ImageModelDistributionSettingsClassification Classe
Définition
Important
Certaines informations portent sur la préversion du produit qui est susceptible d’être en grande partie modifiée avant sa publication. Microsoft exclut toute garantie, expresse ou implicite, concernant les informations fournies ici.
Expressions de distribution pour balayer les valeurs des paramètres du modèle. <exemple> Voici quelques exemples :
ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
public class ImageModelDistributionSettingsClassification : Azure.ResourceManager.MachineLearning.Models.ImageModelDistributionSettings
type ImageModelDistributionSettingsClassification = class
inherit ImageModelDistributionSettings
Public Class ImageModelDistributionSettingsClassification
Inherits ImageModelDistributionSettings
- Héritage
Constructeurs
ImageModelDistributionSettingsClassification() |
Initialise une nouvelle instance de ImageModelDistributionSettingsClassification. |
Propriétés
AmsGradient |
Activez AMSGrad lorsque l’optimiseur est « adam » ou « adamw ». (Hérité de ImageModelDistributionSettings) |
Augmentations |
Paramètres d’utilisation des augmentations. (Hérité de ImageModelDistributionSettings) |
Beta1 |
Valeur de « beta1 » lorsque l’optimiseur est « adam » ou « adamw ». Doit être un nombre à virgule flottante dans la plage [0, 1]. (Hérité de ImageModelDistributionSettings) |
Beta2 |
Valeur de « beta2 » lorsque l’optimiseur est « adam » ou « adamw ». Doit être un nombre à virgule flottante dans la plage [0, 1]. (Hérité de ImageModelDistributionSettings) |
Distributed |
Indique s’il faut utiliser l’entraînement du répartiteur. (Hérité de ImageModelDistributionSettings) |
EarlyStopping |
Permet d’avoir une logique d’arrêt anticipé au cours de l’entraînement. (Hérité de ImageModelDistributionSettings) |
EarlyStoppingDelay |
Nombre minimal d’époques ou d’évaluations de validation à attendre avant que l’amélioration des métriques principales soit suivie pour un arrêt précoce. Cette valeur doit être un entier positif. (Hérité de ImageModelDistributionSettings) |
EarlyStoppingPatience |
Nombre minimal d’époques ou d’évaluations de validation sans amélioration des métriques principales avant l’arrêt de l’exécution. Cette valeur doit être un entier positif. (Hérité de ImageModelDistributionSettings) |
EnableOnnxNormalization |
Activez la normalisation lors de l’exportation du modèle ONNX. (Hérité de ImageModelDistributionSettings) |
EvaluationFrequency |
Fréquence d’évaluation du jeu de données de validation pour obtenir les scores de métrique. Cette valeur doit être un entier positif. (Hérité de ImageModelDistributionSettings) |
GradientAccumulationStep |
L’accumulation de dégradés signifie exécuter un nombre configuré d’étapes « GradAccumulationStep » sans mettre à jour les pondérations du modèle tout en accumulant les dégradés de ces étapes, puis utiliser les dégradés accumulés pour calculer les mises à jour de poids. Cette valeur doit être un entier positif. (Hérité de ImageModelDistributionSettings) |
LayersToFreeze |
Nombre de couches à figer pour le modèle. Cette valeur doit être un entier positif. Pour instance, le fait de passer 2 comme valeur pour « seresnext » signifie figer layer0 et layer1. Pour obtenir la liste complète des modèles pris en charge et des détails sur le gel de la couche, consultez : https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models. (Hérité de ImageModelDistributionSettings) |
LearningRate |
Taux d’apprentissage initial. Doit être un nombre à virgule flottante dans la plage [0, 1]. (Hérité de ImageModelDistributionSettings) |
LearningRateScheduler |
Type de planificateur du taux d’apprentissage. Doit être « warmup_cosine » ou « étape ». (Hérité de ImageModelDistributionSettings) |
ModelName |
Nom du modèle à utiliser pour l’entraînement. Pour plus d’informations sur les modèles disponibles, consultez la documentation officielle : https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models. (Hérité de ImageModelDistributionSettings) |
Momentum |
Valeur de momentum lorsque l’optimiseur est « sgd ». Doit être un nombre à virgule flottante dans la plage [0, 1]. (Hérité de ImageModelDistributionSettings) |
Nesterov |
Activez nesterov lorsque l’optimiseur est « sgd ». (Hérité de ImageModelDistributionSettings) |
NumberOfEpochs |
Nombre d’époques d’entraînement. Cette valeur doit être un entier positif. (Hérité de ImageModelDistributionSettings) |
NumberOfWorkers |
Nombre de workers du chargeur de données. Doit être un entier non négatif. (Hérité de ImageModelDistributionSettings) |
Optimizer |
Type d’optimiseur. Doit être « sgd », « adam » ou « adamw ». (Hérité de ImageModelDistributionSettings) |
RandomSeed |
Valeur de départ aléatoire à utiliser lors de l’utilisation de l’entraînement déterministe. (Hérité de ImageModelDistributionSettings) |
StepLRGamma |
Valeur gamma lorsque le planificateur de taux d’apprentissage est « step ». Doit être un nombre à virgule flottante dans la plage [0, 1]. (Hérité de ImageModelDistributionSettings) |
StepLRStepSize |
Valeur de la taille de l’étape lorsque le planificateur de taux d’apprentissage est « étape ». Cette valeur doit être un entier positif. (Hérité de ImageModelDistributionSettings) |
TrainingBatchSize |
Taille du lot d’entraînement. Cette valeur doit être un entier positif. (Hérité de ImageModelDistributionSettings) |
TrainingCropSize |
Taille de rognage d’image entrée dans le réseau neuronal pour le jeu de données d’entraînement. Cette valeur doit être un entier positif. |
ValidationBatchSize |
Taille du lot de validation. Cette valeur doit être un entier positif. (Hérité de ImageModelDistributionSettings) |
ValidationCropSize |
Taille de rognage d’image entrée dans le réseau neuronal pour le jeu de données de validation. Cette valeur doit être un entier positif. |
ValidationResizeSize |
Taille d’image à laquelle redimensionner avant le rognage du jeu de données de validation. Cette valeur doit être un entier positif. |
WarmupCosineLRCycles |
Valeur du cycle de cosinus lorsque le planificateur de taux d’apprentissage est « warmup_cosine ». Doit être un nombre à virgule flottante dans la plage [0, 1]. (Hérité de ImageModelDistributionSettings) |
WarmupCosineLRWarmupEpochs |
Valeur des époques de préchauffement lorsque le planificateur de taux d’apprentissage est « warmup_cosine ». Cette valeur doit être un entier positif. (Hérité de ImageModelDistributionSettings) |
WeightDecay |
Valeur de la décroissance de poids lorsque l’optimiseur est « sgd », « adam » ou « adamw ». Doit être un float dans la plage[0, 1]. (Hérité de ImageModelDistributionSettings) |
WeightedLoss |
Perte pondérée. Les valeurs acceptées sont 0 pour aucune perte pondérée. 1 pour la perte de poids avec sqrt. (class_weights). 2 pour une perte de poids avec class_weights. Doit être 0 ou 1 ou 2. |