ImageModelSettings interface

Balíček:

@azure/arm-machinelearning

Nastavení používaná pro trénování modelu. Další informace o dostupných nastaveních najdete v oficiální dokumentaci: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Vlastnosti

advancedSettings	Nastavení pro pokročilé scénáře
amsGradient	Povolte AMSGrad, pokud je optimalizátor adam nebo adamw.
augmentations	Nastavení pro používání rozšíření.
beta1	Hodnota beta1, pokud optimalizátor je adam nebo adamw. Musí se jednat o float v rozsahu [0, 1].
beta2	Hodnota beta2, pokud je optimalizátor adam nebo adamw. Musí se jednat o float v rozsahu [0, 1].
checkpointFrequency	Frekvence ukládání kontrolních bodů modelu Musí být kladné celé číslo.
checkpointModel	Předem vytrénovaný model kontrolních bodů pro přírůstkové trénování.
checkpointRunId	ID předchozího spuštění, které má předem vytrénovaný kontrolní bod pro přírůstkové trénování.
distributed	Jestli se má použít distribuované trénování.
earlyStopping	Povolte logiku předčasného zastavení během trénování.
earlyStoppingDelay	Minimální počet epoch nebo ověřovacích vyhodnocení, která se mají počkat, než se bude sledovat zlepšení primární metriky kvůli předčasnému zastavení. Musí být kladné celé číslo.
earlyStoppingPatience	Minimální počet epoch nebo vyhodnocení ověření bez zlepšení primární metriky před zastavením spuštění. Musí být kladné celé číslo.
enableOnnxNormalization	Povolení normalizace při exportu modelu ONNX
evaluationFrequency	Frekvence vyhodnocování ověřovací datové sady za účelem získání skóre metrik Musí být kladné celé číslo.
gradientAccumulationStep	Akumulace gradientu znamená spuštění nakonfigurovaného počtu kroků GradAccumulationStep bez aktualizace hmotnosti modelu při nahromadění gradientů těchto kroků a následné použití nahromaděných přechodů k výpočtu aktualizací váhy. Musí být kladné celé číslo.
layersToFreeze	Počet vrstev, které se mají u modelu ukotvit Musí být kladné celé číslo. Například předání hodnoty 2 jako hodnoty pro 'seresnext' znamená zamrznutí vrstvy0 a vrstvy1. Úplný seznam podporovaných modelů a podrobnosti o ukotvení vrstev najdete tady: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	Počáteční rychlost učení. Musí se jednat o float v rozsahu [0, 1].
learningRateScheduler	Typ plánovače rychlosti učení Musí to být warmup_cosine nebo step.
modelName	Název modelu, který se má použít pro trénování. Další informace o dostupných modelech najdete v oficiální dokumentaci: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	Hodnota dynamiky, když je optimalizátor "sgd". Musí se jednat o float v rozsahu [0, 1].
nesterov	Povolte nesterov, pokud je optimalizátor sgd.
numberOfEpochs	Počet epoch trénování Musí být kladné celé číslo.
numberOfWorkers	Počet pracovních procesů zavaděče dat Musí to být nezáporné celé číslo.
optimizer	Typ optimalizátoru
randomSeed	Náhodná počáteční hodnota, která se má použít při použití deterministického trénování.
stepLRGamma	Hodnota gama při plánovači rychlosti učení je "krok". Musí se jednat o float v rozsahu [0, 1].
stepLRStepSize	Hodnota velikosti kroku při plánovači rychlosti učení je "krok". Musí být kladné celé číslo.
trainingBatchSize	Velikost trénovací dávky. Musí být kladné celé číslo.
validationBatchSize	Velikost ověřovací dávky. Musí být kladné celé číslo.
warmupCosineLRCycles	Hodnota kosinusového cyklu při plánovači rychlosti učení je "warmup_cosine". Musí se jednat o float v rozsahu [0, 1].
warmupCosineLRWarmupEpochs	Hodnota epoch zahřátí při plánovači rychlosti učení je "warmup_cosine". Musí být kladné celé číslo.
weightDecay	Hodnota hmotnosti se rozpadne, když optimalizátor je "sgd", "adam" nebo "adamw". Musí se jednat o float v rozsahu[0, 1].

Podrobnosti vlastnosti

advancedSettings

Nastavení pro pokročilé scénáře

advancedSettings?: string

Hodnota vlastnosti

string

amsGradient

Povolte AMSGrad, pokud je optimalizátor adam nebo adamw.

amsGradient?: boolean

Hodnota vlastnosti

boolean

augmentations

Nastavení pro používání rozšíření.

augmentations?: string

Hodnota vlastnosti

string

beta1

Hodnota beta1, pokud optimalizátor je adam nebo adamw. Musí se jednat o float v rozsahu [0, 1].

beta1?: number

Hodnota vlastnosti

number

beta2

Hodnota beta2, pokud je optimalizátor adam nebo adamw. Musí se jednat o float v rozsahu [0, 1].

beta2?: number

Hodnota vlastnosti

number

checkpointFrequency

Frekvence ukládání kontrolních bodů modelu Musí být kladné celé číslo.

checkpointFrequency?: number

Hodnota vlastnosti

number

checkpointModel

Předem vytrénovaný model kontrolních bodů pro přírůstkové trénování.

checkpointModel?: MLFlowModelJobInput

Hodnota vlastnosti

MLFlowModelJobInput

checkpointRunId

ID předchozího spuštění, které má předem vytrénovaný kontrolní bod pro přírůstkové trénování.

checkpointRunId?: string

Hodnota vlastnosti

string

distributed

Jestli se má použít distribuované trénování.

distributed?: boolean

Hodnota vlastnosti

boolean

earlyStopping

Povolte logiku předčasného zastavení během trénování.

earlyStopping?: boolean

Hodnota vlastnosti

boolean

earlyStoppingDelay

Minimální počet epoch nebo ověřovacích vyhodnocení, která se mají počkat, než se bude sledovat zlepšení primární metriky kvůli předčasnému zastavení. Musí být kladné celé číslo.

earlyStoppingDelay?: number

Hodnota vlastnosti

number

earlyStoppingPatience

Minimální počet epoch nebo vyhodnocení ověření bez zlepšení primární metriky před zastavením spuštění. Musí být kladné celé číslo.

earlyStoppingPatience?: number

Hodnota vlastnosti

number

enableOnnxNormalization

Povolení normalizace při exportu modelu ONNX

enableOnnxNormalization?: boolean

Hodnota vlastnosti

boolean

evaluationFrequency

Frekvence vyhodnocování ověřovací datové sady za účelem získání skóre metrik Musí být kladné celé číslo.

evaluationFrequency?: number

Hodnota vlastnosti

number

gradientAccumulationStep

Akumulace gradientu znamená spuštění nakonfigurovaného počtu kroků GradAccumulationStep bez aktualizace hmotnosti modelu při nahromadění gradientů těchto kroků a následné použití nahromaděných přechodů k výpočtu aktualizací váhy. Musí být kladné celé číslo.

gradientAccumulationStep?: number

Hodnota vlastnosti

number

layersToFreeze

Počet vrstev, které se mají u modelu ukotvit Musí být kladné celé číslo. Například předání hodnoty 2 jako hodnoty pro 'seresnext' znamená zamrznutí vrstvy0 a vrstvy1. Úplný seznam podporovaných modelů a podrobnosti o ukotvení vrstev najdete tady: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: number

Hodnota vlastnosti

number

learningRate

Počáteční rychlost učení. Musí se jednat o float v rozsahu [0, 1].

learningRate?: number

Hodnota vlastnosti

number

learningRateScheduler

Typ plánovače rychlosti učení Musí to být warmup_cosine nebo step.

learningRateScheduler?: string

Hodnota vlastnosti

string

modelName

Název modelu, který se má použít pro trénování. Další informace o dostupných modelech najdete v oficiální dokumentaci: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Hodnota vlastnosti

string

momentum

Hodnota dynamiky, když je optimalizátor "sgd". Musí se jednat o float v rozsahu [0, 1].

momentum?: number

Hodnota vlastnosti

number

nesterov

Povolte nesterov, pokud je optimalizátor sgd.

nesterov?: boolean

Hodnota vlastnosti

boolean

numberOfEpochs

Počet epoch trénování Musí být kladné celé číslo.

numberOfEpochs?: number

Hodnota vlastnosti

number

numberOfWorkers

Počet pracovních procesů zavaděče dat Musí to být nezáporné celé číslo.

numberOfWorkers?: number

Hodnota vlastnosti

number

optimizer

Typ optimalizátoru

optimizer?: string

Hodnota vlastnosti

string

randomSeed

Náhodná počáteční hodnota, která se má použít při použití deterministického trénování.

randomSeed?: number

Hodnota vlastnosti

number

stepLRGamma

Hodnota gama při plánovači rychlosti učení je "krok". Musí se jednat o float v rozsahu [0, 1].

stepLRGamma?: number

Hodnota vlastnosti

number

stepLRStepSize

Hodnota velikosti kroku při plánovači rychlosti učení je "krok". Musí být kladné celé číslo.

stepLRStepSize?: number

Hodnota vlastnosti

number

trainingBatchSize

Velikost trénovací dávky. Musí být kladné celé číslo.

trainingBatchSize?: number

Hodnota vlastnosti

number

validationBatchSize

Velikost ověřovací dávky. Musí být kladné celé číslo.

validationBatchSize?: number

Hodnota vlastnosti

number

warmupCosineLRCycles

Hodnota kosinusového cyklu při plánovači rychlosti učení je "warmup_cosine". Musí se jednat o float v rozsahu [0, 1].

warmupCosineLRCycles?: number

Hodnota vlastnosti

number

warmupCosineLRWarmupEpochs

Hodnota epoch zahřátí při plánovači rychlosti učení je "warmup_cosine". Musí být kladné celé číslo.

warmupCosineLRWarmupEpochs?: number

Hodnota vlastnosti

number

weightDecay

Hodnota hmotnosti se rozpadne, když optimalizátor je "sgd", "adam" nebo "adamw". Musí se jednat o float v rozsahu[0, 1].

weightDecay?: number

Hodnota vlastnosti

number