ImageModelSettings interface
Paramètres utilisés pour l’entraînement du modèle. Pour plus d’informations sur les paramètres disponibles, consultez la documentation officielle : https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
Propriétés
advanced |
Paramètres pour les scénarios avancés. |
ams |
Activez AMSGrad lorsque l’optimiseur est « adam » ou « adamw ». |
augmentations | Paramètres d’utilisation des augmentations. |
beta1 | Valeur de « beta1 » lorsque l’optimiseur est « adam » ou « adamw ». Doit être un nombre à virgule flottante dans la plage [0, 1]. |
beta2 | Valeur de « beta2 » lorsque l’optimiseur est « adam » ou « adamw ». Doit être un nombre à virgule flottante dans la plage [0, 1]. |
checkpoint |
Fréquence de stockage des points de contrôle du modèle. Cette valeur doit être un entier positif. |
checkpoint |
Modèle de point de contrôle préentraîné pour l’entraînement incrémentiel. |
checkpoint |
ID d’une exécution précédente qui a un point de contrôle préentraîné pour l’entraînement incrémentiel. |
distributed | Indique s’il faut utiliser l’entraînement distribué. |
early |
Permet d’avoir une logique d’arrêt anticipé au cours de l’entraînement. |
early |
Nombre minimal d’époques ou d’évaluations de validation à attendre avant que l’amélioration des métriques primaires soit suivie d’un arrêt précoce. Cette valeur doit être un entier positif. |
early |
Nombre minimal d’époques ou d’évaluations de validation sans amélioration des métriques principales avant l’arrêt de l’exécution. Cette valeur doit être un entier positif. |
enable |
Activez la normalisation lors de l’exportation du modèle ONNX. |
evaluation |
Fréquence d’évaluation du jeu de données de validation pour obtenir les scores de métrique. Cette valeur doit être un entier positif. |
gradient |
L’accumulation de dégradés signifie exécuter un nombre configuré d’étapes « GradAccumulationStep » sans mettre à jour les pondérations du modèle tout en accumulant les dégradés de ces étapes, puis en utilisant les dégradés accumulés pour calculer les mises à jour de pondération. Cette valeur doit être un entier positif. |
layers |
Nombre de couches à figer pour le modèle. Cette valeur doit être un entier positif. Par exemple, passer 2 comme valeur pour « seresnext » signifie geler les couches 0 et 1. Pour obtenir la liste complète des modèles pris en charge et des détails sur le gel des couches, consultez : https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models. |
learning |
Taux d’apprentissage initial. Doit être un nombre à virgule flottante dans la plage [0, 1]. |
learning |
Type de planificateur du taux d’apprentissage. Doit être « warmup_cosine » ou « step ». |
model |
Nom du modèle à utiliser pour l’entraînement. Pour plus d’informations sur les modèles disponibles, consultez la documentation officielle : https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models. |
momentum | Valeur de l’impulsion lorsque l’optimiseur est « sgd ». Doit être un nombre à virgule flottante dans la plage [0, 1]. |
nesterov | Activez nesterov lorsque l’optimiseur est « sgd ». |
number |
Nombre d’époques d’entraînement. Cette valeur doit être un entier positif. |
number |
Nombre de workers du chargeur de données. Doit être un entier non négatif. |
optimizer | Type d’optimiseur. |
random |
Graines aléatoires à utiliser lors de l’utilisation de l’entraînement déterministe. |
step |
Valeur gamma lorsque le planificateur de taux d’apprentissage est « step ». Doit être un nombre à virgule flottante dans la plage [0, 1]. |
step |
Valeur de la taille de l’étape lorsque le planificateur de taux d’apprentissage est « step ». Cette valeur doit être un entier positif. |
training |
Taille du lot d’entraînement. Cette valeur doit être un entier positif. |
validation |
Taille du lot de validation. Cette valeur doit être un entier positif. |
warmup |
Valeur du cycle cosinus lorsque le planificateur de taux d’apprentissage est « warmup_cosine ». Doit être un nombre à virgule flottante dans la plage [0, 1]. |
warmup |
Valeur des époques d’échauffement lorsque le planificateur de taux d’apprentissage est « warmup_cosine ». Cette valeur doit être un entier positif. |
weight |
Valeur de la décroissance de poids lorsque l’optimiseur est « sgd », « adam » ou « adamw ». Doit être un float dans la plage[0, 1]. |
Détails de la propriété
advancedSettings
Paramètres pour les scénarios avancés.
advancedSettings?: string
Valeur de propriété
string
amsGradient
Activez AMSGrad lorsque l’optimiseur est « adam » ou « adamw ».
amsGradient?: boolean
Valeur de propriété
boolean
augmentations
Paramètres d’utilisation des augmentations.
augmentations?: string
Valeur de propriété
string
beta1
Valeur de « beta1 » lorsque l’optimiseur est « adam » ou « adamw ». Doit être un nombre à virgule flottante dans la plage [0, 1].
beta1?: number
Valeur de propriété
number
beta2
Valeur de « beta2 » lorsque l’optimiseur est « adam » ou « adamw ». Doit être un nombre à virgule flottante dans la plage [0, 1].
beta2?: number
Valeur de propriété
number
checkpointFrequency
Fréquence de stockage des points de contrôle du modèle. Cette valeur doit être un entier positif.
checkpointFrequency?: number
Valeur de propriété
number
checkpointModel
Modèle de point de contrôle préentraîné pour l’entraînement incrémentiel.
checkpointModel?: MLFlowModelJobInput
Valeur de propriété
checkpointRunId
ID d’une exécution précédente qui a un point de contrôle préentraîné pour l’entraînement incrémentiel.
checkpointRunId?: string
Valeur de propriété
string
distributed
Indique s’il faut utiliser l’entraînement distribué.
distributed?: boolean
Valeur de propriété
boolean
earlyStopping
Permet d’avoir une logique d’arrêt anticipé au cours de l’entraînement.
earlyStopping?: boolean
Valeur de propriété
boolean
earlyStoppingDelay
Nombre minimal d’époques ou d’évaluations de validation à attendre avant que l’amélioration des métriques primaires soit suivie d’un arrêt précoce. Cette valeur doit être un entier positif.
earlyStoppingDelay?: number
Valeur de propriété
number
earlyStoppingPatience
Nombre minimal d’époques ou d’évaluations de validation sans amélioration des métriques principales avant l’arrêt de l’exécution. Cette valeur doit être un entier positif.
earlyStoppingPatience?: number
Valeur de propriété
number
enableOnnxNormalization
Activez la normalisation lors de l’exportation du modèle ONNX.
enableOnnxNormalization?: boolean
Valeur de propriété
boolean
evaluationFrequency
Fréquence d’évaluation du jeu de données de validation pour obtenir les scores de métrique. Cette valeur doit être un entier positif.
evaluationFrequency?: number
Valeur de propriété
number
gradientAccumulationStep
L’accumulation de dégradés signifie exécuter un nombre configuré d’étapes « GradAccumulationStep » sans mettre à jour les pondérations du modèle tout en accumulant les dégradés de ces étapes, puis en utilisant les dégradés accumulés pour calculer les mises à jour de pondération. Cette valeur doit être un entier positif.
gradientAccumulationStep?: number
Valeur de propriété
number
layersToFreeze
Nombre de couches à figer pour le modèle. Cette valeur doit être un entier positif. Par exemple, passer 2 comme valeur pour « seresnext » signifie geler les couches 0 et 1. Pour obtenir la liste complète des modèles pris en charge et des détails sur le gel des couches, consultez : https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
layersToFreeze?: number
Valeur de propriété
number
learningRate
Taux d’apprentissage initial. Doit être un nombre à virgule flottante dans la plage [0, 1].
learningRate?: number
Valeur de propriété
number
learningRateScheduler
Type de planificateur du taux d’apprentissage. Doit être « warmup_cosine » ou « step ».
learningRateScheduler?: string
Valeur de propriété
string
modelName
Nom du modèle à utiliser pour l’entraînement. Pour plus d’informations sur les modèles disponibles, consultez la documentation officielle : https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
modelName?: string
Valeur de propriété
string
momentum
Valeur de l’impulsion lorsque l’optimiseur est « sgd ». Doit être un nombre à virgule flottante dans la plage [0, 1].
momentum?: number
Valeur de propriété
number
nesterov
Activez nesterov lorsque l’optimiseur est « sgd ».
nesterov?: boolean
Valeur de propriété
boolean
numberOfEpochs
Nombre d’époques d’entraînement. Cette valeur doit être un entier positif.
numberOfEpochs?: number
Valeur de propriété
number
numberOfWorkers
Nombre de workers du chargeur de données. Doit être un entier non négatif.
numberOfWorkers?: number
Valeur de propriété
number
optimizer
Type d’optimiseur.
optimizer?: string
Valeur de propriété
string
randomSeed
Graines aléatoires à utiliser lors de l’utilisation de l’entraînement déterministe.
randomSeed?: number
Valeur de propriété
number
stepLRGamma
Valeur gamma lorsque le planificateur de taux d’apprentissage est « step ». Doit être un nombre à virgule flottante dans la plage [0, 1].
stepLRGamma?: number
Valeur de propriété
number
stepLRStepSize
Valeur de la taille de l’étape lorsque le planificateur de taux d’apprentissage est « step ». Cette valeur doit être un entier positif.
stepLRStepSize?: number
Valeur de propriété
number
trainingBatchSize
Taille du lot d’entraînement. Cette valeur doit être un entier positif.
trainingBatchSize?: number
Valeur de propriété
number
validationBatchSize
Taille du lot de validation. Cette valeur doit être un entier positif.
validationBatchSize?: number
Valeur de propriété
number
warmupCosineLRCycles
Valeur du cycle cosinus lorsque le planificateur de taux d’apprentissage est « warmup_cosine ». Doit être un nombre à virgule flottante dans la plage [0, 1].
warmupCosineLRCycles?: number
Valeur de propriété
number
warmupCosineLRWarmupEpochs
Valeur des époques d’échauffement lorsque le planificateur de taux d’apprentissage est « warmup_cosine ». Cette valeur doit être un entier positif.
warmupCosineLRWarmupEpochs?: number
Valeur de propriété
number
weightDecay
Valeur de la décroissance de poids lorsque l’optimiseur est « sgd », « adam » ou « adamw ». Doit être un float dans la plage[0, 1].
weightDecay?: number
Valeur de propriété
number