Freigeben über

ImageModelSettingsClassification Klasse

  • Referenz

Modelleinstellungen für AutoML-Bildklassifizierungsaufgaben.

Vererbung
azure.ai.ml.entities._job.automl.image.image_model_settings.ImageModelDistributionSettings
ImageModelSettingsClassification

Konstruktor

ImageModelSettingsClassification(*, 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: 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: 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, **kwargs)

Parameter

advanced_settings
str
Erforderlich

Einstellungen für erweiterte Szenarien.

ams_gradient
bool
Erforderlich

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

beta1
float
Erforderlich

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

beta2
float
Erforderlich

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

checkpoint_frequency
int
Erforderlich

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

checkpoint_run_id
str
Erforderlich

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

distributed
bool
Erforderlich

Gibt an, ob verteiltes Training verwendet werden soll.

early_stopping
bool
Erforderlich

Logik zum frühzeitigen Beenden während des Trainings aktivieren.

early_stopping_delay
int
Erforderlich

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.

early_stopping_patience
int
Erforderlich

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

enable_onnx_normalization
bool
Erforderlich

Aktivieren Sie die Normalisierung beim Exportieren des ONNX-Modells.

evaluation_frequency
int
Erforderlich

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

gradient_accumulation_step
int
Erforderlich

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.

layers_to_freeze
int
Erforderlich

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.

learning_rate
float
Erforderlich

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

learning_rate_scheduler
str oder LearningRateScheduler
Erforderlich

Typ des Lernratenplaners. Muss "warmup_cosine" oder "Schritt" sein. Mögliche Werte sind: "None", "WarmupCosine", "Step".

model_name
str
Erforderlich

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
float
Erforderlich

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

nesterov
bool
Erforderlich

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

number_of_epochs
int
Erforderlich

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

number_of_workers
int
Erforderlich

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

optimizer
str oder StochasticOptimizer
Erforderlich

Typ des Optimierers. Mögliche Werte sind: "None", "Sgd", "Adam", "Adamw".

random_seed
int
Erforderlich

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

step_lr_gamma
float
Erforderlich

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

step_lr_step_size
int
Erforderlich

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

training_batch_size
int
Erforderlich

Trainingsbatchgröße. Der Wert muss eine positive ganze Zahl sein.

validation_batch_size
int
Erforderlich

Überprüfungsbatchgröße. Der Wert muss eine positive ganze Zahl sein.

warmup_cosine_lr_cycles
float
Erforderlich

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

warmup_cosine_lr_warmup_epochs
int
Erforderlich

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

weight_decay
float
Erforderlich

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

training_crop_size
int
Erforderlich

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

validation_crop_size
int
Erforderlich

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

validation_resize_size
int
Erforderlich

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

weighted_loss
int
Erforderlich

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.