ImageModelSettingsClassification interface

Пакет:

@azure/arm-machinelearning

Параметры, используемые для обучения модели. Дополнительные сведения о доступных параметрах см. в официальной документации: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Extends

ImageModelSettings

Свойства

trainingCropSize	Размер обрезки изображения, который является входными данными в нейронную сеть для обучающего набора данных. Принимаются только положительные целые числа.
validationCropSize	Размер обрезки изображения, входной в нейронную сеть для проверочного набора данных. Принимаются только положительные целые числа.
validationResizeSize	Размер, до которого необходимо изменить изображение перед обрезкой для набора данных проверки. Принимаются только положительные целые числа.
weightedLoss	Взвешивая потеря. Допустимые значения — 0 для без взвешения потерь. 1 для взвешаемой потери с sqrt. (class_weights). 2 для расчета взвешенной ошибки с помощью class_weights. Значение должно быть 0 или 1 или 2.

Унаследованные свойства

advancedSettings	Параметры для расширенных сценариев.
amsGradient	Включите AMSGrad, если оптимизатор имеет значение adam или adamw.
augmentations	Параметры использования дополнений.
beta1	Значение beta1, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1].
beta2	Значение beta2, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1].
checkpointFrequency	Частота сохранения контрольных точек модели. Принимаются только положительные целые числа.
checkpointModel	Предварительно обученная модель контрольных точек для добавочного обучения.
checkpointRunId	Идентификатор предыдущего запуска, имеющего предварительно обученную контрольную точку для добавочного обучения.
distributed	Следует ли использовать распределенное обучение.
earlyStopping	Включить алгоритм раннего прекращения логики во время обучения.
earlyStoppingDelay	Минимальное количество эпох или проверочных оценок, которые необходимо дождаться, прежде чем основное улучшение метрики будет отслеживаться для ранней остановки. Принимаются только положительные целые числа.
earlyStoppingPatience	Минимальное количество эпох или проверочных оценок без улучшения основной метрики до остановки выполнения. Принимаются только положительные целые числа.
enableOnnxNormalization	Включить нормализацию при экспорте модели ONNX.
evaluationFrequency	Частота оценки набора данных проверки для получения оценок метрик. Принимаются только положительные целые числа.
gradientAccumulationStep	Накопление градиента означает выполнение настроенного количества шагов GradAccumulationStep без обновления весовых коэффициентов модели при накоплении градиентов этих шагов, а затем использование накопленных градиентов для вычисления обновлений веса. Принимаются только положительные целые числа.
layersToFreeze	Количество слоев, которые необходимо заморозить для модели. Принимаются только положительные целые числа. Например, передача 2 в качестве значения для seresnext означает замораживание layer0 и layer1. Полный список поддерживаемых моделей и сведения о замораживании слоя см. в разделе https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1].
learningRateScheduler	Тип планировщика скорости обучения. Должен иметь значение "warmup_cosine" или "шаг".
modelName	Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	Значение импульса, если оптимизатор имеет значение "sgd". Должно быть значением типа float в диапазоне [0, 1].
nesterov	Включите nesterov, если оптимизатор имеет значение "sgd".
numberOfEpochs	Число эпох обучения. Принимаются только положительные целые числа.
numberOfWorkers	Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.
optimizer	Тип оптимизатора.
randomSeed	Случайное начальное значение, используемое при использовании детерминированного обучения.
stepLRGamma	Значение гамма, когда планировщик скорости обучения имеет значение step. Должно быть значением типа float в диапазоне [0, 1].
stepLRStepSize	Значение размера шага, если планировщик скорости обучения — "шаг". Принимаются только положительные целые числа.
trainingBatchSize	Размер пакета, используемого для обучения. Принимаются только положительные целые числа.
validationBatchSize	Размер пакета, используемого для проверки. Принимаются только положительные целые числа.
warmupCosineLRCycles	Значение цикла косинуса, когда планировщик скорости обучения имеет значение "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1].
warmupCosineLRWarmupEpochs	Значение эпох прогрева, когда планировщик скорости обучения имеет значение "warmup_cosine". Принимаются только положительные целые числа.
weightDecay	Значение распада веса, если оптимизатор имеет значение "sgd", "adam" или "adamw". Должен быть плавающей точкой в диапазоне[0, 1].

Сведения о свойстве

trainingCropSize

Размер обрезки изображения, который является входными данными в нейронную сеть для обучающего набора данных. Принимаются только положительные целые числа.

trainingCropSize?: number

Значение свойства

number

validationCropSize

Размер обрезки изображения, входной в нейронную сеть для проверочного набора данных. Принимаются только положительные целые числа.

validationCropSize?: number

Значение свойства

number

validationResizeSize

Размер, до которого необходимо изменить изображение перед обрезкой для набора данных проверки. Принимаются только положительные целые числа.

validationResizeSize?: number

Значение свойства

number

weightedLoss

Взвешивая потеря. Допустимые значения — 0 для без взвешения потерь. 1 для взвешаемой потери с sqrt. (class_weights). 2 для расчета взвешенной ошибки с помощью class_weights. Значение должно быть 0 или 1 или 2.

weightedLoss?: number

Значение свойства

number

Сведения об унаследованном свойстве

advancedSettings

Параметры для расширенных сценариев.

advancedSettings?: string

Значение свойства

string

Наследуется отImageModelSettings.advancedSettings

amsGradient

Включите AMSGrad, если оптимизатор имеет значение adam или adamw.

amsGradient?: boolean

Значение свойства

boolean

Наследуется отImageModelSettings.amsGradient

augmentations

Параметры использования дополнений.

augmentations?: string

Значение свойства

string

Наследуется отImageModelSettings.augmentations

beta1

Значение beta1, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1].

beta1?: number

Значение свойства

number

Наследуется отImageModelSettings.beta1

beta2

Значение beta2, если оптимизатор имеет значение adam или adamw. Должно быть значением типа float в диапазоне [0, 1].

beta2?: number

Значение свойства

number

Наследуется отImageModelSettings.beta2

checkpointFrequency

Частота сохранения контрольных точек модели. Принимаются только положительные целые числа.

checkpointFrequency?: number

Значение свойства

number

Наследуется отImageModelSettings.checkpointFrequency

checkpointModel

Предварительно обученная модель контрольных точек для добавочного обучения.

checkpointModel?: MLFlowModelJobInput

Значение свойства

MLFlowModelJobInput

Наследуется отImageModelSettings.checkpointModel

checkpointRunId

Идентификатор предыдущего запуска, имеющего предварительно обученную контрольную точку для добавочного обучения.

checkpointRunId?: string

Значение свойства

string

Наследуется отImageModelSettings.checkpointRunId

distributed

Следует ли использовать распределенное обучение.

distributed?: boolean

Значение свойства

boolean

Наследуется отImageModelSettings.distributed

earlyStopping

Включить алгоритм раннего прекращения логики во время обучения.

earlyStopping?: boolean

Значение свойства

boolean

Наследуется отImageModelSettings.earlyStopping

earlyStoppingDelay

Минимальное количество эпох или проверочных оценок, которые необходимо дождаться, прежде чем основное улучшение метрики будет отслеживаться для ранней остановки. Принимаются только положительные целые числа.

earlyStoppingDelay?: number

Значение свойства

number

Наследуется отImageModelSettings.earlyStoppingDelay

earlyStoppingPatience

Минимальное количество эпох или проверочных оценок без улучшения основной метрики до остановки выполнения. Принимаются только положительные целые числа.

earlyStoppingPatience?: number

Значение свойства

number

Наследуется отImageModelSettings.earlyStoppingPatience

enableOnnxNormalization

Включить нормализацию при экспорте модели ONNX.

enableOnnxNormalization?: boolean

Значение свойства

boolean

Наследуется отImageModelSettings.enableOnnxNormalization

evaluationFrequency

Частота оценки набора данных проверки для получения оценок метрик. Принимаются только положительные целые числа.

evaluationFrequency?: number

Значение свойства

number

Наследуется отImageModelSettings.evaluationFrequency

gradientAccumulationStep

Накопление градиента означает выполнение настроенного количества шагов GradAccumulationStep без обновления весовых коэффициентов модели при накоплении градиентов этих шагов, а затем использование накопленных градиентов для вычисления обновлений веса. Принимаются только положительные целые числа.

gradientAccumulationStep?: number

Значение свойства

number

Наследуется отImageModelSettings.gradientAccumulationStep

layersToFreeze

Количество слоев, которые необходимо заморозить для модели. Принимаются только положительные целые числа. Например, передача 2 в качестве значения для seresnext означает замораживание layer0 и layer1. Полный список поддерживаемых моделей и сведения о замораживании слоя см. в разделе https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: number

Значение свойства

number

Наследуется отImageModelSettings.layersToFreeze

learningRate

Начальная скорость обучения. Должно быть значением типа float в диапазоне [0, 1].

learningRate?: number

Значение свойства

number

Наследуется отImageModelSettings.learningRate

learningRateScheduler

Тип планировщика скорости обучения. Должен иметь значение "warmup_cosine" или "шаг".

learningRateScheduler?: string

Значение свойства

string

Наследуется отImageModelSettings.learningRateScheduler

modelName

Имя модели, используемой для обучения. Дополнительные сведения о доступных моделях см. в официальной документации: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Значение свойства

string

Наследуется отImageModelSettings.modelName

momentum

Значение импульса, если оптимизатор имеет значение "sgd". Должно быть значением типа float в диапазоне [0, 1].

momentum?: number

Значение свойства

number

Наследуется отImageModelSettings.momentum

nesterov

Включите nesterov, если оптимизатор имеет значение "sgd".

nesterov?: boolean

Значение свойства

boolean

Наследуется отImageModelSettings.nesterov

numberOfEpochs

Число эпох обучения. Принимаются только положительные целые числа.

numberOfEpochs?: number

Значение свойства

number

Наследуется отImageModelSettings.numberOfEpochs

numberOfWorkers

Количество рабочих ролей загрузчика данных. Должно быть неотрицательное целое число.

numberOfWorkers?: number

Значение свойства

number

Наследуется отImageModelSettings.numberOfWorkers

optimizer

Тип оптимизатора.

optimizer?: string

Значение свойства

string

Наследуется отImageModelSettings.optimizer

randomSeed

Случайное начальное значение, используемое при использовании детерминированного обучения.

randomSeed?: number

Значение свойства

number

Наследуется отImageModelSettings.randomSeed

stepLRGamma

Значение гамма, когда планировщик скорости обучения имеет значение step. Должно быть значением типа float в диапазоне [0, 1].

stepLRGamma?: number

Значение свойства

number

Наследуется отImageModelSettings.stepLRGamma

stepLRStepSize

Значение размера шага, если планировщик скорости обучения — "шаг". Принимаются только положительные целые числа.

stepLRStepSize?: number

Значение свойства

number

Наследуется отImageModelSettings.stepLRStepSize

trainingBatchSize

Размер пакета, используемого для обучения. Принимаются только положительные целые числа.

trainingBatchSize?: number

Значение свойства

number

Наследуется отImageModelSettings.trainingBatchSize

validationBatchSize

Размер пакета, используемого для проверки. Принимаются только положительные целые числа.

validationBatchSize?: number

Значение свойства

number

Наследуется отImageModelSettings.validationBatchSize

warmupCosineLRCycles

Значение цикла косинуса, когда планировщик скорости обучения имеет значение "warmup_cosine". Должно быть значением типа float в диапазоне [0, 1].

warmupCosineLRCycles?: number

Значение свойства

number

Наследуется отImageModelSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

Значение эпох прогрева, когда планировщик скорости обучения имеет значение "warmup_cosine". Принимаются только положительные целые числа.

warmupCosineLRWarmupEpochs?: number

Значение свойства

number

Наследуется отImageModelSettings.warmupCosineLRWarmupEpochs

weightDecay

Значение распада веса, если оптимизатор имеет значение "sgd", "adam" или "adamw". Должен быть плавающей точкой в диапазоне[0, 1].

weightDecay?: number

Значение свойства

number

Наследуется отImageModelSettings.weightDecay