Share via

ImageModelSettingsClassification Osztály

  • Referencia

Az AutoML-rendszerkép-besorolási feladatok modellbeállításai.

Öröklődés
azure.ai.ml.entities._job.automl.image.image_model_settings.ImageModelDistributionSettings
ImageModelSettingsClassification

Konstruktor

ImageModelSettingsClassification(*, 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: 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: 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, **kwargs)

Paraméterek

advanced_settings
str
Kötelező

Speciális forgatókönyvek beállításai.

ams_gradient
bool
Kötelező

Engedélyezze az AMSGradet, ha az optimalizáló "adam" vagy "adamw".

beta1
float
Kötelező

A "béta1" értéke, ha az optimalizáló "adam" vagy "adamw". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.

beta2
float
Kötelező

A "béta2" értéke, ha az optimalizáló "adam" vagy "adamw". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.

checkpoint_frequency
int
Kötelező

Modell ellenőrzőpontok tárolásának gyakorisága. Pozitív egész számnak kell lennie.

checkpoint_run_id
str
Kötelező

Egy korábbi futtatás azonosítója, amely előre betanított ellenőrzőponttal rendelkezik a növekményes betanításhoz.

distributed
bool
Kötelező

Elosztott betanítás használata.

early_stopping
bool
Kötelező

A korai leállítási logika engedélyezése a betanítás során.

early_stopping_delay
int
Kötelező

Az elsődleges metrikafejlesztés nyomon követése előtt a korai leállításhoz minimálisan meg kell várni az elődök vagy az érvényesítési értékelések minimális számát. Pozitív egész számnak kell lennie.

early_stopping_patience
int
Kötelező

A futtatás leállítása előtt minimálisan hány év vagy érvényesítési értékelés történik elsődleges metrikajavítás nélkül. Pozitív egész számnak kell lennie.

enable_onnx_normalization
bool
Kötelező

Engedélyezze a normalizálást az ONNX-modell exportálásakor.

evaluation_frequency
int
Kötelező

Az érvényesítési adatkészlet kiértékelésének gyakorisága a metrikariaták lekéréséhez. Pozitív egész számnak kell lennie.

gradient_accumulation_step
int
Kötelező

A színátmenetek felhalmozódása azt jelenti, hogy konfigurált számú "GradAccumulationStep" lépést futtat anélkül, hogy frissítenék a modell súlyait, miközben a lépések színátmeneteit összeadják, majd a halmozott színátmenetek használatával kiszámítják a súlyfrissítéseket. Pozitív egész számnak kell lennie.

layers_to_freeze
int
Kötelező

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 fagyasztását jelenti. A támogatott modellek teljes listájáért és a rétegfagyasztás részleteiért lásd: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

learning_rate
float
Kötelező

Kezdeti tanulási arány. A(z) [0, 1] tartományban lebegőpontosnak kell lennie.

learning_rate_scheduler
str vagy LearningRateScheduler
Kötelező

A tanulási sebességütemező típusa. Csak "warmup_cosine" vagy "lépés" lehet. Lehetséges értékek: "Nincs", "WarmupCosine", "Step".

model_name
str
Kötelező

A betanításhoz használni kívánt 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
Kötelező

A lendület értéke, ha az optimalizáló "sgd". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.

nesterov
bool
Kötelező

Engedélyezze a nesterovot, ha az optimalizáló "sgd".

number_of_epochs
int
Kötelező

A betanítási korszakok száma. Pozitív egész számnak kell lennie.

number_of_workers
int
Kötelező

Adatbetöltő feldolgozók száma. Nem negatív egész számnak kell lennie.

optimizer
str vagy StochasticOptimizer
Kötelező

Az optimalizáló típusa. Lehetséges értékek: "None", "Sgd", "Adam", "Adamw".

random_seed
int
Kötelező

Determinisztikus betanítás használatakor használandó véletlenszerű mag.

step_lr_gamma
float
Kötelező

A gamma értéke, ha a tanulási sebességütemező "lépés". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.

step_lr_step_size
int
Kötelező

A lépésméret értéke, ha a tanulási sebességütemező "lépés". Pozitív egész számnak kell lennie.

training_batch_size
int
Kötelező

Betanítási köteg mérete. Pozitív egész számnak kell lennie.

validation_batch_size
int
Kötelező

Érvényesítési köteg mérete. Pozitív egész számnak kell lennie.

warmup_cosine_lr_cycles
float
Kötelező

A koszinuszciklus értéke, ha a tanulási sebességütemező "warmup_cosine". A(z) [0, 1] tartományban lebegőpontosnak kell lennie.

warmup_cosine_lr_warmup_epochs
int
Kötelező

A bemelegítési korszakok értéke, ha a tanulási sebességütemező "warmup_cosine". Pozitív egész számnak kell lennie.

weight_decay
float
Kötelező

A súlycsökkenés értéke, ha az optimalizáló "sgd", "adam" vagy "adamw". Lebegőpontosnak kell lennie a tartományban[0, 1].

training_crop_size
int
Kötelező

A kép körülvágási mérete, amely a betanítási adathalmaz neurális hálózatához van beadva. Pozitív egész számnak kell lennie.

validation_crop_size
int
Kötelező

Kép körülvágási mérete, amely az érvényesítési adatkészlet neurális hálózatához van beadva. Pozitív egész számnak kell lennie.

validation_resize_size
int
Kötelező

Az érvényesítési adathalmaz körülvágása előtt átméretezendő képméret. Pozitív egész számnak kell lennie.

weighted_loss
int
Kötelező

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.