Freigeben über

ImageModelSettings interface

  • Referenz
Paket:
@azure/arm-machinelearning

Einstellungen, die zum Trainieren des Modells verwendet werden. Weitere Informationen zu den verfügbaren Einstellungen finden Sie in der offiziellen Dokumentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Eigenschaften

advancedSettings

Einstellungen für erweiterte Szenarien.
amsGradient

Aktivieren Sie AMSGrad, wenn der Optimierer "adam" oder "adamw" lautet.
augmentations

Einstellungen für die Verwendung von Augmentations.
beta1

Wert von "beta1", wenn der Optimierer "adam" oder "adamw" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.
beta2

Wert von "beta2", wenn der Optimierer "adam" oder "adamw" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.
checkpointFrequency

Häufigkeit zum Speichern von Modellprüfpunkten. Der Wert muss eine positive ganze Zahl sein.
checkpointModel

Das vortrainierte Prüfpunktmodell für inkrementelles Training.
checkpointRunId

Die ID einer vorherigen Ausführung, die über einen vortrainierten Prüfpunkt für inkrementelles Training verfügt.
distributed

Gibt an, ob verteiltes Training verwendet werden soll.
earlyStopping

Logik zum frühzeitigen Beenden während des Trainings aktivieren.
earlyStoppingDelay

Mindestanzahl von Epochen oder Validierungsauswertungen, die gewartet werden sollen, bevor die primäre Metrikverbesserung für das frühzeitige Beenden nachverfolgt wird. Der Wert muss eine positive ganze Zahl sein.
earlyStoppingPatience

Minimale Anzahl von Epochen oder Validierungsauswertungen ohne primäre Metrikverbesserung, bevor die Ausführung beendet wird. Der Wert muss eine positive ganze Zahl sein.
enableOnnxNormalization

Aktivieren Sie die Normalisierung beim Exportieren des ONNX-Modells.
evaluationFrequency

Häufigkeit zum Auswerten des Validierungsdatasets, um Metrikergebnisse zu erhalten. Der Wert muss eine positive ganze Zahl sein.
gradientAccumulationStep

Farbverlaufsakkumulation bedeutet, dass eine konfigurierte Anzahl von GradAccumulationStep-Schritten ausgeführt wird, ohne die Modellgewichte zu aktualisieren, während die Farbverläufe dieser Schritte gesammelt werden, und dann die akkumulierten Farbverläufe zum Berechnen der Gewichtungsupdates verwendet werden. Der Wert muss eine positive ganze Zahl sein.
layersToFreeze

Anzahl der Ebenen, die für das Modell fixiert werden sollen. Der Wert muss eine positive ganze Zahl sein. Beispielsweise bedeutet die Übergabe von 2 als Wert für "seresnext" das Einfrieren von layer0 und layer1. Eine vollständige Liste der unterstützten Modelle und Details zum Einfrieren der Ebene finden Sie unter: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate

Anfängliche Lernrate. Muss ein Gleitkommawert im Bereich [0, 1] sein.
learningRateScheduler

Typ des Lernratenplaners. Muss "warmup_cosine" oder "Schritt" sein.
modelName

Name des Modells, das für das Training verwendet werden soll. Weitere Informationen zu den verfügbaren Modellen finden Sie in der offiziellen Dokumentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum

Wert des Momentums, wenn der Optimierer "sgd" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.
nesterov

Aktivieren Sie nesterov, wenn der Optimierer "sgd" ist.
numberOfEpochs

Anzahl der Trainingsepochen Der Wert muss eine positive ganze Zahl sein.
numberOfWorkers

Anzahl der DataLoader-Worker. Muss eine nicht negative ganze Zahl sein.
optimizer

Typ des Optimierers.
randomSeed

Zufälliger Startwert, der bei Verwendung des deterministischen Trainings verwendet werden soll.
stepLRGamma

Wert von Gamma, wenn der Lernratenplaner "step" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.
stepLRStepSize

Wert der Schrittgröße, wenn der Lernratenplaner "schritt" ist. Der Wert muss eine positive ganze Zahl sein.
trainingBatchSize

Trainingsbatchgröße. Der Wert muss eine positive ganze Zahl sein.
validationBatchSize

Überprüfungsbatchgröße. Der Wert muss eine positive ganze Zahl sein.
warmupCosineLRCycles

Der Wert des Kosinuszyklus, wenn der Lernratenplaner "warmup_cosine" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.
warmupCosineLRWarmupEpochs

Wert von Aufwärmperioden, wenn der Lernratenplaner "warmup_cosine" ist. Der Wert muss eine positive ganze Zahl sein.
weightDecay

Wert des Gewichtszerfalls, wenn der Optimierer "sgd", "adam" oder "adamw" lautet. Muss ein Gleitkomma im Bereich [0, 1] sein.

Details zur Eigenschaft

advancedSettings

Einstellungen für erweiterte Szenarien.

advancedSettings?: string

Eigenschaftswert

string

amsGradient

Aktivieren Sie AMSGrad, wenn der Optimierer "adam" oder "adamw" lautet.

amsGradient?: boolean

Eigenschaftswert

boolean

augmentations

Einstellungen für die Verwendung von Augmentations.

augmentations?: string

Eigenschaftswert

string

beta1

Wert von "beta1", wenn der Optimierer "adam" oder "adamw" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.

beta1?: number

Eigenschaftswert

number

beta2

Wert von "beta2", wenn der Optimierer "adam" oder "adamw" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.

beta2?: number

Eigenschaftswert

number

checkpointFrequency

Häufigkeit zum Speichern von Modellprüfpunkten. Der Wert muss eine positive ganze Zahl sein.

checkpointFrequency?: number

Eigenschaftswert

number

checkpointModel

Das vortrainierte Prüfpunktmodell für inkrementelles Training.

checkpointModel?: MLFlowModelJobInput

Eigenschaftswert

MLFlowModelJobInput

checkpointRunId

Die ID einer vorherigen Ausführung, die über einen vortrainierten Prüfpunkt für inkrementelles Training verfügt.

checkpointRunId?: string

Eigenschaftswert

string

distributed

Gibt an, ob verteiltes Training verwendet werden soll.

distributed?: boolean

Eigenschaftswert

boolean

earlyStopping

Logik zum frühzeitigen Beenden während des Trainings aktivieren.

earlyStopping?: boolean

Eigenschaftswert

boolean

earlyStoppingDelay

Mindestanzahl von Epochen oder Validierungsauswertungen, die gewartet werden sollen, bevor die primäre Metrikverbesserung für das frühzeitige Beenden nachverfolgt wird. Der Wert muss eine positive ganze Zahl sein.

earlyStoppingDelay?: number

Eigenschaftswert

number

earlyStoppingPatience

Minimale Anzahl von Epochen oder Validierungsauswertungen ohne primäre Metrikverbesserung, bevor die Ausführung beendet wird. Der Wert muss eine positive ganze Zahl sein.

earlyStoppingPatience?: number

Eigenschaftswert

number

enableOnnxNormalization

Aktivieren Sie die Normalisierung beim Exportieren des ONNX-Modells.

enableOnnxNormalization?: boolean

Eigenschaftswert

boolean

evaluationFrequency

Häufigkeit zum Auswerten des Validierungsdatasets, um Metrikergebnisse zu erhalten. Der Wert muss eine positive ganze Zahl sein.

evaluationFrequency?: number

Eigenschaftswert

number

gradientAccumulationStep

Farbverlaufsakkumulation bedeutet, dass eine konfigurierte Anzahl von GradAccumulationStep-Schritten ausgeführt wird, ohne die Modellgewichte zu aktualisieren, während die Farbverläufe dieser Schritte gesammelt werden, und dann die akkumulierten Farbverläufe zum Berechnen der Gewichtungsupdates verwendet werden. Der Wert muss eine positive ganze Zahl sein.

gradientAccumulationStep?: number

Eigenschaftswert

number

layersToFreeze

Anzahl der Ebenen, die für das Modell fixiert werden sollen. Der Wert muss eine positive ganze Zahl sein. Beispielsweise bedeutet die Übergabe von 2 als Wert für "seresnext" das Einfrieren von layer0 und layer1. Eine vollständige Liste der unterstützten Modelle und Details zum Einfrieren der Ebene finden Sie unter: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: number

Eigenschaftswert

number

learningRate

Anfängliche Lernrate. Muss ein Gleitkommawert im Bereich [0, 1] sein.

learningRate?: number

Eigenschaftswert

number

learningRateScheduler

Typ des Lernratenplaners. Muss "warmup_cosine" oder "Schritt" sein.

learningRateScheduler?: string

Eigenschaftswert

string

modelName

Name des Modells, das für das Training verwendet werden soll. Weitere Informationen zu den verfügbaren Modellen finden Sie in der offiziellen Dokumentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Eigenschaftswert

string

momentum

Wert des Momentums, wenn der Optimierer "sgd" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.

momentum?: number

Eigenschaftswert

number

nesterov

Aktivieren Sie nesterov, wenn der Optimierer "sgd" ist.

nesterov?: boolean

Eigenschaftswert

boolean

numberOfEpochs

Anzahl der Trainingsepochen Der Wert muss eine positive ganze Zahl sein.

numberOfEpochs?: number

Eigenschaftswert

number

numberOfWorkers

Anzahl der DataLoader-Worker. Muss eine nicht negative ganze Zahl sein.

numberOfWorkers?: number

Eigenschaftswert

number

optimizer

Typ des Optimierers.

optimizer?: string

Eigenschaftswert

string

randomSeed

Zufälliger Startwert, der bei Verwendung des deterministischen Trainings verwendet werden soll.

randomSeed?: number

Eigenschaftswert

number

stepLRGamma

Wert von Gamma, wenn der Lernratenplaner "step" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.

stepLRGamma?: number

Eigenschaftswert

number

stepLRStepSize

Wert der Schrittgröße, wenn der Lernratenplaner "schritt" ist. Der Wert muss eine positive ganze Zahl sein.

stepLRStepSize?: number

Eigenschaftswert

number

trainingBatchSize

Trainingsbatchgröße. Der Wert muss eine positive ganze Zahl sein.

trainingBatchSize?: number

Eigenschaftswert

number

validationBatchSize

Überprüfungsbatchgröße. Der Wert muss eine positive ganze Zahl sein.

validationBatchSize?: number

Eigenschaftswert

number

warmupCosineLRCycles

Der Wert des Kosinuszyklus, wenn der Lernratenplaner "warmup_cosine" ist. Muss ein Gleitkommawert im Bereich [0, 1] sein.

warmupCosineLRCycles?: number

Eigenschaftswert

number

warmupCosineLRWarmupEpochs

Wert von Aufwärmperioden, wenn der Lernratenplaner "warmup_cosine" ist. Der Wert muss eine positive ganze Zahl sein.

warmupCosineLRWarmupEpochs?: number

Eigenschaftswert

number

weightDecay

Wert des Gewichtszerfalls, wenn der Optimierer "sgd", "adam" oder "adamw" lautet. Muss ein Gleitkomma im Bereich [0, 1] sein.

weightDecay?: number

Eigenschaftswert

number