ImageModelDistributionSettings Clase

Definición

Espacio de nombres:

Azure.ResourceManager.MachineLearning.Models

Ensamblado:

Azure.ResourceManager.MachineLearning.dll

Paquete:

Azure.ResourceManager.MachineLearning v1.1.1

Expresiones de distribución para barrer los valores de la configuración del modelo. <ejemplo> Algunos ejemplos son:

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

Herencia

Object

ImageModelDistributionSettings

Derivado

Azure.ResourceManager.MachineLearning.Models.ImageModelDistributionSettingsClassification

Azure.ResourceManager.MachineLearning.Models.ImageModelDistributionSettingsObjectDetection

Constructores

ImageModelDistributionSettings()

Inicializa una nueva instancia de ImageModelDistributionSettings.

Propiedades

AmsGradient	Habilite AMSGrad cuando el optimizador sea "adam" o "adamw".
Augmentations	Configuración para usar aumentos.
Beta1	Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].
Beta2	Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].
Distributed	Si se va a usar el entrenamiento del distribuidor.
EarlyStopping	Habilite la lógica de detención temprana durante el entrenamiento.
EarlyStoppingDelay	Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de que se realice un seguimiento de la mejora de la métrica principal para la detención temprana. Debe ser un entero positivo.
EarlyStoppingPatience	Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes de que se detenga la ejecución. Debe ser un entero positivo.
EnableOnnxNormalization	Habilite la normalización al exportar el modelo ONNX.
EvaluationFrequency	Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo.
GradientAccumulationStep	La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.
LayersToFreeze	Número de capas que se van a inmovilizar para el modelo. Debe ser un entero positivo. Por ejemplo, pasar 2 como valor para "seresnext" significa la capa de congelación 0 y la capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
LearningRate	Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1].
LearningRateScheduler	Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso".
ModelName	Nombre del modelo que se va a usar para el entrenamiento. Para obtener más información sobre los modelos disponibles, visite la documentación oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
Momentum	Valor de impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1].
Nesterov	Habilite nesterov cuando el optimizador sea "sgd".
NumberOfEpochs	Número de épocas de entrenamiento. Debe ser un entero positivo.
NumberOfWorkers	Número de trabajos del cargador de datos. Debe ser un entero no negativo.
Optimizer	Tipo de optimizador. Debe ser "sgd", "adam" o "adamw".
RandomSeed	Inicialización aleatoria que se usará al usar el entrenamiento determinista.
StepLRGamma	Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1].
StepLRStepSize	Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo.
TrainingBatchSize	Tamaño del lote de entrenamiento. Debe ser un entero positivo.
ValidationBatchSize	Tamaño del lote de validación. Debe ser un entero positivo.
WarmupCosineLRCycles	Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1].
WarmupCosineLRWarmupEpochs	Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo.
WeightDecay	Valor de descomposición de peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1].