Compartir a través de

ImageModelDistributionSettingsClassification interface

  • Referencia
Paquete:
@azure/arm-machinelearning

Expresiones de distribución para barrir los valores de la configuración del modelo. Algunos ejemplos son:

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
Extends
ImageModelDistributionSettings

Propiedades

trainingCropSize

Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de entrenamiento. Debe ser un entero positivo.
validationCropSize

Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de validación. Debe ser un entero positivo.
validationResizeSize

Tamaño de imagen al que se va a cambiar el tamaño antes de recortar el conjunto de datos de validación. Debe ser un entero positivo.
weightedLoss

Pérdida ponderada. Los valores aceptados son 0 sin pérdida ponderada. 1 para pérdida ponderada con sqrt. (class_weights). 2 para pérdida ponderada con class_weights. Debe ser 0 o 1 o 2.

Propiedades heredadas

amsGradient

Habilite AMSGrad cuando el optimizador sea "adam" o "adamw".
augmentations

Configuración para usar aumentos.
beta1

Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un float en el intervalo [0, 1].
beta2

Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un float en el intervalo [0, 1].
distributed

Si se va a usar el entrenamiento del distribuidor.
earlyStopping

Habilite la lógica de detención temprana durante el entrenamiento.
earlyStoppingDelay

Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de que se realice un seguimiento de la mejora de métricas principales para la detención temprana. Debe ser un entero positivo.
earlyStoppingPatience

Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes de detener la ejecución. Debe ser un entero positivo.
enableOnnxNormalization

Habilite la normalización al exportar el modelo ONNX.
evaluationFrequency

Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo.
gradientAccumulationStep

La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.
layersToFreeze

Número de capas que se inmovilizarán para el modelo. Debe ser un entero positivo. Por ejemplo, pasar 2 como valor para "seresnext" significa congelar la capa0 y la capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate

Velocidad de aprendizaje inicial. Debe ser un float en el intervalo [0, 1].
learningRateScheduler

Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso".
modelName

Nombre del modelo que se va a usar para el entrenamiento. Para obtener más información sobre los modelos disponibles, visite la documentación oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum

Valor del impulso cuando el optimizador es "sgd". Debe ser un float en el intervalo [0, 1].
nesterov

Habilite nesterov cuando el optimizador sea "sgd".
numberOfEpochs

Número de épocas de entrenamiento. Debe ser un entero positivo.
numberOfWorkers

Número de trabajos del cargador de datos. Debe ser un entero no negativo.
optimizer

Tipo de optimizador. Debe ser "sgd", "adam" o "adamw".
randomSeed

Inicialización aleatoria que se usará al usar el entrenamiento determinista.
stepLRGamma

Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un float en el intervalo [0, 1].
stepLRStepSize

Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo.
trainingBatchSize

Tamaño del lote de entrenamiento. Debe ser un entero positivo.
validationBatchSize

Tamaño del lote de validación. Debe ser un entero positivo.
warmupCosineLRCycles

Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un float en el intervalo [0, 1].
warmupCosineLRWarmupEpochs

Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo.
weightDecay

Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1].

Detalles de las propiedades

trainingCropSize

Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de entrenamiento. Debe ser un entero positivo.

trainingCropSize?: string

Valor de propiedad

string

validationCropSize

Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de validación. Debe ser un entero positivo.

validationCropSize?: string

Valor de propiedad

string

validationResizeSize

Tamaño de imagen al que se va a cambiar el tamaño antes de recortar el conjunto de datos de validación. Debe ser un entero positivo.

validationResizeSize?: string

Valor de propiedad

string

weightedLoss

Pérdida ponderada. Los valores aceptados son 0 sin pérdida ponderada. 1 para pérdida ponderada con sqrt. (class_weights). 2 para pérdida ponderada con class_weights. Debe ser 0 o 1 o 2.

weightedLoss?: string

Valor de propiedad

string

Detalles de las propiedades heredadas

amsGradient

Habilite AMSGrad cuando el optimizador sea "adam" o "adamw".

amsGradient?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.amsGradient

augmentations

Configuración para usar aumentos.

augmentations?: string

Valor de propiedad

string

Heredado deImageModelDistributionSettings.augmentations

beta1

Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un float en el intervalo [0, 1].

beta1?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.beta1

beta2

Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un float en el intervalo [0, 1].

beta2?: string

Valor de propiedad

string

heredado deimageModelDistributionSettings.beta2

distributed

Si se va a usar el entrenamiento del distribuidor.

distributed?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.distributed

earlyStopping

Habilite la lógica de detención temprana durante el entrenamiento.

earlyStopping?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.earlyStopping

earlyStoppingDelay

Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de que se realice un seguimiento de la mejora de métricas principales para la detención temprana. Debe ser un entero positivo.

earlyStoppingDelay?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.earlyStoppingDelay

earlyStoppingPatience

Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes de detener la ejecución. Debe ser un entero positivo.

earlyStoppingPatience?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.earlyStoppingPatience

enableOnnxNormalization

Habilite la normalización al exportar el modelo ONNX.

enableOnnxNormalization?: string

Valor de propiedad

string

Heredado deImageModelDistributionSettings.enableOnnxNormalization

evaluationFrequency

Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo.

evaluationFrequency?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.evaluationFrequency

gradientAccumulationStep

La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.

gradientAccumulationStep?: string

Valor de propiedad

string

Heredado deImageModelDistributionSettings.gradientAccumulationStep

layersToFreeze

Número de capas que se inmovilizarán para el modelo. Debe ser un entero positivo. Por ejemplo, pasar 2 como valor para "seresnext" significa congelar la capa0 y la capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

layersToFreeze?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.layersToFreeze

learningRate

Velocidad de aprendizaje inicial. Debe ser un float en el intervalo [0, 1].

learningRate?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.learningRate

learningRateScheduler

Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso".

learningRateScheduler?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.learningRateScheduler

modelName

Nombre del modelo que se va a usar para el entrenamiento. Para obtener más información sobre los modelos disponibles, visite la documentación oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelName?: string

Valor de propiedad

string

Heredado deImageModelDistributionSettings.modelName

momentum

Valor del impulso cuando el optimizador es "sgd". Debe ser un float en el intervalo [0, 1].

momentum?: string

Valor de propiedad

string

Heredado deImageModelDistributionSettings.momentum

nesterov

Habilite nesterov cuando el optimizador sea "sgd".

nesterov?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.nesterov

numberOfEpochs

Número de épocas de entrenamiento. Debe ser un entero positivo.

numberOfEpochs?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.numberOfEpochs

numberOfWorkers

Número de trabajos del cargador de datos. Debe ser un entero no negativo.

numberOfWorkers?: string

Valor de propiedad

string

Heredado deImageModelDistributionSettings.numberOfWorkers

optimizer

Tipo de optimizador. Debe ser "sgd", "adam" o "adamw".

optimizer?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.optimizer

randomSeed

Inicialización aleatoria que se usará al usar el entrenamiento determinista.

randomSeed?: string

Valor de propiedad

string

Se hereda deImageModelDistributionSettings.randomSeed

stepLRGamma

Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un float en el intervalo [0, 1].

stepLRGamma?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.stepLRGamma

stepLRStepSize

Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo.

stepLRStepSize?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.stepLRStepSize

trainingBatchSize

Tamaño del lote de entrenamiento. Debe ser un entero positivo.

trainingBatchSize?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.trainingBatchSize

validationBatchSize

Tamaño del lote de validación. Debe ser un entero positivo.

validationBatchSize?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.validationBatchSize

warmupCosineLRCycles

Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un float en el intervalo [0, 1].

warmupCosineLRCycles?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo.

warmupCosineLRWarmupEpochs?: string

Valor de propiedad

string

Heredado deImageModelDistributionSettings.warmupCosineLRWarmupEpochs

weightDecay

Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1].

weightDecay?: string

Valor de propiedad

string

heredado deImageModelDistributionSettings.weightDecay