形容 | 価値 |
|---|---|---|
| assetName | 作成するデータ インポート ジョブの資産の名前 | 糸 |
| autoDeleteSetting | マネージド データ資産のライフサイクル設定を指定します。 | AutoDeleteSetting の |
| dataType | [必須]データの種類を指定します。 | 'mltable' 'uri_file' 'uri_folder' (必須) |
| dataUri | [必須]データの URI。 例: https://go.microsoft.com/fwlink/?linkid=2202330 |
string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| 形容 | 資産の説明テキスト。 | 糸 |
| intellectualProperty | 知的財産の詳細。 データが知的財産である場合に使用されます。 | IntellectualProperty |
| isAnonymous | 名前のバージョンがシステムによって生成された場合 (匿名登録)。 Stage が定義されている型の場合、Stage が指定されている場合は IsAnonymous の設定に使用されます | bool |
| isArchived | 資産はアーカイブされていますか? Stage が定義されている型の場合、Stage が指定されている場合は IsArchived の設定に使用されます | bool |
| プロパティ | 資産プロパティ ディクショナリ。 | ResourceBaseProperties |
| 源 | インポート元の資産のソース データ | DataImportSource の |
| 舞台 | このデータ資産に割り当てられたデータ ライフサイクルのステージ | 糸 |
| タグ | タグ ディクショナリ。 タグは追加、削除、更新できます。 | オブジェクト |
IntellectualProperty
| 名前 | 形容 | 価値 |
|---|---|---|
| protectionLevel | 知的財産の保護レベル。 | 'All' 'None' |
| 発行者 | [必須]知的財産の発行元。 レジストリ発行者名と同じである必要があります。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
DataImportSource
| 名前 | 形容 | 価値 |
|---|---|---|
| 接続 | データ インポート ソース ストレージのワークスペース接続 | 糸 |
| sourceType | オブジェクトの種類を設定する | データベース を file_system (必須) |
DatabaseSource
| 名前 | 形容 | 価値 |
|---|---|---|
| sourceType | [必須]データの種類を指定します。 | 'database' (必須) |
| クエリ | データ インポート データベース ソースの SQL Query ステートメント | 糸 |
| storedProcedure | データ インポート データベース ソースの SQL StoredProcedure | 糸 |
| storedProcedureParams | SQL StoredProcedure パラメーター | DatabaseSourceStoredProcedureParamsItem[] |
| tableName | データ インポート データベース ソースのテーブルの名前 | 糸 |
DatabaseSourceStoredProcedureParamsItem
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
FileSystemSource
| 名前 | 形容 | 価値 |
|---|---|---|
| sourceType | [必須]データの種類を指定します。 | 'file_system' (必須) |
| パス | データ インポート FileSystem ソースのパス | 糸 |
EndpointScheduleAction
| 名前 | 形容 | 価値 |
|---|---|---|
| actionType | [必須]スケジュールのアクションの種類を指定します | 'InvokeBatchEndpoint' (必須) |
| endpointInvocationDefinition | [必須]スケジュール アクション定義の詳細を定義します。 {see href="TBD" /} |
TriggerBase
| 名前 | 形容 | 価値 |
|---|---|---|
| endTime | スケジュールの終了時刻を ISO 8601 で指定しますが、UTC オフセットは指定しません。
https://en.wikipedia.org/wiki/ISO_8601. を参照してください再コメント形式は "2022-06-01T00:00:01" になります 存在しない場合、スケジュールは無期限に実行されます |
糸 |
| startTime | スケジュールの開始時刻を ISO 8601 形式で指定しますが、UTC オフセットは指定しません。 | 糸 |
| timeZone | スケジュールを実行するタイム ゾーンを指定します。 TimeZone は、Windows のタイム ゾーン形式に従う必要があります。 参照: /windows-hardware/manufacture/desktop/default-time-zones /> |
糸 |
| triggerType | オブジェクトの種類を設定する |
Cron 繰り返し (必須) |
CronTrigger
| 名前 | 形容 | 価値 |
|---|---|---|
| triggerType | [必須] | 'Cron' (必須) |
| 表現 | [必須]スケジュールの cron 式を指定します。 式は NCronTab 形式に従う必要があります。 |
string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
RecurrenceTrigger
| 名前 | 形容 | 価値 |
|---|---|---|
| endTime | スケジュールの終了時刻を ISO 8601 で指定しますが、UTC オフセットは指定しません。
https://en.wikipedia.org/wiki/ISO_8601. を参照してください再コメント形式は "2022-06-01T00:00:01" になります 存在しない場合、スケジュールは無期限に実行されます |
糸 |
| 周波数 | [必須]スケジュールをトリガーする頻度。 | 'Day' 'Hour' 'Minute' 'Month' 'Week' (必須) |
| 間 | [必須]スケジュール間隔を頻度と組み合わせて指定します | int (必須) |
| 計画 | 繰り返しスケジュール。 | RecurrenceSchedule |
| startTime | スケジュールの開始時刻を ISO 8601 形式で指定しますが、UTC オフセットは指定しません。 | 糸 |
| timeZone | スケジュールを実行するタイム ゾーンを指定します。 TimeZone は、Windows のタイム ゾーン形式に従う必要があります。 参照: /windows-hardware/manufacture/desktop/default-time-zones |
糸 |
| triggerType | [必須] | 'Cron' 'Recurrence' (必須) |
RecurrenceSchedule
| 名前 | 形容 | 価値 |
|---|---|---|
| 時間 | [必須]スケジュールの時間の一覧。 | int[] (必須) |
| 議事録 | [必須]スケジュールの分の一覧。 | int[] (必須) |
| monthDays | スケジュールの月日の一覧 | int[] |
| 平日 | スケジュールの日数の一覧。 | 次のいずれかを含む文字列配列: 'Friday' 'Monday' 'Saturday' 'Sunday' 'Thursday' 'Tuesday' 'Wednesday' |
Terraform (AzAPI プロバイダー) リソース定義
ワークスペース/スケジュール リソースの種類は、次をターゲットとする操作でデプロイできます。
- リソース グループの
各 API バージョンで変更されたプロパティの一覧については、変更ログの
リソースの形式
Microsoft.MachineLearningServices/workspaces/schedules リソースを作成するには、次の Terraform をテンプレートに追加します。
resource "azapi_resource" "symbolicname" {
type = "Microsoft.MachineLearningServices/workspaces/schedules@2023-08-01-preview"
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"
}
tags = {}
trigger = {
endTime = "string"
startTime = "string"
timeZone = "string"
triggerType = "string"
// For remaining properties, see TriggerBase objects
}
}
})
}
ScheduleActionBase オブジェクト
actionType プロパティを設定して、オブジェクトの種類を指定します。
CreateJob
actionType = "CreateJob"
jobDefinition = {
componentId = "string"
computeId = "string"
description = "string"
displayName = "string"
experimentName = "string"
identity {
identityType = "string"
// For remaining properties, see IdentityConfiguration objects
}
isArchived = bool
notificationSetting = {
emailOn = [
"string"
]
emails = [
"string"
]
webhooks = {
{customized property} = {
eventType = "string"
webhookType = "string"
// For remaining properties, see Webhook objects
}
}
}
properties = {
{customized property} = "string"
}
secretsConfiguration = {
{customized property} = {
uri = "string"
workspaceSecretName = "string"
}
}
services = {
{customized property} = {
endpoint = "string"
jobServiceType = "string"
nodes = {
nodesValueType = "string"
// For remaining properties, see Nodes objects
}
port = int
properties = {
{customized property} = "string"
}
}
}
tags = {}
jobType = "string"
// For remaining properties, see JobBaseProperties objects
}
CreateMonitorの場合は、次のコマンドを使用します。
actionType = "CreateMonitor"
monitorDefinition = {
alertNotificationSettings = {
emailNotificationSettings = {
emails = [
"string"
]
}
}
computeConfiguration = {
computeType = "string"
// For remaining properties, see MonitorComputeConfigurationBase objects
}
monitoringTarget = {
deploymentId = "string"
modelId = "string"
taskType = "string"
}
signals = {
{customized property} = {
notificationTypes = [
"string"
]
properties = {
{customized property} = "string"
}
signalType = "string"
// For remaining properties, see MonitoringSignalBase objects
}
}
}
ImportDataを
actionType = "ImportData"
dataImportDefinition = {
assetName = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
dataType = "string"
dataUri = "string"
description = "string"
intellectualProperty = {
protectionLevel = "string"
publisher = "string"
}
isAnonymous = bool
isArchived = bool
properties = {
{customized property} = "string"
}
source = {
connection = "string"
sourceType = "string"
// For remaining properties, see DataImportSource objects
}
stage = "string"
tags = {}
}
InvokeBatchEndpointの場合は、次の値を使用します。
actionType = "InvokeBatchEndpoint"
JobBaseProperties オブジェクト
オブジェクトの種類を指定するには、jobType プロパティを設定します。
AutoMLの場合は、次を使用します。
jobType = "AutoML"
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
queueSettings = {
jobTier = "string"
priority = int
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
locations = [
"string"
]
maxInstanceCount = int
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
}
コマンドの場合は、次のコマンドを使用します。
jobType = "Command"
autologgerSettings = {
mlflowAutologger = "string"
}
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"
priority = int
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
locations = [
"string"
]
maxInstanceCount = int
properties = {}
shmSize = "string"
}
ラベル付けの場合は、次を使用します。
jobType = "Labeling"
dataConfiguration = {
dataId = "string"
incrementalDataRefresh = "string"
}
jobInstructions = {
uri = "string"
}
labelCategories = {
{customized property} = {
classes = {
{customized property} = {
displayName = "string"
subclasses = {
{customized property} = {}
}
}
displayName = "string"
multiSelect = "string"
}
}
labelingJobMediaProperties = {
mediaType = "string"
// For remaining properties, see LabelingJobMediaProperties objects
}
mlAssistConfiguration = {
mlAssist = "string"
// For remaining properties, see MLAssistConfiguration objects
}
パイプラインの場合は、次を使用します。
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"
Sparkの場合は、次の値を使用します。
jobType = "Spark"
archives = [
"string"
]
args = "string"
codeId = "string"
conf = {
{customized property} = "string"
}
entry = {
sparkJobEntryType = "string"
// For remaining properties, see SparkJobEntry objects
}
environmentId = "string"
environmentVariables = {
{customized property} = "string"
}
files = [
"string"
]
inputs = {
{customized property} = {
description = "string"
jobInputType = "string"
// For remaining properties, see JobInput objects
}
}
jars = [
"string"
]
outputs = {
{customized property} = {
description = "string"
jobOutputType = "string"
// For remaining properties, see JobOutput objects
}
}
pyFiles = [
"string"
]
queueSettings = {
jobTier = "string"
priority = int
}
resources = {
instanceType = "string"
runtimeVersion = "string"
}
スイープ
jobType = "Sweep"
componentConfiguration = {}
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"
priority = int
}
resources = {
dockerArgs = "string"
instanceCount = int
instanceType = "string"
locations = [
"string"
]
maxInstanceCount = int
properties = {}
shmSize = "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"
locations = [
"string"
]
maxInstanceCount = int
properties = {}
shmSize = "string"
}
}
IdentityConfiguration オブジェクト
identityType プロパティを設定して、オブジェクトの種類を指定します。
AMLTokenを
identityType = "AMLToken"
マネージドの場合は、次を使用します。
identityType = "Managed"
clientId = "string"
objectId = "string"
resourceId = "string"
UserIdentityの場合は、次の値を使用します。
identityType = "UserIdentity"
Webhook オブジェクト
webhookType プロパティを設定して、オブジェクトの種類を指定します。
AzureDevOpsを
webhookType = "AzureDevOps"
Nodes オブジェクト
nodesValueType プロパティを設定して、オブジェクトの種類を指定します。
[すべてのを
nodesValueType = "All"
JobOutput オブジェクト
オブジェクトの種類を指定するには、jobOutputType プロパティを設定します。
custom_modelの場合は、次を使用します。
jobOutputType = "custom_model"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
mlflow_modelの場合は、次を使用します。
jobOutputType = "mlflow_model"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
mltableを
jobOutputType = "mltable"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
triton_modelの場合は、次を使用します。
jobOutputType = "triton_model"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
uri_fileの場合は、次を使用します。
jobOutputType = "uri_file"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
uri_folderの場合は、次を使用します。
jobOutputType = "uri_folder"
assetName = "string"
assetVersion = "string"
autoDeleteSetting = {
condition = "string"
value = "string"
}
mode = "string"
uri = "string"
AutoMLVertical オブジェクト
taskType プロパティを設定して、オブジェクトの種類を指定します。
分類の場合は、次を使用します。
taskType = "Classification"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
fixedParameters = {
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = int
maxBin = int
maxDepth = int
maxLeaves = int
minDataInLeaf = int
minSplitGain = int
modelName = "string"
nEstimators = int
numLeaves = int
preprocessorName = "string"
regAlpha = int
regLambda = int
subsample = int
subsampleFreq = int
treeMethod = "string"
withMean = bool
withStd = bool
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxNodes = int
maxTrials = int
sweepConcurrentTrials = int
sweepTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
positiveLabel = "string"
primaryMetric = "string"
searchSpace = [
{
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = "string"
maxBin = "string"
maxDepth = "string"
maxLeaves = "string"
minDataInLeaf = "string"
minSplitGain = "string"
modelName = "string"
nEstimators = "string"
numLeaves = "string"
preprocessorName = "string"
regAlpha = "string"
regLambda = "string"
subsample = "string"
subsampleFreq = "string"
treeMethod = "string"
withMean = "string"
withStd = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "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"
}
trainingMode = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
予測の場合は、次の値を使用します。
taskType = "Forecasting"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
fixedParameters = {
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = int
maxBin = int
maxDepth = int
maxLeaves = int
minDataInLeaf = int
minSplitGain = int
modelName = "string"
nEstimators = int
numLeaves = int
preprocessorName = "string"
regAlpha = int
regLambda = int
subsample = int
subsampleFreq = int
treeMethod = "string"
withMean = bool
withStd = bool
}
forecastingSettings = {
countryOrRegionForHolidays = "string"
cvStepSize = int
featureLags = "string"
featuresUnknownAtForecastTime = [
"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
maxNodes = int
maxTrials = int
sweepConcurrentTrials = int
sweepTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
primaryMetric = "string"
searchSpace = [
{
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = "string"
maxBin = "string"
maxDepth = "string"
maxLeaves = "string"
minDataInLeaf = "string"
minSplitGain = "string"
modelName = "string"
nEstimators = "string"
numLeaves = "string"
preprocessorName = "string"
regAlpha = "string"
regLambda = "string"
subsample = "string"
subsampleFreq = "string"
treeMethod = "string"
withMean = "string"
withStd = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "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"
}
trainingMode = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
ImageClassificationの場合は、次を使用します。
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
ImageClassificationMultilabelを
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
ImageInstanceSegmentationを
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"
logTrainingMetrics = "string"
logValidationLoss = "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
ImageObjectDetectionの場合は、次の値を使用します。
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"
logTrainingMetrics = "string"
logValidationLoss = "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
回帰の場合は、次の値を使用します。
taskType = "Regression"
cvSplitColumnNames = [
"string"
]
featurizationSettings = {
blockedTransformers = [
"string"
]
columnNameAndTypes = {
{customized property} = "string"
}
datasetLanguage = "string"
enableDnnFeaturization = bool
mode = "string"
transformerParams = {
{customized property} = [
{
fields = [
"string"
]
}
]
}
}
fixedParameters = {
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = int
maxBin = int
maxDepth = int
maxLeaves = int
minDataInLeaf = int
minSplitGain = int
modelName = "string"
nEstimators = int
numLeaves = int
preprocessorName = "string"
regAlpha = int
regLambda = int
subsample = int
subsampleFreq = int
treeMethod = "string"
withMean = bool
withStd = bool
}
limitSettings = {
enableEarlyTermination = bool
exitScore = int
maxConcurrentTrials = int
maxCoresPerTrial = int
maxNodes = int
maxTrials = int
sweepConcurrentTrials = int
sweepTrials = int
timeout = "string"
trialTimeout = "string"
}
nCrossValidations = {
mode = "string"
// For remaining properties, see NCrossValidations objects
}
primaryMetric = "string"
searchSpace = [
{
booster = "string"
boostingType = "string"
growPolicy = "string"
learningRate = "string"
maxBin = "string"
maxDepth = "string"
maxLeaves = "string"
minDataInLeaf = "string"
minSplitGain = "string"
modelName = "string"
nEstimators = "string"
numLeaves = "string"
preprocessorName = "string"
regAlpha = "string"
regLambda = "string"
subsample = "string"
subsampleFreq = "string"
treeMethod = "string"
withMean = "string"
withStd = "string"
}
]
sweepSettings = {
earlyTermination = {
delayEvaluation = int
evaluationInterval = int
policyType = "string"
// For remaining properties, see EarlyTerminationPolicy objects
}
samplingAlgorithm = "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"
}
trainingMode = "string"
}
validationData = {
description = "string"
jobInputType = "string"
mode = "string"
uri = "string"
}
validationDataSize = int
weightColumnName = "string"
TextClassificationの場合は、次を使用します。
taskType = "TextClassification"
featurizationSettings = {
datasetLanguage = "string"
}
fixedParameters = {
gradientAccumulationSteps = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = int
trainingBatchSize = int
validationBatchSize = int
warmupRatio = int
weightDecay = int
}
limitSettings = {
maxConcurrentTrials = int
maxNodes = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
primaryMetric = "string"
searchSpace = [
{
gradientAccumulationSteps = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
warmupRatio = "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"
}
TextClassificationMultilabelを
taskType = "TextClassificationMultilabel"
featurizationSettings = {
datasetLanguage = "string"
}
fixedParameters = {
gradientAccumulationSteps = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = int
trainingBatchSize = int
validationBatchSize = int
warmupRatio = int
weightDecay = int
}
limitSettings = {
maxConcurrentTrials = int
maxNodes = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
searchSpace = [
{
gradientAccumulationSteps = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
warmupRatio = "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"
}
TextNERの場合は、次を使用します。
taskType = "TextNER"
featurizationSettings = {
datasetLanguage = "string"
}
fixedParameters = {
gradientAccumulationSteps = int
learningRate = int
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = int
trainingBatchSize = int
validationBatchSize = int
warmupRatio = int
weightDecay = int
}
limitSettings = {
maxConcurrentTrials = int
maxNodes = int
maxTrials = int
timeout = "string"
trialTimeout = "string"
}
searchSpace = [
{
gradientAccumulationSteps = "string"
learningRate = "string"
learningRateScheduler = "string"
modelName = "string"
numberOfEpochs = "string"
trainingBatchSize = "string"
validationBatchSize = "string"
warmupRatio = "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"
}
NCrossValidations オブジェクト
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode = "Auto"
カスタムを
mode = "Custom"
value = int
EarlyTerminationPolicy オブジェクト
policyType プロパティを設定して、オブジェクトの種類を指定します。
バンディット
policyType = "Bandit"
slackAmount = int
slackFactor = int
MedianStopping の場合は、次の値を使用します。
policyType = "MedianStopping"
TruncationSelectionの場合は、次のコマンドを使用します。
policyType = "TruncationSelection"
truncationPercentage = int
ForecastHorizon オブジェクト
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode = "Auto"
カスタムを
mode = "Custom"
value = int
季節性オブジェクト
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode = "Auto"
カスタムを
mode = "Custom"
value = int
TargetLags オブジェクト
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode = "Auto"
カスタムを
mode = "Custom"
values = [
int
]
TargetRollingWindowSize オブジェクト
オブジェクトの種類を指定するには、モード プロパティを設定します。
自動の場合は、次を使用します。
mode = "Auto"
カスタムを
mode = "Custom"
value = int
DistributionConfiguration オブジェクト
オブジェクトの種類を指定するには、distributionType プロパティを設定します。
Mpiの場合は、次を使用します。
distributionType = "Mpi"
processCountPerInstance = int
PyTorchを
distributionType = "PyTorch"
processCountPerInstance = int
Rayの場合は、次を使用します。
distributionType = "Ray"
address = "string"
dashboardPort = int
headNodeAdditionalArgs = "string"
includeDashboard = bool
port = int
workerNodeAdditionalArgs = "string"
TensorFlowの場合は、次を使用します。
distributionType = "TensorFlow"
parameterServerCount = int
workerCount = int
JobInput オブジェクト
jobInputType プロパティを設定して、オブジェクトの種類を指定します。
custom_modelの場合は、次を使用します。
jobInputType = "custom_model"
mode = "string"
uri = "string"
リテラル の場合は、次の値を使用します。
jobInputType = "literal"
value = "string"
mlflow_modelの場合は、次を使用します。
jobInputType = "mlflow_model"
mode = "string"
uri = "string"
mltableを
jobInputType = "mltable"
mode = "string"
uri = "string"
triton_modelの場合は、次を使用します。
jobInputType = "triton_model"
mode = "string"
uri = "string"
uri_fileの場合は、次を使用します。
jobInputType = "uri_file"
mode = "string"
uri = "string"
uri_folderの場合は、次を使用します。
jobInputType = "uri_folder"
mode = "string"
uri = "string"
LabelingJobMediaProperties オブジェクト
mediaType プロパティを設定して、オブジェクトの種類を指定します。
Imageの場合は、次を使用します。
mediaType = "Image"
annotationType = "string"
テキストの場合は、次を使用します。
mediaType = "Text"
annotationType = "string"
MLAssistConfiguration オブジェクト
mlAssist プロパティを設定して、オブジェクトの種類を指定します。
無効の場合は、次の値を使用します。
mlAssist = "Disabled"
[有効 の場合は、次を使用します。
mlAssist = "Enabled"
inferencingComputeBinding = "string"
trainingComputeBinding = "string"
SparkJobEntry オブジェクト
sparkJobEntryType プロパティを設定して、オブジェクトの種類を指定します。
SparkJobPythonEntryの場合は、次の値を使用します。
sparkJobEntryType = "SparkJobPythonEntry"
file = "string"
SparkJobScalaEntryの場合は、次の値を使用します。
sparkJobEntryType = "SparkJobScalaEntry"
className = "string"
SamplingAlgorithm オブジェクト
samplingAlgorithmType プロパティを設定して、オブジェクトの種類を指定します。
ベイジアン の場合は、次を使用します。
samplingAlgorithmType = "Bayesian"
Gridの場合は、次を使用します。
samplingAlgorithmType = "Grid"
ランダム
samplingAlgorithmType = "Random"
logbase = "string"
rule = "string"
seed = int
MonitorComputeConfigurationBase オブジェクト
computeType プロパティを設定して、オブジェクトの種類を指定します。
ServerlessSparkの場合は、次を使用します。
computeType = "ServerlessSpark"
computeIdentity = {
computeIdentityType = "string"
// For remaining properties, see MonitorComputeIdentityBase objects
}
instanceType = "string"
runtimeVersion = "string"
MonitorComputeIdentityBase オブジェクト
computeIdentityType プロパティを設定して、オブジェクトの種類を指定します。
AmlTokenの場合は、次を使用します。
computeIdentityType = "AmlToken"
ManagedIdentityの場合は、次の値を使用します。
computeIdentityType = "ManagedIdentity"
identity {
type = "string"
identity_ids = []
}
MonitoringSignalBase オブジェクト
signalType プロパティを設定して、オブジェクトの種類を指定します。
カスタムを
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
}
}
]
workspaceConnection = {
environmentVariables = {
{customized property} = "string"
}
secrets = {
{customized property} = "string"
}
}
DataDriftの場合は、次の値を使用します。
signalType = "DataDrift"
dataSegment = {
feature = "string"
values = [
"string"
]
}
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
}
DataQualityの場合は、次の値を使用します。
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
}
FeatureAttributionDriftを
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
}
GenerationSafetyQualityの場合は、次の値を使用します。
signalType = "GenerationSafetyQuality"
metricThresholds = [
{
metric = "string"
threshold = {
value = int
}
}
]
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
samplingRate = int
workspaceConnectionId = "string"
GenerationTokenStatisticsの場合は、次を使用します。
signalType = "GenerationTokenStatistics"
metricThresholds = [
{
metric = "string"
threshold = {
value = int
}
}
]
productionData = [
{
columns = {
{customized property} = "string"
}
dataContext = "string"
jobInputType = "string"
uri = "string"
inputDataType = "string"
// For remaining properties, see MonitoringInputDataBase objects
}
]
samplingRate = int
ModelPerformanceの場合は、次の値を使用します。
signalType = "ModelPerformance"
dataSegment = {
feature = "string"
values = [
"string"
]
}
metricThreshold = {
threshold = {
value = int
}
modelType = "string"
// For remaining properties, see ModelPerformanceMetricThresholdBase 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
}
PredictionDriftの場合は、次の値を使用します。
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
}
MonitoringInputDataBase オブジェクト
inputDataType プロパティを設定して、オブジェクトの種類を指定します。
固定の場合は、次の値を使用します。
inputDataType = "Fixed"
ローリングの場合は、次を使用します。
inputDataType = "Rolling"
preprocessingComponentId = "string"
windowOffset = "string"
windowSize = "string"
静的を
inputDataType = "Static"
preprocessingComponentId = "string"
windowEnd = "string"
windowStart = "string"
MonitoringFeatureFilterBase オブジェクト
filterType プロパティを設定して、オブジェクトの種類を指定します。
AllFeaturesを
filterType = "AllFeatures"
FeatureSubsetを
filterType = "FeatureSubset"
features = [
"string"
]
TopNByAttributionを
filterType = "TopNByAttribution"
top = int
DataDriftMetricThresholdBase オブジェクト
dataType プロパティを設定して、オブジェクトの種類を指定します。
カテゴリ
dataType = "Categorical"
metric = "string"
数値の場合は、次の値を使用します。
dataType = "Numerical"
metric = "string"
DataQualityMetricThresholdBase オブジェクト
dataType プロパティを設定して、オブジェクトの種類を指定します。
カテゴリ
dataType = "Categorical"
metric = "string"
数値の場合は、次の値を使用します。
dataType = "Numerical"
metric = "string"
ModelPerformanceMetricThresholdBase オブジェクト
modelType プロパティを設定して、オブジェクトの種類を指定します。
分類の場合は、次を使用します。
modelType = "Classification"
metric = "string"
回帰の場合は、次の値を使用します。
modelType = "Regression"
metric = "string"
PredictionDriftMetricThresholdBase オブジェクト
dataType プロパティを設定して、オブジェクトの種類を指定します。
カテゴリ
dataType = "Categorical"
metric = "string"
数値の場合は、次の値を使用します。
dataType = "Numerical"
metric = "string"
DataImportSource オブジェクト
sourceType プロパティを設定して、オブジェクトの種類を指定します。
データベースの場合は、次を使用します。
sourceType = "database"
query = "string"
storedProcedure = "string"
storedProcedureParams = [
{
{customized property} = "string"
}
]
tableName = "string"
file_systemの場合は、次を使用します。
sourceType = "file_system"
path = "string"
TriggerBase オブジェクト
triggerType プロパティを設定して、オブジェクトの種類を指定します。
Cronの場合は、次を使用します。
triggerType = "Cron"
expression = "string"
繰り返しの場合は、次の値を使用します。
triggerType = "Recurrence"
frequency = "string"
interval = int
schedule = {
hours = [
int
]
minutes = [
int
]
monthDays = [
int
]
weekDays = [
"string"
]
}
プロパティ値
workspaces/schedules
| 名前 | 形容 | 価値 |
|---|---|---|
| 種類 | リソースの種類 | "Microsoft.MachineLearningServices/workspaces/schedules@2023-08-01-preview" |
| 名前 | リソース名 | string (必須) |
| parent_id | このリソースの親であるリソースの ID。 | 種類のリソースの ID: ワークスペース |
| プロパティ | [必須]エンティティの追加の属性。 | ScheduleProperties (必須) |
ScheduleProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| アクション | [必須]スケジュールのアクションを指定します | ScheduleActionBase (必須) |
| 形容 | 資産の説明テキスト。 | 糸 |
| displayName | スケジュールの表示名。 | 糸 |
| isEnabled | スケジュールは有効になっていますか? | bool |
| プロパティ | 資産プロパティ ディクショナリ。 | ResourceBaseProperties |
| タグ | タグ ディクショナリ。 タグは追加、削除、更新できます。 | オブジェクト |
| トリガー | [必須]トリガーの詳細を指定します | TriggerBase (必須) |
ScheduleActionBase
| 名前 | 形容 | 価値 |
|---|---|---|
| actionType | オブジェクトの種類を設定する | CreateJob の CreateMonitor ImportData InvokeBatchEndpoint (必須) |
JobScheduleAction
| 名前 | 形容 | 価値 |
|---|---|---|
| actionType | [必須]スケジュールのアクションの種類を指定します | "CreateJob" (必須) |
| jobDefinition | [必須]スケジュール アクション定義の詳細を定義します。 | JobBaseProperties (必須) |
JobBaseProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| componentId | コンポーネント リソースの ARM リソース ID。 | 糸 |
| computeId | コンピューティング リソースの ARM リソース ID。 | 糸 |
| 形容 | 資産の説明テキスト。 | 糸 |
| displayName | ジョブの表示名。 | 糸 |
| experimentName | ジョブが属する実験の名前。 設定されていない場合、ジョブは "既定" の実験に配置されます。 | 糸 |
| 同一性 | ID の構成。 設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。 |
IdentityConfiguration |
| isArchived | 資産はアーカイブされていますか? | bool |
| notificationSetting | ジョブの通知設定 | NotificationSetting |
| プロパティ | 資産プロパティ ディクショナリ。 | ResourceBaseProperties |
| secretsConfiguration | 実行時に使用可能にするシークレットの構成。 | JobBaseSecretsConfiguration |
| サービス | JobEndpoints の一覧。 ローカル ジョブの場合、ジョブ エンドポイントのエンドポイント値は FileStreamObject になります。 |
JobBaseServices |
| タグ | タグ ディクショナリ。 タグは追加、削除、更新できます。 | オブジェクト |
| jobType | オブジェクトの種類を設定する | AutoML の コマンド ラベル付け パイプラインの Spark スイープ (必須) |
IdentityConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| identityType | オブジェクトの種類を設定する | AMLToken を マネージド UserIdentity (必須) |
AmlToken
| 名前 | 形容 | 価値 |
|---|---|---|
| identityType | [必須]ID フレームワークの種類を指定します。 | "AMLToken" (必須) |
ManagedIdentity
| 名前 | 形容 | 価値 |
|---|---|---|
| identityType | [必須]ID フレームワークの種類を指定します。 | "マネージド" (必須) |
| clientId | クライアント ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 制約： 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| objectId | ユーザー割り当て ID をオブジェクト ID で指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 制約： 最小長 = 36 最大長 = 36 パターン = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$ |
| resourceId | ARM リソース ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。 | 糸 |
UserIdentity
| 名前 | 形容 | 価値 |
|---|---|---|
| identityType | [必須]ID フレームワークの種類を指定します。 | "UserIdentity" (必須) |
NotificationSetting
| 名前 | 形容 | 価値 |
|---|---|---|
| emailOn | 指定した通知の種類でユーザーに電子メール通知を送信する | 次のいずれかを含む文字列配列: "JobCancelled" "JobCompleted" "JobFailed" |
| emails | これは、コンマ区切り記号付きの合計 concat で 499 文字の制限がある電子メール受信者リストです | string[] |
| webhooks | Webhook コールバックをサービスに送信します。 キーは、Webhook のユーザー指定の名前です。 | NotificationSettingWebhooks の |
NotificationSettingWebhooks
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | Webhook |
Webhook
| 名前 | 形容 | 価値 |
|---|---|---|
| eventType | 指定した通知イベントのコールバックを送信する | 糸 |
| webhookType | オブジェクトの種類を設定する | AzureDevOps (必須) |
AzureDevOpsWebhook
| 名前 | 形容 | 価値 |
|---|---|---|
| webhookType | [必須]コールバックを送信するサービスの種類を指定します | "AzureDevOps" (必須) |
ResourceBaseProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
JobBaseSecretsConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | SecretConfiguration |
SecretConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| uri | シークレット URI。 サンプル URI: https://myvault.vault.azure.net/secrets/mysecretname/secretversion |
糸 |
| workspaceSecretName | ワークスペース キー コンテナー内のシークレットの名前。 | 糸 |
JobBaseServices
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobService |
JobService
| 名前 | 形容 | 価値 |
|---|---|---|
| エンドポイント | エンドポイントの URL。 | 糸 |
| jobServiceType | エンドポイントの種類。 | 糸 |
| ノード | ユーザーがサービスを開始するノード。 ノードが設定されていないか、null に設定されていない場合、サービスはリーダー ノードでのみ開始されます。 |
ノード |
| 港 | ユーザーによって設定されたエンドポイントのポート。 | int |
| プロパティ | エンドポイントに設定する追加のプロパティ。 | JobServiceProperties |
ノード
| 名前 | 形容 | 価値 |
|---|---|---|
| nodesValueType | オブジェクトの種類を設定する | すべての (必須) |
AllNodes
| 名前 | 形容 | 価値 |
|---|---|---|
| nodesValueType | [必須]ノード値の型 | "すべて" (必須) |
JobServiceProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
AutoMLJob
| 名前 | 形容 | 価値 |
|---|---|---|
| jobType | [必須]ジョブの種類を指定します。 | "AutoML" (必須) |
| environmentId | ジョブの環境仕様の ARM リソース ID。 これは省略可能な値です。指定しない場合、AutoML はジョブの実行時に既定で運用環境の AutoML キュレーション環境バージョンに設定されます。 |
糸 |
| environmentVariables | ジョブに含まれる環境変数。 | AutoMLJobEnvironmentVariables の |
| 出力 | ジョブで使用される出力データ バインディングのマッピング。 | AutoMLJobOutputs の |
| queueSettings | ジョブのキュー設定 | QueueSettings の |
| リソース | ジョブのコンピューティング リソース構成。 | JobResourceConfiguration |
| taskDetails | [必須]これは、テーブル/NLP/イメージのいずれかである可能性があるシナリオを表します | AutoMLVertical (必須) |
AutoMLJobEnvironmentVariables
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
AutoMLJobOutputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobOutput |
JobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| 形容 | 出力の説明。 | 糸 |
| jobOutputType | オブジェクトの種類を設定する |
custom_model mlflow_model mltable を triton_model uri_file uri_folder (必須) |
CustomModelJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | "custom_model" (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | "Direct" "ReadWriteMount" "アップロード" |
| uri | 出力アセット URI。 | 糸 |
AutoDeleteSetting
| 名前 | 形容 | 価値 |
|---|---|---|
| 条件 | 資産の有効期限が切れているかどうかを確認するタイミング | "CreatedGreaterThan" "LastAccessedGreaterThan" |
| 価値 | 有効期限条件の値。 | 糸 |
MLFlowModelJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | "mlflow_model" (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | "Direct" "ReadWriteMount" "アップロード" |
| uri | 出力アセット URI。 | 糸 |
MLTableJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | "mltable" (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | "Direct" "ReadWriteMount" "アップロード" |
| uri | 出力アセット URI。 | 糸 |
TritonModelJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | "triton_model" (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | "Direct" "ReadWriteMount" "アップロード" |
| uri | 出力アセット URI。 | 糸 |
UriFileJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | "uri_file" (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | "Direct" "ReadWriteMount" "アップロード" |
| uri | 出力アセット URI。 | 糸 |
UriFolderJobOutput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobOutputType | [必須]ジョブの種類を指定します。 | "uri_folder" (必須) |
| assetName | 出力資産名。 | 糸 |
| assetVersion | 出力資産のバージョン。 | 糸 |
| autoDeleteSetting | 出力データ資産の自動削除設定。 | AutoDeleteSetting の |
| モード | 出力資産配信モード。 | "Direct" "ReadWriteMount" "アップロード" |
| uri | 出力アセット URI。 | 糸 |
QueueSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| jobTier | コンピューティング ジョブレベルを制御します。 | "Basic" "Null" "Premium" "スポット" "Standard" |
| 優先権 | コンピューティングでのジョブの優先順位を制御します。 | int |
JobResourceConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| dockerArgs | Docker run コマンドに渡す追加の引数。 これにより、システムまたはこのセクションで既に設定されているパラメーターがオーバーライドされます。 このパラメーターは、Azure ML コンピューティングの種類でのみサポートされます。 | 糸 |
| instanceCount | コンピューティング 先で使用されるインスタンスまたはノードの数 (省略可能)。 | int |
| instanceType | コンピューティング 先でサポートされている VM のオプションの種類。 | 糸 |
| 場所 | ジョブを実行できる場所。 | string[] |
| maxInstanceCount | コンピューティング 先で使用できるインスタンスまたはノードの最大数 (省略可能)。 エラスティック トレーニングで使用する場合は、現在 PyTorch ディストリビューションの種類でのみサポートされています。 |
int |
| プロパティ | 追加のプロパティ バッグ。 | ResourceConfigurationProperties |
| shmSize | Docker コンテナーの共有メモリ ブロックのサイズ。 これは (number)(unit) の形式で指定する必要があります。数値は 0 より大きく、単位は b(バイト)、k(キロバイト)、m(メガバイト)、または g(ギガバイト) のいずれかです。 | 糸 制約： パターン = \d+[bBkKmMgG] |
ResourceConfigurationProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} |
AutoMLVertical
| 名前 | 形容 | 価値 |
|---|---|---|
| logVerbosity | ジョブの詳細度をログに記録します。 | "Critical" "デバッグ" "Error" "Info" "NotSet" "警告" |
| targetColumnName | ターゲット列名: 予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。 |
糸 |
| trainingData | [必須]トレーニング データの入力。 | MLTableJobInput の |
| taskType | オブジェクトの種類を設定する |
分類 予測 ImageClassification ImageClassificationMultilabel の ImageInstanceSegmentation ImageObjectDetection 回帰 TextClassification TextClassificationMultilabel TextNER (必須) |
MLTableJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| 形容 | 入力の説明。 | 糸 |
| jobInputType | [必須]ジョブの種類を指定します。 | "custom_model" "literal" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (必須) |
| モード | 入力資産配信モード。 | "Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
分類
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | "分類" (必須) |
| cvSplitColumnNames | CVSplit データに使用する列。 | string[] |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | TableFixedParameters の |
| limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
| nCrossValidations | トレーニング データセットに適用されるクロス検証フォールドの数 検証データセットが指定されていない場合。 |
NCrossValidations |
| positiveLabel | バイナリ メトリック計算の正のラベル。 | 糸 |
| primaryMetric | タスクのプライマリ メトリック。 | "AUCWeighted" "Accuracy" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | TableParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | TableSweepSettings の |
| testData | データ入力をテストします。 | MLTableJobInput の |
| testDataSize | 検証のために確保する必要があるテスト データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | ClassificationTrainingSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| weightColumnName | サンプルの重み列の名前。 自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。 | 糸 |
TableVerticalFeaturizationSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| blockedTransformers | これらのトランスは特徴付けには使用しないでください。 | 次のいずれかを含む文字列配列: "CatTargetEncoder" "CountVectorizer" "HashOneHotEncoder" "LabelEncoder" "NaiveBayes" "OneHotEncoder" "TextTargetEncoder" "TfIdf" "WoETargetEncoder" "WordEmbedding" |
| columnNameAndTypes | 列名とその型 (int、float、string、datetime など) のディクショナリ。 | TableVerticalFeaturizationSettingsColumnNameAndTypes |
| datasetLanguage | テキスト データに役立つデータセット言語。 | 糸 |
| enableDnnFeaturization | データ特徴付けに Dnn ベースの特徴付け器を使用するかどうかを決定します。 | bool |
| モード | 特徴量化モード - ユーザーは既定の "自動" モードを維持でき、AutoML は特徴量化フェーズでのデータの必要な変換を処理します。 [オフ] が選択されている場合、特徴量化は行われません。 [カスタム] が選択されている場合、ユーザーは追加の入力を指定して、特徴付けの実行方法をカスタマイズできます。 |
"Auto" "Custom" "オフ" |
| transformerParams | ユーザーは、使用する追加のトランスフォーマーと、それが適用される列、およびトランスフォーマー コンストラクターのパラメーターを指定できます。 | TableVerticalFeaturizationSettingsTransformerParams |
TableVerticalFeaturizationSettingsColumnNameAndTypes
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
TableVerticalFeaturizationSettingsTransformerParams
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | ColumnTransformer[] |
ColumnTransformer
| 名前 | 形容 | 価値 |
|---|---|---|
| 田畑 | トランスフォーマー ロジックを適用するフィールド。 | string[] |
| パラメーター | トランスフォーマーに渡されるさまざまなプロパティ。 必要な入力は、JSON 形式のキーと値のペアのディクショナリです。 |
TableFixedParameters
| 名前 | 形容 | 価値 |
|---|---|---|
| ブースター | ブーストの種類 (XGBoost の場合は gbdt など) を指定します。 | 糸 |
| boostingType | ブーストの種類 (LightGBM の場合は gbdt など) を指定します。 | 糸 |
| growPolicy | 新しいノードをツリーに追加する方法を制御する拡張ポリシーを指定します。 | 糸 |
| learningRate | トレーニング手順の学習率。 | int |
| maxBin | 連続フィーチャをバケットする個別ビンの最大数を指定します。 | int |
| maxDepth | ツリーの深さを明示的に制限する最大深度を指定します。 | int |
| maxLeaves | ツリーの葉を明示的に制限するには、最大リーフを指定します。 | int |
| minDataInLeaf | リーフあたりのデータの最小数。 | int |
| minSplitGain | ツリーのリーフ ノードにさらにパーティションを作成するために必要な最小損失削減。 | int |
| modelName | トレーニングするモデルの名前。 | 糸 |
| nEstimators | モデル内のツリー (または丸め) の数を指定します。 | int |
| numLeaves | 葉の数を指定します。 | int |
| プリプロセッサ名 | 使用するプリプロセッサの名前。 | 糸 |
| regAlpha | 重みの L1 正則化項。 | int |
| regLambda | 重みの L2 正則化項。 | int |
| subsample | トレーニング インスタンスのサブサンプル比率。 | int |
| subsampleFreq | サブサンプルの頻度。 | int |
| treeMethod | ツリー メソッドを指定します。 | 糸 |
| withMean | true の場合は、StandardScalar を使用してデータをスケーリングする前に中央揃えにします。 | bool |
| withStd | true の場合、StandardScalar を使用して単位分散を使用してデータをスケーリングします。 | bool |
TableVerticalLimitSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| enableEarlyTermination | 早期終了を有効にし、過去 20 回のイテレーションでスコアの改善がない場合に AutoMLJob が早期に終了するかどうかを決定します。 | bool |
| exitScore | AutoML ジョブの終了スコア。 | int |
| maxConcurrentTrials | 最大同時反復数。 | int |
| maxCoresPerTrial | イテレーションあたりの最大コア数。 | int |
| maxNodes | 実験に使用する最大ノード数。 | int |
| maxTrials | 反復回数。 | int |
| sweepConcurrentTrials | ユーザーがトリガーする同時スイープ実行の数。 | int |
| sweepTrials | ユーザーがトリガーするスイープ実行の数。 | int |
| タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
| trialTimeout | 繰り返しタイムアウト。 | 糸 |
NCrossValidations
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
AutoNCrossValidations
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]N クロス検証を決定するためのモード。 | "Auto" (必須) |
CustomNCrossValidations
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]N クロス検証を決定するためのモード。 | "カスタム" (必須) |
| 価値 | [必須]N クロス検証値。 | int (必須) |
TableParameterSubspace
| 名前 | 形容 | 価値 |
|---|---|---|
| ブースター | ブーストの種類 (XGBoost の場合は gbdt など) を指定します。 | 糸 |
| boostingType | ブーストの種類 (LightGBM の場合は gbdt など) を指定します。 | 糸 |
| growPolicy | 新しいノードをツリーに追加する方法を制御する拡張ポリシーを指定します。 | 糸 |
| learningRate | トレーニング手順の学習率。 | 糸 |
| maxBin | 連続フィーチャをバケットする個別ビンの最大数を指定します。 | 糸 |
| maxDepth | ツリーの深さを明示的に制限する最大深度を指定します。 | 糸 |
| maxLeaves | ツリーの葉を明示的に制限するには、最大リーフを指定します。 | 糸 |
| minDataInLeaf | リーフあたりのデータの最小数。 | 糸 |
| minSplitGain | ツリーのリーフ ノードにさらにパーティションを作成するために必要な最小損失削減。 | 糸 |
| modelName | トレーニングするモデルの名前。 | 糸 |
| nEstimators | モデル内のツリー (または丸め) の数を指定します。 | 糸 |
| numLeaves | 葉の数を指定します。 | 糸 |
| プリプロセッサ名 | 使用するプリプロセッサの名前。 | 糸 |
| regAlpha | 重みの L1 正則化項。 | 糸 |
| regLambda | 重みの L2 正則化項。 | 糸 |
| subsample | トレーニング インスタンスのサブサンプル比率。 | 糸 |
| subsampleFreq | サブサンプルの頻度 | 糸 |
| treeMethod | ツリー メソッドを指定します。 | 糸 |
| withMean | true の場合は、StandardScalar を使用してデータをスケーリングする前に中央揃えにします。 | 糸 |
| withStd | true の場合、StandardScalar を使用して単位分散を使用してデータをスケーリングします。 | 糸 |
TableSweepSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| earlyTermination | スイープ ジョブの早期終了ポリシーの種類。 | EarlyTerminationPolicy |
| samplingAlgorithm | [必須]サンプリング アルゴリズムの種類。 | "Bayesian" "Grid" "Random" (必須) |
EarlyTerminationPolicy
| 名前 | 形容 | 価値 |
|---|---|---|
| delayEvaluation | 最初の評価を遅らせる間隔の数。 | int |
| evaluationInterval | ポリシー評価間の間隔 (実行回数)。 | int |
| policyType | オブジェクトの種類を設定する |
バンディット MedianStopping TruncationSelection (必須) |
BanditPolicy
| 名前 | 形容 | 価値 |
|---|---|---|
| policyType | [必須]ポリシー構成の名前 | "Bandit" (必須) |
| slackAmount | 最高のパフォーマンスを発揮する実行から許容される絶対距離。 | int |
| slackFactor | 最もパフォーマンスの高い実行からの許容距離の比率。 | int |
MedianStoppingPolicy
| 名前 | 形容 | 価値 |
|---|---|---|
| policyType | [必須]ポリシー構成の名前 | "MedianStopping" (必須) |
TruncationSelectionPolicy
| 名前 | 形容 | 価値 |
|---|---|---|
| policyType | [必須]ポリシー構成の名前 | "TruncationSelection" (必須) |
| truncationPercentage | 各評価間隔で取り消す実行の割合。 | int |
ClassificationTrainingSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| allowedTrainingAlgorithms | 分類タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier" |
| blockedTrainingAlgorithms | 分類タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier" |
| enableDnnTraining | DNN モデルの推奨事項を有効にします。 | bool |
| enableModelExplainability | 最適なモデルで説明可能性を有効にするフラグ。 | bool |
| enableOnnxCompatibleModels | onnx 互換モデルを有効にするフラグ。 | bool |
| enableStackEnsemble | スタック アンサンブル実行を有効にします。 | bool |
| enableVoteEnsemble | 投票アンサンブル実行を有効にします。 | bool |
| ensembleModelDownloadTimeout | VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。 |
糸 |
| stackEnsembleSettings | スタック アンサンブル実行のスタック アンサンブル設定。 | StackEnsembleSettings |
| trainingMode | TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティック ベースのモードが選択される可能性があります。 既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。 |
"Auto" "Distributed" "NonDistributed" |
StackEnsembleSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| stackMetaLearnerKWargs | メタ学習者の初期化子に渡す省略可能なパラメーター。 | |
| stackMetaLearnerTrainPercentage | メタ学習者のトレーニング用に予約するトレーニング セット (トレーニングのトレーニングと検証の種類を選択する場合) の割合を指定します。 既定値は 0.2 です。 | int |
| stackMetaLearnerType | メタ学習者は、個々の異種モデルの出力でトレーニングされたモデルです。 | "ElasticNet" "ElasticNetCV" "LightGBMClassifier" "LightGBMRegressor" "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "なし" |
予測
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | "予測" (必須) |
| cvSplitColumnNames | CVSplit データに使用する列。 | string[] |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | TableFixedParameters の |
| forecastingSettings | 予測タスク固有の入力。 | ForecastingSettings |
| limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
| nCrossValidations | トレーニング データセットに適用されるクロス検証フォールドの数 検証データセットが指定されていない場合。 |
NCrossValidations |
| primaryMetric | 予測タスクの主要メトリック。 | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "スピアマン相関" |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | TableParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | TableSweepSettings の |
| testData | データ入力をテストします。 | MLTableJobInput の |
| testDataSize | 検証のために確保する必要があるテスト データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | ForecastingTrainingSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| weightColumnName | サンプルの重み列の名前。 自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。 | 糸 |
ForecastingSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| countryOrRegionForHolidays | 予測タスクの休日の国または地域。 これらは、ISO 3166 の 2 文字の国/地域コード ("US" や "GB" など) である必要があります。 |
糸 |
| cvStepSize | 1 つの CV フォールドの原点時間と次のフォールドの間の期間の数。 対して たとえば、日次データの CVStepSize = 3 の場合、各フォールドの起点時間は3 日分離します。 |
int |
| featureLags | 'auto' または null を持つ数値特徴のラグを生成するためのフラグ。 | "Auto" "なし" |
| featuresUnknownAtForecastTime | 予測/推論時にトレーニングに使用できるが不明な特徴列。 features_unknown_at_forecast_timeが設定されていない場合、データセット内のすべての特徴列が推論時に既知であると見なされます。 |
string[] |
| forecastHorizon | 時系列の頻度の単位で求められる最大予測期間。 | ForecastHorizon |
| 周波数 | 予測の場合、このパラメーターは、日単位、週単位、年単位など、予測が必要な期間を表します。予測頻度は、既定ではデータセットの頻度です。 | 糸 |
| 季節 | 時系列の季節性を、系列の頻度の整数倍数として設定します。 季節性が 'auto' に設定されている場合は、推論されます。 |
季節性 |
| shortSeriesHandlingConfig | AutoML で短い時系列を処理する方法を定義するパラメーター。 | "Auto" "Drop" "なし" "Pad" |
| targetAggregateFunction | ユーザーが指定した頻度に準拠するように時系列ターゲット列を集計するために使用する関数。 TargetAggregateFunction が 'None' ではなく設定されているが、freq パラメーターが設定されていない場合、エラーが発生します。 可能なターゲット集計関数は、"sum"、"max"、"min"、"mean" です。 |
"Max" "Mean" "Min" "なし" "Sum" |
| targetLags | ターゲット列から遅延する過去の期間の数。 | TargetLags |
| targetRollingWindowSize | ターゲット列のローリング ウィンドウ平均の作成に使用された過去の期間の数。 | TargetRollingWindowSize |
| timeColumnName | 時刻列の名前。 このパラメーターは、時系列の構築とその頻度の推論に使用される入力データの datetime 列を予測する場合に必要です。 | 糸 |
| timeSeriesIdColumnNames | 時系列をグループ化するために使用される列の名前。 複数の系列を作成するために使用できます。 グレインが定義されていない場合、データ セットは 1 つの時系列であると見なされます。 このパラメーターは、タスクの種類の予測で使用されます。 |
string[] |
| useStl | 時系列ターゲット列の STL 分解を構成します。 | "なし" "Season" "SeasonTrend" |
ForecastHorizon
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
AutoForecastHorizon
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]予測期間値の選択モードを設定します。 | "Auto" (必須) |
CustomForecastHorizon
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]予測期間値の選択モードを設定します。 | "カスタム" (必須) |
| 価値 | [必須]予測期間の値。 | int (必須) |
季節
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
AutoSeasonality
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]季節性モード。 | "Auto" (必須) |
CustomSeasonality
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]季節性モード。 | "カスタム" (必須) |
| 価値 | [必須]季節性の値。 | int (必須) |
TargetLags
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
AutoTargetLags
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]ターゲット ラグ モードの設定 - 自動/カスタム | "Auto" (必須) |
CustomTargetLags
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]ターゲット ラグ モードの設定 - 自動/カスタム | "カスタム" (必須) |
| 価値観 | [必須]ターゲットラグ値を設定します。 | int[] (必須) |
TargetRollingWindowSize
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | オブジェクトの種類を設定する | 自動 の カスタム (必須) |
AutoTargetRollingWindowSize
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]TargetRollingWindowSiz 検出モード。 | "Auto" (必須) |
CustomTargetRollingWindowSize
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | [必須]TargetRollingWindowSiz 検出モード。 | "カスタム" (必須) |
| 価値 | [必須]TargetRollingWindowSize 値。 | int (必須) |
ForecastingTrainingSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| allowedTrainingAlgorithms | 予測タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: "Arimax" "AutoArima" "Average" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "なげなわ" "LightGBM" "Naive" "Prophet" "RandomForest" "SGD" "SeasonalAverage" "SeasonalNaive" "TCNForecaster" "XGBoostRegressor" |
| blockedTrainingAlgorithms | 予測タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: "Arimax" "AutoArima" "Average" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "なげなわ" "LightGBM" "Naive" "Prophet" "RandomForest" "SGD" "SeasonalAverage" "SeasonalNaive" "TCNForecaster" "XGBoostRegressor" |
| enableDnnTraining | DNN モデルの推奨事項を有効にします。 | bool |
| enableModelExplainability | 最適なモデルで説明可能性を有効にするフラグ。 | bool |
| enableOnnxCompatibleModels | onnx 互換モデルを有効にするフラグ。 | bool |
| enableStackEnsemble | スタック アンサンブル実行を有効にします。 | bool |
| enableVoteEnsemble | 投票アンサンブル実行を有効にします。 | bool |
| ensembleModelDownloadTimeout | VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。 |
糸 |
| stackEnsembleSettings | スタック アンサンブル実行のスタック アンサンブル設定。 | StackEnsembleSettings |
| trainingMode | TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティック ベースのモードが選択される可能性があります。 既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。 |
"Auto" "Distributed" "NonDistributed" |
ImageClassification
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | "ImageClassification" (必須) |
| limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
| modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsClassification の |
| primaryMetric | このタスク用に最適化する主要メトリック。 | "AUCWeighted" "Accuracy" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsClassification[] |
| sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
ImageLimitSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| maxConcurrentTrials | 同時 AutoML イテレーションの最大数。 | int |
| maxTrials | AutoML イテレーションの最大数。 | int |
| タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
ImageModelSettingsClassification
| 名前 | 形容 | 価値 |
|---|---|---|
| advancedSettings | 高度なシナリオの設定。 | 糸 |
| amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | bool |
| 拡張 | 拡張を使用するための設定。 | 糸 |
| beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | int |
| beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | int |
| checkpointFrequency | モデル チェックポイントを格納する頻度。 正の整数にする必要があります。 | int |
| checkpointModel | 増分トレーニング用の事前トレーニング済みチェックポイント モデル。 | MLFlowModelJobInput の |
| checkpointRunId | 増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。 | 糸 |
| 分散 | 分散トレーニングを使用するかどうか。 | bool |
| earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | bool |
| earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
int |
| earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
int |
| enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | bool |
| evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | int |
| gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
int |
| layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
int |
| learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | int |
| learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | "なし" "ステップ" "WarmupCosine" |
| modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
| 運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | int |
| nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | bool |
| numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | int |
| numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | int |
| オプティマイザ | オプティマイザーの種類。 | "Adam" "Adamw" "なし" "Sgd" |
| randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | int |
| stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | int |
| stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | int |
| trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | int |
| trainingCropSize | トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | int |
| validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | int |
| validationCropSize | 検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | int |
| validationResizeSize | 検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。 | int |
| warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | int |
| warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | int |
| weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | int |
| weightedLoss | 加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。 |
int |
MLFlowModelJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| 形容 | 入力の説明。 | 糸 |
| jobInputType | [必須]ジョブの種類を指定します。 | "custom_model" "literal" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (必須) |
| モード | 入力資産配信モード。 | "Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
ImageModelDistributionSettingsClassification
| 名前 | 形容 | 価値 |
|---|---|---|
| amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | 糸 |
| 拡張 | 拡張を使用するための設定。 | 糸 |
| beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| 分散 | 配布者トレーニングを使用するかどうか。 | 糸 |
| earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | 糸 |
| earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
糸 |
| earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
糸 |
| enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | 糸 |
| evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | 糸 |
| gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
糸 |
| layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
糸 |
| learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | 糸 |
| learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 糸 |
| modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
| 運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | 糸 |
| numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | 糸 |
| numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | 糸 |
| オプティマイザ | オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。 | 糸 |
| randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | 糸 |
| stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | 糸 |
| trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | 糸 |
| trainingCropSize | トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | 糸 |
| validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | 糸 |
| validationCropSize | 検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。 | 糸 |
| validationResizeSize | 検証データセットのトリミング前にサイズを変更する画像サイズ。 正の整数にする必要があります。 | 糸 |
| warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | 糸 |
| weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| weightedLoss | 加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。 |
糸 |
ImageSweepSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| earlyTermination | 早期終了ポリシーの種類。 | EarlyTerminationPolicy |
| samplingAlgorithm | [必須]ハイパーパラメーター サンプリング アルゴリズムの種類。 | "Bayesian" "Grid" "Random" (必須) |
ImageClassificationMultilabel
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | "ImageClassificationMultilabel" (必須) |
| limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
| modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsClassification の |
| primaryMetric | このタスク用に最適化する主要メトリック。 | "AUCWeighted" "Accuracy" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted" |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsClassification[] |
| sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
ImageInstanceSegmentation
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | "ImageInstanceSegmentation" (必須) |
| limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
| modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsObjectDetection |
| primaryMetric | このタスク用に最適化する主要メトリック。 | "MeanAveragePrecision" |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsObjectDetection[] |
| sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
ImageModelSettingsObjectDetection
| 名前 | 形容 | 価値 |
|---|---|---|
| advancedSettings | 高度なシナリオの設定。 | 糸 |
| amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | bool |
| 拡張 | 拡張を使用するための設定。 | 糸 |
| beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | int |
| beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | int |
| boxDetectionsPerImage | すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
| boxScoreThreshold | 推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。 |
int |
| checkpointFrequency | モデル チェックポイントを格納する頻度。 正の整数にする必要があります。 | int |
| checkpointModel | 増分トレーニング用の事前トレーニング済みチェックポイント モデル。 | MLFlowModelJobInput の |
| checkpointRunId | 増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。 | 糸 |
| 分散 | 分散トレーニングを使用するかどうか。 | bool |
| earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | bool |
| earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
int |
| earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
int |
| enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | bool |
| evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | int |
| gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
int |
| imageSize | トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
int |
| layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
int |
| learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | int |
| learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | "なし" "ステップ" "WarmupCosine" |
| logTrainingMetrics | トレーニング メトリックのコンピューティングとログ記録を有効にします。 | "無効" "有効" |
| logValidationLoss | コンピューティングとログの検証の損失を有効にします。 | "無効" "有効" |
| maxSize | バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
| minSize | バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
| modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
| modelSize | モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
"ExtraLarge" "Large" "Medium" "なし" "Small" |
| 運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | int |
| multiScale | イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
bool |
| nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | bool |
| nmsIouThreshold | NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] の float である必要があります。 | int |
| numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | int |
| numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | int |
| オプティマイザ | オプティマイザーの種類。 | "Adam" "Adamw" "なし" "Sgd" |
| randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | int |
| stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | int |
| stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | int |
| tileGridSize | 各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| tileOverlapRatio | 各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
| tilePredictionsNmsThreshold | タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
int |
| trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | int |
| validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | int |
| validationIouThreshold | 検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | int |
| validationMetricType | 検証メトリックに使用するメトリック計算方法。 | "Coco" "CocoVoc" "なし" "Voc" |
| warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | int |
| warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | int |
| weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | int |
ImageModelDistributionSettingsObjectDetection
| 名前 | 形容 | 価値 |
|---|---|---|
| amsGradient | オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。 | 糸 |
| 拡張 | 拡張を使用するための設定。 | 糸 |
| beta1 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| beta2 | オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| boxDetectionsPerImage | すべてのクラスの画像あたりの検出の最大数。 正の整数にする必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| boxScoreThreshold | 推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。 範囲 [0, 1] の float である必要があります。 |
糸 |
| 分散 | 配布者トレーニングを使用するかどうか。 | 糸 |
| earlyStopping | トレーニング中に早期停止ロジックを有効にします。 | 糸 |
| earlyStoppingDelay | プライマリ メトリックの改善前に待機するエポックまたは検証評価の最小数 は早期停止のために追跡されます。 正の整数にする必要があります。 |
糸 |
| earlyStoppingPatience | 前の主要なメトリックの改善がないエポックまたは検証評価の最小数 実行が停止します。 正の整数にする必要があります。 |
糸 |
| enableOnnxNormalization | ONNX モデルをエクスポートするときに正規化を有効にします。 | 糸 |
| evaluationFrequency | メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。 | 糸 |
| gradientAccumulationStep | 勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行する これらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に 重みの更新を計算するための累積グラデーション。 正の整数にする必要があります。 |
糸 |
| imageSize | トレーニングと検証の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
| layersToFreeze | モデルに対してフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すことは意味します フリーズ層0および層1。 サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。 |
糸 |
| learningRate | 初期学習率。 範囲 [0, 1] の float である必要があります。 | 糸 |
| learningRateScheduler | 学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。 | 糸 |
| maxSize | バックボーンに供給する前に再スケーリングするイメージの最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| minSize | バックボーンに供給する前に再スケーリングするイメージの最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| modelName | トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。 |
糸 |
| modelSize | モデル のサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
| 運動量 | オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| multiScale | イメージ サイズを +/- 50%変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。 |
糸 |
| nesterov | オプティマイザーが 'sgd' の場合に nesterov を有効にします。 | 糸 |
| nmsIouThreshold | NMS 後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | 糸 |
| numberOfEpochs | トレーニング エポックの数。 正の整数にする必要があります。 | 糸 |
| numberOfWorkers | データ ローダー ワーカーの数。 負以外の整数である必要があります。 | 糸 |
| オプティマイザ | オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。 | 糸 |
| randomSeed | 決定論的トレーニングを使用するときに使用されるランダム シード。 | 糸 |
| stepLRGamma | 学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| stepLRStepSize | 学習率スケジューラが "ステップ" の場合のステップ サイズの値。 正の整数にする必要があります。 | 糸 |
| tileGridSize | 各イメージのタイリングに使用するグリッド サイズ。 注: TileGridSize を次に指定することはできません。 小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| tileOverlapRatio | 各ディメンションの隣接するタイル間のオーバーラップ率。 範囲 [0, 1) に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 |
糸 |
| tilePredictionsNmsThreshold | タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。 検証/推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、'yolov5' アルゴリズムではサポートされていません。 NMS: 非最大抑制 |
糸 |
| trainingBatchSize | トレーニング バッチ サイズ。 正の整数にする必要があります。 | 糸 |
| validationBatchSize | 検証バッチ サイズ。 正の整数にする必要があります。 | 糸 |
| validationIouThreshold | 検証メトリックを計算するときに使用する IOU しきい値。 範囲 [0, 1] に float を指定する必要があります。 | 糸 |
| validationMetricType | 検証メトリックに使用するメトリック計算方法。 'none'、'coco'、'voc'、または 'coco_voc' である必要があります。 | 糸 |
| warmupCosineLRCycles | 学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float である必要があります。 | 糸 |
| warmupCosineLRWarmupEpochs | 学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。 | 糸 |
| weightDecay | オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。 | 糸 |
ImageObjectDetection
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | "ImageObjectDetection" (必須) |
| limitSettings | [必須]AutoML ジョブの設定を制限します。 | ImageLimitSettings (必須) |
| modelSettings | モデルのトレーニングに使用される設定。 | ImageModelSettingsObjectDetection |
| primaryMetric | このタスク用に最適化する主要メトリック。 | "MeanAveragePrecision" |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | ImageModelDistributionSettingsObjectDetection[] |
| sweepSettings | モデル スイープとハイパーパラメーター スイープ関連の設定。 | ImageSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
回帰
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | "回帰" (必須) |
| cvSplitColumnNames | CVSplit データに使用する列。 | string[] |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | TableVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | TableFixedParameters の |
| limitSettings | AutoMLJob の実行制約。 | TableVerticalLimitSettings |
| nCrossValidations | トレーニング データセットに適用されるクロス検証フォールドの数 検証データセットが指定されていない場合。 |
NCrossValidations |
| primaryMetric | 回帰タスクの主要メトリック。 | "NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "スピアマン相関" |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | TableParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | TableSweepSettings の |
| testData | データ入力をテストします。 | MLTableJobInput の |
| testDataSize | 検証のために確保する必要があるテスト データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| trainingSettings | AutoML ジョブのトレーニング フェーズの入力。 | RegressionTrainingSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
| validationDataSize | 検証のために確保する必要があるトレーニング データセットの割合。 (0.0 、 1.0) の値 検証データセットが指定されていない場合に適用されます。 |
int |
| weightColumnName | サンプルの重み列の名前。 自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。 | 糸 |
RegressionTrainingSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| allowedTrainingAlgorithms | 回帰タスクに使用できるモデル。 | 次のいずれかを含む文字列配列: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "なげなわ" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor" |
| blockedTrainingAlgorithms | 回帰タスクのブロックされたモデル。 | 次のいずれかを含む文字列配列: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "なげなわ" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor" |
| enableDnnTraining | DNN モデルの推奨事項を有効にします。 | bool |
| enableModelExplainability | 最適なモデルで説明可能性を有効にするフラグ。 | bool |
| enableOnnxCompatibleModels | onnx 互換モデルを有効にするフラグ。 | bool |
| enableStackEnsemble | スタック アンサンブル実行を有効にします。 | bool |
| enableVoteEnsemble | 投票アンサンブル実行を有効にします。 | bool |
| ensembleModelDownloadTimeout | VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。 |
糸 |
| stackEnsembleSettings | スタック アンサンブル実行のスタック アンサンブル設定。 | StackEnsembleSettings |
| trainingMode | TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティック ベースのモードが選択される可能性があります。 既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。 |
"Auto" "Distributed" "NonDistributed" |
TextClassification
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | "TextClassification" (必須) |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | NlpFixedParameters |
| limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
| primaryMetric | Text-Classification タスクのプライマリ メトリック。 | "AUCWeighted" "Accuracy" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted" |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | NlpParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | NlpSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
NlpVerticalFeaturizationSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| datasetLanguage | テキスト データに役立つデータセット言語。 | 糸 |
NlpFixedParameters
| 名前 | 形容 | 価値 |
|---|---|---|
| gradientAccumulationSteps | 後方パスを実行する前にグラデーションを累積する手順の数。 | int |
| learningRate | トレーニング手順の学習率。 | int |
| learningRateScheduler | トレーニング手順中に使用する学習率スケジュールの種類。 | "定数" "ConstantWithWarmup" "Cosine" "CosineWithRestarts" "Linear" "なし" "多項式" |
| modelName | トレーニングするモデルの名前。 | 糸 |
| numberOfEpochs | トレーニング エポックの数。 | int |
| trainingBatchSize | トレーニング 手順のバッチ サイズ。 | int |
| validationBatchSize | 評価中に使用するバッチ サイズ。 | int |
| warmupRatio | LrSchedulerType と共に使用されるウォームアップ比。 | int |
| weightDecay | トレーニング手順の重量の減衰。 | int |
NlpVerticalLimitSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| maxConcurrentTrials | AutoML の同時実行の最大イテレーション数。 | int |
| maxNodes | 実験に使用する最大ノード数。 | int |
| maxTrials | AutoML イテレーションの数。 | int |
| タイムアウト | AutoML ジョブのタイムアウト。 | 糸 |
| trialTimeout | 個々の HD 試用版のタイムアウト。 | 糸 |
NlpParameterSubspace
| 名前 | 形容 | 価値 |
|---|---|---|
| gradientAccumulationSteps | 後方パスを実行する前にグラデーションを累積する手順の数。 | 糸 |
| learningRate | トレーニング手順の学習率。 | 糸 |
| learningRateScheduler | トレーニング手順中に使用する学習率スケジュールの種類。 | 糸 |
| modelName | トレーニングするモデルの名前。 | 糸 |
| numberOfEpochs | トレーニング エポックの数。 | 糸 |
| trainingBatchSize | トレーニング 手順のバッチ サイズ。 | 糸 |
| validationBatchSize | 評価中に使用するバッチ サイズ。 | 糸 |
| warmupRatio | LrSchedulerType と共に使用されるウォームアップ比。 | 糸 |
| weightDecay | トレーニング手順の重量の減衰。 | 糸 |
NlpSweepSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| earlyTermination | スイープ ジョブの早期終了ポリシーの種類。 | EarlyTerminationPolicy |
| samplingAlgorithm | [必須]サンプリング アルゴリズムの種類。 | "Bayesian" "Grid" "Random" (必須) |
TextClassificationMultilabel
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | "TextClassificationMultilabel" (必須) |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | NlpFixedParameters |
| limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | NlpParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | NlpSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
TextNer
| 名前 | 形容 | 価値 |
|---|---|---|
| taskType | [必須]AutoMLJob のタスクの種類。 | "TextNER" (必須) |
| featurizationSettings | AutoML ジョブに必要な特徴量化入力。 | NlpVerticalFeaturizationSettings |
| fixedParameters | トレーニングを通じて一定の状態を維持するモデル/トレーニング パラメーター。 | NlpFixedParameters |
| limitSettings | AutoMLJob の実行制約。 | NlpVerticalLimitSettings |
| searchSpace | モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。 | NlpParameterSubspace[] |
| sweepSettings | モデル スイープとハイパーパラメーター調整の設定。 | NlpSweepSettings |
| validationData | 検証データの入力。 | MLTableJobInput の |
CommandJob
| 名前 | 形容 | 価値 |
|---|---|---|
| jobType | [必須]ジョブの種類を指定します。 | "Command" (必須) |
| autologgerSettings | ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。 | AutologgerSettings |
| codeId | コード資産の ARM リソース ID。 | 糸 |
| 命令 | [必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py" | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| 流通 | ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、Ray、または null のいずれかである必要があります。 | DistributionConfiguration |
| environmentId | [必須]ジョブの環境仕様の ARM リソース ID。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| environmentVariables | ジョブに含まれる環境変数。 | CommandJobEnvironmentVariables |
| 入力 | ジョブで使用される入力データ バインディングのマッピング。 | CommandJobInputs |
| 切り | コマンド ジョブの制限。 | CommandJobLimits |
| 出力 | ジョブで使用される出力データ バインディングのマッピング。 | CommandJobOutputs |
| queueSettings | ジョブのキュー設定 | QueueSettings の |
| リソース | ジョブのコンピューティング リソース構成。 | JobResourceConfiguration |
AutologgerSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| mlflowAutologger | [必須]mlflow 自動ロガーが有効かどうかを示します。 | "無効" "有効" (必須) |
DistributionConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| distributionType | オブジェクトの種類を設定する |
Mpi PyTorch を Ray TensorFlow (必須) |
Mpi
| 名前 | 形容 | 価値 |
|---|---|---|
| distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | "Mpi" (必須) |
| processCountPerInstance | MPI ノードあたりのプロセス数。 | int |
PyTorch
| 名前 | 形容 | 価値 |
|---|---|---|
| distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | "PyTorch" (必須) |
| processCountPerInstance | ノードあたりのプロセス数。 | int |
鱏
| 名前 | 形容 | 価値 |
|---|---|---|
| distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | "Ray" (必須) |
| 住所 | Ray ヘッド ノードのアドレス。 | 糸 |
| dashboardPort | ダッシュボード サーバーをバインドするポート。 | int |
| headNodeAdditionalArgs | ヘッド ノードの光線開始に渡される追加の引数。 | 糸 |
| includeDashboard | Ray ダッシュボード GUI を開始するには、この引数を指定します。 | bool |
| 港 | ヘッド レイ プロセスのポート。 | int |
| workerNodeAdditionalArgs | ワーカー ノードで光線開始に渡される追加の引数。 | 糸 |
TensorFlow
| 名前 | 形容 | 価値 |
|---|---|---|
| distributionType | [必須]ディストリビューション フレームワークの種類を指定します。 | "TensorFlow" (必須) |
| parameterServerCount | パラメーター サーバー タスクの数。 | int |
| workerCount | ワーカーの数。 指定しない場合は、既定でインスタンス数が設定されます。 | int |
CommandJobEnvironmentVariables
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
CommandJobInputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobInput を |
JobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| 形容 | 入力の説明。 | 糸 |
| jobInputType | オブジェクトの種類を設定する |
custom_model リテラル mlflow_model mltable triton_model uri_file uri_folder (必須) |
CustomModelJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobInputType | [必須]ジョブの種類を指定します。 | "custom_model" (必須) |
| モード | 入力資産配信モード。 | "Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
LiteralJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobInputType | [必須]ジョブの種類を指定します。 | "literal" (必須) |
| 価値 | [必須]入力のリテラル値。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
TritonModelJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobInputType | [必須]ジョブの種類を指定します。 | "triton_model" (必須) |
| モード | 入力資産配信モード。 | "Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
UriFileJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobInputType | [必須]ジョブの種類を指定します。 | "uri_file" (必須) |
| モード | 入力資産配信モード。 | "Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
UriFolderJobInput
| 名前 | 形容 | 価値 |
|---|---|---|
| jobInputType | [必須]ジョブの種類を指定します。 | "uri_folder" (必須) |
| モード | 入力資産配信モード。 | "Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount" |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
CommandJobLimits
| 名前 | 形容 | 価値 |
|---|---|---|
| jobLimitsType | [必須]JobLimit 型。 | "Command" "スイープ" (必須) |
| タイムアウト | ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。 | 糸 |
CommandJobOutputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobOutput |
LabelingJobProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| componentId | コンポーネント リソースの ARM リソース ID。 | 糸 |
| computeId | コンピューティング リソースの ARM リソース ID。 | 糸 |
| dataConfiguration | ジョブで使用されるデータの構成。 | labelingDataConfiguration の |
| 形容 | 資産の説明テキスト。 | 糸 |
| displayName | ジョブの表示名。 | 糸 |
| experimentName | ジョブが属する実験の名前。 設定されていない場合、ジョブは "既定" の実験に配置されます。 | 糸 |
| 同一性 | ID の構成。 設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。 |
IdentityConfiguration |
| isArchived | 資産はアーカイブされていますか? | bool |
| jobInstructions | ジョブのラベル付け命令。 | LabelingJobInstructions の |
| jobType | [必須]ジョブの種類を指定します。 | "AutoML" "Command" "ラベル付け" "Pipeline" "Spark" "スイープ" (必須) |
| labelCategories | ジョブのカテゴリにラベルを付けます。 | LabelingJobLabelCategories の |
| labelingJobMediaProperties | ジョブ内のメディアの種類固有のプロパティ。 | labelingJobMediaProperties の |
| mlAssistConfiguration | ジョブでの MLAssist 機能の構成。 | MLAssistConfiguration |
| notificationSetting | ジョブの通知設定 | NotificationSetting |
| プロパティ | 資産プロパティ ディクショナリ。 | ResourceBaseProperties |
| secretsConfiguration | 実行時に使用可能にするシークレットの構成。 | JobBaseSecretsConfiguration |
| サービス | JobEndpoints の一覧。 ローカル ジョブの場合、ジョブ エンドポイントのエンドポイント値は FileStreamObject になります。 |
JobBaseServices |
| タグ | タグ ディクショナリ。 タグは追加、削除、更新できます。 | オブジェクト |
LabelingDataConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| dataId | ラベル付けを実行するデータ資産のリソース ID。 | 糸 |
| incrementalDataRefresh | 増分データ更新を有効にするかどうかを示します。 | "無効" "有効" |
LabelingJobInstructions
| 名前 | 形容 | 価値 |
|---|---|---|
| uri | ラベラーの詳細なラベル付け手順を含むページへのリンク。 | 糸 |
LabelingJobLabelCategories
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | LabelCategory |
LabelCategory
| 名前 | 形容 | 価値 |
|---|---|---|
| クラス | このカテゴリのラベル クラスのディクショナリ。 | LabelCategoryClasses |
| displayName | ラベル カテゴリの表示名。 | 糸 |
| multiSelect | このカテゴリの複数のクラスを選択できるかどうかを示します。 | "無効" "有効" |
LabelCategoryClasses
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | LabelClass |
LabelClass
| 名前 | 形容 | 価値 |
|---|---|---|
| displayName | ラベル クラスの表示名。 | 糸 |
| サブクラス | ラベル クラスのサブクラスのディクショナリ。 | LabelClassSubclasses |
LabelClassSubclasses
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | LabelClass |
LabelingJobMediaProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| mediaType | オブジェクトの種類を設定する |
イメージ テキスト (必須) |
LabelingJobImageProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| mediaType | [必須]ジョブのメディアの種類。 | "Image" (必須) |
| annotationType | 画像ラベル付けジョブの注釈の種類。 | "BoundingBox" "分類" "InstanceSegmentation" |
LabelingJobTextProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| mediaType | [必須]ジョブのメディアの種類。 | "Text" (必須) |
| annotationType | テキスト ラベル付けジョブの注釈の種類。 | "分類" "NamedEntityRecognition" |
MLAssistConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| mlAssist | オブジェクトの種類を設定する |
Disabled Enabled (必須) |
MLAssistConfigurationDisabled
| 名前 | 形容 | 価値 |
|---|---|---|
| mlAssist | [必須]MLAssist 機能が有効かどうかを示します。 | "無効" (必須) |
MLAssistConfigurationEnabled
| 名前 | 形容 | 価値 |
|---|---|---|
| mlAssist | [必須]MLAssist 機能が有効かどうかを示します。 | "有効" (必須) |
| inferencingComputeBinding | [必須]推論で使用される AML コンピューティング バインド。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| trainingComputeBinding | [必須]トレーニングで使用される AML コンピューティング バインド。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
PipelineJob
| 名前 | 形容 | 価値 |
|---|---|---|
| jobType | [必須]ジョブの種類を指定します。 | "Pipeline" (必須) |
| 入力 | パイプライン ジョブの入力。 | PipelineJobInputs |
| ジョブ | ジョブはパイプライン ジョブを構築します。 | PipelineJobs |
| 出力 | パイプライン ジョブの出力 | PipelineJobOutputs |
| 設定 | ContinueRunOnStepFailure などのパイプライン設定。 | |
| sourceJobId | ソース ジョブの ARM リソース ID。 | 糸 |
PipelineJobInputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobInput を |
PipelineJobs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} |
PipelineJobOutputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobOutput |
SparkJob
| 名前 | 形容 | 価値 |
|---|---|---|
| jobType | [必須]ジョブの種類を指定します。 | "Spark" (必須) |
| 史料 | ジョブで使用されるアーカイブ ファイル。 | string[] |
| args | ジョブの引数。 | 糸 |
| codeId | [必須]コード資産の ARM リソース ID。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| conf | Spark で構成されたプロパティ。 | SparkJobConf の |
| エントリ | [必須]ジョブの起動時に実行するエントリ。 | SparkJobEntry (必須) |
| environmentId | ジョブの環境仕様の ARM リソース ID。 | 糸 |
| environmentVariables | ジョブに含まれる環境変数。 | SparkJobEnvironmentVariables |
| ファイル | ジョブで使用されるファイル。 | string[] |
| 入力 | ジョブで使用される入力データ バインディングのマッピング。 | SparkJobInputs の |
| 瓶 | ジョブで使用される Jar ファイル。 | string[] |
| 出力 | ジョブで使用される出力データ バインディングのマッピング。 | SparkJobOutputs |
| pyFiles | ジョブで使用される Python ファイル。 | string[] |
| queueSettings | ジョブのキュー設定 | QueueSettings の |
| リソース | ジョブのコンピューティング リソース構成。 | SparkResourceConfiguration の |
SparkJobConf
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
SparkJobEntry
| 名前 | 形容 | 価値 |
|---|---|---|
| sparkJobEntryType | オブジェクトの種類を設定する | SparkJobPythonEntry の SparkJobScalaEntry (必須) |
SparkJobPythonEntry
| 名前 | 形容 | 価値 |
|---|---|---|
| sparkJobEntryType | [必須]ジョブのエントリ ポイントの種類。 | "SparkJobPythonEntry" (必須) |
| ファイル | [必須]ジョブ エントリ ポイントの相対 Python ファイル パス。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
SparkJobScalaEntry
| 名前 | 形容 | 価値 |
|---|---|---|
| sparkJobEntryType | [必須]ジョブのエントリ ポイントの種類。 | "SparkJobScalaEntry" (必須) |
| className | [必須]エントリ ポイントとして使用される Scala クラス名。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
SparkJobEnvironmentVariables
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
SparkJobInputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobInput を |
SparkJobOutputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobOutput |
SparkResourceConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| instanceType | コンピューティング 先でサポートされている VM のオプションの種類。 | 糸 |
| runtimeVersion | ジョブに使用される Spark ランタイムのバージョン。 | 糸 |
SweepJob
| 名前 | 形容 | 価値 |
|---|---|---|
| jobType | [必須]ジョブの種類を指定します。 | "スイープ" (必須) |
| componentConfiguration | コンポーネントに対するスイープのコンポーネント構成 | ComponentConfiguration |
| earlyTermination | 早期終了ポリシーを使用すると、実行が完了する前にパフォーマンスの低い実行を取り消す | EarlyTerminationPolicy |
| 入力 | ジョブで使用される入力データ バインディングのマッピング。 | SweepJobInputs |
| 切り | スイープ ジョブの制限。 | SweepJobLimits |
| 目的 | [必須]最適化の目的。 | 目標 (必須) |
| 出力 | ジョブで使用される出力データ バインディングのマッピング。 | SweepJobOutputs |
| queueSettings | ジョブのキュー設定 | QueueSettings の |
| リソース | ジョブのコンピューティング リソース構成。 | JobResourceConfiguration |
| samplingAlgorithm | [必須]ハイパーパラメーター サンプリング アルゴリズム | SamplingAlgorithm (必須) |
| searchSpace | [必須]各パラメーターとその分布を含むディクショナリ。 ディクショナリ キーはパラメーターの名前です | |
| 裁判 | [必須]試用版コンポーネントの定義。 | TrialComponent (必須) |
ComponentConfiguration
| 名前 | 形容 | 価値 |
|---|---|---|
| pipelineSettings | ContinueRunOnStepFailure などのパイプライン設定。 |
SweepJobInputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobInput を |
SweepJobLimits
| 名前 | 形容 | 価値 |
|---|---|---|
| jobLimitsType | [必須]JobLimit 型。 | "Command" "スイープ" (必須) |
| maxConcurrentTrials | スイープ ジョブの最大同時試行回数。 | int |
| maxTotalTrials | スイープ ジョブの最大試行回数。 | int |
| タイムアウト | ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 秒という低い精度の期間のみをサポートします。 | 糸 |
| trialTimeout | スイープ ジョブ試用版のタイムアウト値。 | 糸 |
目的
| 名前 | 形容 | 価値 |
|---|---|---|
| ゴール | [必須]ハイパーパラメーター調整でサポートされるメトリックの目標を定義します | "最大化" "最小化" (必須) |
| primaryMetric | [必須]最適化するメトリックの名前。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
SweepJobOutputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobOutput |
SamplingAlgorithm
| 名前 | 形容 | 価値 |
|---|---|---|
| samplingAlgorithmType | オブジェクトの種類を設定する |
ベイジアン Grid ランダム の |
BayesianSamplingAlgorithm
| 名前 | 形容 | 価値 |
|---|---|---|
| samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | "Bayesian" (必須) |
GridSamplingAlgorithm
| 名前 | 形容 | 価値 |
|---|---|---|
| samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | "Grid" (必須) |
RandomSamplingAlgorithm
| 名前 | 形容 | 価値 |
|---|---|---|
| samplingAlgorithmType | [必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム | "Random" (必須) |
| logbase | ログ ベースのランダム サンプリングのベースとして使用する文字列形式の省略可能な正の数または e | 糸 |
| 支配 | ランダム アルゴリズムの特定の種類 | "Random" "Sobol" |
| 種 | 乱数生成のシードとして使用する省略可能な整数 | int |
TrialComponent
| 名前 | 形容 | 価値 |
|---|---|---|
| codeId | コード資産の ARM リソース ID。 | 糸 |
| 命令 | [必須]ジョブの起動時に実行するコマンド。 例えば。 "python train.py" | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| 流通 | ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。 | DistributionConfiguration |
| environmentId | [必須]ジョブの環境仕様の ARM リソース ID。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| environmentVariables | ジョブに含まれる環境変数。 | TrialComponentEnvironmentVariables |
| リソース | ジョブのコンピューティング リソース構成。 | JobResourceConfiguration |
TrialComponentEnvironmentVariables
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
CreateMonitorAction
| 名前 | 形容 | 価値 |
|---|---|---|
| actionType | [必須]スケジュールのアクションの種類を指定します | "CreateMonitor" (必須) |
| monitorDefinition | [必須]モニターを定義します。 | MonitorDefinition (必須) |
MonitorDefinition
| 名前 | 形容 | 価値 |
|---|---|---|
| alertNotificationSettings | モニターの通知設定。 | MonitorNotificationSettings |
| computeConfiguration | [必須]監視ジョブを実行するコンピューティング リソースの ARM リソース ID。 | MonitorComputeConfigurationBase (必須) |
| monitoringTarget | このモニターの対象となるモデルまたはデプロイの ARM リソース ID。 | MonitoringTarget |
| 信号 | [必須]監視する信号。 | MonitorDefinitionSignals (必須) |
MonitorNotificationSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| emailNotificationSettings | AML 通知の電子メール設定。 | MonitorEmailNotificationSettings |
MonitorEmailNotificationSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| emails | これは、合計で 499 文字の制限がある電子メール受信者リストです。 | string[] |
MonitorComputeConfigurationBase
| 名前 | 形容 | 価値 |
|---|---|---|
| computeType | オブジェクトの種類を設定する | ServerlessSpark (必須) |
MonitorServerlessSparkCompute
| 名前 | 形容 | 価値 |
|---|---|---|
| computeType | [必須]監視するシグナルの種類を指定します。 | "ServerlessSpark" (必須) |
| computeIdentity | [必須]サーバーレス Spark で実行されている Spark ジョブによって利用される ID スキーム。 | MonitorComputeIdentityBase (必須) |
| instanceType | [必須]Spark ジョブを実行しているインスタンスの種類。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| runtimeVersion | [必須]Spark ランタイムのバージョン。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
MonitorComputeIdentityBase
| 名前 | 形容 | 価値 |
|---|---|---|
| computeIdentityType | オブジェクトの種類を設定する | AmlToken を ManagedIdentity (必須) |
AmlTokenComputeIdentity
| 名前 | 形容 | 価値 |
|---|---|---|
| computeIdentityType | [必須]コンピューティング ID の種類の列挙型を監視します。 | "AmlToken" (必須) |
ManagedComputeIdentity
| 名前 | 形容 | 価値 |
|---|---|---|
| computeIdentityType | [必須]コンピューティング ID の種類の列挙型を監視します。 | "ManagedIdentity" (必須) |
| 同一性 | マネージド サービス ID (システム割り当て ID またはユーザー割り当て ID) | ManagedServiceIdentity の |
ManagedServiceIdentity
| 名前 | 形容 | 価値 |
|---|---|---|
| 種類 | マネージド サービス ID の種類 (SystemAssigned 型と UserAssigned 型の両方が許可されます)。 | "SystemAssigned" "SystemAssigned,UserAssigned" "UserAssigned" (必須) |
| identity_ids | リソースに関連付けられているユーザー割り当て ID のセット。 userAssignedIdentities ディクショナリ キーは、'/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName} という形式の ARM リソース ID になります。 ディクショナリ値は、要求内の空のオブジェクト ({}) にすることができます。 | ユーザー ID ID の配列。 |
UserAssignedIdentities
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | UserAssignedIdentity の |
UserAssignedIdentity
このオブジェクトには、配置時に設定するプロパティは含まれません。 すべてのプロパティは ReadOnly です。
MonitoringTarget
| 名前 | 形容 | 価値 |
|---|---|---|
| deploymentId | このモニターの対象となるデプロイの ARM リソース ID。 | 糸 |
| modelId | このモニターの対象となるモデルの ARM リソース ID。 | 糸 |
| taskType | [必須]モデルの機械学習タスクの種類。 | "分類" "QuestionAnswering" "回帰" (必須) |
MonitorDefinitionSignals
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | MonitoringSignalBase |
MonitoringSignalBase
| 名前 | 形容 | 価値 |
|---|---|---|
| notificationTypes | このシグナルの現在の通知モード。 | 次のいずれかを含む文字列配列: "AmlNotification" "AzureMonitor" |
| プロパティ | プロパティ ディクショナリ。 プロパティは追加できますが、削除または変更することはできません。 | MonitoringSignalBaseProperties の |
| signalType | オブジェクトの種類を設定する | カスタム の DataDrift DataQuality FeatureAttributionDrift GenerationSafetyQuality GenerationTokenStatistics ModelPerformance PredictionDrift (必須) |
MonitoringSignalBaseProperties
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
CustomMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | "カスタム" (必須) |
| componentId | [必須]カスタム メトリックの計算に使用されるコンポーネント リソースの ARM リソース ID。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| inputAssets | 入力として取得する資産の監視。 キーはコンポーネント入力ポート名、値はデータ資産です。 | CustomMonitoringSignalInputAssets |
| 入力 | 入力として受け取る追加のコンポーネント パラメーター。 キーはコンポーネント リテラル入力ポート名、値はパラメーター値です。 | CustomMonitoringSignalInputs の |
| metricThresholds | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | CustomMetricThreshold[] (必須) |
| workspaceConnection | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | MonitoringWorkspaceConnection (必須) |
CustomMonitoringSignalInputAssets
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | MonitoringInputDataBase の |
MonitoringInputDataBase
| 名前 | 形容 | 価値 |
|---|---|---|
| 列 | 列名と特殊用途のマッピング。 | MonitoringInputDataBaseColumns |
| dataContext | データ ソースのコンテキスト メタデータ。 | 糸 |
| jobInputType | [必須]ジョブの種類を指定します。 | "custom_model" "literal" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (必須) |
| uri | [必須]入力資産 URI。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| inputDataType | オブジェクトの種類を設定する |
固定 ローリング 静的 の |
MonitoringInputDataBaseColumns
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
FixedInputData
| 名前 | 形容 | 価値 |
|---|---|---|
| inputDataType | [必須]監視するシグナルの種類を指定します。 | "固定" (必須) |
RollingInputData
| 名前 | 形容 | 価値 |
|---|---|---|
| inputDataType | [必須]監視するシグナルの種類を指定します。 | "ローリング" (必須) |
| preprocessingComponentId | データの前処理に使用されるコンポーネント リソースの ARM リソース ID。 | 糸 |
| windowOffset | [必須]データ ウィンドウの終了とモニターの現在の実行時間の間の時間オフセット。 | string (必須) |
| windowSize | [必須]末尾のデータ ウィンドウのサイズ。 | string (必須) |
StaticInputData
| 名前 | 形容 | 価値 |
|---|---|---|
| inputDataType | [必須]監視するシグナルの種類を指定します。 | "Static" (必須) |
| preprocessingComponentId | データの前処理に使用されるコンポーネント リソースの ARM リソース ID。 | 糸 |
| windowEnd | [必須]データ ウィンドウの終了日。 | string (必須) |
| windowStart | [必須]データ ウィンドウの開始日。 | string (必須) |
CustomMonitoringSignalInputs
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | JobInput を |
CustomMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| メトリック | [必須]計算するユーザー定義メトリック。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
MonitoringThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| 価値 | しきい値。 null の場合、既定値はメトリックの種類によって異なります。 | int |
MonitoringWorkspaceConnection
| 名前 | 形容 | 価値 |
|---|---|---|
| environmentVariables | 送信されたジョブに環境変数として格納するワークスペース サービス接続のプロパティ。 キーはワークスペース接続プロパティパス、名前は環境変数キーです。 |
MonitoringWorkspaceConnectionEnvironmentVariables |
| 秘密 | 送信されたジョブにシークレットとして格納するワークスペース サービス接続のプロパティ。 キーはワークスペース接続プロパティパス、名前は秘密鍵です。 |
MonitoringWorkspaceConnectionSecrets |
MonitoringWorkspaceConnectionEnvironmentVariables
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
MonitoringWorkspaceConnectionSecrets
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
DataDriftMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | "DataDrift" (必須) |
| dataSegment | データ作成のサブセットのスコープに使用されるデータ セグメント。 | MonitoringDataSegment |
| featureDataTypeOverride | フィーチャ名をそれぞれのデータ型にマップするディクショナリ。 | DataDriftMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | 特徴の重要度を計算するための設定。 | FeatureImportanceSettings の |
| 顔立ち | ドリフトを計算するフィーチャを識別する機能フィルター。 | MonitoringFeatureFilterBase |
| metricThresholds | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | DataDriftMetricThresholdBase[] (必須) |
| productionData | [必須]誤差が計算されるデータ。 | MonitoringInputDataBase (必須) |
| referenceData | [必須]誤差を計算する対象のデータ。 | MonitoringInputDataBase (必須) |
MonitoringDataSegment
| 名前 | 形容 | 価値 |
|---|---|---|
| 特徴 | データをセグメント化する機能。 | 糸 |
| 価値観 | 特定のセグメント化されたフィーチャの指定された値のみをフィルター処理します。 | string[] |
DataDriftMonitoringSignalFeatureDataTypeOverride
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | "カテゴリ" "数値" |
FeatureImportanceSettings
| 名前 | 形容 | 価値 |
|---|---|---|
| モード | 特徴の重要度を計算するための操作モード。 | "無効" "有効" |
| targetColumn | 入力データ資産内のターゲット列の名前。 | 糸 |
MonitoringFeatureFilterBase
| 名前 | 形容 | 価値 |
|---|---|---|
| filterType | オブジェクトの種類を設定する | AllFeatures を FeatureSubset TopNByAttribution (必須) |
AllFeatures
| 名前 | 形容 | 価値 |
|---|---|---|
| filterType | [必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。 | "AllFeatures" (必須) |
FeatureSubset
| 名前 | 形容 | 価値 |
|---|---|---|
| filterType | [必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。 | "FeatureSubset" (必須) |
| 顔立ち | [必須]含める機能の一覧。 | string[] (必須) |
TopNFeaturesByAttribution
| 名前 | 形容 | 価値 |
|---|---|---|
| filterType | [必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。 | "TopNByAttribution" (必須) |
| ページのトップへ | 含める上位の特徴の数。 | int |
DataDriftMetricThresholdBase
| 名前 | 形容 | 価値 |
|---|---|---|
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
| dataType | オブジェクトの種類を設定する | カテゴリ の 数値 (必須) |
CategoricalDataDriftMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | "カテゴリ" (必須) |
| メトリック | [必須]計算するカテゴリ データ ドリフト メトリック。 | "JensenShannonDistance" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (必須) |
NumericalDataDriftMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | "数値" (必須) |
| メトリック | [必須]計算する数値データ ドリフト メトリック。 | "JensenShannonDistance" "NormalizedWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (必須) |
DataQualityMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | "DataQuality" (必須) |
| featureDataTypeOverride | フィーチャ名をそれぞれのデータ型にマップするディクショナリ。 | DataQualityMonitoringSignalFeatureDataTypeOverride |
| featureImportanceSettings | 特徴の重要度を計算するための設定。 | FeatureImportanceSettings の |
| 顔立ち | 誤差を計算する特徴。 | MonitoringFeatureFilterBase |
| metricThresholds | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | DataQualityMetricThresholdBase[] (必須) |
| productionData | [必須]誤差が計算される運用サービスによって生成されるデータ。 | MonitoringInputDataBase (必須) |
| referenceData | [必須]誤差を計算する対象のデータ。 | MonitoringInputDataBase (必須) |
DataQualityMonitoringSignalFeatureDataTypeOverride
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | "カテゴリ" "数値" |
DataQualityMetricThresholdBase
| 名前 | 形容 | 価値 |
|---|---|---|
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
| dataType | オブジェクトの種類を設定する | カテゴリ の 数値 (必須) |
CategoricalDataQualityMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | "カテゴリ" (必須) |
| メトリック | [必須]計算するカテゴリ 別データ品質メトリック。 | "DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (必須) |
NumericalDataQualityMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | "数値" (必須) |
| メトリック | [必須]計算する数値データ品質メトリック。 | "DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (必須) |
FeatureAttributionDriftMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | "FeatureAttributionDrift" (必須) |
| featureDataTypeOverride | フィーチャ名をそれぞれのデータ型にマップするディクショナリ。 | FeatureAttributionDriftMonitoringSignalFeatureDataTy... |
| featureImportanceSettings | 特徴の重要度を計算するための設定。 | FeatureImportanceSettings の |
| metricThreshold | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | FeatureAttributionMetricThreshold (必須) |
| productionData | [必須]誤差が計算されるデータ。 | MonitoringInputDataBase[] (必須) |
| referenceData | [必須]誤差を計算する対象のデータ。 | MonitoringInputDataBase (必須) |
FeatureAttributionDriftMonitoringSignalFeatureDataTy...
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | "カテゴリ" "数値" |
FeatureAttributionMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| メトリック | [必須]計算する特徴属性メトリック。 | "NormalizedDiscountedCumulativeGain" (必須) |
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
GenerationSafetyQualityMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | "GenerationSafetyQuality" (必須) |
| metricThresholds | [必須]計算するメトリックと、対応するしきい値を取得または設定します。 | GenerationSafetyQualityMetricThreshold[] (必須) |
| productionData | メトリックを計算するための運用データを取得または設定します。 | MonitoringInputDataBase[] |
| samplingRate | [必須]実稼働データのサンプル レートは、0 より大きく、最大で 1 である必要があります。 | int (必須) |
| workspaceConnectionId | コンテンツ生成エンドポイントへの接続に使用するワークスペース接続 ID を取得または設定します。 | 糸 |
GenerationSafetyQualityMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| メトリック | [必須]計算する特徴属性メトリックを取得または設定します。 | "AcceptableCoherenceScorePerInstance" "AcceptableFluencyScorePerInstance" "AcceptableGroundednessScorePerInstance" "AcceptableRelevanceScorePerInstance" "AcceptableSimilarityScorePerInstance" "AggregatedCoherencePassRate" "AggregatedFluencyPassRate" "AggregatedGroundednessPassRate" "AggregatedRelevancePassRate" "AggregatedSimilarityPassRate" (必須) |
| 閾 | しきい値を取得または設定します。 null の場合、選択したメトリックに応じて既定値が設定されます。 |
MonitoringThreshold |
GenerationTokenUsageSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | "GenerationTokenStatistics" (必須) |
| metricThresholds | [必須]計算するメトリックと、対応するしきい値を取得または設定します。 | GenerationTokenUsageMetricThreshold[] (必須) |
| productionData | メトリックを計算するための運用データを取得または設定します。 | MonitoringInputDataBase[] |
| samplingRate | [必須]実稼働データのサンプル レートは、0 より大きく、最大で 1 である必要があります。 | int (必須) |
GenerationTokenUsageMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| メトリック | [必須]計算する特徴属性メトリックを取得または設定します。 | "TotalTokenCount" "TotalTokenCountPerGroup" (必須) |
| 閾 | しきい値を取得または設定します。 null の場合、選択したメトリックに応じて既定値が設定されます。 |
MonitoringThreshold |
ModelPerformanceSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | "ModelPerformance" (必須) |
| dataSegment | データ セグメント。 | MonitoringDataSegment |
| metricThreshold | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | ModelPerformanceMetricThresholdBase (必須) |
| productionData | [必須]パフォーマンスが計算される運用サービスによって生成されるデータ。 | MonitoringInputDataBase[] (必須) |
| referenceData | [必須]モデルのパフォーマンスを計算するための基礎として使用される参照データ。 | MonitoringInputDataBase (必須) |
ModelPerformanceMetricThresholdBase
| 名前 | 形容 | 価値 |
|---|---|---|
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
| modelType | オブジェクトの種類を設定する |
分類 回帰 (必須) |
ClassificationModelPerformanceMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| modelType | [必須]メトリックしきい値のデータ型を指定します。 | "分類" (必須) |
| メトリック | [必須]計算する分類モデルのパフォーマンス。 | "Accuracy" "Precision" "Recall" (必須) |
RegressionModelPerformanceMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| modelType | [必須]メトリックしきい値のデータ型を指定します。 | "回帰" (必須) |
| メトリック | [必須]計算する回帰モデルのパフォーマンス メトリック。 | "MeanAbsoluteError" "MeanSquaredError" "RootMeanSquaredError" (必須) |
PredictionDriftMonitoringSignal
| 名前 | 形容 | 価値 |
|---|---|---|
| signalType | [必須]監視するシグナルの種類を指定します。 | "PredictionDrift" (必須) |
| featureDataTypeOverride | フィーチャ名をそれぞれのデータ型にマップするディクショナリ。 | PredictionDriftMonitoringSignalFeatureDataTypeOverri... |
| metricThresholds | [必須]計算するメトリックとそれに関連するしきい値の一覧。 | PredictionDriftMetricThresholdBase[] (必須) |
| productionData | [必須]誤差が計算されるデータ。 | MonitoringInputDataBase (必須) |
| referenceData | [必須]誤差を計算する対象のデータ。 | MonitoringInputDataBase (必須) |
PredictionDriftMonitoringSignalFeatureDataTypeOverri...
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | "カテゴリ" "数値" |
PredictionDriftMetricThresholdBase
| 名前 | 形容 | 価値 |
|---|---|---|
| 閾 | しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。 | MonitoringThreshold |
| dataType | オブジェクトの種類を設定する | カテゴリ の 数値 (必須) |
CategoricalPredictionDriftMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | "カテゴリ" (必須) |
| メトリック | [必須]計算するカテゴリ予測誤差メトリック。 | "JensenShannonDistance" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (必須) |
NumericalPredictionDriftMetricThreshold
| 名前 | 形容 | 価値 |
|---|---|---|
| dataType | [必須]メトリックしきい値のデータ型を指定します。 | "数値" (必須) |
| メトリック | [必須]計算する数値予測誤差メトリック。 | "JensenShannonDistance" "NormalizedWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (必須) |
ImportDataAction
| 名前 | 形容 | 価値 |
|---|---|---|
| actionType | [必須]スケジュールのアクションの種類を指定します | "ImportData" (必須) |
| dataImportDefinition | [必須]スケジュール アクション定義の詳細を定義します。 | DataImport (必須) |
DataImport
| 名前 | 形容 | 価値 |
|---|---|---|
| assetName | 作成するデータ インポート ジョブの資産の名前 | 糸 |
| autoDeleteSetting | マネージド データ資産のライフサイクル設定を指定します。 | AutoDeleteSetting の |
| dataType | [必須]データの種類を指定します。 | "mltable" "uri_file" "uri_folder" (必須) |
| dataUri | [必須]データの URI。 例: https://go.microsoft.com/fwlink/?linkid=2202330 |
string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
| 形容 | 資産の説明テキスト。 | 糸 |
| intellectualProperty | 知的財産の詳細。 データが知的財産である場合に使用されます。 | IntellectualProperty |
| isAnonymous | 名前のバージョンがシステムによって生成された場合 (匿名登録)。 Stage が定義されている型の場合、Stage が指定されている場合は IsAnonymous の設定に使用されます | bool |
| isArchived | 資産はアーカイブされていますか? Stage が定義されている型の場合、Stage が指定されている場合は IsArchived の設定に使用されます | bool |
| プロパティ | 資産プロパティ ディクショナリ。 | ResourceBaseProperties |
| 源 | インポート元の資産のソース データ | DataImportSource の |
| 舞台 | このデータ資産に割り当てられたデータ ライフサイクルのステージ | 糸 |
| タグ | タグ ディクショナリ。 タグは追加、削除、更新できます。 | オブジェクト |
IntellectualProperty
| 名前 | 形容 | 価値 |
|---|---|---|
| protectionLevel | 知的財産の保護レベル。 | "すべて" "なし" |
| 発行者 | [必須]知的財産の発行元。 レジストリ発行者名と同じである必要があります。 | string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
DataImportSource
| 名前 | 形容 | 価値 |
|---|---|---|
| 接続 | データ インポート ソース ストレージのワークスペース接続 | 糸 |
| sourceType | オブジェクトの種類を設定する | データベース を file_system (必須) |
DatabaseSource
| 名前 | 形容 | 価値 |
|---|---|---|
| sourceType | [必須]データの種類を指定します。 | "database" (必須) |
| クエリ | データ インポート データベース ソースの SQL Query ステートメント | 糸 |
| storedProcedure | データ インポート データベース ソースの SQL StoredProcedure | 糸 |
| storedProcedureParams | SQL StoredProcedure パラメーター | DatabaseSourceStoredProcedureParamsItem[] |
| tableName | データ インポート データベース ソースのテーブルの名前 | 糸 |
DatabaseSourceStoredProcedureParamsItem
| 名前 | 形容 | 価値 |
|---|---|---|
| {カスタマイズされたプロパティ} | 糸 |
FileSystemSource
| 名前 | 形容 | 価値 |
|---|---|---|
| sourceType | [必須]データの種類を指定します。 | "file_system" (必須) |
| パス | データ インポート FileSystem ソースのパス | 糸 |
EndpointScheduleAction
| 名前 | 形容 | 価値 |
|---|---|---|
| actionType | [必須]スケジュールのアクションの種類を指定します | "InvokeBatchEndpoint" (必須) |
| endpointInvocationDefinition | [必須]スケジュール アクション定義の詳細を定義します。 {see href="TBD" /} |
TriggerBase
| 名前 | 形容 | 価値 |
|---|---|---|
| endTime | スケジュールの終了時刻を ISO 8601 で指定しますが、UTC オフセットは指定しません。
https://en.wikipedia.org/wiki/ISO_8601. を参照してください再コメント形式は "2022-06-01T00:00:01" になります 存在しない場合、スケジュールは無期限に実行されます |
糸 |
| startTime | スケジュールの開始時刻を ISO 8601 形式で指定しますが、UTC オフセットは指定しません。 | 糸 |
| timeZone | スケジュールを実行するタイム ゾーンを指定します。 TimeZone は、Windows のタイム ゾーン形式に従う必要があります。 参照: /windows-hardware/manufacture/desktop/default-time-zones /> |
糸 |
| triggerType | オブジェクトの種類を設定する |
Cron 繰り返し (必須) |
CronTrigger
| 名前 | 形容 | 価値 |
|---|---|---|
| triggerType | [必須] | "Cron" (必須) |
| 表現 | [必須]スケジュールの cron 式を指定します。 式は NCronTab 形式に従う必要があります。 |
string (必須) 制約： 最小長 = 1 パターン = [a-zA-Z0-9_] |
RecurrenceTrigger
| 名前 | 形容 | 価値 |
|---|---|---|
| endTime | スケジュールの終了時刻を ISO 8601 で指定しますが、UTC オフセットは指定しません。
https://en.wikipedia.org/wiki/ISO_8601. を参照してください再コメント形式は "2022-06-01T00:00:01" になります 存在しない場合、スケジュールは無期限に実行されます |
糸 |
| 周波数 | [必須]スケジュールをトリガーする頻度。 | "Day" "Hour" "Minute" "Month" "Week" (必須) |
| 間 | [必須]スケジュール間隔を頻度と組み合わせて指定します | int (必須) |
| 計画 | 繰り返しスケジュール。 | RecurrenceSchedule |
| startTime | スケジュールの開始時刻を ISO 8601 形式で指定しますが、UTC オフセットは指定しません。 | 糸 |
| timeZone | スケジュールを実行するタイム ゾーンを指定します。 TimeZone は、Windows のタイム ゾーン形式に従う必要があります。 参照: /windows-hardware/manufacture/desktop/default-time-zones |
糸 |
| triggerType | [必須] | "Cron" "繰り返し" (必須) |
RecurrenceSchedule
| 名前 | 形容 | 価値 |
|---|---|---|
| 時間 | [必須]スケジュールの時間の一覧。 | int[] (必須) |
| 議事録 | [必須]スケジュールの分の一覧。 | int[] (必須) |
| monthDays | スケジュールの月日の一覧 | int[] |
| 平日 | スケジュールの日数の一覧。 | 次のいずれかを含む文字列配列: "Friday" "Monday" "Saturday" "Sunday" "木曜日" "Tuesday" "水曜日" |