ImageModelDistributionSettings interface

الحزمة:

@azure/arm-machinelearning

تعبيرات التوزيع لمسح قيم إعدادات النموذج. <مثال> بعض الأمثلة هي:

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
All distributions can be specified as distribution_name(min, max) or choice(val1, val2, ..., valn)
where distribution name can be: uniform, quniform, loguniform, etc
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.

الخصائص

amsGradient	تمكين AMSGrad عندما يكون المحسن هو "آدم" أو "adamw".
augmentations	إعدادات استخدام التكبير.
beta1	قيمة 'beta1' عندما يكون المحسن هو 'آدم' أو 'adamw'. يجب أن يكون عائما في النطاق [0، 1].
beta2	قيمة 'beta2' عندما يكون المحسن هو 'آدم' أو 'adamw'. يجب أن يكون عائما في النطاق [0، 1].
distributed	ما إذا كان يجب استخدام تدريب التوزيع.
earlyStopping	تمكين منطق الإيقاف المبكر أثناء التدريب.
earlyStoppingDelay	الحد الأدنى لعدد ال epochs أو تقييمات التحقق من الصحة للانتظار قبل تتبع تحسين القياس الأساسي للتوقف المبكر. يجب أن يكون عددا صحيحا موجبا.
earlyStoppingPatience	الحد الأدنى لعدد ال epochs أو تقييمات التحقق من الصحة مع عدم وجود تحسين قياسي أساسي قبل إيقاف التشغيل. يجب أن يكون عددا صحيحا موجبا.
enableOnnxNormalization	تمكين التطبيع عند تصدير نموذج ONNX.
evaluationFrequency	تكرار تقييم مجموعة بيانات التحقق من الصحة للحصول على درجات القياس. يجب أن يكون عددا صحيحا موجبا.
gradientAccumulationStep	يعني تراكم التدرج تشغيل عدد مكون من خطوات "GradAccumulationStep" دون تحديث أوزان النموذج أثناء تجميع تدرجات تلك الخطوات، ثم استخدام التدرجات المتراكمة لحساب تحديثات الوزن. يجب أن يكون عددا صحيحا موجبا.
layersToFreeze	عدد الطبقات المراد تجميدها للنموذج. يجب أن يكون عددا صحيحا موجبا. على سبيل المثال، تمرير 2 كقيمة ل "seresnext" يعني تجميد الطبقة 0 والطبقة 1. للحصول على قائمة كاملة بالنماذج المدعومة وتفاصيل حول تجميد الطبقة، يرجى مراجعة: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	معدل التعلم الأولي. يجب أن يكون عائما في النطاق [0، 1].
learningRateScheduler	نوع جدولة معدل التعلم. يجب أن يكون "warmup_cosine" أو "خطوة".
modelName	اسم النموذج الذي يجب استخدامه للتدريب. لمزيد من المعلومات حول النماذج المتاحة، يرجى زيارة الوثائق الرسمية: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	قيمة الزخم عندما يكون المحسن هو 'sgd'. يجب أن يكون عائما في النطاق [0، 1].
nesterov	تمكين nesterov عندما يكون المحسن هو 'sgd'.
numberOfEpochs	عدد فترات التدريب. يجب أن يكون عددا صحيحا موجبا.
numberOfWorkers	عدد عمال تحميل البيانات. يجب أن يكون عددا صحيحا غير سالب.
optimizer	نوع المحسن. يجب أن يكون إما 'sgd' أو 'آدم' أو 'adamw'.
randomSeed	البذور العشوائية لاستخدامها عند استخدام التدريب المحدد.
stepLRGamma	قيمة غاما عندما يكون مجدول معدل التعلم "خطوة". يجب أن يكون عائما في النطاق [0، 1].
stepLRStepSize	قيمة حجم الخطوة عندما يكون مجدول معدل التعلم "خطوة". يجب أن يكون عددا صحيحا موجبا.
trainingBatchSize	حجم دفعة التدريب. يجب أن يكون عددا صحيحا موجبا.
validationBatchSize	حجم دفعة التحقق من الصحة. يجب أن يكون عددا صحيحا موجبا.
warmupCosineLRCycles	قيمة دورة جيب التمام عندما يكون مجدول معدل التعلم "warmup_cosine". يجب أن يكون عائما في النطاق [0، 1].
warmupCosineLRWarmupEpochs	قيمة فترات التجهيز عندما يكون مجدول معدل التعلم هو "warmup_cosine". يجب أن يكون عددا صحيحا موجبا.
weightDecay	قيمة تسوس الوزن عندما يكون المحسن هو 'sgd' أو 'adam' أو 'adamw'. يجب أن يكون عائما في النطاق[0، 1].

تفاصيل الخاصية

amsGradient

تمكين AMSGrad عندما يكون المحسن هو "آدم" أو "adamw".

amsGradient?: string

قيمة الخاصية

string

augmentations

إعدادات استخدام التكبير.

augmentations?: string

قيمة الخاصية

string

beta1

قيمة 'beta1' عندما يكون المحسن هو 'آدم' أو 'adamw'. يجب أن يكون عائما في النطاق [0، 1].

beta1?: string

قيمة الخاصية

string

beta2

قيمة 'beta2' عندما يكون المحسن هو 'آدم' أو 'adamw'. يجب أن يكون عائما في النطاق [0، 1].

beta2?: string

قيمة الخاصية

string

distributed

ما إذا كان يجب استخدام تدريب التوزيع.

distributed?: string

قيمة الخاصية

string

earlyStopping

تمكين منطق الإيقاف المبكر أثناء التدريب.

earlyStopping?: string

قيمة الخاصية

string

earlyStoppingDelay

الحد الأدنى لعدد ال epochs أو تقييمات التحقق من الصحة للانتظار قبل تتبع تحسين القياس الأساسي للتوقف المبكر. يجب أن يكون عددا صحيحا موجبا.

earlyStoppingDelay?: string

قيمة الخاصية

string

earlyStoppingPatience

الحد الأدنى لعدد ال epochs أو تقييمات التحقق من الصحة مع عدم وجود تحسين قياسي أساسي قبل إيقاف التشغيل. يجب أن يكون عددا صحيحا موجبا.

earlyStoppingPatience?: string

قيمة الخاصية

string

enableOnnxNormalization

تمكين التطبيع عند تصدير نموذج ONNX.

enableOnnxNormalization?: string

قيمة الخاصية

string

evaluationFrequency

تكرار تقييم مجموعة بيانات التحقق من الصحة للحصول على درجات القياس. يجب أن يكون عددا صحيحا موجبا.

evaluationFrequency?: string

قيمة الخاصية

string

gradientAccumulationStep

يعني تراكم التدرج تشغيل عدد مكون من خطوات "GradAccumulationStep" دون تحديث أوزان النموذج أثناء تجميع تدرجات تلك الخطوات، ثم استخدام التدرجات المتراكمة لحساب تحديثات الوزن. يجب أن يكون عددا صحيحا موجبا.

gradientAccumulationStep?: string

قيمة الخاصية

string

layersToFreeze

عدد الطبقات المراد تجميدها للنموذج. يجب أن يكون عددا صحيحا موجبا. على سبيل المثال، تمرير 2 كقيمة ل "seresnext" يعني تجميد الطبقة 0 والطبقة 1. للحصول على قائمة كاملة بالنماذج المدعومة وتفاصيل حول تجميد الطبقة، يرجى مراجعة: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: string

قيمة الخاصية

string

learningRate

معدل التعلم الأولي. يجب أن يكون عائما في النطاق [0، 1].

learningRate?: string

قيمة الخاصية

string

learningRateScheduler

نوع جدولة معدل التعلم. يجب أن يكون "warmup_cosine" أو "خطوة".

learningRateScheduler?: string

قيمة الخاصية

string

modelName

اسم النموذج الذي يجب استخدامه للتدريب. لمزيد من المعلومات حول النماذج المتاحة، يرجى زيارة الوثائق الرسمية: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

قيمة الخاصية

string

momentum

قيمة الزخم عندما يكون المحسن هو 'sgd'. يجب أن يكون عائما في النطاق [0، 1].

momentum?: string

قيمة الخاصية

string

nesterov

تمكين nesterov عندما يكون المحسن هو 'sgd'.

nesterov?: string

قيمة الخاصية

string

numberOfEpochs

عدد فترات التدريب. يجب أن يكون عددا صحيحا موجبا.

numberOfEpochs?: string

قيمة الخاصية

string

numberOfWorkers

عدد عمال تحميل البيانات. يجب أن يكون عددا صحيحا غير سالب.

numberOfWorkers?: string

قيمة الخاصية

string

optimizer

نوع المحسن. يجب أن يكون إما 'sgd' أو 'آدم' أو 'adamw'.

optimizer?: string

قيمة الخاصية

string

randomSeed

البذور العشوائية لاستخدامها عند استخدام التدريب المحدد.

randomSeed?: string

قيمة الخاصية

string

stepLRGamma

قيمة غاما عندما يكون مجدول معدل التعلم "خطوة". يجب أن يكون عائما في النطاق [0، 1].

stepLRGamma?: string

قيمة الخاصية

string

stepLRStepSize

قيمة حجم الخطوة عندما يكون مجدول معدل التعلم "خطوة". يجب أن يكون عددا صحيحا موجبا.

stepLRStepSize?: string

قيمة الخاصية

string

trainingBatchSize

حجم دفعة التدريب. يجب أن يكون عددا صحيحا موجبا.

trainingBatchSize?: string

قيمة الخاصية

string

validationBatchSize

حجم دفعة التحقق من الصحة. يجب أن يكون عددا صحيحا موجبا.

validationBatchSize?: string

قيمة الخاصية

string

warmupCosineLRCycles

قيمة دورة جيب التمام عندما يكون مجدول معدل التعلم "warmup_cosine". يجب أن يكون عائما في النطاق [0، 1].

warmupCosineLRCycles?: string

قيمة الخاصية

string

warmupCosineLRWarmupEpochs

قيمة فترات التجهيز عندما يكون مجدول معدل التعلم هو "warmup_cosine". يجب أن يكون عددا صحيحا موجبا.

warmupCosineLRWarmupEpochs?: string

قيمة الخاصية

string

weightDecay

قيمة تسوس الوزن عندما يكون المحسن هو 'sgd' أو 'adam' أو 'adamw'. يجب أن يكون عائما في النطاق[0، 1].

weightDecay?: string

قيمة الخاصية

string