Compartir a través de

ImageModelSettingsClassification interface

  • Referencia
Paquete:
@azure/arm-machinelearning

Configuración que se usa para entrenar el modelo. Para obtener más información sobre la configuración disponible, visite la documentación oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Extends
ImageModelSettings

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

advancedSettings

Configuración de escenarios avanzados.
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].
checkpointFrequency

Frecuencia para almacenar los puntos de control del modelo. Debe ser un entero positivo.
checkpointModel

Modelo de punto de control entrenado previamente para el entrenamiento incremental.
checkpointRunId

Identificador de una ejecución anterior que tiene un punto de control entrenado previamente para el entrenamiento incremental.
distributed

Si se va a usar el entrenamiento distribuido.
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.
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?: number

Valor de propiedad

number

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?: number

Valor de propiedad

number

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?: number

Valor de propiedad

number

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?: number

Valor de propiedad

number

Detalles de las propiedades heredadas

advancedSettings

Configuración de escenarios avanzados.

advancedSettings?: string

Valor de propiedad

string

heredado deimageModelSettings.advancedSettings

amsGradient

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

amsGradient?: boolean

Valor de propiedad

boolean

Heredado deImageModelSettings.amsGradient

augmentations

Configuración para usar aumentos.

augmentations?: string

Valor de propiedad

string

heredado deImageModelSettings.augmentations

beta1

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

beta1?: number

Valor de propiedad

number

heredado de ImageModelSettings.beta1

beta2

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

beta2?: number

Valor de propiedad

number

se hereda de ImageModelSettings.beta2

checkpointFrequency

Frecuencia para almacenar los puntos de control del modelo. Debe ser un entero positivo.

checkpointFrequency?: number

Valor de propiedad

number

Heredado deImageModelSettings.checkpointFrequency

checkpointModel

Modelo de punto de control entrenado previamente para el entrenamiento incremental.

checkpointModel?: MLFlowModelJobInput

Valor de propiedad

MLFlowModelJobInput

heredado deimageModelSettings.checkpointModel

checkpointRunId

Identificador de una ejecución anterior que tiene un punto de control entrenado previamente para el entrenamiento incremental.

checkpointRunId?: string

Valor de propiedad

string

Heredado deImageModelSettings.checkpointRunId

distributed

Si se va a usar el entrenamiento distribuido.

distributed?: boolean

Valor de propiedad

boolean

heredado deImageModelSettings.distributed

earlyStopping

Habilite la lógica de detención temprana durante el entrenamiento.

earlyStopping?: boolean

Valor de propiedad

boolean

heredado deImageModelSettings.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?: number

Valor de propiedad

number

heredado deImageModelSettings.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?: number

Valor de propiedad

number

heredado deImageModelSettings.earlyStoppingPatience

enableOnnxNormalization

Habilite la normalización al exportar el modelo ONNX.

enableOnnxNormalization?: boolean

Valor de propiedad

boolean

Heredado deImageModelSettings.enableOnnxNormalization

evaluationFrequency

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

evaluationFrequency?: number

Valor de propiedad

number

Heredado deImageModelSettings.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?: number

Valor de propiedad

number

heredado deImageModelSettings.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?: number

Valor de propiedad

number

heredado deImageModelSettings.layersToFreeze

learningRate

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

learningRate?: number

Valor de propiedad

number

heredado de ImageModelSettings.learningRate

learningRateScheduler

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

learningRateScheduler?: string

Valor de propiedad

string

heredado de ImageModelSettings.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 deImageModelSettings.modelName

momentum

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

momentum?: number

Valor de propiedad

number

heredado deImageModelSettings.momentum

nesterov

Habilite nesterov cuando el optimizador sea "sgd".

nesterov?: boolean

Valor de propiedad

boolean

heredado deimageModelSettings.nesterov

numberOfEpochs

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

numberOfEpochs?: number

Valor de propiedad

number

heredado deimageModelSettings.numberOfEpochs

numberOfWorkers

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

numberOfWorkers?: number

Valor de propiedad

number

heredado deImageModelSettings.numberOfWorkers

optimizer

Tipo de optimizador.

optimizer?: string

Valor de propiedad

string

heredado deimageModelSettings.optimizer

randomSeed

Inicialización aleatoria que se usará al usar el entrenamiento determinista.

randomSeed?: number

Valor de propiedad

number

heredado deimageModelSettings.randomSeed

stepLRGamma

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

stepLRGamma?: number

Valor de propiedad

number

Heredado deImageModelSettings.stepLRGamma

stepLRStepSize

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

stepLRStepSize?: number

Valor de propiedad

number

heredado deImageModelSettings.stepLRStepSize

trainingBatchSize

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

trainingBatchSize?: number

Valor de propiedad

number

heredado deImageModelSettings.trainingBatchSize

validationBatchSize

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

validationBatchSize?: number

Valor de propiedad

number

heredado deImageModelSettings.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?: number

Valor de propiedad

number

heredado deimageModelSettings.warmupCosineLRCycles

warmupCosineLRWarmupEpochs

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

warmupCosineLRWarmupEpochs?: number

Valor de propiedad

number

heredado deImageModelSettings.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?: number

Valor de propiedad

number

Heredado deImageModelSettings.weightDecay