ImageModelDistributionSettings Classe
Definição
Importante
Algumas informações se referem a produtos de pré-lançamento que podem ser substancialmente modificados antes do lançamento. A Microsoft não oferece garantias, expressas ou implícitas, das informações aqui fornecidas.
Expressões de distribuição para varrer valores de configurações de modelo. <exemplo> Alguns exemplos são:
ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
All distributions can be specified as distribution_name(min, max) or choice(val1, val2, ..., valn)
where distribution name can be: uniform, quniform, loguniform, etc
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 ImageModelDistributionSettingstype ImageModelDistributionSettings = classPublic Class ImageModelDistributionSettings- Herança
-
ImageModelDistributionSettings
- Derivado
Construtores
| ImageModelDistributionSettings() |
Inicializa uma nova instância de ImageModelDistributionSettings. |
Propriedades
| AmsGradient |
Habilite o AMSGrad quando o otimizador for 'adam' ou 'adamw'. |
| Augmentations |
Configurações para usar aumentos. |
| Beta1 |
Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Precisa ser um float no intervalo [0, 1]. |
| Beta2 |
Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Precisa ser um float no intervalo [0, 1]. |
| Distributed |
Se o treinamento do distribuídor deve ser usado. |
| EarlyStopping |
Habilitar a lógica de parada antecipada durante o treinamento. |
| EarlyStoppingDelay |
Número mínimo de épocas ou avaliações de validação a aguardar antes que a melhoria da métrica primária seja rastreada para interrupção antecipada. Deve ser um número inteiro positivo. |
| EarlyStoppingPatience |
Número mínimo de épocas ou avaliações de validação sem melhoria de métrica primária antes que a execução seja interrompida. Deve ser um número inteiro positivo. |
| EnableOnnxNormalization |
Habilite a normalização ao exportar o modelo ONNX. |
| EvaluationFrequency |
Frequência para avaliar o conjunto de dados de validação a fim de obter pontuações de métrica. Deve ser um número inteiro positivo. |
| GradientAccumulationStep |
Acumulação de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizar os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usar os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo. |
| LayersToFreeze |
Número de camadas a serem congeladas para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar camada0 e camada1. Para obter uma lista completa dos modelos com suporte e detalhes sobre o congelamento de camadas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models. |
| LearningRate |
Taxa de aprendizagem inicial. Precisa ser um float no intervalo [0, 1]. |
| LearningRateScheduler |
Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'. |
| ModelName |
Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models. |
| Momentum |
Valor do momento quando o otimizador é 'sgd'. Precisa ser um float no intervalo [0, 1]. |
| Nesterov |
Habilite aninhado quando o otimizador for 'sgd'. |
| NumberOfEpochs |
Número de épocas de treinamento. Deve ser um número inteiro positivo. |
| NumberOfWorkers |
Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo. |
| Optimizer |
Tipo de otimizador. Deve ser 'sgd', 'adam', ou 'adamw'. |
| RandomSeed |
Semente aleatória a ser usada ao usar o treinamento determinístico. |
| StepLRGamma |
Valor de gama quando o agendador de taxa de aprendizagem é 'step'. Precisa ser um float no intervalo [0, 1]. |
| StepLRStepSize |
Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um número inteiro positivo. |
| TrainingBatchSize |
Tamanho do lote de treinamento. Deve ser um número inteiro positivo. |
| ValidationBatchSize |
Tamanho do lote de validação. Deve ser um número inteiro positivo. |
| WarmupCosineLRCycles |
Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Precisa ser um float no intervalo [0, 1]. |
| WarmupCosineLRWarmupEpochs |
Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um número inteiro positivo. |
| WeightDecay |
Valor da decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1]. |