ImageClassificationJob Osztály
Az AutoML többosztályos rendszerkép-besorolási feladatának konfigurálása.
Inicializáljon egy új AutoML többosztályos rendszerkép-besorolási feladatot.
- Öröklődés
-
azure.ai.ml.entities._job.automl.image.automl_image_classification_base.AutoMLImageClassificationBaseImageClassificationJob
Konstruktor
ImageClassificationJob(*, primary_metric: str | ClassificationPrimaryMetrics | None = None, **kwargs)
Paraméterek
- primary_metric
Az optimalizáláshoz használandó elsődleges metrika
- kwargs
Feladatspecifikus argumentumok
Metódusok
dump |
A feladat tartalmát YAML formátumú fájlba menti. |
extend_search_space |
Adjon hozzá keresési területet az AutoML-képbesorolási és képbesorolási többcímkés feladatokhoz. |
set_data | |
set_limits |
Az autoML-kép függőleges beállításainak korlátozása. |
set_sweep |
Takarítási beállítások az összes AutoML-kép függőlegesen. |
set_training_parameters |
Képbetanítási paraméterek beállítása az AutoML-képbesorolási és képbesorolási többcímkés feladatokhoz. |
dump
A feladat tartalmát YAML formátumú fájlba menti.
dump(dest: str | PathLike | IO, **kwargs) -> None
Paraméterek
A YAML-tartalom írásához használt helyi elérési út vagy fájlstream. Ha a dest fájlelérési út, a rendszer új fájlt hoz létre. Ha a dest egy megnyitott fájl, a fájl közvetlenül a fájlba lesz megírva.
- kwargs
- dict
A YAML szerializálónak átadandó további argumentumok.
Kivételek
Akkor jön létre, ha a dest fájlelérési út, és a fájl már létezik.
Akkor jön létre, ha a dest egy megnyitott fájl, és a fájl nem írható.
extend_search_space
Adjon hozzá keresési területet az AutoML-képbesorolási és képbesorolási többcímkés feladatokhoz.
extend_search_space(value: SearchSpace | List[SearchSpace]) -> None
Paraméterek
adja meg az ImageClassificationSearchSpace vagy az ImageClassificationSearchSpace egy példányát a paramétertérben való kereséshez
Kivételek
Akkor jön létre, ha a dest fájlelérési út, és a fájl már létezik.
Akkor jön létre, ha a dest egy megnyitott fájl, és a fájl nem írható.
set_data
set_data(*, training_data: Input, target_column_name: str, validation_data: Input | None = None, validation_data_size: float | None = None) -> None
Kivételek
Akkor jön létre, ha a dest fájlelérési út, és a fájl már létezik.
Akkor jön létre, ha a dest egy megnyitott fájl, és a fájl nem írható.
set_limits
Az autoML-kép függőleges beállításainak korlátozása.
set_limits(*, max_concurrent_trials: int | None = None, max_trials: int | None = None, timeout_minutes: int | None = None) -> None
Paraméterek
- timeout_minutes
- timedelta
AutoML-feladat időtúllépése.
Kivételek
Akkor jön létre, ha a dest fájlelérési út, és a fájl már létezik.
Akkor jön létre, ha a dest egy megnyitott fájl, és a fájl nem írható.
set_sweep
Takarítási beállítások az összes AutoML-kép függőlegesen.
set_sweep(*, sampling_algorithm: str | Random | Grid | Bayesian, early_termination: BanditPolicy | MedianStoppingPolicy | TruncationSelectionPolicy | None = None) -> None
Paraméterek
- sampling_algorithm
Kötelező. [Kötelező] A hiperparaméter-mintavételezési algoritmusok típusa. Lehetséges értékek: "Grid", "Random", "Bayesian".
- early_termination
- Union[ BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]
A korai felmondási szabályzat típusa.
Kivételek
Akkor jön létre, ha a dest fájlelérési út, és a fájl már létezik.
Akkor jön létre, ha a dest egy megnyitott fájl, és a fájl nem írható.
set_training_parameters
Képbetanítási paraméterek beállítása az AutoML-képbesorolási és képbesorolási többcímkés feladatokhoz.
set_training_parameters(*, advanced_settings: str | None = None, ams_gradient: bool | None = None, beta1: float | None = None, beta2: float | None = None, checkpoint_frequency: int | None = None, checkpoint_run_id: str | None = None, distributed: bool | None = None, early_stopping: bool | None = None, early_stopping_delay: int | None = None, early_stopping_patience: int | None = None, enable_onnx_normalization: bool | None = None, evaluation_frequency: int | None = None, gradient_accumulation_step: int | None = None, layers_to_freeze: int | None = None, learning_rate: float | None = None, learning_rate_scheduler: str | LearningRateScheduler | None = None, model_name: str | None = None, momentum: float | None = None, nesterov: bool | None = None, number_of_epochs: int | None = None, number_of_workers: int | None = None, optimizer: str | StochasticOptimizer | None = None, random_seed: int | None = None, step_lr_gamma: float | None = None, step_lr_step_size: int | None = None, training_batch_size: int | None = None, validation_batch_size: int | None = None, warmup_cosine_lr_cycles: float | None = None, warmup_cosine_lr_warmup_epochs: int | None = None, weight_decay: float | None = None, training_crop_size: int | None = None, validation_crop_size: int | None = None, validation_resize_size: int | None = None, weighted_loss: int | None = None) -> None
Paraméterek
- advanced_settings
- str
Speciális forgatókönyvek beállításai.
- ams_gradient
- bool
Engedélyezze az AMSGradt, ha az optimalizáló "adam" vagy "adamw".
- beta1
- float
A "beta1" értéke, ha az optimalizáló "adam" vagy "adamw". A(z) [0, 1] tartományban lebegő lebegőpontosnak kell lennie.
- beta2
- float
A "beta2" értéke, ha az optimalizáló "adam" vagy "adamw". A(z) [0, 1] tartományban lebegő lebegőpontosnak kell lennie.
- checkpoint_frequency
- int
A modell ellenőrzőpontjainak tárolási gyakorisága. Pozitív egész számnak kell lennie.
- checkpoint_run_id
- str
Egy korábbi futtatás azonosítója, amely előre betanított ellenőrzőponttal rendelkezik a növekményes betanításhoz.
- distributed
- bool
Elosztott betanítás használata.
- early_stopping
- bool
Korai leállítási logika engedélyezése a betanítás során.
- early_stopping_delay
- int
Az alapidőszakok vagy érvényesítési értékelések minimális száma, amíg az elsődleges metrikafejlesztés nyomon követése meg nem történik a korai leállításig. Pozitív egész számnak kell lennie.
- early_stopping_patience
- int
Az alapidőszakok vagy az érvényesítési értékelések minimális száma elsődleges metrikajavítás nélkül a futtatás leállítása előtt. Pozitív egész számnak kell lennie.
- enable_onnx_normalization
- bool
Engedélyezze a normalizálást az ONNX-modell exportálásakor.
- evaluation_frequency
- int
Az érvényesítési adatkészlet kiértékelésének gyakorisága a metrikapontszámok lekéréséhez. Pozitív egész számnak kell lennie.
- gradient_accumulation_step
- int
A színátmenet felhalmozódása azt jelenti, hogy konfigurált számú "GradAccumulationStep" lépést futtat a modell súlyainak frissítése nélkül, miközben a lépések színátmeneteit gyűjti össze, majd a halmozott színátmeneteket használja a súlyfrissítések kiszámításához. Pozitív egész számnak kell lennie.
- layers_to_freeze
A modellhez rögzítendő rétegek száma. Pozitív egész számnak kell lennie. A 2 értéknek a "seresnext" értékként való átadása például a 0. réteg és az 1. réteg befagyasztását jelenti. A támogatott modellek teljes listájáért és a rétegfagyasztás részleteiért lásd: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long
- learning_rate
- float
Kezdeti tanulási arány. A(z) [0, 1] tartományban lebegő lebegőpontosnak kell lennie.
- learning_rate_scheduler
A tanulási sebességütemező típusa. "warmup_cosine" vagy "lépés" lehet. Lehetséges értékek: "None", "WarmupCosine", "Step".
- model_name
A betanításhoz használandó modell neve. Az elérhető modellekkel kapcsolatos további információkért tekintse meg a hivatalos dokumentációt: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
- momentum
- float
A lendület értéke, ha az optimalizáló "sgd". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.
- nesterov
- bool
Engedélyezze a nesterovot, ha az optimalizáló "sgd".
- number_of_epochs
- int
A betanítási korszakok száma. Pozitív egész számnak kell lennie.
- number_of_workers
- int
Adatbetöltő feldolgozók száma. Nem negatív egész számnak kell lennie.
- optimizer
Az optimalizáló típusa. Lehetséges értékek: "None", "Sgd", "Adam", "Adamw".
- random_seed
- int
Determinisztikus betanítás használatakor használandó véletlenszerű mag.
- step_lr_gamma
- float
A gamma értéke, ha a tanulási sebességütemező "lépés". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.
- step_lr_step_size
- int
A lépésméret értéke, ha a tanulási sebességütemező "lépés". Pozitív egész számnak kell lennie.
- training_batch_size
- int
Betanítási köteg mérete. Pozitív egész számnak kell lennie.
- validation_batch_size
- int
Érvényesítési köteg mérete. Pozitív egész számnak kell lennie.
- warmup_cosine_lr_cycles
- float
A koszinuszciklus értéke, ha a tanulási sebességütemező "warmup_cosine". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.
- warmup_cosine_lr_warmup_epochs
- int
A bemelegítési korszakok értéke, ha a tanulási sebességütemező "warmup_cosine". Pozitív egész számnak kell lennie.
- weight_decay
- float
A súlycsökkenés értéke, ha az optimalizáló "sgd", "adam" vagy "adamw". Lebegőpontosnak kell lennie a tartományban[0, 1].
- training_crop_size
- int
A kép körülvágási mérete, amely a betanítási adathalmaz neurális hálózatához van beadva. Pozitív egész számnak kell lennie.
- validation_crop_size
- int
Kép körülvágási mérete, amely az érvényesítési adatkészlet neurális hálózatához van beadva. Pozitív egész számnak kell lennie.
- validation_resize_size
- int
Az érvényesítési adathalmaz körülvágása előtt átméretezendő képméret. Pozitív egész számnak kell lennie.
- weighted_loss
- int
Súlyozott veszteség. Az elfogadott értékek a súlyozott veszteség nélküli 0 értékek. 1 a súlyozott veszteség sqrt. (class_weights). 2 a súlyozott veszteség class_weights. 0-nak vagy 1-nek vagy 2-nek kell lennie.
Kivételek
Akkor jön létre, ha a dest fájlelérési út, és a fájl már létezik.
Akkor jön létre, ha a dest egy megnyitott fájl, és a fájl nem írható.
Attribútumok
base_path
creation_context
Az erőforrás létrehozási környezete.
Válaszok
Az erőforrás létrehozási metaadatai.
Visszatérési típus
id
Az erőforrás-azonosító.
Válaszok
Az erőforrás globális azonosítója, egy Azure Resource Manager (ARM) azonosító.
Visszatérési típus
inputs
limits
log_files
Feladat kimeneti fájljai.
Válaszok
A naplónevek és URL-címek szótára.
Visszatérési típus
log_verbosity
outputs
primary_metric
search_space
status
A feladat állapota.
A visszaadott értékek közé tartozik a "Running", a "Completed" és a "Failed" (Sikertelen). Minden lehetséges érték a következő:
NotStarted – Ez egy ideiglenes állapot, amelyben az ügyféloldali Run objektumok a felhőbeküldés előtt találhatók.
Indítás – A futtatás megkezdődött a felhőben való feldolgozásban. A hívó ezen a ponton futtatási azonosítóval rendelkezik.
Kiépítés – Egy adott feladatbeküldéshez igény szerinti számítás jön létre.
Előkészítés – A futtatási környezet előkészítése folyamatban van, és a következő két szakasz egyikében van:
Docker-rendszerkép összeállítása
conda-környezet beállítása
Queued – A feladat várólistára van helyezve a számítási célon. A BatchAI-ban például a feladat várólistás állapotban van
amíg az összes kért csomópont készen áll.
Futtatás – A feladat elkezdett futni a számítási célon.
Véglegesítés – A felhasználói kód végrehajtása befejeződött, a futtatás pedig a feldolgozás utáni fázisokban van.
CancelRequested – A feladat lemondását kérték.
Befejeződött – A futtatás sikeresen befejeződött. Ez magában foglalja a felhasználói kód végrehajtását és a futtatást is
utófeldolgozási fázisok.
Sikertelen – A futtatás sikertelen volt. A futtatáskor általában az Error tulajdonság adja meg a hiba okát.
Megszakítva – Egy lemondási kérést követ, és azt jelzi, hogy a futtatás sikeresen megszakadt.
NotKiszolgáló – Azon futtatások esetében, amelyeken engedélyezve van a szívverés, a rendszer nem küldött szívverést a közelmúltban.
Válaszok
A feladat állapota.
Visszatérési típus
studio_url
Azure ML Studio-végpont.
Válaszok
A feladat részleteit tartalmazó lap URL-címe.
Visszatérési típus
sweep
task_type
Feladattípus lekérése.
Válaszok
A futtatni kívánt feladat típusa. Lehetséges értékek: "besorolás", "regresszió", "előrejelzés".
Visszatérési típus
test_data
training_data
training_parameters
type
validation_data
Azure SDK for Python
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: