ImageModelSettings Clase

Definición

Espacio de nombres:

Azure.ResourceManager.MachineLearning.Models

Ensamblado:

Azure.ResourceManager.MachineLearning.dll

Paquete:

Azure.ResourceManager.MachineLearning v1.1.1

Configuración usada para entrenar el modelo. Para obtener más información sobre la configuración disponible, visite la documentación oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

public class ImageModelSettings

type ImageModelSettings = class

Public Class ImageModelSettings

Herencia

Object

ImageModelSettings

Derivado

Azure.ResourceManager.MachineLearning.Models.ImageModelSettingsClassification

Azure.ResourceManager.MachineLearning.Models.ImageModelSettingsObjectDetection

Constructores

ImageModelSettings()

Inicializa una nueva instancia de ImageModelSettings.

Propiedades

AdvancedSettings	Configuración de escenarios avanzados.
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].
CheckpointFrequency	Frecuencia para almacenar puntos de control del modelo. Debe ser un entero positivo.
CheckpointModel	Modelo de punto de comprobación entrenado previamente para el entrenamiento incremental.
CheckpointRunId	Identificador de una ejecución anterior que tiene un punto de control entrenado previamente para el entrenamiento incremental.
Distributed	Si se va a usar el entrenamiento distribuido.
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.
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].