ImageModelSettings interface

Pacote:

@azure/arm-machinelearning

Configurações usadas para treinar o modelo. Para obter mais informações sobre as configurações disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Propriedades

advancedSettings	Configurações para cenários avançados.
amsGradient	Habilite o 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 flutuador na faixa [0, 1].
beta2	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].
checkpointFrequency	Frequência para armazenar pontos de verificação do modelo. Deve ser um número inteiro positivo.
checkpointModel	O modelo de ponto de verificação pré-treinado para treinamento incremental.
checkpointRunId	A id de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental.
distributed	Se deve ou não usar o treinamento distribuído.
earlyStopping	Habilite a lógica de parada precoce durante o treinamento.
earlyStoppingDelay	Número mínimo de épocas ou avaliações de validação a aguardar antes que a melhoria da métrica primária seja rastreada para parada antecipada. Deve ser um número inteiro positivo.
earlyStoppingPatience	Número mínimo de épocas ou avaliações de validação sem melhoria da métrica primária antes de a execução ser interrompida. Deve ser um número inteiro positivo.
enableOnnxNormalization	Habilite a normalização ao exportar o modelo ONNX.
evaluationFrequency	Frequência para avaliar o conjunto de dados de validação para obter pontuações métricas. Deve ser um número inteiro positivo.
gradientAccumulationStep	Acumulação 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, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.
layersToFreeze	Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar camadas0 e camadas1. Para obter uma lista completa dos modelos suportados 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 aprendizagem inicial. Deve ser um flutuador na faixa [0, 1].
learningRateScheduler	Tipo de agendador de taxa de aprendizagem. Deve ser 'warmup_cosine' ou 'step'.
modelName	Nome do modelo a utilizar na formação. Para 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 momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1].
nesterov	Ative o nesterov quando o otimizador for 'sgd'.
numberOfEpochs	Número de épocas de formação. Deve ser um número inteiro positivo.
numberOfWorkers	Número de trabalhadores do carregador de dados. Deve ser um número inteiro não negativo.
optimizer	Tipo de otimizador.
randomSeed	Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico.
stepLRGamma	Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1].
stepLRStepSize	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'etapa'. Deve ser um número inteiro positivo.
trainingBatchSize	Tamanho do lote de treinamento. Deve ser um número inteiro positivo.
validationBatchSize	Tamanho do lote de validação. Deve ser um número inteiro positivo.
warmupCosineLRCycles	Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1].
warmupCosineLRWarmupEpochs	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um número inteiro positivo.
weightDecay	Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1].

Detalhes de Propriedade

advancedSettings

Configurações para cenários avançados.

advancedSettings?: string

Valor de Propriedade

string

amsGradient

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

amsGradient?: boolean

Valor de Propriedade

boolean

augmentations

Configurações para usar Aumentos.

augmentations?: string

Valor de Propriedade

string

beta1

Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].

beta1?: number

Valor de Propriedade

number

beta2

Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um flutuador na faixa [0, 1].

beta2?: number

Valor de Propriedade

number

checkpointFrequency

Frequência para armazenar pontos de verificação do modelo. Deve ser um número inteiro positivo.

checkpointFrequency?: number

Valor de Propriedade

number

checkpointModel

O modelo de ponto de verificação pré-treinado para treinamento incremental.

checkpointModel?: MLFlowModelJobInput

Valor de Propriedade

MLFlowModelJobInput

checkpointRunId

A id de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental.

checkpointRunId?: string

Valor de Propriedade

string

distributed

Se deve ou não usar o treinamento distribuído.

distributed?: boolean

Valor de Propriedade

boolean

earlyStopping

Habilite a lógica de parada precoce durante o treinamento.

earlyStopping?: boolean

Valor de Propriedade

boolean

earlyStoppingDelay

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

earlyStoppingDelay?: number

Valor de Propriedade

number

earlyStoppingPatience

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

earlyStoppingPatience?: number

Valor de Propriedade

number

enableOnnxNormalization

Habilite a normalização ao exportar o modelo ONNX.

enableOnnxNormalization?: boolean

Valor de Propriedade

boolean

evaluationFrequency

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

evaluationFrequency?: number

Valor de Propriedade

number

gradientAccumulationStep

Acumulação 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, usando os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.

gradientAccumulationStep?: number

Valor de Propriedade

number

layersToFreeze

Número de camadas a congelar para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar camadas0 e camadas1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: number

Valor de Propriedade

number

learningRate

Taxa de aprendizagem inicial. Deve ser um flutuador na faixa [0, 1].

learningRate?: number

Valor de Propriedade

number

learningRateScheduler

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

learningRateScheduler?: string

Valor de Propriedade

string

modelName

Nome do modelo a utilizar na formação. Para 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 de Propriedade

string

momentum

Valor do momento quando o otimizador é 'sgd'. Deve ser um flutuador na faixa [0, 1].

momentum?: number

Valor de Propriedade

number

nesterov

Ative o nesterov quando o otimizador for 'sgd'.

nesterov?: boolean

Valor de Propriedade

boolean

numberOfEpochs

Número de épocas de formação. Deve ser um número inteiro positivo.

numberOfEpochs?: number

Valor de Propriedade

number

numberOfWorkers

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

numberOfWorkers?: number

Valor de Propriedade

number

optimizer

Tipo de otimizador.

optimizer?: string

Valor de Propriedade

string

randomSeed

Sementes aleatórias a serem usadas quando se utiliza treinamento determinístico.

randomSeed?: number

Valor de Propriedade

number

stepLRGamma

Valor da gama quando o agendador de taxa de aprendizagem é 'passo'. Deve ser um flutuador na faixa [0, 1].

stepLRGamma?: number

Valor de Propriedade

number

stepLRStepSize

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

stepLRStepSize?: number

Valor de Propriedade

number

trainingBatchSize

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

trainingBatchSize?: number

Valor de Propriedade

number

validationBatchSize

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

validationBatchSize?: number

Valor de Propriedade

number

warmupCosineLRCycles

Valor do ciclo cosseno quando o agendador de taxa de aprendizagem é 'warmup_cosine'. Deve ser um flutuador na faixa [0, 1].

warmupCosineLRCycles?: number

Valor de Propriedade

number

warmupCosineLRWarmupEpochs

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

warmupCosineLRWarmupEpochs?: number

Valor de Propriedade

number

weightDecay

Valor de decaimento de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um flutuador na faixa[0, 1].

weightDecay?: number

Valor de Propriedade

number