ImageModelDistributionSettings interface

Balíček:

@azure/arm-machinelearning

Distribuční výrazy, které se mají přemístat nad hodnotami nastavení modelu <Příklad> : Zde jsou některé příklady:

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.

Vlastnosti

amsGradient	Povolte AMSGrad, pokud je optimalizátor adam nebo adamw.
augmentations	Nastavení pro použití rozšíření
beta1	Hodnota beta1, pokud je optimalizátor "adam" nebo "adamw". Musí to být plovák v rozsahu [0, 1].
beta2	Hodnota beta2, pokud je optimalizátor "adam" nebo "adamw". Musí to být plovák v rozsahu [0, 1].
distributed	Zda se má použít trénování distribuátoru.
earlyStopping	Povolte logiku předčasného zastavení během trénování.
earlyStoppingDelay	Minimální počet epoch nebo vyhodnocení ověření, která se mají čekat před počátečním zastavením primární metriky. Musí to být kladné celé číslo.
earlyStoppingPatience	Minimální počet epoch nebo vyhodnocení ověření bez zlepšení primární metriky před zastavením spuštění. Musí to být kladné celé číslo.
enableOnnxNormalization	Povolte normalizaci při exportu modelu ONNX.
evaluationFrequency	Frekvence vyhodnocení ověřovací datové sady za účelem získání skóre metrik Musí to být kladné celé číslo.
gradientAccumulationStep	Akumulace přechodu znamená spuštění nakonfigurovaného počtu kroků GradAccumulationStep, aniž by se aktualizovaly váhy modelu, zatímco se shromažďovaly přechody těchto kroků, a pak pomocí kumulovaných přechodů vypočítat aktualizace hmotnosti. Musí to být kladné celé číslo.
layersToFreeze	Počet vrstev, které se mají u modelu ukotvit. Musí to být kladné celé číslo. Například předání 2 jako hodnoty pro "seresnext" znamená ukotvení vrstvy0 a vrstvy1. Úplný seznam podporovaných modelů a podrobnosti o ukotvení vrstvy najdete v tématu: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	Počáteční rychlost učení. Musí to být plovák v rozsahu [0, 1].
learningRateScheduler	Typ plánovače rychlosti učení Musí to být "warmup_cosine" nebo "step".
modelName	Název modelu, který se má použít pro trénování Další informace o dostupných modelech naleznete v oficiální dokumentaci: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	Hodnota dynamiky při optimalizaci je "sgd". Musí to být plovák v rozsahu [0, 1].
nesterov	Povolte nesterov, pokud je optimalizátor sgd.
numberOfEpochs	Počet epoch trénování. Musí to být kladné celé číslo.
numberOfWorkers	Počet pracovních procesů zavaděče dat Musí to být nezáporné celé číslo.
optimizer	Typ optimalizátoru Musí to být buď 'sgd', 'adam', nebo 'adamw'.
randomSeed	Náhodná počáteční hodnota, která se má použít při použití deterministického trénování.
stepLRGamma	Hodnota gama při učení plánovače rychlosti je krok. Musí to být plovák v rozsahu [0, 1].
stepLRStepSize	Hodnota velikosti kroku při plánování rychlosti učení je krok. Musí to být kladné celé číslo.
trainingBatchSize	Trénovací velikost dávky. Musí to být kladné celé číslo.
validationBatchSize	Velikost dávky ověření. Musí to být kladné celé číslo.
warmupCosineLRCycles	Hodnota kosinusového cyklu při plánování rychlosti učení je "warmup_cosine". Musí to být plovák v rozsahu [0, 1].
warmupCosineLRWarmupEpochs	Hodnota epochy warmup při učení plánovače rychlosti je "warmup_cosine". Musí to být kladné celé číslo.
weightDecay	Hodnota hmotnosti se rozpadne, když je optimalizátor 'sgd', 'adam' nebo 'adamw'. Musí to být plovák v rozsahu[0, 1].

Podrobnosti vlastnosti

amsGradient

Povolte AMSGrad, pokud je optimalizátor adam nebo adamw.

amsGradient?: string

Hodnota vlastnosti

string

augmentations

Nastavení pro použití rozšíření

augmentations?: string

Hodnota vlastnosti

string

beta1

Hodnota beta1, pokud je optimalizátor "adam" nebo "adamw". Musí to být plovák v rozsahu [0, 1].

beta1?: string

Hodnota vlastnosti

string

beta2

Hodnota beta2, pokud je optimalizátor "adam" nebo "adamw". Musí to být plovák v rozsahu [0, 1].

beta2?: string

Hodnota vlastnosti

string

distributed

Zda se má použít trénování distribuátoru.

distributed?: string

Hodnota vlastnosti

string

earlyStopping

Povolte logiku předčasného zastavení během trénování.

earlyStopping?: string

Hodnota vlastnosti

string

earlyStoppingDelay

Minimální počet epoch nebo vyhodnocení ověření, která se mají čekat před počátečním zastavením primární metriky. Musí to být kladné celé číslo.

earlyStoppingDelay?: string

Hodnota vlastnosti

string

earlyStoppingPatience

Minimální počet epoch nebo vyhodnocení ověření bez zlepšení primární metriky před zastavením spuštění. Musí to být kladné celé číslo.

earlyStoppingPatience?: string

Hodnota vlastnosti

string

enableOnnxNormalization

Povolte normalizaci při exportu modelu ONNX.

enableOnnxNormalization?: string

Hodnota vlastnosti

string

evaluationFrequency

Frekvence vyhodnocení ověřovací datové sady za účelem získání skóre metrik Musí to být kladné celé číslo.

evaluationFrequency?: string

Hodnota vlastnosti

string

gradientAccumulationStep

Akumulace přechodu znamená spuštění nakonfigurovaného počtu kroků GradAccumulationStep, aniž by se aktualizovaly váhy modelu, zatímco se shromažďovaly přechody těchto kroků, a pak pomocí kumulovaných přechodů vypočítat aktualizace hmotnosti. Musí to být kladné celé číslo.

gradientAccumulationStep?: string

Hodnota vlastnosti

string

layersToFreeze

Počet vrstev, které se mají u modelu ukotvit. Musí to být kladné celé číslo. Například předání 2 jako hodnoty pro "seresnext" znamená ukotvení vrstvy0 a vrstvy1. Úplný seznam podporovaných modelů a podrobnosti o ukotvení vrstvy najdete v tématu: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: string

Hodnota vlastnosti

string

learningRate

Počáteční rychlost učení. Musí to být plovák v rozsahu [0, 1].

learningRate?: string

Hodnota vlastnosti

string

learningRateScheduler

Typ plánovače rychlosti učení Musí to být "warmup_cosine" nebo "step".

learningRateScheduler?: string

Hodnota vlastnosti

string

modelName

Název modelu, který se má použít pro trénování Další informace o dostupných modelech naleznete v oficiální dokumentaci: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Hodnota vlastnosti

string

momentum

Hodnota dynamiky při optimalizaci je "sgd". Musí to být plovák v rozsahu [0, 1].

momentum?: string

Hodnota vlastnosti

string

nesterov

Povolte nesterov, pokud je optimalizátor sgd.

nesterov?: string

Hodnota vlastnosti

string

numberOfEpochs

Počet epoch trénování. Musí to být kladné celé číslo.

numberOfEpochs?: string

Hodnota vlastnosti

string

numberOfWorkers

Počet pracovních procesů zavaděče dat Musí to být nezáporné celé číslo.

numberOfWorkers?: string

Hodnota vlastnosti

string

optimizer

Typ optimalizátoru Musí to být buď 'sgd', 'adam', nebo 'adamw'.

optimizer?: string

Hodnota vlastnosti

string

randomSeed

Náhodná počáteční hodnota, která se má použít při použití deterministického trénování.

randomSeed?: string

Hodnota vlastnosti

string

stepLRGamma

Hodnota gama při učení plánovače rychlosti je krok. Musí to být plovák v rozsahu [0, 1].

stepLRGamma?: string

Hodnota vlastnosti

string

stepLRStepSize

Hodnota velikosti kroku při plánování rychlosti učení je krok. Musí to být kladné celé číslo.

stepLRStepSize?: string

Hodnota vlastnosti

string

trainingBatchSize

Trénovací velikost dávky. Musí to být kladné celé číslo.

trainingBatchSize?: string

Hodnota vlastnosti

string

validationBatchSize

Velikost dávky ověření. Musí to být kladné celé číslo.

validationBatchSize?: string

Hodnota vlastnosti

string

warmupCosineLRCycles

Hodnota kosinusového cyklu při plánování rychlosti učení je "warmup_cosine". Musí to být plovák v rozsahu [0, 1].

warmupCosineLRCycles?: string

Hodnota vlastnosti

string

warmupCosineLRWarmupEpochs

Hodnota epochy warmup při učení plánovače rychlosti je "warmup_cosine". Musí to být kladné celé číslo.

warmupCosineLRWarmupEpochs?: string

Hodnota vlastnosti

string

weightDecay

Hodnota hmotnosti se rozpadne, když je optimalizátor 'sgd', 'adam' nebo 'adamw'. Musí to být plovák v rozsahu[0, 1].

weightDecay?: string

Hodnota vlastnosti

string