ImageModelSettings interface

套件:

@azure/arm-machinelearning

用於定型模型的設定。 如需可用設定的詳細資訊，請流覽官方檔：https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。

屬性

advancedSettings	進階案例的設定。
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。
checkpointFrequency	儲存模型檢查點的頻率。 必須是正整數。
checkpointModel	累加訓練的預先定型檢查點模型。
checkpointRunId	先前執行的標識碼，其具有累加式定型的預先定型檢查點。
distributed	是否要使用分散式定型。
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。
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

advancedSettings

進階案例的設定。

advancedSettings?: string

屬性值

string

amsGradient

當優化器為 『adam』 或 'adamw' 時啟用AMSGrad。

amsGradient?: boolean

屬性值

boolean

augmentations

使用擴增的設定。

augmentations?: string

屬性值

string

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?: number

屬性值

number

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?: number

屬性值

number

checkpointFrequency

儲存模型檢查點的頻率。 必須是正整數。

checkpointFrequency?: number

屬性值

number

checkpointModel

累加訓練的預先定型檢查點模型。

checkpointModel?: MLFlowModelJobInput

屬性值

MLFlowModelJobInput

checkpointRunId

先前執行的標識碼，其具有累加式定型的預先定型檢查點。

checkpointRunId?: string

屬性值

string

distributed

是否要使用分散式定型。

distributed?: boolean

屬性值

boolean

earlyStopping

在定型期間啟用早期停止邏輯。

earlyStopping?: boolean

屬性值

boolean

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?: number

屬性值

number

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?: number

屬性值

number

enableOnnxNormalization

匯出 ONNX 模型時啟用正規化。

enableOnnxNormalization?: boolean

屬性值

boolean

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?: number

屬性值

number

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?: number

屬性值

number

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?: number

屬性值

number

learningRate

初始學習速率。 必須是範圍 [0， 1] 中的浮點數。

learningRate?: number

屬性值

number

learningRateScheduler

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

learningRateScheduler?: string

屬性值

string

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

momentum

優化器為 『zn』 時的動量值。 必須是範圍 [0， 1] 中的浮點數。

momentum?: number

屬性值

number

nesterov

在優化器為 『zn』 時啟用 nesterov。

nesterov?: boolean

屬性值

boolean

numberOfEpochs

定型 Epoch 的數目。 必須是正整數。

numberOfEpochs?: number

屬性值

number

numberOfWorkers

數據載入器背景工作角色的數目。 必須是非負整數。

numberOfWorkers?: number

屬性值

number

optimizer

優化工具的類型。

optimizer?: string

屬性值

string

randomSeed

使用決定性定型時要使用的隨機種子。

randomSeed?: number

屬性值

number

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?: number

屬性值

number

stepLRStepSize

學習速率排程器為 『step』 時的步驟大小值。 必須是正整數。

stepLRStepSize?: number

屬性值

number

trainingBatchSize

定型批次大小。 必須是正整數。

trainingBatchSize?: number

屬性值

number

validationBatchSize

驗證批次大小。 必須是正整數。

validationBatchSize?: number

屬性值

number

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?: number

屬性值

number

warmupCosineLRWarmupEpochs

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

warmupCosineLRWarmupEpochs?: number

屬性值

number

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?: number

屬性值

number