ImageModelDistributionSettingsClassification Classe

Inicializa uma nova instância de ImageModelDistributionSettingsClassification.

Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.

Configurações para usar Aumentos.

Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Precisa ser um float no intervalo [0, 1].

Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Precisa ser um float no intervalo [0, 1].

Se deseja usar o treinamento do distribuídor.

Habilitar a lógica de parada antecipada durante o treinamento.

Número mínimo de épocas ou avaliações de validação a serem aguardadas antes que a melhoria da métrica primária seja controlada para a interrupção antecipada. Deve ser um número inteiro positivo.

Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes que a execução seja interrompida. Deve ser um número inteiro positivo.

Habilite a normalização ao exportar o modelo ONNX.

Frequência para avaliar o conjunto de dados de validação a fim de obter pontuações de métrica. Deve ser um número inteiro positivo.

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.

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 de 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.

Taxa de aprendizagem inicial. Precisa ser um float no intervalo [0, 1].

Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'.

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.

Valor do momento quando o otimizador é 'sgd'. Precisa ser um float no intervalo [0, 1].

Habilite aninhado quando o otimizador for 'sgd'.

Número de épocas de treinamento. Deve ser um número inteiro positivo.

Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.

Tipo de otimizador. Deve ser 'sgd', 'adam', ou 'adamw'.

Semente aleatória a ser usada ao usar o treinamento determinístico.

Valor de gama quando o agendador de taxa de aprendizagem é 'step'. Precisa ser um float no intervalo [0, 1].

Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um número inteiro positivo.

Tamanho do lote de treinamento. Deve ser um número inteiro positivo.

Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de treinamento. Deve ser um número inteiro positivo.

Tamanho do lote de validação. Deve ser um número inteiro positivo.

Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de validação. Deve ser um número inteiro positivo.

Tamanho da imagem a redimensionar antes do corte para um conjunto de validação. Deve ser um número inteiro positivo.

Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Precisa ser um float no intervalo [0, 1].

Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um número inteiro positivo.

Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].

Perda ponderada. Os valores aceitos são 0 para nenhuma perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Precisa ser 0, 1 ou 2.