ImageModelDistributionSettingsClassification interface

套件:

@azure/arm-machinelearning

分散運算式，以掃掠模型設定的值。 一些範例包括：

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
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.

Extends

ImageModelDistributionSettings

屬性

trainingCropSize	影像裁剪大小，這是訓練數據集之類神經網路的輸入。 必須是正整數。
validationCropSize	影像裁剪大小，這是用於驗證數據集之類神經網路的輸入。 必須是正整數。
validationResizeSize	在裁剪驗證數據集之前要重設大小的影像大小。 必須是正整數。
weightedLoss	加權減肥。 接受的值是 0，沒有加權損失。 1 用於與 sqrt 減肥。（class_weights）。 2 用於減肥與class_weights。 必須是 0 或 1 或 2。

繼承的屬性

amsGradient	當優化器為 『adam』 或 'adamw' 時啟用AMSGrad。
augmentations	使用擴增的設定。
beta1	優化器為 'adam' 或 'adamw' 時的 'beta1' 值。 必須是範圍 [0， 1] 中的浮點數。
beta2	優化器為 'adam' 或 'adamw' 時的 'beta2' 值。 必須是範圍 [0， 1] 中的浮點數。
distributed	是否要使用散發器定型。
earlyStopping	在定型期間啟用早期停止邏輯。
earlyStoppingDelay	追蹤主要計量改善之前，要等待的最小 Epoch 或驗證評估數目，以便進行早期停止。 必須是正整數。
earlyStoppingPatience	停止執行之前，沒有主要計量改進的最小 Epoch 或驗證評估數目。 必須是正整數。
enableOnnxNormalization	匯出 ONNX 模型時啟用正規化。
evaluationFrequency	評估驗證數據集以取得計量分數的頻率。 必須是正整數。
gradientAccumulationStep	漸層累積表示執行已設定數目的 「GradAccumulationStep」 步驟，而不更新模型權數，同時累積這些步驟的漸層，然後使用累積的漸層來計算權數更新。 必須是正整數。
layersToFreeze	要凍結模型的圖層數目。 必須是正整數。 例如，將 2 當做 'seresnext' 的值傳遞表示凍結 layer0 和 layer1。 如需支援模型的完整清單，以及層次凍結的詳細資料，請參閱：https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
learningRate	初始學習速率。 必須是範圍 [0， 1] 中的浮點數。
learningRateScheduler	學習速率排程器的類型。 必須是 『warmup_cosine』 或 'step'。
modelName	要用於定型的模型名稱。 如需可用模型的詳細資訊，請流覽官方檔：https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
momentum	優化器為 『zn』 時的動量值。 必須是範圍 [0， 1] 中的浮點數。
nesterov	在優化器為 『zn』 時啟用 nesterov。
numberOfEpochs	定型 Epoch 的數目。 必須是正整數。
numberOfWorkers	數據載入器背景工作角色的數目。 必須是非負整數。
optimizer	優化工具的類型。 必須是 『zn』、『adam』或 『adamw』。
randomSeed	使用決定性定型時要使用的隨機種子。
stepLRGamma	學習速率排程器為 『step』 時的 gamma 值。 必須是範圍 [0， 1] 中的浮點數。
stepLRStepSize	學習速率排程器為 『step』 時的步驟大小值。 必須是正整數。
trainingBatchSize	定型批次大小。 必須是正整數。
validationBatchSize	驗證批次大小。 必須是正整數。
warmupCosineLRCycles	學習速率排程器為「warmup_cosine」時，餘弦迴圈的值。 必須是範圍 [0， 1] 中的浮點數。
warmupCosineLRWarmupEpochs	學習速率排程器為「warmup_cosine」時，熱身 Epoch 的值。 必須是正整數。
weightDecay	優化器為 'zn'、'adam' 或 'adamw' 時的權數衰變值。 必須是範圍[0， 1] 中的浮點數。

屬性詳細資料

trainingCropSize

影像裁剪大小，這是訓練數據集之類神經網路的輸入。 必須是正整數。

trainingCropSize?: string

屬性值

string

validationCropSize

影像裁剪大小，這是用於驗證數據集之類神經網路的輸入。 必須是正整數。

validationCropSize?: string

屬性值

string

validationResizeSize

在裁剪驗證數據集之前要重設大小的影像大小。 必須是正整數。

validationResizeSize?: string

屬性值

string

weightedLoss

加權減肥。 接受的值是 0，沒有加權損失。 1 用於與 sqrt 減肥。（class_weights）。 2 用於減肥與class_weights。 必須是 0 或 1 或 2。

weightedLoss?: string

屬性值

string

繼承的屬性詳細資料

amsGradient

當優化器為 『adam』 或 'adamw' 時啟用AMSGrad。

amsGradient?: string

屬性值

string

繼承自ImageModelDistributionSettings.amsGradient

augmentations

使用擴增的設定。

augmentations?: string

屬性值

string

繼承自ImageModelDistributionSettings.augmentations

beta1

優化器為 'adam' 或 'adamw' 時的 'beta1' 值。 必須是範圍 [0， 1] 中的浮點數。

beta1?: string

屬性值

string

繼承自ImageModelDistributionSettings.beta1

beta2

優化器為 'adam' 或 'adamw' 時的 'beta2' 值。 必須是範圍 [0， 1] 中的浮點數。

beta2?: string

屬性值

string

繼承自ImageModelDistributionSettings.beta2

distributed

是否要使用散發器定型。

distributed?: string

屬性值

string

繼承自imageModelDistributionSettings.distributed

earlyStopping

在定型期間啟用早期停止邏輯。

earlyStopping?: string

屬性值

string

繼承自ImageModelDistributionSettings.earlyStopping

earlyStoppingDelay

追蹤主要計量改善之前，要等待的最小 Epoch 或驗證評估數目，以便進行早期停止。 必須是正整數。

earlyStoppingDelay?: string

屬性值

string

繼承自ImageModelDistributionSettings.earlyStoppingDelay

earlyStoppingPatience

停止執行之前，沒有主要計量改進的最小 Epoch 或驗證評估數目。 必須是正整數。

earlyStoppingPatience?: string

屬性值

string

繼承自ImageModelDistributionSettings.earlyStoppingPatience

enableOnnxNormalization

匯出 ONNX 模型時啟用正規化。

enableOnnxNormalization?: string

屬性值

string

繼承自ImageModelDistributionSettings.enableOnnxNormalization

evaluationFrequency

評估驗證數據集以取得計量分數的頻率。 必須是正整數。

evaluationFrequency?: string

屬性值

string

繼承自ImageModelDistributionSettings.evaluationFrequency

gradientAccumulationStep

漸層累積表示執行已設定數目的 「GradAccumulationStep」 步驟，而不更新模型權數，同時累積這些步驟的漸層，然後使用累積的漸層來計算權數更新。 必須是正整數。

gradientAccumulationStep?: string

屬性值

string

繼承自imageModelDistributionSettings.gradientAccumulationStep

layersToFreeze

要凍結模型的圖層數目。 必須是正整數。 例如，將 2 當做 'seresnext' 的值傳遞表示凍結 layer0 和 layer1。 如需支援模型的完整清單，以及層次凍結的詳細資料，請參閱：https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。

layersToFreeze?: string

屬性值

string

繼承自ImageModelDistributionSettings.layersToFreeze

learningRate

初始學習速率。 必須是範圍 [0， 1] 中的浮點數。

learningRate?: string

屬性值

string

繼承自ImageModelDistributionSettings.learningRate

learningRateScheduler

學習速率排程器的類型。 必須是 『warmup_cosine』 或 'step'。

learningRateScheduler?: string

屬性值

string

繼承自ImageModelDistributionSettings.learningRateScheduler

modelName

要用於定型的模型名稱。 如需可用模型的詳細資訊，請流覽官方檔：https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。

modelName?: string

屬性值

string

繼承自imageModelDistributionSettings.modelName

momentum

優化器為 『zn』 時的動量值。 必須是範圍 [0， 1] 中的浮點數。

momentum?: string

屬性值

string

繼承自ImageModelDistributionSettings.momentum

nesterov

在優化器為 『zn』 時啟用 nesterov。

nesterov?: string

屬性值

string

繼承自imageModelDistributionSettings.nesterov

numberOfEpochs

定型 Epoch 的數目。 必須是正整數。

numberOfEpochs?: string

屬性值

string

繼承自ImageModelDistributionSettings.numberOfEpochs

numberOfWorkers

數據載入器背景工作角色的數目。 必須是非負整數。

numberOfWorkers?: string

屬性值

string

繼承自ImageModelDistributionSettings.numberOfWorkers

optimizer

優化工具的類型。 必須是 『zn』、『adam』或 『adamw』。

optimizer?: string

屬性值

string

繼承自ImageModelDistributionSettings.optimizer

randomSeed

使用決定性定型時要使用的隨機種子。

randomSeed?: string

屬性值

string

繼承自ImageModelDistributionSettings.randomSeed

stepLRGamma

學習速率排程器為 『step』 時的 gamma 值。 必須是範圍 [0， 1] 中的浮點數。

stepLRGamma?: string

屬性值

string

繼承自ImageModelDistributionSettings.stepLRGamma

stepLRStepSize

學習速率排程器為 『step』 時的步驟大小值。 必須是正整數。

stepLRStepSize?: string

屬性值

string

繼承自ImageModelDistributionSettings.stepLRStepSize

trainingBatchSize

定型批次大小。 必須是正整數。

trainingBatchSize?: string

屬性值

string

繼承自ImageModelDistributionSettings.trainingBatchSize

validationBatchSize

驗證批次大小。 必須是正整數。

validationBatchSize?: string

屬性值

string

繼承自ImageModelDistributionSettings.validationBatchSize

warmupCosineLRCycles

學習速率排程器為「warmup_cosine」時，餘弦迴圈的值。 必須是範圍 [0， 1] 中的浮點數。

warmupCosineLRCycles?: string

屬性值

string

繼承自ImageModelDistributionSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

學習速率排程器為「warmup_cosine」時，熱身 Epoch 的值。 必須是正整數。

warmupCosineLRWarmupEpochs?: string

屬性值

string

繼承自imageModelDistributionSettings.warmupCosineLRWarmupEpochs

weightDecay

優化器為 'zn'、'adam' 或 'adamw' 時的權數衰變值。 必須是範圍[0， 1] 中的浮點數。

weightDecay?: string

屬性值

string

繼承自ImageModelDistributionSettings.weightDecay