ImageModelSettings interface

Balíček:

@azure/arm-machinelearning

Nastavení použitá pro trénování modelu. Další informace o dostupných nastaveních najdete v oficiální dokumentaci: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Vlastnosti

advancedSettings	Nastavení pro pokročilé scénáře
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].
checkpointFrequency	Frekvence ukládání kontrolních bodů modelu Musí to být kladné celé číslo.
checkpointModel	Předem natrénovaný model kontrolního bodu pro přírůstkové trénování.
checkpointRunId	ID předchozího spuštění s předem natrénovaným kontrolním bodem pro přírůstkové trénování.
distributed	Jestli se má používat distribuované trénování.
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
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

advancedSettings

Nastavení pro pokročilé scénáře

advancedSettings?: string

Hodnota vlastnosti

string

amsGradient

Povolte AMSGrad, pokud je optimalizátor adam nebo adamw.

amsGradient?: boolean

Hodnota vlastnosti

boolean

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?: number

Hodnota vlastnosti

number

beta2

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

beta2?: number

Hodnota vlastnosti

number

checkpointFrequency

Frekvence ukládání kontrolních bodů modelu Musí to být kladné celé číslo.

checkpointFrequency?: number

Hodnota vlastnosti

number

checkpointModel

Předem natrénovaný model kontrolního bodu pro přírůstkové trénování.

checkpointModel?: MLFlowModelJobInput

Hodnota vlastnosti

MLFlowModelJobInput

checkpointRunId

ID předchozího spuštění s předem natrénovaným kontrolním bodem pro přírůstkové trénování.

checkpointRunId?: string

Hodnota vlastnosti

string

distributed

Jestli se má používat distribuované trénování.

distributed?: boolean

Hodnota vlastnosti

boolean

earlyStopping

Povolte logiku předčasného zastavení během trénování.

earlyStopping?: boolean

Hodnota vlastnosti

boolean

earlyStoppingDelay

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

earlyStoppingDelay?: number

Hodnota vlastnosti

number

earlyStoppingPatience

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

earlyStoppingPatience?: number

Hodnota vlastnosti

number

enableOnnxNormalization

Povolte normalizaci při exportu modelu ONNX.

enableOnnxNormalization?: boolean

Hodnota vlastnosti

boolean

evaluationFrequency

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

evaluationFrequency?: number

Hodnota vlastnosti

number

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?: number

Hodnota vlastnosti

number

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?: number

Hodnota vlastnosti

number

learningRate

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

learningRate?: number

Hodnota vlastnosti

number

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?: number

Hodnota vlastnosti

number

nesterov

Povolte nesterov, pokud je optimalizátor sgd.

nesterov?: boolean

Hodnota vlastnosti

boolean

numberOfEpochs

Počet epoch trénování. Musí to být kladné celé číslo.

numberOfEpochs?: number

Hodnota vlastnosti

number

numberOfWorkers

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

numberOfWorkers?: number

Hodnota vlastnosti

number

optimizer

Typ optimalizátoru

optimizer?: string

Hodnota vlastnosti

string

randomSeed

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

randomSeed?: number

Hodnota vlastnosti

number

stepLRGamma

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

stepLRGamma?: number

Hodnota vlastnosti

number

stepLRStepSize

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

stepLRStepSize?: number

Hodnota vlastnosti

number

trainingBatchSize

Trénovací velikost dávky. Musí to být kladné celé číslo.

trainingBatchSize?: number

Hodnota vlastnosti

number

validationBatchSize

Velikost dávky ověření. Musí to být kladné celé číslo.

validationBatchSize?: number

Hodnota vlastnosti

number

warmupCosineLRCycles

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

warmupCosineLRCycles?: number

Hodnota vlastnosti

number

warmupCosineLRWarmupEpochs

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

warmupCosineLRWarmupEpochs?: number

Hodnota vlastnosti

number

weightDecay

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

weightDecay?: number

Hodnota vlastnosti

number