ImageModelDistributionSettings Klasse

Definition

Namespace:

Azure.ResourceManager.MachineLearning.Models

Assembly:

Azure.ResourceManager.MachineLearning.dll

Paket:

Azure.ResourceManager.MachineLearning v1.1.1

Verteilungsausdrücke, um Werte von Modelleinstellungen zu überlisten. <Beispiel> Einige Beispiele sind:

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 ImageModelDistributionSettings

type ImageModelDistributionSettings = class

Public Class ImageModelDistributionSettings

Vererbung

Object

ImageModelDistributionSettings

Abgeleitet

Azure.ResourceManager.MachineLearning.Models.ImageModelDistributionSettingsClassification

Azure.ResourceManager.MachineLearning.Models.ImageModelDistributionSettingsObjectDetection

Konstruktoren

ImageModelDistributionSettings()

Initialisiert eine neue instance von ImageModelDistributionSettings.

Eigenschaften

AmsGradient	Aktivieren Sie AMSGrad, wenn der Optimierer "adam" oder "adamw" ist.
Augmentations	Einstellungen für die Verwendung von Augmentations.
Beta1	Wert von "beta1", wenn der Optimierer "adam" oder "adamw" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.
Beta2	Wert von "beta2", wenn der Optimierer "adam" oder "adamw" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.
Distributed	Gibt an, ob das Verteilungstraining verwendet werden soll.
EarlyStopping	Logik zum frühzeitigen Beenden während des Trainings aktivieren.
EarlyStoppingDelay	Mindestanzahl von Epochen oder Validierungsauswertungen, die gewartet werden müssen, bevor die primäre Metrikverbesserung für ein frühzeitiges Beenden nachverfolgt wird. Der Wert muss eine positive ganze Zahl sein.
EarlyStoppingPatience	Mindestanzahl von Epochen oder Validierungsauswertungen ohne primäre Metrikverbesserung, bevor die Ausführung beendet wird. Der Wert muss eine positive ganze Zahl sein.
EnableOnnxNormalization	Aktivieren Sie die Normalisierung beim Exportieren des ONNX-Modells.
EvaluationFrequency	Häufigkeit zum Auswerten des Validierungsdatasets, um Metrikergebnisse zu erhalten. Der Wert muss eine positive ganze Zahl sein.
GradientAccumulationStep	Farbverlaufsakkumulation bedeutet, dass eine konfigurierte Anzahl von "GradAccumulationStep"-Schritten ausgeführt wird, ohne die Modellgewichte zu aktualisieren, während die Gradienten dieser Schritte akkumuliert werden und dann die akkumulierten Gradienten zum Berechnen der Gewichtungsupdates verwendet werden. Der Wert muss eine positive ganze Zahl sein.
LayersToFreeze	Anzahl der Ebenen, die für das Modell eingefroren werden sollen. Der Wert muss eine positive ganze Zahl sein. Für instance bedeutet das Übergeben von 2 als Wert für "seresnext" das Einfrieren von layer0 und layer1. Eine vollständige Liste der unterstützten Modelle und Details zum Einfrieren von Ebenen finden Sie unter : https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
LearningRate	Anfängliche Lernrate. Muss ein Gleitkommawert im Bereich [0, 1] sein.
LearningRateScheduler	Typ des Lernratenplaners. Muss "warmup_cosine" oder "Schritt" sein.
ModelName	Name des Modells, das für das Training verwendet werden soll. Weitere Informationen zu den verfügbaren Modellen finden Sie in der offiziellen Dokumentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
Momentum	Wert des Momentums, wenn der Optimierer "sgd" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.
Nesterov	Aktivieren Sie nesterov, wenn der Optimierer "sgd" ist.
NumberOfEpochs	Anzahl der Trainingsepochen Der Wert muss eine positive ganze Zahl sein.
NumberOfWorkers	Anzahl der Datenlade-Worker. Muss eine nicht negative ganze Zahl sein.
Optimizer	Typ des Optimierers. Muss entweder "sgd", "adam" oder "adamw" sein.
RandomSeed	Zufälliger Seed, der bei deterministischem Training verwendet werden soll.
StepLRGamma	Wert von Gamma, wenn der Lernratenplaner "Schritt" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.
StepLRStepSize	Wert der Schrittgröße, wenn der Lernratenplaner "Schritt" ist. Der Wert muss eine positive ganze Zahl sein.
TrainingBatchSize	Trainingsbatchgröße. Der Wert muss eine positive ganze Zahl sein.
ValidationBatchSize	Überprüfungsbatchgröße. Der Wert muss eine positive ganze Zahl sein.
WarmupCosineLRCycles	Der Wert des Kosinuszyklus, wenn der Lernratenplaner "warmup_cosine" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.
WarmupCosineLRWarmupEpochs	Wert von Aufwärmzeiten, wenn der Lernratenplaner "warmup_cosine" ist. Der Wert muss eine positive ganze Zahl sein.
WeightDecay	Wert des Gewichtszerfalls, wenn der Optimierer "sgd", "adam" oder "adamw" ist. Muss ein Float im Bereich [0, 1] sein.