Udostępnij za pośrednictwem

ImageModelSettingsClassification interface

  • Odwołanie
Pakiet:
@azure/arm-machinelearning

Ustawienia używane do trenowania modelu. Aby uzyskać więcej informacji na temat dostępnych ustawień, odwiedź oficjalną dokumentację: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Extends
ImageModelSettings

Właściwości

trainingCropSize

Rozmiar przycinania obrazów, który jest danymi wejściowymi sieci neuronowej dla zestawu danych treningowych. Musi być dodatnią liczbą całkowitą.
validationCropSize

Rozmiar przycinania obrazów, który jest danymi wejściowymi dla sieci neuronowej dla zestawu danych weryfikacji. Musi być dodatnią liczbą całkowitą.
validationResizeSize

Rozmiar obrazu, którego rozmiar ma być zmieniany przed przycinaniem zestawu danych weryfikacji. Musi być dodatnią liczbą całkowitą.
weightedLoss

Utrata wagi. Akceptowane wartości to 0 bez odchudzania. 1 do odchudzania z sqrt. (class_weights). 2 dla odchudzania z class_weights. Musi mieć wartość 0 lub 1 lub 2.

Właściwości dziedziczone

advancedSettings

Ustawienia dla zaawansowanych scenariuszy.
amsGradient

Włącz narzędzie AMSGrad, gdy optymalizator ma wartość "adam" lub "adamw".
augmentations

Ustawienia dotyczące korzystania z rozszerzeń.
beta1

Wartość "beta1", gdy optymalizator to "adam" lub "adamw". Musi być zmiennoprzecinkowym w zakresie [0, 1].
beta2

Wartość "beta2", gdy optymalizator to "adam" lub "adamw". Musi być zmiennoprzecinkowym w zakresie [0, 1].
checkpointFrequency

Częstotliwość przechowywania punktów kontrolnych modelu. Musi być dodatnią liczbą całkowitą.
checkpointModel

Wstępnie wytrenowany model punktu kontrolnego na potrzeby trenowania przyrostowego.
checkpointRunId

Identyfikator poprzedniego przebiegu, który ma wstępnie wytrenowany punkt kontrolny na potrzeby trenowania przyrostowego.
distributed

Czy używać trenowania rozproszonego.
earlyStopping

Włącz logikę wczesnego zatrzymywania podczas trenowania.
earlyStoppingDelay

Minimalna liczba epok lub ocen walidacji do oczekiwania przed rozpoczęciem śledzenia podstawowej metryki w celu wczesnego zatrzymywania. Musi być dodatnią liczbą całkowitą.
earlyStoppingPatience

Minimalna liczba epok lub ocen poprawności bez podstawowej poprawy metryki przed zatrzymaniem przebiegu. Musi być dodatnią liczbą całkowitą.
enableOnnxNormalization

Włącz normalizację podczas eksportowania modelu ONNX.
evaluationFrequency

Częstotliwość oceny zestawu danych weryfikacji w celu uzyskania wyników metryk. Musi być dodatnią liczbą całkowitą.
gradientAccumulationStep

Akumulacja gradientu oznacza uruchomienie skonfigurowanej liczby kroków "GradAccumulationStep" bez aktualizowania wag modelu podczas zbierania gradientów tych kroków, a następnie używania skumulowanych gradientów do obliczenia aktualizacji wagi. Musi być dodatnią liczbą całkowitą.
layersToFreeze

Liczba warstw do zablokowania modelu. Musi być dodatnią liczbą całkowitą. Na przykład przekazanie wartości 2 jako wartości "seresnext" oznacza zamrożenie warstwy0 i warstwy 1. Aby uzyskać pełną listę obsługiwanych modeli i szczegóły dotyczące blokowania warstw, zobacz: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate

Początkowa stawka nauki. Musi być zmiennoprzecinkowym w zakresie [0, 1].
learningRateScheduler

Typ harmonogramu szybkości nauki. Musi być "warmup_cosine" lub "krok".
modelName

Nazwa modelu do użycia do trenowania. Aby uzyskać więcej informacji na temat dostępnych modeli, odwiedź oficjalną dokumentację: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum

Wartość tempa, gdy optymalizator ma wartość "sgd". Musi być zmiennoprzecinkowym w zakresie [0, 1].
nesterov

Włącz zagnieżdżanie, gdy optymalizator ma wartość "sgd".
numberOfEpochs

Liczba epok treningowych. Musi być dodatnią liczbą całkowitą.
numberOfWorkers

Liczba procesów roboczych modułu ładującego dane. Musi być liczbą całkowitą nie ujemną.
optimizer

Typ optymalizatora.
randomSeed

Losowe inicjatory, które mają być używane podczas korzystania z trenowania deterministycznego.
stepLRGamma

Wartość gamma podczas uczenia się harmonogramu szybkości jest "krok". Musi być zmiennoprzecinkiem w zakresie [0, 1].
stepLRStepSize

Wartość rozmiaru kroku, gdy harmonogram szybkości nauki to "krok". Musi być dodatnią liczbą całkowitą.
trainingBatchSize

Rozmiar partii trenowania. Musi być dodatnią liczbą całkowitą.
validationBatchSize

Rozmiar partii sprawdzania poprawności. Musi być dodatnią liczbą całkowitą.
warmupCosineLRCycles

Wartość cyklu cosinusowego, gdy harmonogram szybkości nauki to "warmup_cosine". Musi być zmiennoprzecinkiem w zakresie [0, 1].
warmupCosineLRWarmupEpochs

Wartość epok rozgrzewki, gdy harmonogram szybkości nauki to "warmup_cosine". Musi być dodatnią liczbą całkowitą.
weightDecay

Wartość rozkładu wagi, gdy optymalizator to "sgd", "adam" lub "adamw". Musi być zmiennoprzecinkiem w zakresie[0, 1].

Szczegóły właściwości

trainingCropSize

Rozmiar przycinania obrazów, który jest danymi wejściowymi sieci neuronowej dla zestawu danych treningowych. Musi być dodatnią liczbą całkowitą.

trainingCropSize?: number

Wartość właściwości

number

validationCropSize

Rozmiar przycinania obrazów, który jest danymi wejściowymi dla sieci neuronowej dla zestawu danych weryfikacji. Musi być dodatnią liczbą całkowitą.

validationCropSize?: number

Wartość właściwości

number

validationResizeSize

Rozmiar obrazu, którego rozmiar ma być zmieniany przed przycinaniem zestawu danych weryfikacji. Musi być dodatnią liczbą całkowitą.

validationResizeSize?: number

Wartość właściwości

number

weightedLoss

Utrata wagi. Akceptowane wartości to 0 bez odchudzania. 1 do odchudzania z sqrt. (class_weights). 2 dla odchudzania z class_weights. Musi mieć wartość 0 lub 1 lub 2.

weightedLoss?: number

Wartość właściwości

number

Szczegóły właściwości dziedziczonej

advancedSettings

Ustawienia dla zaawansowanych scenariuszy.

advancedSettings?: string

Wartość właściwości

string

Dziedziczone zimageModelSettings.advancedSettings

amsGradient

Włącz narzędzie AMSGrad, gdy optymalizator ma wartość "adam" lub "adamw".

amsGradient?: boolean

Wartość właściwości

boolean

Dziedziczone zimageModelSettings.amsGradient

augmentations

Ustawienia dotyczące korzystania z rozszerzeń.

augmentations?: string

Wartość właściwości

string

Dziedziczone zimageModelSettings.augmentations

beta1

Wartość "beta1", gdy optymalizator to "adam" lub "adamw". Musi być zmiennoprzecinkowym w zakresie [0, 1].

beta1?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.beta1

beta2

Wartość "beta2", gdy optymalizator to "adam" lub "adamw". Musi być zmiennoprzecinkowym w zakresie [0, 1].

beta2?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.beta2

checkpointFrequency

Częstotliwość przechowywania punktów kontrolnych modelu. Musi być dodatnią liczbą całkowitą.

checkpointFrequency?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.checkpointFrequency

checkpointModel

Wstępnie wytrenowany model punktu kontrolnego na potrzeby trenowania przyrostowego.

checkpointModel?: MLFlowModelJobInput

Wartość właściwości

MLFlowModelJobInput

Dziedziczone zimageModelSettings.checkpointModel

checkpointRunId

Identyfikator poprzedniego przebiegu, który ma wstępnie wytrenowany punkt kontrolny na potrzeby trenowania przyrostowego.

checkpointRunId?: string

Wartość właściwości

string

Dziedziczone zimageModelSettings.checkpointRunId

distributed

Czy używać trenowania rozproszonego.

distributed?: boolean

Wartość właściwości

boolean

Dziedziczone zimageModelSettings.distributed

earlyStopping

Włącz logikę wczesnego zatrzymywania podczas trenowania.

earlyStopping?: boolean

Wartość właściwości

boolean

Dziedziczone zimageModelSettings.earlyStopping

earlyStoppingDelay

Minimalna liczba epok lub ocen walidacji do oczekiwania przed rozpoczęciem śledzenia podstawowej metryki w celu wczesnego zatrzymywania. Musi być dodatnią liczbą całkowitą.

earlyStoppingDelay?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.earlyStoppingDelay

earlyStoppingPatience

Minimalna liczba epok lub ocen poprawności bez podstawowej poprawy metryki przed zatrzymaniem przebiegu. Musi być dodatnią liczbą całkowitą.

earlyStoppingPatience?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.earlyStoppingPatience

enableOnnxNormalization

Włącz normalizację podczas eksportowania modelu ONNX.

enableOnnxNormalization?: boolean

Wartość właściwości

boolean

Dziedziczone zimageModelSettings.enableOnnxNormalization

evaluationFrequency

Częstotliwość oceny zestawu danych weryfikacji w celu uzyskania wyników metryk. Musi być dodatnią liczbą całkowitą.

evaluationFrequency?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.evaluationFrequency

gradientAccumulationStep

Akumulacja gradientu oznacza uruchomienie skonfigurowanej liczby kroków "GradAccumulationStep" bez aktualizowania wag modelu podczas zbierania gradientów tych kroków, a następnie używania skumulowanych gradientów do obliczenia aktualizacji wagi. Musi być dodatnią liczbą całkowitą.

gradientAccumulationStep?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.gradientAccumulationStep

layersToFreeze

Liczba warstw do zablokowania modelu. Musi być dodatnią liczbą całkowitą. Na przykład przekazanie wartości 2 jako wartości "seresnext" oznacza zamrożenie warstwy0 i warstwy 1. Aby uzyskać pełną listę obsługiwanych modeli i szczegóły dotyczące blokowania warstw, zobacz: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.layersToFreeze

learningRate

Początkowa stawka nauki. Musi być zmiennoprzecinkowym w zakresie [0, 1].

learningRate?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.learningRate

learningRateScheduler

Typ harmonogramu szybkości nauki. Musi być "warmup_cosine" lub "krok".

learningRateScheduler?: string

Wartość właściwości

string

Dziedziczone zimageModelSettings.learningRateScheduler

modelName

Nazwa modelu do użycia do trenowania. Aby uzyskać więcej informacji na temat dostępnych modeli, odwiedź oficjalną dokumentację: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Wartość właściwości

string

Dziedziczone zimageModelSettings.modelName

momentum

Wartość tempa, gdy optymalizator ma wartość "sgd". Musi być zmiennoprzecinkowym w zakresie [0, 1].

momentum?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.momentum

nesterov

Włącz zagnieżdżanie, gdy optymalizator ma wartość "sgd".

nesterov?: boolean

Wartość właściwości

boolean

Dziedziczone zimageModelSettings.nesterov

numberOfEpochs

Liczba epok treningowych. Musi być dodatnią liczbą całkowitą.

numberOfEpochs?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.numberOfEpochs

numberOfWorkers

Liczba procesów roboczych modułu ładującego dane. Musi być liczbą całkowitą nie ujemną.

numberOfWorkers?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.numberOfWorkers

optimizer

Typ optymalizatora.

optimizer?: string

Wartość właściwości

string

Dziedziczone zimageModelSettings.optimizer

randomSeed

Losowe inicjatory, które mają być używane podczas korzystania z trenowania deterministycznego.

randomSeed?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.randomSeed

stepLRGamma

Wartość gamma podczas uczenia się harmonogramu szybkości jest "krok". Musi być zmiennoprzecinkiem w zakresie [0, 1].

stepLRGamma?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.stepLRGamma

stepLRStepSize

Wartość rozmiaru kroku, gdy harmonogram szybkości nauki to "krok". Musi być dodatnią liczbą całkowitą.

stepLRStepSize?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.stepLRStepSize

trainingBatchSize

Rozmiar partii trenowania. Musi być dodatnią liczbą całkowitą.

trainingBatchSize?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.trainingBatchSize

validationBatchSize

Rozmiar partii sprawdzania poprawności. Musi być dodatnią liczbą całkowitą.

validationBatchSize?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.validationBatchSize

warmupCosineLRCycles

Wartość cyklu cosinusowego, gdy harmonogram szybkości nauki to "warmup_cosine". Musi być zmiennoprzecinkiem w zakresie [0, 1].

warmupCosineLRCycles?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

Wartość epok rozgrzewki, gdy harmonogram szybkości nauki to "warmup_cosine". Musi być dodatnią liczbą całkowitą.

warmupCosineLRWarmupEpochs?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.warmupCosineLRWarmupEpochs

weightDecay

Wartość rozkładu wagi, gdy optymalizator to "sgd", "adam" lub "adamw". Musi być zmiennoprzecinkiem w zakresie[0, 1].

weightDecay?: number

Wartość właściwości

number

Dziedziczone zimageModelSettings.weightDecay