ImageModelDistributionSettings interface

Pacote:

@azure/arm-machinelearning

Expressões de distribuição para varrer valores de configurações de modelo. Alguns exemplos são:

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.

Propriedades

amsGradient	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.
augmentations	Configurações para usar aumentos.
beta1	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].
distributed	Se você deve usar o treinamento do distribuídor.
earlyStopping	Habilite a lógica de parada antecipada durante o treinamento.
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação a serem aguardadas antes que a melhoria da métrica primária seja controlada para parada antecipada. Deve ser um inteiro positivo.
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes que a execução seja interrompida. Deve ser um inteiro positivo.
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.
gradientAccumulationStep	O acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizar os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usar os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.
layersToFreeze	Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar camada0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".
modelName	Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].
nesterov	Habilite aninhado quando o otimizador for 'sgd'.
numberOfEpochs	Número de épocas de treinamento. Deve ser um inteiro positivo.
numberOfWorkers	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.
optimizer	Tipo de otimizador. Deve ser "sgd", "adam" ou "adamw".
randomSeed	Semente aleatória a ser usada ao usar o treinamento determinístico.
stepLRGamma	Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.
trainingBatchSize	Tamanho do lote de treinamento. Deve ser um inteiro positivo.
validationBatchSize	Tamanho do lote de validação. Deve ser um inteiro positivo.
warmupCosineLRCycles	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.
weightDecay	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].

Detalhes da propriedade

amsGradient

Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.

amsGradient?: string

Valor da propriedade

string

augmentations

Configurações para usar aumentos.

augmentations?: string

Valor da propriedade

string

beta1

Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].

beta1?: string

Valor da propriedade

string

beta2

Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].

beta2?: string

Valor da propriedade

string

distributed

Se você deve usar o treinamento do distribuídor.

distributed?: string

Valor da propriedade

string

earlyStopping

Habilite a lógica de parada antecipada durante o treinamento.

earlyStopping?: string

Valor da propriedade

string

earlyStoppingDelay

Número mínimo de épocas ou avaliações de validação a serem aguardadas antes que a melhoria da métrica primária seja controlada para parada antecipada. Deve ser um inteiro positivo.

earlyStoppingDelay?: string

Valor da propriedade

string

earlyStoppingPatience

Número mínimo de épocas ou avaliações de validação sem nenhuma melhoria de métrica primária antes que a execução seja interrompida. Deve ser um inteiro positivo.

earlyStoppingPatience?: string

Valor da propriedade

string

enableOnnxNormalization

Habilite a normalização ao exportar o modelo ONNX.

enableOnnxNormalization?: string

Valor da propriedade

string

evaluationFrequency

Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um inteiro positivo.

evaluationFrequency?: string

Valor da propriedade

string

gradientAccumulationStep

O acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizar os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usar os gradientes acumulados para calcular as atualizações de peso. Deve ser um inteiro positivo.

gradientAccumulationStep?: string

Valor da propriedade

string

layersToFreeze

Número de camadas a serem congeladas para o modelo. Deve ser um inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar camada0 e camada1. Para obter uma lista completa de modelos com suporte e detalhes sobre o congelamento de camadas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: string

Valor da propriedade

string

learningRate

Taxa de aprendizado inicial. Deve ser um float no intervalo [0, 1].

learningRate?: string

Valor da propriedade

string

learningRateScheduler

Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".

learningRateScheduler?: string

Valor da propriedade

string

modelName

Nome do modelo a ser usado para treinamento. Para obter mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Valor da propriedade

string

momentum

Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].

momentum?: string

Valor da propriedade

string

nesterov

Habilite aninhado quando o otimizador for 'sgd'.

nesterov?: string

Valor da propriedade

string

numberOfEpochs

Número de épocas de treinamento. Deve ser um inteiro positivo.

numberOfEpochs?: string

Valor da propriedade

string

numberOfWorkers

Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.

numberOfWorkers?: string

Valor da propriedade

string

optimizer

Tipo de otimizador. Deve ser "sgd", "adam" ou "adamw".

optimizer?: string

Valor da propriedade

string

randomSeed

Semente aleatória a ser usada ao usar o treinamento determinístico.

randomSeed?: string

Valor da propriedade

string

stepLRGamma

Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].

stepLRGamma?: string

Valor da propriedade

string

stepLRStepSize

Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um inteiro positivo.

stepLRStepSize?: string

Valor da propriedade

string

trainingBatchSize

Tamanho do lote de treinamento. Deve ser um inteiro positivo.

trainingBatchSize?: string

Valor da propriedade

string

validationBatchSize

Tamanho do lote de validação. Deve ser um inteiro positivo.

validationBatchSize?: string

Valor da propriedade

string

warmupCosineLRCycles

Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].

warmupCosineLRCycles?: string

Valor da propriedade

string

warmupCosineLRWarmupEpochs

Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um inteiro positivo.

warmupCosineLRWarmupEpochs?: string

Valor da propriedade

string

weightDecay

Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].

weightDecay?: string

Valor da propriedade

string