ImageModelSettingsClassification interface

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.

Extends

ImageModelSettings

Eigenschaften

trainingCropSize	Bildzuschneidegröße, die in das neuronale Netzwerk für das Trainingsdataset eingegeben wird. Der Wert muss eine positive ganze Zahl sein.
validationCropSize	Bildzuschneidegröße, die in das neuronale Netzwerk für das Validierungsdataset eingegeben wird. Der Wert muss eine positive ganze Zahl sein.
validationResizeSize	Bildgröße, auf die die Größe vor dem Zuschneiden für das Validierungsdataset geändert werden soll. Der Wert muss eine positive ganze Zahl sein.
weightedLoss	Gewichteter Verlust. Die akzeptierten Werte sind 0 für keinen gewichteten Verlust. 1 für gewichteten Verlust mit sqrt. (class_weights). 2 für gewichteten Verlust mit class_weights. Muss 0, 1 oder 2 sein.

Geerbte 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

trainingCropSize

Bildzuschneidegröße, die in das neuronale Netzwerk für das Trainingsdataset eingegeben wird. Der Wert muss eine positive ganze Zahl sein.

trainingCropSize?: number

Eigenschaftswert

number

validationCropSize

Bildzuschneidegröße, die in das neuronale Netzwerk für das Validierungsdataset eingegeben wird. Der Wert muss eine positive ganze Zahl sein.

validationCropSize?: number

Eigenschaftswert

number

validationResizeSize

Bildgröße, auf die die Größe vor dem Zuschneiden für das Validierungsdataset geändert werden soll. Der Wert muss eine positive ganze Zahl sein.

validationResizeSize?: number

Eigenschaftswert

number

weightedLoss

Gewichteter Verlust. Die akzeptierten Werte sind 0 für keinen gewichteten Verlust. 1 für gewichteten Verlust mit sqrt. (class_weights). 2 für gewichteten Verlust mit class_weights. Muss 0, 1 oder 2 sein.

weightedLoss?: number

Eigenschaftswert

number

Geerbte Eigenschaftsdetails

advancedSettings

Einstellungen für erweiterte Szenarien.

advancedSettings?: string

Eigenschaftswert

string

Geerbt vonImageModelSettings.advancedSettings

amsGradient

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

amsGradient?: boolean

Eigenschaftswert

boolean

Geerbt vonImageModelSettings.amsGradient

augmentations

Einstellungen für die Verwendung von Augmentations.

augmentations?: string

Eigenschaftswert

string

Geerbt vonImageModelSettings.augmentations

beta1

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

beta1?: number

Eigenschaftswert

number

Geerbt vonImageModelSettings.beta1

beta2

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

beta2?: number

Eigenschaftswert

number

Geerbt vonImageModelSettings.beta2

checkpointFrequency

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

checkpointFrequency?: number

Eigenschaftswert

number

Geerbt vonImageModelSettings.checkpointFrequency

checkpointModel

Das vortrainierte Prüfpunktmodell für inkrementelles Training.

checkpointModel?: MLFlowModelJobInput

Eigenschaftswert

MLFlowModelJobInput

Geerbt vonImageModelSettings.checkpointModel

checkpointRunId

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

checkpointRunId?: string

Eigenschaftswert

string

Geerbt vonImageModelSettings.checkpointRunId

distributed

Gibt an, ob verteiltes Training verwendet werden soll.

distributed?: boolean

Eigenschaftswert

boolean

Geerbt vonImageModelSettings.distributed

earlyStopping

Logik zum frühzeitigen Beenden während des Trainings aktivieren.

earlyStopping?: boolean

Eigenschaftswert

boolean

Geerbt vonImageModelSettings.earlyStopping

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

Geerbt vonImageModelSettings.earlyStoppingDelay

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

Geerbt vonImageModelSettings.earlyStoppingPatience

enableOnnxNormalization

Aktivieren Sie die Normalisierung beim Exportieren des ONNX-Modells.

enableOnnxNormalization?: boolean

Eigenschaftswert

boolean

Geerbt vonImageModelSettings.enableOnnxNormalization

evaluationFrequency

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

evaluationFrequency?: number

Eigenschaftswert

number

Geerbt vonImageModelSettings.evaluationFrequency

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

Geerbt vonImageModelSettings.gradientAccumulationStep

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

Geerbt vonImageModelSettings.layersToFreeze

learningRate

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

learningRate?: number

Eigenschaftswert

number

Geerbt vonImageModelSettings.learningRate

learningRateScheduler

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

learningRateScheduler?: string

Eigenschaftswert

string

Geerbt vonImageModelSettings.learningRateScheduler

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

Geerbt vonImageModelSettings.modelName

momentum

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

momentum?: number

Eigenschaftswert

number

Geerbt vonImageModelSettings.momentum

nesterov

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

nesterov?: boolean

Eigenschaftswert

boolean

Geerbt vonImageModelSettings.nesterov

numberOfEpochs

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

numberOfEpochs?: number

Eigenschaftswert

number

Geerbt vonImageModelSettings.numberOfEpochs

numberOfWorkers

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

numberOfWorkers?: number

Eigenschaftswert

number

Geerbt vonImageModelSettings.numberOfWorkers

optimizer

Typ des Optimierers.

optimizer?: string

Eigenschaftswert

string

Geerbt vonImageModelSettings.optimizer

randomSeed

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

randomSeed?: number

Eigenschaftswert

number

Geerbt vonImageModelSettings.randomSeed

stepLRGamma

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

stepLRGamma?: number

Eigenschaftswert

number

Geerbt vonImageModelSettings.stepLRGamma

stepLRStepSize

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

stepLRStepSize?: number

Eigenschaftswert

number

Geerbt vonImageModelSettings.stepLRStepSize

trainingBatchSize

Trainingsbatchgröße. Der Wert muss eine positive ganze Zahl sein.

trainingBatchSize?: number

Eigenschaftswert

number

Geerbt vonImageModelSettings.trainingBatchSize

validationBatchSize

Überprüfungsbatchgröße. Der Wert muss eine positive ganze Zahl sein.

validationBatchSize?: number

Eigenschaftswert

number

Geerbt vonImageModelSettings.validationBatchSize

warmupCosineLRCycles

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

warmupCosineLRCycles?: number

Eigenschaftswert

number

Geerbt vonImageModelSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

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

warmupCosineLRWarmupEpochs?: number

Eigenschaftswert

number

Geerbt vonImageModelSettings.warmupCosineLRWarmupEpochs

weightDecay

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

weightDecay?: number

Eigenschaftswert

number

Geerbt vonImageModelSettings.weightDecay