ImageClassificationMultilabelJob Třída
Konfigurace pro úlohu Klasifikace obrázků automatizovaného strojového učení s více popisky
Inicializace nové úlohy Klasifikace obrázků autoML s více popisky
- Dědičnost
-
azure.ai.ml.entities._job.automl.image.automl_image_classification_base.AutoMLImageClassificationBaseImageClassificationMultilabelJob
Konstruktor
ImageClassificationMultilabelJob(*, primary_metric: str | ClassificationMultilabelPrimaryMetrics | None = None, **kwargs)
Parametry
- primary_metric
Primární metrika, která se má použít pro optimalizaci
- kwargs
Argumenty specifické pro úlohu
Metody
dump |
Vytvoří výpis obsahu úlohy do souboru ve formátu YAML. |
extend_search_space |
Přidejte vyhledávací prostor pro úlohy Klasifikace obrázků AutoML a Klasifikace obrázků s více popisky. |
set_data | |
set_limits |
Omezení nastavení pro všechny vertikály obrázků AutoML |
set_sweep |
Nastavení uklidit pro všechny svislé obrázky AutoML |
set_training_parameters |
Nastavení parametrů trénování obrázků pro úlohy Klasifikace obrázků automatizovaného strojového učení a Klasifikace obrázků s více popisky |
dump
Vytvoří výpis obsahu úlohy do souboru ve formátu YAML.
dump(dest: str | PathLike | IO, **kwargs) -> None
Parametry
Místní cesta nebo datový proud souboru, do které chcete zapsat obsah YAML. Pokud je dest cesta k souboru, vytvoří se nový soubor. Pokud je soubor dest otevřený, zapíše se přímo do souboru.
- kwargs
- dict
Další argumenty, které se mají předat serializátoru YAML.
Výjimky
Vyvolána, pokud je dest cesta k souboru a soubor již existuje.
Vyvolána, pokud je soubor dest otevřený a soubor není zapisovatelný.
extend_search_space
Přidejte vyhledávací prostor pro úlohy Klasifikace obrázků AutoML a Klasifikace obrázků s více popisky.
extend_search_space(value: SearchSpace | List[SearchSpace]) -> None
Parametry
zadejte instanci ImageClassificationSearchSpace nebo seznam ImageClassificationSearchSpace pro vyhledávání v prostoru parametrů.
Výjimky
Vyvolána, pokud je dest cesta k souboru a soubor již existuje.
Vyvolána, pokud je soubor dest otevřený a soubor není zapisovatelný.
set_data
set_data(*, training_data: Input, target_column_name: str, validation_data: Input | None = None, validation_data_size: float | None = None) -> None
Výjimky
Vyvolána, pokud je dest cesta k souboru a soubor již existuje.
Vyvolána, pokud je soubor dest otevřený a soubor není zapisovatelný.
set_limits
Omezení nastavení pro všechny vertikály obrázků AutoML
set_limits(*, max_concurrent_trials: int | None = None, max_trials: int | None = None, timeout_minutes: int | None = None) -> None
Parametry
- timeout_minutes
- timedelta
Vypršení časového limitu úlohy AutoML
Výjimky
Vyvolána, pokud je dest cesta k souboru a soubor již existuje.
Vyvolána, pokud je soubor dest otevřený a soubor není zapisovatelný.
set_sweep
Nastavení uklidit pro všechny svislé obrázky AutoML
set_sweep(*, sampling_algorithm: str | Random | Grid | Bayesian, early_termination: BanditPolicy | MedianStoppingPolicy | TruncationSelectionPolicy | None = None) -> None
Parametry
- sampling_algorithm
Povinná hodnota. [Povinné] Typ algoritmů vzorkování hyperparametrů Mezi možné hodnoty patří: "Grid", "Random", "Bayesian".
- early_termination
- Union[ BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]
Typ zásad předčasného ukončení.
Výjimky
Vyvolána, pokud je dest cesta k souboru a soubor již existuje.
Vyvolána, pokud je soubor dest otevřený a soubor není zapisovatelný.
set_training_parameters
Nastavení parametrů trénování obrázků pro úlohy Klasifikace obrázků automatizovaného strojového učení a Klasifikace obrázků s více popisky
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
Parametry
- advanced_settings
- str
Nastavení pro pokročilé scénáře.
- ams_gradient
- bool
Povolte AMSGrad, pokud je optimalizátor "adam" nebo "adamw".
- beta1
- float
Hodnota beta1, pokud optimalizátor je "adam" nebo "adamw". Musí být float v rozsahu [0, 1].
- beta2
- float
Hodnota "beta2", pokud optimalizátor je "adam" nebo "adamw". Musí být float v rozsahu [0, 1].
- checkpoint_frequency
- int
Frekvence ukládání kontrolních bodů modelu Musí být kladné celé číslo.
- checkpoint_run_id
- str
ID předchozího spuštění, které má předem vytrénovaný kontrolní bod pro přírůstkové trénování.
- distributed
- bool
Jestli se má použít distribuované trénování.
- early_stopping
- bool
Povolte logiku předčasného zastavení během trénování.
- early_stopping_delay
- int
Minimální počet epoch nebo vyhodnocení ověření, která se mají počkat, než se bude sledovat zlepšení primární metriky pro předčasné zastavení. Musí být kladné celé číslo.
- early_stopping_patience
- int
Minimální počet epoch nebo vyhodnocení ověření bez zlepšení primární metriky před zastavením spuštění Musí být kladné celé číslo.
- enable_onnx_normalization
- bool
Povolte normalizaci při exportu modelu ONNX.
- evaluation_frequency
- int
Frekvence vyhodnocení ověřovací datové sady za účelem získání skóre metrik Musí být kladné celé číslo.
- gradient_accumulation_step
- int
Akumulace gradientu znamená spuštění nakonfigurovaného počtu kroků GradAccumulationStep bez aktualizace hmotnosti modelu při nahromadění přechodů těchto kroků a následné použití kumulovaných přechodů k výpočtu aktualizací hmotnosti. Musí být kladné celé číslo.
- layers_to_freeze
Počet vrstev, které se mají u modelu ukotvit. Musí být kladné celé číslo. Například předání 2 jako hodnoty pro "seresnext" znamená zamrznutí vrstvy 0 a vrstvy1. Úplný seznam podporovaných modelů a podrobnosti o ukotvení vrstev najdete tady: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long
- learning_rate
- float
Počáteční rychlost učení. Musí být float v rozsahu [0, 1].
- learning_rate_scheduler
Typ plánovače rychlosti učení Musí to být "warmup_cosine" nebo "krok". Mezi možné hodnoty patří: "None", "WarmupCosine", "Step".
- model_name
Název modelu, který se má použít pro trénování Další informace o dostupných modelech najdete v oficiální dokumentaci: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
- momentum
- float
Hodnota dynamiky, když je optimalizátor "sgd". Musí se jednat o float v rozsahu [0, 1].
- nesterov
- bool
Povolte nesterov, pokud je optimalizátor sgd.
- number_of_epochs
- int
Počet epoch trénování Musí být kladné celé číslo.
- number_of_workers
- int
Počet pracovních procesů zavaděče dat Musí to být nezáporné celé číslo.
- optimizer
Typ optimalizátoru Mezi možné hodnoty patří: "None", "Sgd", "Adam", "Adamw".
- random_seed
- int
Náhodné počáteční údaje, které se mají použít při použití deterministického trénování.
- step_lr_gamma
- float
Hodnota gama při plánovači rychlosti učení je "krok". Musí se jednat o float v rozsahu [0, 1].
- step_lr_step_size
- int
Hodnota velikosti kroku při plánovači rychlosti učení je "krok". Musí být kladné celé číslo.
- training_batch_size
- int
Velikost trénovací dávky. Musí být kladné celé číslo.
- validation_batch_size
- int
Velikost ověřovací dávky. Musí být kladné celé číslo.
- warmup_cosine_lr_cycles
- float
Hodnota kosinusového cyklu při plánovači rychlosti učení je "warmup_cosine". Musí se jednat o float v rozsahu [0, 1].
- warmup_cosine_lr_warmup_epochs
- int
Hodnota epoch zahřátí při plánovači rychlosti učení je "warmup_cosine". Musí být kladné celé číslo.
- weight_decay
- float
Hodnota hmotnosti se rozpadne, když optimalizátor je "sgd", "adam" nebo "adamw". Musí se jednat o float v rozsahu[0, 1].
- training_crop_size
- int
Velikost oříznutí obrázku, která je vstupem do neurální sítě pro trénovací datovou sadu. Musí být kladné celé číslo.
- validation_crop_size
- int
Velikost oříznutí obrázku, která je vstupem do neurální sítě pro ověřovací datovou sadu. Musí být kladné celé číslo.
- validation_resize_size
- int
Velikost obrázku, na kterou chcete před oříznutím změnit velikost datové sady pro ověření. Musí být kladné celé číslo.
- weighted_loss
- int
Vážená ztráta. Přípustné hodnoty jsou 0 bez vážené ztráty. 1 pro váženou ztrátu sqrt. (class_weights). 2 pro váženou ztrátu s class_weights. Musí být 0, 1 nebo 2.
Výjimky
Vyvolána, pokud je dest cesta k souboru a soubor již existuje.
Vyvolána, pokud je soubor dest otevřený a soubor není zapisovatelný.
Atributy
base_path
creation_context
Kontext vytvoření prostředku.
Návraty
Metadata vytvoření prostředku.
Návratový typ
id
ID prostředku.
Návraty
Globální ID prostředku, ID Azure Resource Manager (ARM).
Návratový typ
inputs
limits
log_files
Výstupní soubory úlohy.
Návraty
Slovník názvů protokolů a adres URL.
Návratový typ
log_verbosity
outputs
primary_metric
search_space
status
Stav úlohy.
Mezi běžné vrácené hodnoty patří "Spuštěno", "Dokončeno" a "Selhání". Všechny možné hodnoty jsou:
NotStarted – jedná se o dočasný stav, ve který jsou objekty Spuštění na straně klienta před odesláním do cloudu.
Spuštění – Spuštění se začalo zpracovávat v cloudu. Volající má v tuto chvíli ID spuštění.
Zřizování – pro odeslání dané úlohy se vytváří výpočetní prostředky na vyžádání.
Příprava – Prostředí spuštění se připravuje a je v jedné ze dvou fází:
Sestavení image Dockeru
Nastavení prostředí conda
Ve frontě – úloha je zařazená do fronty v cílovém výpočetním objektu. Například ve službě BatchAI je úloha ve stavu zařazená do fronty.
při čekání na připravenost všech požadovaných uzlů.
Spuštěno – Úloha se začala spouštět na cílovém výpočetním objektu.
Finalizace – Spuštění uživatelského kódu bylo dokončeno a spuštění je ve fázích následného zpracování.
CancelRequested – pro úlohu bylo požadováno zrušení.
Dokončeno – spuštění bylo úspěšně dokončeno. To zahrnuje jak spuštění uživatelského kódu, tak spuštění.
fáze následného zpracování.
Selhání – Spuštění se nezdařilo. Vlastnost Error při spuštění obvykle obsahuje podrobnosti o důvodech.
Zrušeno – následuje žádost o zrušení a označuje, že spuštění se teď úspěšně zrušilo.
Nereaguje – u spuštění, která mají povolené prezenční signály, se v nedávné době neodeslal žádný prezenční signál.
Návraty
Stav úlohy.
Návratový typ
studio_url
Koncový bod studia Azure ML.
Návraty
Adresa URL stránky s podrobnostmi o úloze
Návratový typ
sweep
task_type
Získání typu úkolu
Návraty
Typ úlohy, která se má spustit. Mezi možné hodnoty patří: "classification", "regression", "forecasting".
Návratový typ
test_data
training_data
training_parameters
type
validation_data
Azure SDK for Python