Condividi tramite

ImageModelSettingsClassification interface

  • Riferimento
Pacchetto:
@azure/arm-machinelearning

Impostazioni usate per il training del modello. Per altre informazioni sulle impostazioni disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Extends
ImageModelSettings

Proprietà

trainingCropSize

Dimensioni ritaglio immagine input nella rete neurale per il set di dati di training. Deve essere un intero positivo.
validationCropSize

Dimensioni ritaglio immagine input nella rete neurale per il set di dati di convalida. Deve essere un intero positivo.
validationResizeSize

Dimensioni dell'immagine a cui ridimensionare prima di ritagliare il set di dati di convalida. Deve essere un intero positivo.
weightedLoss

Perdita ponderata. I valori accettati sono 0 per nessuna perdita ponderata. 1 per la perdita ponderata con sqrt. (class_weights). 2 per la perdita ponderata con class_weights. Deve essere 0 o 1 o 2.

Proprietà ereditate

advancedSettings

Impostazioni per scenari avanzati.
amsGradient

Abilitare AMSGrad quando optimizer è 'adam' o 'adamw'.
augmentations

Impostazioni per l'uso di aumento.
beta1

Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un float nell'intervallo [0, 1].
beta2

Valore "beta2" quando optimizer è 'adam' o 'adamw'. Deve essere un float nell'intervallo [0, 1].
checkpointFrequency

Frequenza per archiviare i checkpoint del modello. Deve essere un intero positivo.
checkpointModel

Modello di checkpoint pre-sottoposto a training per il training incrementale.
checkpointRunId

ID di un'esecuzione precedente con un checkpoint pre-sottoposto a training per il training incrementale.
distributed

Se usare il training distribuito.
earlyStopping

Abilitare la logica di arresto anticipato durante il training.
earlyStoppingDelay

Numero minimo di periodi o valutazioni di convalida da attendere prima che il miglioramento della metrica primaria venga monitorato per l'arresto anticipato. Deve essere un intero positivo.
earlyStoppingPatience

Numero minimo di periodi o valutazioni di convalida senza miglioramenti della metrica primaria prima dell'arresto dell'esecuzione. Deve essere un intero positivo.
enableOnnxNormalization

Abilitare la normalizzazione durante l'esportazione del modello ONNX.
evaluationFrequency

Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo.
gradientAccumulationStep

L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornare i pesi del modello accumulando le sfumature di tali passaggi e quindi usando le sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo.
layersToFreeze

Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, il passaggio di 2 come valore per 'seresnext' indica il blocco di layer0 e layer1. Per un elenco completo di modelli supportati e dettagli sul blocco del livello, vedere: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate

Frequenza iniziale di apprendimento. Deve essere un float nell'intervallo [0, 1].
learningRateScheduler

Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio".
modelName

Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum

Valore di slancio quando optimizer è "sgd". Deve essere un float nell'intervallo [0, 1].
nesterov

Abilitare nesterov quando optimizer è "sgd".
numberOfEpochs

Numero di epoche di training. Deve essere un intero positivo.
numberOfWorkers

Numero di ruoli di lavoro del caricatore dati. Deve essere un intero non negativo.
optimizer

Tipo di optimizer.
randomSeed

Inizializzazione casuale da usare quando si usa training deterministico.
stepLRGamma

Il valore di gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un float nell'intervallo [0, 1].
stepLRStepSize

Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo.
trainingBatchSize

Dimensioni batch di training. Deve essere un intero positivo.
validationBatchSize

Dimensioni batch di convalida. Deve essere un intero positivo.
warmupCosineLRCycles

Valore del ciclo cosno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un float nell'intervallo [0, 1].
warmupCosineLRWarmupEpochs

Valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo.
weightDecay

Valore del decadimento del peso quando optimizer è "sgd", "adam" o "adamw". Deve essere un float nell'intervallo[0, 1].

Dettagli proprietà

trainingCropSize

Dimensioni ritaglio immagine input nella rete neurale per il set di dati di training. Deve essere un intero positivo.

trainingCropSize?: number

Valore della proprietà

number

validationCropSize

Dimensioni ritaglio immagine input nella rete neurale per il set di dati di convalida. Deve essere un intero positivo.

validationCropSize?: number

Valore della proprietà

number

validationResizeSize

Dimensioni dell'immagine a cui ridimensionare prima di ritagliare il set di dati di convalida. Deve essere un intero positivo.

validationResizeSize?: number

Valore della proprietà

number

weightedLoss

Perdita ponderata. I valori accettati sono 0 per nessuna perdita ponderata. 1 per la perdita ponderata con sqrt. (class_weights). 2 per la perdita ponderata con class_weights. Deve essere 0 o 1 o 2.

weightedLoss?: number

Valore della proprietà

number

Dettagli proprietà ereditate

advancedSettings

Impostazioni per scenari avanzati.

advancedSettings?: string

Valore della proprietà

string

Ereditato daImageModelSettings.advancedSettings

amsGradient

Abilitare AMSGrad quando optimizer è 'adam' o 'adamw'.

amsGradient?: boolean

Valore della proprietà

boolean

Ereditato daImageModelSettings.amsGradient

augmentations

Impostazioni per l'uso di aumento.

augmentations?: string

Valore della proprietà

string

Ereditato daImageModelSettings.augmentations

beta1

Valore di 'beta1' quando optimizer è 'adam' o 'adamw'. Deve essere un float nell'intervallo [0, 1].

beta1?: number

Valore della proprietà

number

Ereditato daImageModelSettings.beta1

beta2

Valore "beta2" quando optimizer è 'adam' o 'adamw'. Deve essere un float nell'intervallo [0, 1].

beta2?: number

Valore della proprietà

number

Ereditato daImageModelSettings.beta2

checkpointFrequency

Frequenza per archiviare i checkpoint del modello. Deve essere un intero positivo.

checkpointFrequency?: number

Valore della proprietà

number

Ereditato daImageModelSettings.checkpointFrequency

checkpointModel

Modello di checkpoint pre-sottoposto a training per il training incrementale.

checkpointModel?: MLFlowModelJobInput

Valore della proprietà

MLFlowModelJobInput

Ereditato daImageModelSettings.checkpointModel

checkpointRunId

ID di un'esecuzione precedente con un checkpoint pre-sottoposto a training per il training incrementale.

checkpointRunId?: string

Valore della proprietà

string

Ereditato daImageModelSettings.checkpointRunId

distributed

Se usare il training distribuito.

distributed?: boolean

Valore della proprietà

boolean

Ereditato daImageModelSettings.distributed

earlyStopping

Abilitare la logica di arresto anticipato durante il training.

earlyStopping?: boolean

Valore della proprietà

boolean

Ereditato daImageModelSettings.earlyStopping

earlyStoppingDelay

Numero minimo di periodi o valutazioni di convalida da attendere prima che il miglioramento della metrica primaria venga monitorato per l'arresto anticipato. Deve essere un intero positivo.

earlyStoppingDelay?: number

Valore della proprietà

number

Ereditato daImageModelSettings.earlyStoppingDelay

earlyStoppingPatience

Numero minimo di periodi o valutazioni di convalida senza miglioramenti della metrica primaria prima dell'arresto dell'esecuzione. Deve essere un intero positivo.

earlyStoppingPatience?: number

Valore della proprietà

number

Ereditato daImageModelSettings.earlyStoppingPatience

enableOnnxNormalization

Abilitare la normalizzazione durante l'esportazione del modello ONNX.

enableOnnxNormalization?: boolean

Valore della proprietà

boolean

Ereditato daImageModelSettings.enableOnnxNormalization

evaluationFrequency

Frequenza per valutare il set di dati di convalida per ottenere i punteggi delle metriche. Deve essere un intero positivo.

evaluationFrequency?: number

Valore della proprietà

number

Ereditato daImageModelSettings.evaluationFrequency

gradientAccumulationStep

L'accumulo di sfumature significa eseguire un numero configurato di passaggi "GradAccumulationStep" senza aggiornare i pesi del modello accumulando le sfumature di tali passaggi e quindi usando le sfumature accumulate per calcolare gli aggiornamenti del peso. Deve essere un intero positivo.

gradientAccumulationStep?: number

Valore della proprietà

number

Ereditato daImageModelSettings.gradientAccumulationStep

layersToFreeze

Numero di livelli da bloccare per il modello. Deve essere un intero positivo. Ad esempio, il passaggio di 2 come valore per 'seresnext' indica il blocco di layer0 e layer1. Per un elenco completo di modelli supportati e dettagli sul blocco del livello, vedere: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: number

Valore della proprietà

number

Ereditato daImageModelSettings.layerToFreeze

learningRate

Frequenza iniziale di apprendimento. Deve essere un float nell'intervallo [0, 1].

learningRate?: number

Valore della proprietà

number

Ereditato daImageModelSettings.learningRate

learningRateScheduler

Tipo di utilità di pianificazione della frequenza di apprendimento. Deve essere "warmup_cosine" o "passaggio".

learningRateScheduler?: string

Valore della proprietà

string

Ereditato daImageModelSettings.learningRateScheduler

modelName

Nome del modello da usare per il training. Per altre informazioni sui modelli disponibili, vedere la documentazione ufficiale: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Valore della proprietà

string

Ereditato daImageModelSettings.modelName

momentum

Valore di slancio quando optimizer è "sgd". Deve essere un float nell'intervallo [0, 1].

momentum?: number

Valore della proprietà

number

Ereditato daImageModelSettings.momentum

nesterov

Abilitare nesterov quando optimizer è "sgd".

nesterov?: boolean

Valore della proprietà

boolean

Ereditato daImageModelSettings.nesterov

numberOfEpochs

Numero di epoche di training. Deve essere un intero positivo.

numberOfEpochs?: number

Valore della proprietà

number

Ereditato daImageModelSettings.numberOfEpochs

numberOfWorkers

Numero di ruoli di lavoro del caricatore dati. Deve essere un intero non negativo.

numberOfWorkers?: number

Valore della proprietà

number

Ereditato daImageModelSettings.numberOfWorkers

optimizer

Tipo di optimizer.

optimizer?: string

Valore della proprietà

string

Ereditato daImageModelSettings.optimizer

randomSeed

Inizializzazione casuale da usare quando si usa training deterministico.

randomSeed?: number

Valore della proprietà

number

Ereditato daImageModelSettings.randomSeed

stepLRGamma

Il valore di gamma quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un float nell'intervallo [0, 1].

stepLRGamma?: number

Valore della proprietà

number

Ereditato daImageModelSettings.stepLRGamma

stepLRStepSize

Valore delle dimensioni dei passaggi quando l'utilità di pianificazione della frequenza di apprendimento è "passaggio". Deve essere un intero positivo.

stepLRStepSize?: number

Valore della proprietà

number

Ereditato daImageModelSettings.stepLRStepSize

trainingBatchSize

Dimensioni batch di training. Deve essere un intero positivo.

trainingBatchSize?: number

Valore della proprietà

number

Ereditato daImageModelSettings.trainingBatchSize

validationBatchSize

Dimensioni batch di convalida. Deve essere un intero positivo.

validationBatchSize?: number

Valore della proprietà

number

Ereditato daImageModelSettings.validationBatchSize

warmupCosineLRCycles

Valore del ciclo cosno quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un float nell'intervallo [0, 1].

warmupCosineLRCycles?: number

Valore della proprietà

number

Ereditato daImageModelSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

Valore dei periodi di riscaldamento quando l'utilità di pianificazione della frequenza di apprendimento è "warmup_cosine". Deve essere un intero positivo.

warmupCosineLRWarmupEpochs?: number

Valore della proprietà

number

Ereditato daImageModelSettings.warmupCosineLRWarmupEpochs

weightDecay

Valore del decadimento del peso quando optimizer è "sgd", "adam" o "adamw". Deve essere un float nell'intervallo[0, 1].

weightDecay?: number

Valore della proprietà

number

Ereditato daImageModelSettings.weightDecay