ImageClassificationJob Klas

Configuratie voor autoML-taak voor afbeeldingsclassificatie met meerdere klassen.

Initialiseer een nieuwe AutoML-taak voor afbeeldingsclassificatie met meerdere klassen.

Overname

azure.ai.ml.entities._job.automl.image.automl_image_classification_base.AutoMLImageClassificationBase

ImageClassificationJob

Constructor

ImageClassificationJob(*, primary_metric: str | ClassificationPrimaryMetrics | None = None, **kwargs)

Parameters

primary_metric

Vereist

De primaire metrische waarde die moet worden gebruikt voor optimalisatie

kwargs

Vereist

Taakspecifieke argumenten

Methoden

dump	Dumpt de taakinhoud in een bestand in YAML-indeling.
extend_search_space	Zoekruimte toevoegen voor autoML-afbeeldingsclassificatie en multilabel-taken voor afbeeldingsclassificatie.
set_data
set_limits	Limietinstellingen voor alle AutoML-afbeeldingsverticalen.
set_sweep	Instellingen voor opruimen voor alle AutoML-afbeeldingsverticalen.
set_training_parameters	Trainingsparameters voor afbeeldingen instellen voor AutoML-afbeeldingsclassificatie en multilabel-taken voor afbeeldingsclassificatie.

dump

Dumpt de taakinhoud in een bestand in YAML-indeling.

dump(dest: str | PathLike | IO, **kwargs) -> None

Parameters

dest

Union[<xref:PathLike>, str, IO[AnyStr]]

Vereist

Het lokale pad of de bestandsstroom waar de YAML-inhoud naar moet worden geschreven. Als dest een bestandspad is, wordt er een nieuw bestand gemaakt. Als dest een geopend bestand is, wordt het bestand rechtstreeks naar geschreven.

kwargs

dict

Aanvullende argumenten die moeten worden doorgegeven aan de YAML-serializer.

Uitzonderingen

FileExistsError

Gegenereerd als dest een bestandspad is en het bestand al bestaat.

IOError

Gegenereerd als dest een geopend bestand is en het bestand niet beschrijfbaar is.

extend_search_space

Zoekruimte toevoegen voor autoML-afbeeldingsclassificatie en multilabel-taken voor afbeeldingsclassificatie.

extend_search_space(value: SearchSpace | List[SearchSpace]) -> None

Parameters

value

Union[ImageClassificationSearchSpace, List[ImageClassificationSearchSpace]]

Vereist

geef een instantie van ImageClassificationSearchSpace of een lijst met ImageClassificationSearchSpace op voor het zoeken in de parameterruimte

Uitzonderingen

FileExistsError

Gegenereerd als dest een bestandspad is en het bestand al bestaat.

IOError

Gegenereerd als dest een geopend bestand is en het bestand niet beschrijfbaar is.

set_data

set_data(*, training_data: Input, target_column_name: str, validation_data: Input | None = None, validation_data_size: float | None = None) -> None

Uitzonderingen

FileExistsError

Gegenereerd als dest een bestandspad is en het bestand al bestaat.

IOError

Gegenereerd als dest een geopend bestand is en het bestand niet beschrijfbaar is.

set_limits

Limietinstellingen voor alle AutoML-afbeeldingsverticalen.

set_limits(*, max_concurrent_trials: int | None = None, max_trials: int | None = None, timeout_minutes: int | None = None) -> None

Parameters

timeout_minutes

timedelta

Time-out van AutoML-taak.

Uitzonderingen

FileExistsError

Gegenereerd als dest een bestandspad is en het bestand al bestaat.

IOError

Gegenereerd als dest een geopend bestand is en het bestand niet beschrijfbaar is.

set_sweep

Instellingen voor opruimen voor alle AutoML-afbeeldingsverticalen.

set_sweep(*, sampling_algorithm: str | Random | Grid | Bayesian, early_termination: BanditPolicy | MedianStoppingPolicy | TruncationSelectionPolicy | None = None) -> None

Parameters

sampling_algorithm

Vereist. [Vereist] Type van de algoritmen voor het nemen van hyperparameters. Mogelijke waarden zijn: "Grid", "Random", "Bayesian".

early_termination

Union[ BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]

Type beleid voor vroegtijdige beëindiging.

Uitzonderingen

FileExistsError

Gegenereerd als dest een bestandspad is en het bestand al bestaat.

IOError

Gegenereerd als dest een geopend bestand is en het bestand niet beschrijfbaar is.

set_training_parameters

Trainingsparameters voor afbeeldingen instellen voor AutoML-afbeeldingsclassificatie en multilabel-taken voor afbeeldingsclassificatie.

set_training_parameters(*, advanced_settings: str | None = None, ams_gradient: bool | None = None, beta1: float | None = None, beta2: float | None = None, checkpoint_frequency: int | None = None, checkpoint_run_id: str | None = None, distributed: bool | None = None, early_stopping: bool | None = None, early_stopping_delay: int | None = None, early_stopping_patience: int | None = None, enable_onnx_normalization: bool | None = None, evaluation_frequency: int | None = None, gradient_accumulation_step: int | None = None, layers_to_freeze: int | None = None, learning_rate: float | None = None, learning_rate_scheduler: str | LearningRateScheduler | None = None, model_name: str | None = None, momentum: float | None = None, nesterov: bool | None = None, number_of_epochs: int | None = None, number_of_workers: int | None = None, optimizer: str | StochasticOptimizer | None = None, random_seed: int | None = None, step_lr_gamma: float | None = None, step_lr_step_size: int | None = None, training_batch_size: int | None = None, validation_batch_size: int | None = None, warmup_cosine_lr_cycles: float | None = None, warmup_cosine_lr_warmup_epochs: int | None = None, weight_decay: float | None = None, training_crop_size: int | None = None, validation_crop_size: int | None = None, validation_resize_size: int | None = None, weighted_loss: int | None = None) -> None

Parameters

advanced_settings

str

Instellingen voor geavanceerde scenario's.

ams_gradient

bool

Schakel AMSGrad in wanneer de optimizer 'adam' of 'adamw' is.

beta1

float

Waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een vlotter zijn binnen het bereik [0, 1].

beta2

float

Waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een vlotter zijn binnen het bereik [0, 1].

checkpoint_frequency

int

Frequentie voor het opslaan van modelcontrolepunten. Moet een positief geheel getal zijn.

checkpoint_run_id

str

De id van een vorige uitvoering met een vooraf getraind controlepunt voor incrementele training.

distributed

bool

Of u gedistribueerde training wilt gebruiken.

early_stopping

bool

Schakel vroege stoplogica in tijdens de training.

early_stopping_delay

int

Minimaal aantal tijdvakken of validatie-evaluaties dat moet worden gewacht voordat de primaire metrische verbetering wordt bijgehouden voor een vroege stop. Moet een positief geheel getal zijn.

early_stopping_patience

int

Minimum aantal tijdvakken of validatie-evaluaties zonder primaire metrische verbetering voordat de uitvoering wordt gestopt. Moet een positief geheel getal zijn.

enable_onnx_normalization

bool

Normalisatie inschakelen bij het exporteren van een ONNX-model.

evaluation_frequency

int

Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn.

gradient_accumulation_step

int

Accumulatie van kleurovergangen betekent dat een geconfigureerd aantal stappen voor GradAccumulationStep wordt uitgevoerd zonder de modelgewichten bij te werken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens de geaccumuleerde kleurovergangen te gebruiken om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.

layers_to_freeze

Het aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn. Het doorgeven van 2 als waarde voor 'seresnext' betekent bijvoorbeeld het bevriezen van laag0 en laag1. Zie voor een volledige lijst met ondersteunde modellen en details over laagblokkering: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long

learning_rate

float

Initiële leersnelheid. Moet een vlotter zijn binnen het bereik [0, 1].

learning_rate_scheduler

Type leerfrequentieplanner. Moet 'warmup_cosine' of 'stap' zijn. Mogelijke waarden zijn: "None", "WarmupCosine", "Step".

model_name

Naam van het model dat moet worden gebruikt voor training. Ga voor meer informatie over de beschikbare modellen naar de officiële documentatie: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

momentum

float

Waarde van momentum wanneer optimizer 'sgd' is. Moet een vlotter zijn binnen het bereik [0, 1].

nesterov

bool

Schakel nesterov in wanneer optimizer 'sgd' is.

number_of_epochs

int

Aantal trainingstijdvakken. Moet een positief geheel getal zijn.

number_of_workers

int

Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn.

optimizer

Type optimizer. Mogelijke waarden zijn: "None", "Sgd", "Adam", "Adamw".

random_seed

int

Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training.

step_lr_gamma

float

Waarde van gamma wanneer learning rate scheduler 'step' is. Moet een vlotter zijn binnen het bereik [0, 1].

step_lr_step_size

int

Waarde van stapgrootte wanneer leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn.

training_batch_size

int

Grootte van trainingsbatch. Moet een positief geheel getal zijn.

validation_batch_size

int

Grootte van validatiebatch. Moet een positief geheel getal zijn.

warmup_cosine_lr_cycles

float

Waarde van de cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een vlotter zijn binnen het bereik [0, 1].

warmup_cosine_lr_warmup_epochs

int

Waarde van opwarmtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn.

weight_decay

float

Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een vlotter zijn binnen het bereik[0, 1].

training_crop_size

int

Bijsnijdgrootte van afbeelding die wordt ingevoerd voor het neurale netwerk voor de trainingsgegevensset. Moet een positief geheel getal zijn.

validation_crop_size

int

Bijsnijdgrootte van afbeelding die wordt ingevoerd voor het neurale netwerk voor de validatiegegevensset. Moet een positief geheel getal zijn.

validation_resize_size

int

Afbeeldingsgrootte waartoe het formaat moet worden gewijzigd voordat u de gegevensset bijsnijd. Moet een positief geheel getal zijn.

weighted_loss

int

Gewogen verlies. De geaccepteerde waarden zijn 0 voor geen gewogen verlies. 1 voor gewogen verlies met sqrt. (class_weights). 2 voor gewogen verlies met class_weights. Moet 0 of 1 of 2 zijn.

Uitzonderingen

FileExistsError

Gegenereerd als dest een bestandspad is en het bestand al bestaat.

IOError

Gegenereerd als dest een geopend bestand is en het bestand niet beschrijfbaar is.

Kenmerken

base_path

Het basispad van de resource.

Retouren

Het basispad van de resource.

Retourtype

str

creation_context

De context voor het maken van de resource.

Retouren

De metagegevens voor het maken van de resource.

Retourtype

Optional[SystemData]

id

De resource-id.

Retouren

De globale id van de resource, een ARM-id (Azure Resource Manager).

Retourtype

Optional[str]

inputs

limits

log_files

Taakuitvoerbestanden.

Retouren

De woordenlijst met logboeknamen en URL's.

Retourtype

Optional[Dict[str, str]]

log_verbosity

outputs

primary_metric

search_space

status

De status van de taak.

Veelvoorkomende waarden die worden geretourneerd, zijn 'Wordt uitgevoerd', 'Voltooid' en 'Mislukt'. Alle mogelijke waarden zijn:

• NotStarted : dit is een tijdelijke status waarin Run-objecten aan de clientzijde zich bevinden voordat ze in de cloud worden verzonden.

• Starten: de uitvoering wordt verwerkt in de cloud. De aanroeper heeft op dit moment een uitvoerings-id.

• Inrichten: er wordt rekenproces op aanvraag gemaakt voor een bepaalde taakverzending.

• Voorbereiden: de uitvoeringsomgeving wordt voorbereid en bevindt zich in een van de volgende twee fasen:

  • Docker-installatiekopieën bouwen

  • conda-omgeving instellen

• In wachtrij: de taak wordt in de wachtrij geplaatst op het rekendoel. In BatchAI bevindt de taak zich bijvoorbeeld in een wachtrijstatus

  terwijl u wacht tot alle aangevraagde knooppunten gereed zijn.

• Uitvoeren: de taak wordt uitgevoerd op het rekendoel.

• Voltooien: de uitvoering van de gebruikerscode is voltooid en de uitvoering bevindt zich in de naverwerkingsfasen.

• CancelRequested - Annulering is aangevraagd voor de taak.

• Voltooid: de uitvoering is voltooid. Dit omvat zowel de uitvoering van de gebruikerscode als de uitvoering

  naverwerkingsfasen.

• Mislukt: de uitvoering is mislukt. Meestal geeft de eigenschap Error bij een uitvoering details over waarom.

• Geannuleerd: volgt een annuleringsaanvraag en geeft aan dat de uitvoering nu is geannuleerd.

• Niet reagerend: voor uitvoeringen waarvoor Heartbeats is ingeschakeld, is er onlangs geen heartbeat verzonden.

Retouren

Status van de taak.

Retourtype

Optional[str]

studio_url

Azure ML Studio-eindpunt.

Retouren

De URL naar de pagina met taakgegevens.

Retourtype

Optional[str]

sweep

task_type

Taaktype ophalen.

Retouren

Het type taak dat moet worden uitgevoerd. Mogelijke waarden zijn: 'classificatie', 'regressie', 'prognoses'.

Retourtype

str

test_data

Testgegevens ophalen.

Retouren

Gegevensinvoer testen

Retourtype

Input

training_data

Trainingsgegevens ophalen.

Retouren

Invoer van trainingsgegevens

Retourtype

Input

training_parameters

type

Het type taak.

Retouren

Het type taak.

Retourtype

Optional[str]

validation_data

Validatiegegevens ophalen.

Retouren

Invoer van validatiegegevens

Retourtype

Input